Pourquoi 9 stratégies de trading sur 10 échouent
Sur les 227 variantes de stratégies testées jusqu'ici, 89% ont échoué. Ce n'est ni de la malchance ni un problème de notre côté : c'est ce qui arrive d'habitude quand on teste honnêtement. Nous expliquons ci-dessous, étape par étape, pourquoi — et à quoi faire attention quand on vous présente une stratégie ou un robot de trading qui « marche à coup sûr ».
1. La chance ressemble exactement au talent
Imaginez 200 personnes qui jouent à pile ou face chaque jour : face signifie +1%, pile −1%. Personne n'a d'avantage. Au bout d'un an, certains seront gagnants, d'autres perdants — et le meilleur aura l'air d'un génie. Nous l'avons simulé :
C'est exactement ce qui se passe quand on essaie de nombreuses stratégies sur des données historiques. Si vous testez 200 idées, quelques-unes sembleront excellentes par pur hasard. Le problème n'est pas l'absence de bonnes stratégies — c'est qu'en regardant seulement le passé, on ne peut pas savoir si une stratégie est bonne ou simplement chanceuse.
Demandez combien de variantes ont été essayées avant d'arriver à celle présentée. Un bon résultat trouvé en 3 essais signifie quelque chose ; trouvé en 300, il ne signifie presque rien.
2. Ajuster jusqu'à ce que ce soit joli
Le deuxième piège est plus subtil. Vous avez une idée, vous la testez, le résultat est faible. Vous modifiez un peu une règle — c'est mieux. Vous modifiez encore, et encore. Après 20 ajustements, la stratégie paraît impeccable sur le passé. Mais chaque ajustement a « appris » le bruit de ces données, pas un mécanisme réel du marché. La stratégie décrit parfaitement le passé et rien du futur.
Ce phénomène s'appelle la suroptimisation. Signe typique : des règles très précises, du genre « acheter quand l'indicateur dépasse 37,5, mais seulement le mardi et le jeudi », sans aucune explication de pourquoi cela fonctionnerait.
Les règles, les coûts et les critères de réussite sont rédigés et scellés par une empreinte numérique avant le test : ils ne peuvent plus être ajustés après le résultat. Une période de données reste intacte et n'est utilisée qu'une seule fois, à la fin.
3. Les coûts mangent la différence
Beaucoup de régularités du marché existent vraiment — elles sont simplement plus petites que le coût de leur exploitation. À chaque transaction, vous payez l'écart entre le prix d'achat et le prix de vente (le spread), la commission et, souvent, une exécution à un prix un peu moins bon que prévu.
Un gain de quelques centièmes de pour cent par transaction disparaît après les coûts. Et les coûts supposés dans un test sont presque toujours inférieurs aux coûts réels. Un piège voisin : l'inverse d'une stratégie perdante ne devient pas gagnant — les coûts se paient dans les deux sens.
Nous mesurons les coûts sur des exécutions réelles, au lieu de les supposer, et nous exigeons qu'une stratégie reste positive même avec des coûts doublés.
4. L'information venue du futur
L'erreur technique la plus fréquente : le test utilise, sans que vous vous en rendiez compte, une information qui n'existait pas encore au moment de la décision. Quelques exemples :
- la décision est prise à l'ouverture de la bourse, mais utilise le prix de clôture du même jour ;
- des données économiques révisées après coup sont utilisées comme si elles avaient été connues dès le départ ;
- le test part de la liste actuelle des entreprises — d’où ont disparu celles qui ont fait faillite, si bien que la stratégie semble avoir « évité » les faillites.
Ce type d’erreurs produit des résultats spectaculaires. C’est pourquoi, chez nous, un résultat trop beau sur une idée simple est traité comme une erreur jusqu’à preuve du contraire.
Chaque décision simulée n’utilise que ce que l’on savait à ce moment-là — y compris la liste des entreprises et les données telles qu’elles étaient publiées à l’époque.
5. Le marché change
Même un effet réel ne dure pas éternellement. Quand un schéma devient connu, davantage d’acteurs l’exploitent et l’avantage se réduit ou disparaît. Les règles, la technologie et les acteurs du marché changent aussi. Une stratégie qui a très bien fonctionné pendant quelques années peut cesser complètement de fonctionner les années suivantes — nous avons eu de très bonnes idées sur les années de construction qui ont totalement disparu sur la période hors échantillon.
La période laissée intacte est la plus récente, et une stratégie doit être positive la plupart des années, pas seulement sur une période chanceuse.
6. Trop peu de transactions
20 transactions gagnantes sur 30 peuvent sembler convaincantes, mais statistiquement elles ne prouvent presque rien : un résultat aussi bon apparaît souvent par pur hasard. Il faut des centaines de transactions, dans des conditions de marché différentes, pour distinguer l’avantage de la chance.
Nous exigeons un résultat statistiquement significatif et comparons chaque stratégie à un test de contrôle : les mêmes règles, mais avec des moments d’entrée choisis au hasard. Si elle ne le bat pas nettement, elle n’a pas d’avantage.
7. La simulation n’est pas la réalité
Même une stratégie qui passe tous les tests sur données historiques peut se comporter autrement en réalité : les ordres sont exécutés plus tard ou seulement en partie, à certaines heures il y a moins d’acheteurs et de vendeurs, la connexion a des retards. C’est pourquoi, avant l’argent réel, les stratégies tournent pendant des mois sur des comptes virtuels, jour après jour, et doivent reproduire exactement la simulation.
Et ce test en temps réel ne peut pas prouver en quelques mois qu’une stratégie est bonne — il peut seulement la rejeter à temps. Les bons résultats ne sont pas pris comme une preuve ; les mauvais arrêtent immédiatement la stratégie.
En bref : les pièges et les parades
| Le piège | Comment nous nous protégeons |
|---|---|
| La chance prise pour du talent | Nous comptons toutes les variantes essayées ; nous exigeons un résultat statistiquement significatif |
| Ajuster jusqu’à ce que ce soit beau | Règles figées avant le test ; données hors échantillon utilisées une seule fois |
| Les coûts ignorés | Coûts mesurés sur des exécutions réelles ; la stratégie doit résister à des coûts doublés |
| L’information venue du futur | Chaque décision n’utilise que ce que l’on savait à ce moment-là |
| Le marché change | La période hors échantillon est la plus récente ; positive la plupart des années |
| Trop peu de transactions | Test de contrôle avec des entrées aléatoires |
| La simulation n’est pas la réalité | Test en temps réel sur comptes virtuels ; argent réel seulement à la fin, et en petite quantité |
À quoi faire attention quand on vous présente une stratégie ou un robot
Qu’il s’agisse d’un cours, d’un groupe, d’un « robot qui gagne de l’argent tout seul » ou d’une offre de gestion de votre argent, ces signes doivent vous inciter à vous arrêter et à poser plus de questions :
- Il promet des gains garantis ou « sans risque ». Aucune stratégie réelle ne peut garantir un gain.
- Il ne montre qu’un test sur le passé, sans résultats sur des données hors échantillon ni sur un compte réel vérifiable.
- La courbe monte presque en ligne droite, sans baisses. Les stratégies réelles ont aussi des périodes de pertes.
- Il ne dit pas quels coûts ont été inclus ni combien coûte réellement une transaction.
- La période choisie est commode — par exemple, seulement les années où tout le marché a monté.
- Vous ne savez pas combien de variantes ont été essayées avant d’arriver à celle présentée.
- Il n’y a pas de perte maximale assumée ni de règles d’arrêt claires.
- Il utilise un fort effet de levier (marge) sans l’expliquer. L’effet de levier amplifie tout autant les pertes : une baisse de 1% du marché peut représenter 3–5% du compte.
- Le « secret » est invérifiable : seulement des captures d’écran, sans historique que vous puissiez vérifier de façon indépendante.
Ce que cela signifie pour vous
Que 9 idées sur 10 échouent n’est pas un mauvais signe, mais le signe que les tests sont honnêtes. Une recherche où toutes les idées sortent « gagnantes » soit ne teste pas assez, soit se fait des illusions. Nous préférons rejeter une idée en laboratoire plutôt que de la tester avec l’argent de quelqu’un.
Contenu pédagogique. Ceci n’est ni un conseil en investissement ni une offre. Les exemples chiffrés sont illustratifs, et la simulation utilise des données générées aléatoirement. Les résultats passés, simulés ou réels, ne garantissent pas les résultats futurs.