Si la stratégie est vraiment bonne, pourquoi ne pas en profiter soi-même ? Trois articles dévoilent la vérité cruelle derrière l'indicateur de vente

Dans le monde du trading de cryptomonnaies, beaucoup croient en certains « indicateurs de trading » spécifiques. Cependant, plusieurs études ont montré que la majorité des stratégies de trading prétendant offrir des profits stables par backtest ne sont souvent pas prouvées efficaces par le marché, mais sont simplement des survivants sélectionnés. C’est comme si vous aviez répondu parfaitement à cent fois aux questions du test de fin d’études de l’année dernière, ce qui ne garantit pas que vous obtiendrez le même résultat cette année. C’est le piège de « l’overfitting » des stratégies de trading. Une question plus réaliste est : si une stratégie fonctionne vraiment si bien, pourquoi ne pas utiliser un levier soi-même, plutôt que de la vendre ou de la partager publiquement ?

Après tout, une stratégie réellement efficace est souvent limitée par la capacité d’absorption du marché ; lorsque le capital augmente, ses avantages sont rapidement absorbés par le comportement de trading et la réaction du marché.

Les développeurs d’indicateurs de trading ne montrent souvent que la partie la plus performante pour lever des fonds

Un article publié par la Société Américaine de Mathématiques souligne le biais de backtest, révélant qu’en utilisant un cadre de backtest traditionnel, il est effectivement possible de trouver certaines stratégies techniques générant des rendements positifs significatifs dans des données historiques, ce qui explique en partie la popularité de l’analyse technique depuis des années. Cependant, l’auteur souligne également que ces résultats ignorent souvent une question clé : le biais de fouille de données (data-snooping bias).

Lorsque les chercheurs testent simultanément des centaines, voire des milliers, de règles de trading, il est statistiquement inévitable que quelques stratégies performantes apparaissent, même si le marché est totalement aléatoire. Se baser uniquement sur ces gagnants post hoc pour juger de l’efficacité de l’analyse technique revient à confondre chance et compétence.

Après correction du biais, l’avantage des stratégies techniques diminue considérablement

Pour résoudre ce problème, l’étude utilise des méthodes de test statistique plus strictes, intégrant la correction pour le biais de multiples tests. Les résultats montrent qu’après correction, presque toutes les stratégies techniques qui semblaient générer des rendements excessifs significatifs perdent leur signification statistique. En d’autres termes, dans un environnement hors échantillon, ces stratégies ont du mal à reproduire leurs performances historiques, ce qui indique qu’elles ne captent pas réellement une structure de marché exploitable de façon durable.

Après prise en compte des coûts de transaction, les rendements réels deviennent encore plus pessimistes

L’étude considère également les coûts de transaction. Étant donné que les stratégies techniques ont souvent un turnover élevé, une fois que les frais, le glissement et l’impact du marché sont inclus, même celles qui génèrent encore de faibles profits deviennent souvent déficitaires. Les auteurs soulignent que ce résultat a une grande importance pratique, car la plupart des backtests publics sous-estiment souvent ces coûts de friction dans la réalité du trading.

L’étude ne rejette pas totalement l’analyse technique, mais indique que son rôle est plutôt en tant qu’outil de gestion des risques, de détection de tendances ou d’aide comportementale, plutôt qu’une source de profits en soi. Dans un marché moderne hautement compétitif et où l’information est rapidement intégrée, se fier uniquement aux signaux de prix et de volume historiques ne permet plus d’obtenir un avantage de trading durable.

Les erreurs de backtest des indicateurs : comme répondre parfaitement aux questions d’un examen en utilisant les sujets passés

Un article intitulé « La probabilité de surajustement dans le backtest » (The Probability of Backtest Overfitting) indique que la performance parfaite observée dans un backtest n’est souvent qu’un produit d’un surajustement excessif (overfitting) des données. Dans la finance quantitative, le backtest est l’outil standard pour évaluer le risque et le rendement d’une stratégie. Cependant, avec l’augmentation de la puissance de calcul, il est désormais facile pour les chercheurs de tester des milliards de combinaisons de stratégies sur le même jeu de données historiques.

Les auteurs expliquent que c’est comme : « Si vous interrogez les données assez longtemps, elles finiront par avouer. » Lorsqu’un chercheur ajuste continuellement ses paramètres (par exemple, la longueur des moyennes mobiles, le seuil d’entrée, etc.) jusqu’à obtenir une performance apparemment parfaite, il ne fait souvent que s’adapter au bruit du marché passé, plutôt que de capturer un signal pour l’avenir. C’est comme si vous aviez répondu parfaitement à toutes les questions d’un examen passé, mais cela ne garantit pas que vous réussirez aussi bien cette année, car ce n’est pas la même chose.

Pour remédier à cela, l’équipe de recherche a proposé un indicateur clé : la probabilité de surajustement dans le backtest (PBO)). Le PBO calcule la probabilité qu’une stratégie performante dans le backtest ait en réalité une performance inférieure à la moyenne dans le futur. Si le PBO est élevé, cela indique que la stratégie a été délibérément optimisée pour le « meilleur » paramètre ; si le PBO est faible, cela suggère une robustesse.

L’étude a testé une stratégie avec un ratio de Sharpe de 1,27, très attrayante pour un investisseur moyen, mais après vérification, le PBO de cette stratégie atteignait 55 %. Bien que tous les backtests aient montré des rendements positifs, dans les tests hors échantillon, 53 % des cas ont été déficitaires. Cela prouve que même une stratégie avec un ratio de Sharpe élevé peut être le fruit d’un surajustement.

Étude empirique sur le marché indien : RSI, MACD difficiles à battre le marché de façon stable

Après avoir abordé les problèmes de backtest et de statistiques, voici une étude empirique. Une recherche sur 18 ans du marché indien montre que les outils d’analyse technique largement utilisés par les investisseurs ont globalement du mal à générer de façon stable des rendements excessifs, même si, durant certains marchés baissiers, ils offrent des avantages temporaires. Leur performance ajustée au risque n’est pas suffisante pour prouver une capacité de profit à long terme.

Cette étude, menée par S. Muruganandan du Sri Dharmasthala Manjunatheshwara College de Bangalore, publiée dans le « Colombo Business Journal », a analysé l’indice Sensex de la Bourse de Bombay (BSE) en recueillant des données historiques de février 2000 à mai 2018, couvrant plusieurs cycles haussiers, baissiers et de consolidation, pour tester deux indicateurs techniques courants : l’indice de force relative (RSI) et la convergence/divergence de moyenne mobile (MACD).

RSI : performance totalement décevante, incapable de générer un avantage stable

Les résultats montrent que la stratégie RSI, sur toute la période, n’a pas permis d’obtenir des rendements significativement supérieurs à la moyenne inconditionnelle (ne pas agir), que ce soit pour les signaux d’achat ou de vente, même avant déduction des coûts de transaction.

En analysant séparément les différents cycles de marché, le RSI a souvent émis des signaux de vente durant les marchés haussiers, mais sans réussir à suivre la tendance ; durant les marchés baissiers ou de consolidation, bien que les signaux d’achat soient plus fréquents, ils sont souvent prématurés, ce qui nuit à la performance. La structure du RSI le rend vulnérable dans des marchés à tendance unidirectionnelle, où il agit souvent à contre-courant, ce qui détériore ses résultats. En termes de risque ajusté, la majorité des stratégies RSI ont un ratio de Sharpe négatif, indiquant que le risque pris n’est pas compensé par le rendement.

MACD : signaux de vente dans les marchés baissiers, mais performance limitée

Le MACD, en revanche, affiche une performance légèrement meilleure, mais reste peu fiable pour une utilisation durable. La recherche montre que les signaux d’achat MACD, dans tous les cycles de marché, n’ont pas permis d’obtenir des rendements significativement supérieurs au marché lui-même ; cependant, les signaux de vente durant la majorité des marchés baissiers ont montré des rendements statistiquement positifs, surpassant la moyenne inconditionnelle.

Cela indique qu’en période de baisse, le MACD peut aider à éviter une partie des pertes ou à profiter de stratégies de vente à découvert. Cependant, après intégration du risque, même ces signaux de vente, bien qu’ayant généré des profits, ont un ratio de Sharpe faible, ce qui montre que le rendement ne compense pas la volatilité du portefeuille. En d’autres termes, le MACD peut être utile dans certains contextes, mais il reste loin d’être une stratégie fiable à long terme.

En résumé, l’étude conclut que sur le marché indien, dans le cadre de l’hypothèse d’efficience faible (Weak-form Efficiency), l’information historique des prix est déjà efficacement intégrée, rendant difficile la génération de rendements anormaux uniquement par l’analyse technique. Même dans un marché émergent où l’information est moins complète, l’avantage de l’analyse technique tend à s’éroder avec le temps. Les auteurs soulignent également que si l’on inclut les coûts réels de transaction, la performance réelle des stratégies techniques serait encore plus dégradée.

Cet article, si une stratégie était réellement performante, pourquoi ne pas la gagner soi-même ? Trois études dévoilent la dure vérité derrière la vente d’indicateurs. Publié initialement sur Chain News ABMedia.