L'Indicateur Trading View pour faire du Trading de Tendance

L'Indicateur MRAT, le Meilleur Indicateur pour le Trading Actions et Cryptos

Imaginez un instant investir dans une stratégie de trading centrée sur des indices majeurs comme le MSCI All World ou le S&P 500 dès 1970, et avoir vu votre capital se multiplier par mille à ce jour. Plutôt séduisant, n'est-ce pas ? Bien sûr, nous ne sommes plus en 1970, mais que diriez-vous si une telle stratégie pouvait s'appliquer aux cryptomonnaies ? Quel aurait été le résultat si elle avait été mise en œuvre depuis 2017 ? Que pourrions-nous espérer pour l'avenir ? C'est ce que nous allons explorer dans cet article.

Alors, de quelle stratégie parlons-nous exactement ? Il s'agit principalement d’exploiter un indicateur qui a fait ses preuves pour détecter les tendances du marché : la "Distance Moyenne Mobile", que nous appellerons MRAT sur TradingView. Voyons comment l'intégrer dans une stratégie, que ce soit sur TradingView ou en Python. Voici quelques ressources clés autour de cet indicateur :

Voici les différentes ressources autour de cet indicateur :

• Article de Recherche
• Stratégie Trading View
• Backtest Stratégie Python et Portefeuille Long Short

Le MRAT surpasse le MACD : Le meilleur indicateur pour détecter les tendances de marché ?

Le ratio de moyenne mobile comme indicateur d’analyse de marché

Au détour de l'article de recherche https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3111334, vous pourriez lire que le MRAT est un indicateur présenté comme le rapport de deux moyennes mobiles, l'une à court terme, de 21 jours, et l'autre à long terme, de 200 jours :

Cet indicateur oscille donc autour de la valeur 1 et cette caractéristique nous donne une indication directe sur le comportement du marché. En effet :

• MRAT > 1 : Cela signifie que la moyenne mobile à court terme dépasse celle à long terme, signalant une tendance haussière du marché.
• MRAT < 1 : Ceci indique que la moyenne mobile à court terme est inférieure à celle à long terme, révélant une tendance baissière.
• MRAT proche de 1 : Le marché est en phase latérale ou "range", caractérisée par une faible volatilité.
• MRAT éloigné de 1 : Une divergence significative de 1 souligne un écart marqué entre les moyennes mobiles, reflétant un intérêt accru pour le marché concerné.

Le MRAT peut être vu comme une version alternative du MACD (Moving Average Convergence Divergence), se concentrant sur le rapport plutôt que sur la différence entre deux moyennes mobiles. Cette subtile distinction offre un avantage notable : comparer des rapports est mathématiquement plus pertinent que de comparer des différences entre deux valeurs.

Illustrons cela avec un exemple : supposons une différence de 5000$ entre les deux moyennes mobiles pour le Bitcoin, et de 2000$ pour l'Ethereum. Sans connaître le prix de l'actif, il est difficile de juger laquelle des deux situations montre un écart plus manifeste. Un écart de 5000$ pour un Bitcoin valant 60000$ est proportionnellement moins marquant qu'un écart de 2000$ pour un Ethereum à 4000$.

En revanche, si nous travaillons directement avec un rapport des moyennes mobiles, nous obtenons directement une comparaison pertinente sans nécessité de connaître le prix de l'actif. Par exemple, un rapport de 0,8 pour l'Ethereum contre 0,9 pour le Bitcoin nous indique immédiatement que l'écart est plus conséquent pour l'Ethereum.

Pourquoi est-ce utile ? Cette comparaison rapide et intuitive vous permet d'identifier les actifs présentant les mouvements les plus forts à court terme et les tendances les plus prononcées, vous aidant à adapter vos stratégies de trading en conséquence. L'indicateur vous offre également la possibilité de filtrer les marchés peu volatils si le rapport est trop proche de 1.

Mais ce n'est que le début. Nous allons explorer d'autres manières d'utiliser cet indicateur pour affiner vos stratégies de trading.

Comment utiliser l’indicateur MRAT dans le trading

Les valeures extrêmes de cet indicateur détiennent des clés essentielles pour l’analyse des marchés, une focalisation majeure pour les auteurs de l'article.

Ils ont en effet constaté que le marché boursier traditionnel est généralement efficient : les annonces et les nouvelles sont rapidement intégrées dans les prix, surtout lorsque le MRAT est proche de 1. Toutefois, lors de fluctuations majeures, et donc lorsque le MRAT atteint des valeurs extrêmes, cette efficience se perd. Les investisseurs, habitués au prix moyen, peuvent ne pas réagir adéquatement face à des variations importantes.

Imaginez si Apple annonçait l'arrêt des ventes d'iPhone ; une baisse de -50% du cours pourrait s'observer. Mais, une telle nouvelle pourrait justifier une chute bien plus drastique, de -70% à -80%. C'est cette différence entre les -50% observés et les -80% théoriques que nous cherchons à exploiter avec cet indicateur.

En résumé, lorsque le MRAT révèle des valeurs extrêmes, le marché perd en efficience et ne réagit pas avec la rapidité ou la proportionnalité requise face aux nouvelles. C'est dans ces circonstances que les chercheurs ont détecté et exploité des écarts pour développer une stratégie de trading performante.

La puissance de l’indicateur MRAT montrer par la recherche

Les chercheurs ont calculé, chaque mois, le MRAT des cours des entreprises composant le S&P 500, pour ensuite en faire la moyenne. Ils ont ainsi défini les ‘’top performeurs” de chaque mois comme étant les entreprises dont le MRAT était supérieur à la moyenne des MRAT augmentée d'un écart-type.

Le premier mois, ils ont réparti un investissement de 1 $ sur ces top performeurs, puis, chaque mois suivant, ils ont ``rebalancé" la valeur de l'investissement en se concentrant toujours sur les top performeurs. Cela signifie vendre les positions sur les entreprises dont le MRAT était devenu inférieur à la moyenne des MRAT plus un écart-type, pour ensuite répartir le montant obtenu sur les top performeurs du moment.

Le graphique du backtest de cette strategie montre des performances exceptionnelles: les chercheurs ont obtenu 959$ en 2018. La courbe "MAD Top Decile" illustre cette croissance, représentant un gain de plus de 95 000% ! Cela est remarquablement plus efficace, 10 fois plus, qu'une simple stratégie de "buy and hold", qui consisterait à acheter des actions et à ne jamais les vendre ou réajuster le portefeuille. Cette approche passive est symbolisée par la courbe "All-Market" sur le graphique.

La véritable interrogation est maintenant pour nous de savoir si de telles performances sont réalisables avec les cryptomonnaies en appliquant l'indicateur MRAT et comment il serait approprié de l'ajuster à ce marché distinct.

L’indicateur MRAT sur TradingView

Comment appliquer l’indicateur MRAT au trading de cryptomonnaies

L'analyse du papier de recherche nous permet de dégager, de manière générale, deux constats majeurs concernant l'utilisation du MRAT. Premièrement, cet outil est particulièrement intéressant pour identifier les valeurs extrêmes des cours en bourse. Mais plus simplement, il facilite grandement la détection des phases de croissance et de décroissance de l'écart entre deux moyennes mobiles. L'objectif est alors de prendre une position longue lorsque cet écart s'élargit, et inversement, une position courte lorsque l'écart se réduit.

Cependant, face à la volatilité nettement plus élevée du marché des cryptomonnaies par rapport aux marchés boursiers traditionnels comme le S&P 500, ajuster les paramètres du MRAT en conséquence s'avère judicieux. Nous avons observé qu’il etait préférable de travailler avec une périodicité de 4 heures, en considérant une moyenne mobile courte sur 10 périodes et une moyenne mobile longue sur 100 périodes. En résumé :

Pour poursuivre dans l'optique d'identifier l'évolution de l'écart entre les moyennes mobiles, une méthode simple et intuitive consiste à ajouter un signal au MRAT, c'est-à-dire à calculer sa moyenne mobile. Cette courbe permet alors d'obtenir une évolution lissée du MRAT, facilitant ainsi les décisions d'achat ou de vente au moment de son croisement avec le MRAT. En effet, un MRAT qui se positionne au-dessus de son signal indique que l'écart entre les deux moyennes mobiles s'élargit plus rapidement que sa moyenne, tandis qu'un MRAT situé en dessous de son signal suggère un resserrement des moyennes mobiles. Nous avons constaté qu'en général, un signal sur une période de 20 donnait de bons résultats.

Transformer l’indicateur MRAT en strategie de trading

L'association du MRAT et de son signal pour créer une stratégie de trading est très puissante, comme vous pouvez le constater sur le graphique ci-dessous.

Vous pouvez observer dans le graphique supérieur que nous nous positionnons à l'achat bien au début de la tendance haussière et que nous parvenons à sortir juste avant que la tendance ne se renverse brusquement, réalisant un trade à +15%. Notez que la courbe orange correspond à la moyenne mobile de 10 périodes et la bleue à 100 périodes.

Comment l'indicateur a-t-il permis un timing si opportun ? Grâce à sa définition. Nous n'attendons pas que les moyennes mobiles se croisent pour entrer et sortir de position ; nous attendons que les moyennes mobiles commencent à s'écarter ou à se resserrer, ce qui est signalé par les croisements du MRAT avec son signal. Le MRAT est représenté par la courbe rouge dans le graphique du dessous, tandis que le signal est en vert.

Lorsque le MRAT croise à la hausse son signal, cela signifie que l'écart entre les moyennes mobiles s'agrandit à un certain taux, alors que lorsque le MRAT passe en dessous de son signal, cela indique que les moyennes mobiles se resserrent à un certain taux. Ce taux est directement ajustable à travers la période du signal.

Vous pouvez ainsi constater que cette approche permet de réduire significativement le retard (”lag”), souvent présent dans une stratégie basée uniquement sur des moyennes mobiles.

Depuis fin 2017, cette stratégie sur ETH/USDT avec un intervalle de 4 heures a donné des résultats très alléchants, comme en témoignent les résultats du backtest sur Trading View ci-dessous.

Les profits sont de 4000%, avec un taux de réussite de 43%, ce qui est correct pour une stratégie purement basée sur la tendance. Le drawdown maximal reste tout de même assez élevé, à 50%, mais reste bien inférieur (d'environ 20%) à celui du marché lui-même. Pour améliorer le drawdown, il serait intéressant, par exemple, d'ajouter un indicateur de tendance, tel qu'une EMA de très longue période ou une Supertrend, qui indiquerait quand il est préférable d'entrer en position longue ou courte.

Néanmoins, ce qui est déjà très attrayant à noter avec cette stratégie telle qu'elle est, est sa capacité à vraiment capitaliser sur les tendances haussières du marché. Les profits suivent en effet les fluctuations du marché mais sont, à terme, 4 fois supérieurs au "buy and hold" !

Cela devient encore plus extrême si l'on considère des cryptomonnaies qui ont connu des évolutions fulgurantes. Par exemple, le BNB a connu depuis fin 2017 une hausse de plus de 32 000%. Et comme vous pouvez le voir ci-dessous, le backtest de la stratégie est complètement invraisemblable avec plus de 170 000%.

Mais attention, les performances passées ne préjugent jamais des performances futures, et il est très peu probable que le BNB connaisse une telle croissance à l'avenir. Néanmoins, ces résultats témoignent bien de la capacité du MRAT à être un excellent indicateur pour tirer parti des tendances du marché.

Et à ce titre, ne serait-il pas possible de construire une stratégie utilisant cet indicateur qui suit plusieurs cryptomonnaies en même temps ?

Stratégie de Trading Complete et Multi-Cryptomonnaies avec l’Indicateur MRAT

Comment Set Up la Stratégie MRAT Multi-Cryptomonnaies

Et bien si ! Faisons cela en Python. Ce sera beaucoup plus pratique pour implémenter cette stratégie en multi-crypto et la backtester sur des données historiques.

Partons du principe que nous voulons être capables d’attribuer une fraction de notre portefeuille total par crypto. Ensuite, pour chaque crypto, la stratégie entrera en position avec cette fraction du capital lorsque le MRAT de la crypto en question croise à la hausse son signal, et inversement pour la sortie de position.

Nous pourrions alors regrouper tous ces paramètres d’entrée dans un dictionnaire global contenant toutes les cryptos que l’on souhaite trader, et à chaque crypto on attribue aussi un dictionnaire qui regroupe les paramètres de son indicateur MRAT et la fraction du portefeuille total, comme ceci :

params = {
    "BTC/USDT":{
        "fast_ma": 10,
        "slow_ma": 100,
        "signal": 20,
        "size": 0.25,
    },
    "ETH/USDT":{
        "fast_ma": 10,
        "slow_ma": 100,
        "signal": 20,
        "size": 0.25,
    },
    "LINK/USDT":{
        "fast_ma": 10,
        "slow_ma": 100,
        "signal": 20,
        "size": 0.25,
    },
    "AVAX/USDT":{
        "fast_ma": 10,
        "slow_ma": 100,
        "signal": 20,
        "size": 0.25,
    },
}

Dans cet exemple, nous considérons une répartition uniforme du portefeuille à travers 4 cryptomonnaies (size=0.25) et nous avons choisi de garder les valeurs standard du MRAT et de son signal que nous avons défini auparavant.

Analyses des Performances de la Stratégie MRAT Multi-Cryptomonnaies

Le code qui permet de réaliser le backtest avec ces paramètres d’entrée est disponible dans les liens en début d’article. Si vous souhaitez plus de détails sur son fonctionnement, nous vous invitons à regarder la vidéo que nous avons également citée au début.

Concentrons-nous maintenant sur les résultats. Les performances sont très intéressantes comme vous pouvez le voir résumées ci-dessous :

Final wallet: 113767.36 $

Performance: 11276.74 %

Sharpe Ratio: 1.86 | Sortino Ratio: 2.67 | Calmar Ratio: 2.12

Worst Drawdown T|D: -36.38% | -38.71%

Buy and hold performance: 1453.66 %

Performance vs buy and hold: 632.25 %

Total trades on the period: 985

Average Profit: 2.38 %

Global Win rate: 41.83 %

Nous ne sommes plus à 4000% comme nous l'avions obtenu avec ETH/USDT seulement, mais maintenant à plus de 11 000 %, ce qui correspond à une performance supérieure au marché de 632 %. Vous pouvez aussi remarquer que le Sharpe Ratio est très attrayant, presque de 2. Le pire drawdown devient aussi plus acceptable autour de 38 %.

Il est intéressant de voir que cette stratégie, malgré qu'elle considère uniquement des positions longues, a réussi à ne pas perdre d’argent durant la pire année pour les cryptos, à savoir l’année 2022. Elle s’en sort avec +3.75% sur l’année et vous pouvez analyser les gains et pertes par mois dans l'histogramme ci-dessous.

En opposition, sur une année très haussière sur les cryptos, telle que 2020, la stratégie accumule beaucoup plus de profits, presque 205%, avec pratiquement tous les mois en profit comme vous pouvez le voir ci-dessous.

Au total, cela donne des résultats qui tirent vraiment parti des hausses du marché d'une part, mais surtout qui ne se perdent pas lorsque le marché est moins clément. En effet, la courbe de gain est en moyenne toujours constante comme vous pouvez l’observer ci-dessous, alors que le marché a subi de fortes hausses et baisses successivement.

Tout cela présume alors beaucoup de bon pour une stratégie où l’on considérerait aussi des positions short, n’est-ce pas ?

Affaire a suirve !