Pourquoi vous pouvez gagner 1 an en trading… sans être vraiment bon

Bonjour à tous. Aujourd'hui, nous allons aborder une question cruciale pour les traders : peut-on perdre 10 fois de suite, et si oui, cela invalide-t-il une stratégie ? Je me suis inspiré des travaux de Nassim Taleb, un écrivain, trader, mathématicien et conférencier, connu pour ses recherches sur le hasard, les cygnes noirs et la fragilité. Taleb a popularisé l'idée, notamment dans son livre "Fooled by Randomness", que nous négligeons souvent la part de chance dans les résultats d'une entreprise. Nous sommes dupés par le biais du survivant : nous voyons les 1% de personnes qui réussissent et témoignent de leur succès, mais nous ignorons les 99% qui ont échoué et ne témoignent pas. Ce que nous voyons ne représente pas la réalité de la majorité. Pour le trading, trois éléments nous intéressent : le résultat global (positif ou négatif), la qualité de la méthode utilisée, et la présence d'un "edge" réel dans notre système de trading. Il est également essentiel de comprendre la part de hasard pur dans chaque résultat. Sur les très petites unités de temps, les marchés sont souvent du "bruit", pollués par de petites variations. Plus on prend du recul, moins cette pollution est persistante. Pour illustrer cela, j'ai développé une stratégie et l'ai fait tourner en Python, en utilisant une simulation de Monte Carlo. Le but est de générer aléatoirement des milliers de trajectoires d'équité (capital), basées sur des hypothèses précises. Mes quatre hypothèses principales sont : un "win rate" de 45%, un gain moyen de 1,5 (risque/récompense de 1,5 pour 1 de perte), et une espérance de gain de 0,06 par trade. J'ai ajouté des variables aléatoires pour complexifier la simulation et mieux refléter la réalité. Les résultats de la simulation de Monte Carlo sont éloquents. Partant d'un capital de 10 000 euros, la moyenne des trajectoires est de 22 000 euros (médiane à 20 000 euros), ce qui représente un doublement du capital sur la période. Le minimum observé est de 3 000 euros (perte de 7 000 euros), et le maximum de 129 000 euros. Le pourcentage de stratégies perdantes est de 5,8%. Ce qui est frappant, c'est que la pire série de pertes observée est de 22 pertes d'affilée. Sur une stratégie qui, en moyenne, est rentable, une trajectoire a enregistré 22 pertes consécutives. Quel trader peut accepter une telle série de pertes ? En moyenne, le nombre de pertes consécutives se situe entre 10 et 12 (médiane à 11). Le "drawdown" maximal (baisse maximale du capital) est de -66% pour une stratégie pourtant gagnante sur le papier. Imaginez que 10 000 personnes apprennent la même stratégie avec un "edge" positif. L'exécution de cette stratégie sera influencée par des facteurs aléatoires : la manière d'exécuter, la disponibilité, les coupures d'internet ou d'électricité. Ces variables aléatoires peuvent créer des trajectoires très différentes, même à partir d'un socle commun rentable. La première conclusion est donc que perdre 10 fois d'affilée n'invalide pas automatiquement une méthode réputée efficace. Une stratégie rentable n'est jamais une courbe linéaire et parfaite. J'ai isolé deux séries de résultats de la simulation : 1. Une série très positive, affichant 19 mois positifs consécutifs. Ce n'est pas la plus rentable, mais elle représente un excellent scénario de gestion. 2. Le pire des scénarios, avec 11 pertes consécutives et une perte de 71% du capital. Ces exemples montrent que malgré une stratégie avec un "edge" statistique positif, la part de chance est non négligeable. Certains auront de la chance et feront un x2 ou x2,5, tandis que d'autres subiront des pertes importantes au même moment. Il est possible de limiter ces pertes en mettant en place des systèmes de contrôle, comme couper à -20%, mais l'objectif ici était de garder un système simple pour mieux illustrer l'impact du hasard. En analysant la distribution des rendements totaux après 5 ans, la médiane est de 102% de rendement. La distribution n'est pas symétrique, les gains étant plus fréquents que les pertes, ce qui est normal étant donné l'edge positif de départ. La distribution des plus longues séries de pertes consécutives montre une médiane de 11 pertes. Il y a 1% de chance de tomber sur une série de 18 pertes consécutives. En général, les traders se situeront entre 10 et 12 pertes d'affilée. La distribution du drawdown est également intéressante. La médiane du drawdown est de -26%, ce qui indique une stratégie volatile. Il y a 95% de chances d'avoir un drawdown compris entre 0 et -44%. En conclusion, on peut paraître très bon pendant longtemps simplement par hasard. Le hasard peut faire passer un trader moyen pour un génie pendant une période étonnamment longue. Le "edge" positif ne protège pas contre de longues séries de pertes. Comment éviter de se faire piéger par le hasard ? 1. **Regarder la taille de l'échantillon** : Un échantillon de 100 trades, surtout sur de très petites unités de temps, est insuffisant pour prouver la robustesse d'une stratégie. Plus l'échantillon est grand, plus les résultats sont fiables. 2. **Analyser le drawdown attendu et la distribution des résultats** : Une simulation de Monte Carlo permet d'obtenir la moyenne et la médiane de toutes les trajectoires possibles, offrant une vue plus complète que le simple backtest d'une seule trajectoire. 3. **Comprendre la robustesse du processus** : L'important est la robustesse du système, pas seulement les résultats d'une trajectoire isolée. 4. **Se poser les bonnes questions** : Le résultat est-il reproductible ? Comprend-on et acceptons-nous la variance et la part de hasard ? La taille de position est-elle adaptée ? Une simulation de Monte Carlo peut aussi tester l'efficacité de stratégies de gestion de position comme la martingale. La variance inclut des périodes difficiles, qui sont statistiquement inévitables et doivent être acceptées. Abandonner trop tôt ou devenir arrogant trop vite sont deux erreurs symétriques à éviter. La compétence existe bel et bien en trading, mais la part de hasard peut