Coder une première stratégie de trading automatisée : structure, données et règles d’entrée
Une stratégie de trading automatisée transforme une idée de marché en une suite de règles exécutables par un programme. Le code ne doit pas…
Une stratégie de trading automatisée transforme une idée de marché en une suite de règles exécutables par un programme. Le code ne doit pas interpréter une situation comme le ferait un humain. Il doit recevoir des données, appliquer des conditions précises et produire une décision selon un calendrier défini. Cette contrainte est utile : elle oblige à distinguer une intuition, une hypothèse testable et une règle réellement exploitable.
Pour une première version, mieux vaut limiter le périmètre à un seul marché, une seule unité de temps, une méthode de calcul et un mécanisme de sortie. Ajouter simultanément plusieurs indicateurs, des filtres macroéconomiques et des règles complexes rend les résultats difficiles à comprendre. Une stratégie simple peut être perdante, mais elle permet d’identifier plus facilement la cause d’un résultat.
Un système automatisé ne supprime ni le risque de perte en capital ni les erreurs de conception. Les performances historiques, même obtenues avec un backtest détaillé, ne préjugent pas des résultats futurs. Le passage d’un test à une utilisation avec de l’argent réel doit donc être progressif et précédé de contrôles techniques, financiers et réglementaires adaptés à la situation de l’utilisateur.
Une première stratégie peut être organisée en plusieurs modules séparés. Cette séparation évite de mélanger le téléchargement des cours, le calcul des indicateurs et l’envoi éventuel d’ordres. Elle facilite aussi les tests, car chaque partie peut être contrôlée indépendamment.
Cette organisation permet de remplacer progressivement les données historiques par des données reçues en temps réel sans réécrire toute la stratégie. Elle facilite également le passage d’un mode de simulation à un mode de test sans engagement de capital.
La qualité d’une stratégie dépend directement de la qualité de ses données. Pour chaque observation, il faut connaître au minimum l’horodatage, le prix d’ouverture, le plus haut, le plus bas, le prix de clôture et, lorsque cette information est disponible, le volume. Cet ensemble est souvent désigné par l’acronyme OHLCV.
Le choix de l’unité de temps doit être fixé avant le test. Une bougie quotidienne, une bougie horaire et une bougie de quelques minutes ne décrivent pas les mêmes mouvements et ne supportent pas les mêmes coûts d’exécution. Il faut aussi préciser si le signal est calculé à la clôture de la bougie et si l’ordre est exécuté à l’ouverture de la suivante. Cette convention évite de faire croire au programme qu’il peut acheter au prix de clôture avant que cette clôture soit connue.
Les contrôles de base comprennent notamment :
Une série corrigée pour certaines opérations peut être utile pour mesurer une évolution historique, mais elle n’est pas nécessairement adaptée à la simulation exacte d’un ordre. Le programme doit utiliser une convention cohérente entre le calcul des signaux, le prix d’exécution et la valorisation de la position.
Le biais d’anticipation, appelé look-ahead bias, apparaît lorsqu’un test utilise une information qui n’était pas encore disponible au moment où la décision est censée avoir été prise. C’est l’une des erreurs les plus trompeuses dans le développement d’une stratégie.
Supposons qu’une règle soit calculée sur la clôture du jour. Le système ne peut pas acheter à cette même clôture si le prix final n’était pas connu avant la fin de la période. Une convention plus prudente consiste à calculer le signal après la clôture, puis à simuler l’exécution à l’ouverture suivante, avec des hypothèses de frais et de variation de prix.
Le même problème concerne les indicateurs. Une moyenne mobile à vingt périodes doit utiliser les vingt observations déjà disponibles à l’instant considéré. Il faut éviter de remplir artificiellement les premières valeurs manquantes ou d’utiliser une moyenne calculée sur l’ensemble de la série. Le découpage des données doit également respecter le temps : une période d’apprentissage, une période de validation ultérieure, puis éventuellement une période de test conservée à part.
Pour comprendre la structure d’une règle, prenons une stratégie théorique appliquée à un actif liquide, sur des bougies quotidiennes, sans la présenter comme une méthode rentable. Elle utilise une moyenne mobile simple courte et une moyenne mobile simple longue. La règle peut être écrite de façon déterministe :
Le terme « passe au-dessus » doit être défini mathématiquement. À la période précédente, la moyenne courte doit être inférieure ou égale à la moyenne longue, puis elle doit être strictement supérieure à la période actuelle. Sans cette précision, le programme pourrait produire plusieurs signaux pendant une longue phase où les deux moyennes restent simplement dans le même ordre.
Un exemple de logique peut être formulé ainsi :
Signal à la date t : moyenne courte à t supérieure à moyenne longue à t, et moyenne courte à t-1 inférieure ou égale à moyenne longue à t-1.
Cette définition ne règle pas toute la stratégie. Il faut encore préciser la sortie, la durée maximale de détention, l’absence de données, la taille de position, les frais, le glissement de prix et le comportement lors d’un marché fermé ou d’une interruption de flux.
Avant de coder, rédiger les règles dans un tableau ou un document versionné. Une règle utile doit répondre aux questions « quoi », « quand », « sur quelles données » et « que faire si une condition manque ». Les formulations vagues comme « entrer lorsque la tendance est forte » ne sont pas directement programmables.
| Élément | Question à trancher | Exemple de formulation |
|---|---|---|
| Univers | Quels actifs sont autorisés ? | Un seul instrument défini avant le test |
| Calendrier | Quand le signal est-il calculé ? | Après chaque clôture quotidienne |
| Déclencheur | Quelle condition précise ouvre une position ? | Croisement confirmé entre deux clôtures |
| Prix d’exécution | À quel prix l’ordre est-il simulé ? | Ouverture de la période suivante, avec glissement |
| Position existante | Que faire si une position est déjà ouverte ? | Ignorer tout nouveau signal d’achat |
| Données absentes | Le système peut-il agir sans donnée complète ? | Aucun ordre si la bougie ou l’indicateur est incomplet |
Ce cahier des charges devient la référence pour le code, les tests et les modifications ultérieures. Chaque changement doit être daté et documenté. Sinon, il devient difficile de savoir si une amélioration provient d’une meilleure règle ou d’une adaptation involontaire aux résultats passés.
Un backtest qui achète et vend au prix théorique sans frais produit généralement une image trop favorable. Les hypothèses doivent inclure les commissions ou frais appliqués par l’intermédiaire, l’écart entre le prix acheteur et le prix vendeur, ainsi que le glissement, c’est-à-dire la différence entre le prix prévu et le prix réellement obtenu.
Ces coûts sont particulièrement importants lorsque la stratégie déclenche de nombreux ordres ou vise de faibles mouvements. Le volume historique ne garantit pas qu’un ordre puisse être exécuté au prix affiché. La taille de position doit donc rester cohérente avec la liquidité observée et avec les règles de l’intermédiaire utilisé.
Il faut tester plusieurs hypothèses de coûts, dont une hypothèse défavorable. Une stratégie qui cesse d’être cohérente dès qu’un coût légèrement supérieur est appliqué dépend peut-être excessivement d’une précision irréaliste. Les frais fiscaux éventuels, les règles de change et le traitement comptable des opérations doivent être examinés séparément selon l’instrument, le compte et la résidence fiscale.
Une règle d’entrée ne suffit pas à définir une stratégie exploitable. Le programme doit savoir combien de capital peut être exposé, comment une position est liquidée et quelle limite entraîne l’arrêt du système. La taille d’ordre ne devrait pas être déduite uniquement d’un montant fixe si la volatilité de l’actif varie fortement.
Parmi les paramètres à définir figurent :
Ces paramètres ne créent pas une protection absolue. Une sortie peut être exécutée à un prix différent du niveau prévu, notamment en cas de variation rapide ou de manque de liquidité. Le risque de perte en capital demeure, et un effet de levier peut amplifier les pertes comme les gains. Il convient de ne pas engager une somme dont la perte compromettrait les dépenses courantes ou les obligations professionnelles.
Le premier test consiste à vérifier que le code respecte les règles sur une période historique. Les données ne doivent pas être réutilisées à la fois pour choisir les paramètres et pour évaluer la stratégie. Sinon, le programme risque de s’adapter au passé au lieu de mesurer une logique générale. Ce phénomène est appelé surajustement ou overfitting.
Une démarche progressive peut suivre ces étapes :
Il faut regarder au-delà du gain global. Le nombre de transactions, la perte maximale observée, les périodes de pertes, le taux de réussite, le gain moyen par opération, les coûts cumulés et la sensibilité aux paramètres sont également utiles. Aucun indicateur isolé ne suffit à établir la robustesse d’une méthode.
La partie exécution présente des risques différents de ceux du modèle mathématique. Une coupure de connexion, un ordre partiellement exécuté ou une réponse reçue en double peut créer une position différente de celle attendue. Le programme doit donc vérifier l’état réel du compte avant d’envoyer un nouvel ordre.
Des garde-fous techniques sont nécessaires :
La conservation des journaux est utile pour distinguer une erreur de stratégie d’une erreur d’infrastructure. Les clés d’accès doivent être protégées, ne pas être inscrites directement dans le code et être limitées aux autorisations nécessaires. Avant toute utilisation avec des fonds, un environnement de simulation ou un mode sans envoi d’ordre permet de vérifier le comportement sur des cas anormaux.
L’automatisation ne transforme pas une hypothèse en conseil financier et ne dispense pas de vérifier les règles applicables à l’instrument ou au compte utilisés. En France, l’Autorité des marchés financiers publie des informations sur les risques des produits financiers, le fonctionnement des marchés et les obligations pouvant concerner certains prestataires. Au niveau européen, l’Autorité européenne des marchés financiers, dans le cadre de la directive MiFID II et des textes associés, encadre notamment certains usages du trading algorithmique par les entreprises d’investissement. Ces règles ne signifient pas qu’un particulier bénéficie d’une autorisation générale ni qu’un programme individuel est adapté à toutes les situations.
Le traitement fiscal des opérations dépend de la nature des instruments, du compte, de la fréquence des opérations et de la résidence fiscale. Il doit être vérifié avec la documentation officielle de l’administration fiscale ou avec un professionnel compétent. Les conditions d’exécution, les frais et les risques spécifiques doivent être lus dans la documentation de l’intermédiaire concerné, sans supposer que les résultats d’un test se reproduiront.
Non. Un seul déclencheur bien défini permet de tester la chaîne complète : données, signal, exécution, coûts et journalisation. Des filtres peuvent être ajoutés ensuite, un par un, afin de mesurer leur effet réel.
Non. Le résultat peut provenir d’un biais d’anticipation, d’un surajustement ou de coûts sous-estimés. Une validation sur une période inconnue, puis une simulation en temps réel sans capital, sont des étapes distinctes.
La donnée doit être disponible au moment prévu par la règle. Si le signal dépend de la clôture, l’exécution doit généralement être simulée ou réalisée après cette clôture, selon les conditions du marché et de l’intermédiaire.
Il peut appliquer des limites programmées, mais il ne supprime pas le risque de marché, de liquidité, de panne ou d’exécution. Une surveillance et un arrêt manuel restent nécessaires.
Le premier objectif raisonnable est de produire des signaux reproductibles et traçables, pas de rechercher immédiatement une performance. Une stratégie compréhensible, testée avec des coûts réalistes et des règles documentées constitue une base plus solide pour les étapes suivantes.