Le Guide sur le Copy Trading : Réalités, Pièges et Outils d’Analyse pour Trouver des Traders Fiables

Le copy trading est une pratique à la mode, surtout dans le domaine des cryptomonnaies. Un moyen très simple de réaliser des profits rapidement ? Trois petits clics et vous profitez de l'expertise de traders hors pair ? Ou bien un piège marketing qui a beaucoup plus de chances de vous faire perdre de l'argent qu'autre chose ?

Dans cet article, nous vous proposons de décrypter tout cela en détail. Non seulement avec des mots, mais surtout par une analyse critique et détaillée des résultats de traders disponibles en copy trading. Le but est de vous armer avec les outils nécessaires pour pouvoir conduire votre propre analyse et déterminer si certains traders valent le coup d'être copiés ou non.

Qu’est-ce que le Copy Trading et Quels sont ses Risques ?

Le Copy Trading en Crypto : Un Aperçu

Le copy trading permet aux investisseurs de reproduire automatiquement les stratégies et positions de traders dits "expérimentés". En d’autres termes, lorsque le trader que vous suivez ouvre ou ferme une position, la même opération est effectuée sur votre compte. Cela offre une opportunité aux investisseurs de tirer profit des compétences (supposées) des traders suivis.

Le Copy Trading sur les Plateformes d'Échange Crypto

Sur de nombreuses plateformes d'échange de cryptomonnaies, le copy trading est une fonctionnalité intégrée. Par exemple, des plateformes centralisées comme Bitget proposent une liste de traders pour le copy trading. Ces traders sont souvent classés selon leur performance, mesurée par des indicateurs tels que le retour sur investissement (ROI), le taux de réussite des trades, ou encore le nombre de followers. Vous pouvez alors sélectionner un trader à suivre en fonction de ces critères, comme illustré dans l’image ci-dessous.

Le Copy Trading en Cryptomonnaie : Mises en Garde et Pièges

Le copy trading peut sembler être une méthode très simple pour générer rapidement des profits importants. Mais attention à ce type de réflexion, car en réalité, la situation n'est pas aussi idéale et comporte de nombreux risques et pièges :

• Performances trompeuses : Certains traders affichent des rendements spectaculaires sur de courtes périodes, avec des pourcentages à quatre ou cinq chiffres. Cependant, ces rendements impressionnants sont souvent dus à des stratégies à haut risque, absolument pas viables sur le long terme.
• Manque d’historique : Un trader avec seulement quelques jours ou semaines d’historique de trading n’a pas encore prouvé sa capacité à performer durablement. Il est difficile de juger de la compétence d’un trader sans au moins 3 à 6 mois de données fiables.
• Taux de réussite irréalistes : Un taux de réussite proche de > 90 % doit susciter la méfiance. Aucun trader professionnel ne peut maintenir un tel taux de succès sur le long terme. Cela peut indiquer l’utilisation de stratégies risquées, comme la martingale, où des pertes potentielles sont cachées par des rachats successifs, jusqu’à ce qu’une perte majeure survienne avec des conséquences dramatiques (liquidation de compte).
• Utilisation excessive de levier : Certains traders utilisent des leviers très élevés (par exemple, x50), augmentant considérablement les risques de liquidation et de pertes importantes, à la fois pour eux et pour ceux qui les suivent.

C’est pourquoi nous pensons qu’il est important de prendre le temps d'examiner en détail les statistiques et performances des traders avant de les suivre. Une analyse minutieuse permet de repérer rapidement les “red flags” ("signaux d'alarme") que nous venons de mentionner. C’est que nous allons faire maintenant, mais pour en savoir plus sur l'analyse des traders en copy trading, n'hésitez pas à consulter notre vidéo YouTube ci-dessous :

Comment Trouver des Traders Fiables en Copy Trading Crypto

Après avoir exploré les pièges du copy trading et mis en lumière les caractéristiques des traders à ne surtout pas suivre, il est important de souligner qu’il existe également des traders compétents qui proposent du copy trading et qui méritent potentiellement que l’on leur fasse confiance avec une partie de notre capital. La question à laquelle nous devons tenter de répondre est donc : comment identifier de tels traders parmi tant d'autres ?

Un Code en Python pour Analyser les Copy Traders Crypto

Pour faire une analyse détaillée, rien de tel qu’un peu de programmation. Comme nous avons l’habitude de faire, nous avons développé un petit code en Python disponible gratuitement ici : https://github.com/CryptoRobotFr/Backtest-Tools-V2/blob/main/analytics/copy-trading.ipynb.

Si vous êtes intéressé, sachez que ce code utilise l’API (Interface de Programmation d'Applications) de Bitget où il récupère les données détaillées sur tous les traders disponibles en copy trading sur Bitget, telles que :

• Historique des trades : Pour examiner les positions prises, les gains et les pertes.
• Statistiques détaillées : Taux de réussite, drawdown, retour sur investissement, etc.
• Comportements de trading : Fréquence des trades, utilisation des leviers, types d'actifs tradés.

Le but maintenant n’est pas de rentrer davantage dans les détails de ce code, mais de voir les critères qu’il utilise pour classifier les copy traders et les résultats que nous obtenons.

Critères pour Analyser les Copy Traders Crypto

Le code, dans un premier temps, filtre tous les traders sur la plateforme et exclut ceux qui présentent les caractéristiques suivantes :

• Durée d'inscription trop courte (< 90 jours) : Pour s’assurer que le trader a un historique suffisant pour que ses statistiques aient un minimum de sens.
• Nombre de trades trop faible (< 50) : Un nombre limité de trades ne permet pas d'évaluer correctement les performances d'un trader.
• Taux de réussite suspect (> 90 %) : Pour éviter les traders qui ont recours à des stratégies non fiables sur le long terme, comme la martingale.
• Drawdown trop faible (< 5 %) : Un drawdown anormalement bas peut indiquer une stratégie risquée qui ne tiendra probablement pas sur le long terme. Un trader expérimenté traverse inévitablement des périodes de drawdown, c'est une composante normale de l'activité. Ne pas en avoir du tout est suspect.

Ces seuils sont ceux qui nous semblent pertinents, mais vous pouvez tout à fait les ajuster dans le code pour mener vos propres analyses.

Au moment de notre analyse, nous avons trouvé que 1 043 traders respectaient ces conditions.

Le Classement des Meilleurs Copy Traders Crypto

Ensuite, le code classe les traders sélectionnés en se basant sur les meilleures performances (ROI) et les meilleurs drawdowns. Voici un aperçu des 10 premiers au moment de notre analyse :

Grâce à cela, nous pouvons identifier des traders potentiellement intéressants et les sélectionner pour mener une analyse plus poussée grâce à notre code.

Analyse Détaillée des Traders en Copy Trading de Crypto

Le #1 “Rich Bugatti”

Nous pouvons récupérer l’historique de ses trades ; en général, l’API rend disponible jusqu'à un an d’historique, ce qui donne 1 914 trades pour ce trader.

Attention, nous voyons ici un premier red flag : l'utilisation d'un levier x50, ce qui suggère une possible stratégie martingale. Poursuivons notre analyse et regardons une autre métrique très importante : l'évolution des PnL cumulatifs (gains et pertes cumulés) en fonction du temps.

Nous sommes face à une courbe inquiétante avec de grandes marches d'escalier, espacées ou non par des périodes de multiples petits trades. Une analyse plus détaillée montre que ce trader ouvre des dizaines de trades en même temps, ce qui est très dangereux en termes d'exposition et génère ces fluctuations brutales pour le meilleur et pour le pire. Au final, si nous comparons le PnL de départ et d’arrivée, ce trader n’a pas généré de profits ; sa stratégie n’est pas robuste du tout.

Regardons d'autres métriques, comme le PnL moyen par paire ou par type (long/short) :

Cela nous indique que ce trader a été plus performant sur ETH que sur BTC et que ce sont ses positions long qui ont été profitables plutôt que les positions short. Notez que ceci est une caractéristique fréquente dans le trading de cryptos ou d'indices, qui sont des actifs haussiers. Il est donc statistiquement plus probable de faire des gains en long qu’en short, et on prend plus de risques en entrant en short.

Regardons un dernier graphique riche en informations : celui du PnL des trades en fonction de leur durée.

La distribution obtenue est très bizarre. On constate qu’un seul trade a généré la majorité des profits; hormis celui-ci, tous les trades sont alignés avec un PnL proche de zéro. Une bonne partie de ses trades perdants sont clôturés autour de 8 jours. Il y a une très faible corrélation entre le temps en position et le PnL, ce qui n’est pas logique. Le trader ne semble pas tirer parti des tendances du marché ou de ses corrections, mais plutôt placer des trades de façon aléatoire. Ce manque de structure PnL/temps est un autre "red flag".

Le #10 “Didi Random”

Un rapide coup d’œil à son profil nous indique que, malgré une performance négative sur les derniers 30 jours de –14,51 % :

• Historique solide : Inscrit depuis 682 jours, offrant un historique suffisant pour évaluer sa performance sur le long terme.
• Performance totale positive : Une performance globale de +146 %, indiquant une croissance régulière.
• Taux de réussite réaliste : Un taux de réussite de 79 %, crédible et révélateur d'une bonne gestion du risque.
• Utilisation de leviers modérés : Il utilise un levier x2, témoignant d'une approche prudente et maîtrisée du risque.
• Style de trading cohérent : Il privilégie le trading de tendance, en maintenant ses positions gagnantes plus longtemps et en coupant rapidement ses pertes.

Utilisons maintenant les atouts de la programmation pour pousser l’analyse plus loin. Nous avons pu récupérer 242 trades:

et sa courbe de PnL cumulatif est beaucoup plus prometteuse:

Nous observons une courbe en hausse, voire parabolique, probablement grâce au réinvestissement regulier de ses profits. Elle présente des périodes de drawdowns, ce qui est normal, mais ces périodes ne durent pas longtemps, ce qui est bon signe.

En termes de PnL par paire, sur le graphique ci-dessous on remarque que ce trader trade un grand nombre de cryptomonnaies, dont certaines semblent systématiquement générer des pertes.

De même, la différence entre PnL long et short ci-dessous est symptomatique du trading de tendance.

Enfin, analysons le graphique du PnL des trades en fonction de leur durée :

Ici, on observe la signature du trading de tendance : les trades perdants durent généralement peu de temps, alors que les trades gagnants restent en position beaucoup plus longtemps pour capturer un maximum de profit avant que la tendance ne s'inverse.

Au final, que l'on trouve ces performances et cette gestion du risque satisfaisantes ou non, cela reste une question personnelle. Cela dit, il est évident que le profil et les résultats de Didi Random reflètent bien plus ceux d'un "vrai" trader, qui fait croître son capital progressivement, en s'adaptant aux aléas du marché. À l'inverse, des résultats trop parfaits, comme ceux de Rich Bugatti, révèlent souvent des signaux d'alerte avec une analyse plus poussée.

Il peut être judicieux de réévaluer régulièrement les traders que vous suivez avec ce genre d’analyse. Les marchés évoluent, et un trader performant aujourd'hui peut ne pas l'être demain. Il est donc important de vérifier si ces traders résistent aux périodes de turbulences et aux conditions de marché défavorables. Tout cela vous permettra d'optimiser vos investissements.

Vous disposez désormais d’un cadre d’analyse et d’un code pour faire vos propres évaluations. Les critères que nous avons partagés sont ceux que nous jugeons pertinents, mais chacun a des préférences différentes. Il vous revient donc d’adapter cela à votre style d'investissement et à ce avec quoi vous vous sentez le plus à l’aise. Nous espérons que cet article vous aura aidé à mieux comprendre les pièges et les risques du copy trading, et vous offrira des pistes pour faire des choix plus éclairés.