# Enveloppe Strategy, une stratégie de trading pour trader la volatilité

Dans cet article je vais vous présenter notre nouvelle stratégie de trading CryptoRobot qui fonctionne sur une **philosophie totalement différente**. Ici le maitre mot est **volatilité**.

<MDX_YT videoId="S3tPpPVDbYk"/>

Les ressources sont les suivantes :

- [Vidéo présentant le code TradingView](https://youtu.be/r0QsWRQYwlI)
- [Code Tradingview](https://fr.tradingview.com/script/p74FN8B4/)
- [Code Backtest Python](https://github.com/CryptoRobotFr/backtest_tools/blob/main)
- [Code Installation Live Bitget](https://github.com/CryptoRobotFr/Live-Tools-V2/tree/main)


L’automatisation est disponible via la plateforme de trading **Bitget**, Si vous n'avez pas encore de compte Bitget ce n'est pas grave. Nous vous proposons un lien d'affiliation pour profiter, en plus de l'inscription, de bonus et de frais réduits. Pour cela il suffit de cliquer sur le bandeau ci-dessous.

<EXCHANGE_CARD image_name="bitget_fr_1" link="https://partner.bitget.com/bg/CryptoRobotSIFR"/>

## La Stratégie des enveloppes

Sur notre chaine youtube **CryptoRobot**, nous vous avons présenté une multitude de stratégies. Ces stratégies avaient toutes la même construction et elles profitaient des mêmes **dynamiques** du marché : les **tendances**. Dès qu’une tendance haussière ou baissière est confirmé, la stratégie rentre en position le plus rapidement possible et elle va essayer de sortir au meilleur moment. Les stratégies de trading vont donc se démarquer en fonction de la **qualité** de leurs positions. Malheureusement, le marché ne se compose pas uniquement de tendances, bien au contraire. Les périodes de **range** sont tout aussi présentes et la patatra, les stratégies de tendance fonctionnent beaucoup moins bien. Les ranges vont donner une **multitude de faux signaux** et donc faire baisser la performance de la stratégie.

L’idée est donc de créer une stratégie qui va fonctionner particulièrement bien en range, mais aussi en tendance. **La stratégie enveloppe est née.**

La stratégie enveloppe va utiliser les **explosions de volatilité** pour effectuer des opérations LONG et SHORT. Les transactions seront courtes, nombreuses avec un très bon win rate contrairement à des stratégies de tendance avec des longues transactions, beaucoup **plus profitables**, moins nombreuses et avec un win rate plus faible.

Vous allez me dire, comment détecter la **volatilité** et comment décider de rentrer ou non en position ?

La stratégie des enveloppes se compose d’un seul et unique indicateur, une moyenne mobile simple court terme ! Facile non ?

Bon j’ai un peu simplifié la chose mais oui il y a un seul indicateur ce qui permet de réduire fortement la complexité de la stratégie mais aussi **éviter une sur-optimisation trop évidente.**

Le terme « enveloppe » provient du fait qu’on va faire des **répliquas** de l’unique moyenne mobile et on va les positionner au-dessus et en-dessous la moyenne mobile mère. Via cette méthode, le prix sera « enveloppée » entre les répliquas de la moyenne mobile initiale. On va créer x répliquas (dans l'exemple 3) au-dessus (rouge) et pareil en-dessous (vert).

![Image1.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/Image1_eeddb1fff5.png)

Vous pouvez voir que les répliquas sont exactement les mêmes que la moyenne mobile court terme initiale, elles sont juste **shiftées** à la hausse ou à la baisse d’un certain pourcentage. Le premier répliqua à la hausse est augmenté de 5% par rapport à l’initiale.

Je viens de vous résumer tous les indicateurs de la stratégie et vous devez comprendre pourquoi on la nomme « **Enveloppe** ».

C’est bien beau d’avoir les indicateurs mais il faut maintenant savoir quand rentrer en position. Comme j’ai pu dire plus haut, la stratégie Enveloppe a pour objectif de trader les **excès de volatilité** ou en d’autres termes, trader les **dynamiques inhabituelles du marché.**

Pour définir une condition normale de marché on va tout simplement utiliser notre enveloppe. On va dire que le marché est dans une situation **saine** si le prix de l’actif étudié se situe entre les bornes de son enveloppe. À l’inverse, si le prix à la suite d’un mouvement fort de marché casse à la hausse ou à la baisse les premières bornes de l’enveloppe alors nous sommes dans une situation **anormale**. Qui dit situation anormale dit **retour à l’équilibre** très prochainement et c’est ça que nous allons trader.

L’entrée en positon arrivera que le cours casse l’enveloppe et on la clôturera au moment où le prix revient sur sa moyenne mobile de base. On rentre en **LIMIT** et on sort en **LIMIT** étant donné qu’on connait la valeur de la moyenne mobile au moment de l’étude.

![Image2.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/Image2_6ce2213fc4.png)

Le trade ci-dessous est l’exemple parfait que l’execution d’une transaction :

1 – **Excès de la volatilité** à la baisse on va chercher des niveaux inférieurs

2 – Position **LONG** activée au niveau de la première enveloppe

3 – Clôture de la position quelques bougies plus tard à la moyenne initiale

Je viens de vous montrer un exemple où le prix casse la première enveloppe mais on peut très bien imaginer un moment où le prix a une telle volatilité que le cours casse aussi la deuxième enveloppe à la baisse. Dans ce cas, il y aura 2 transactions LONG avec **2 points d’entrée différents**. Si vous définissez 3 niveaux d’enveloppe, votre stratégie allouera donc 1/3 du portefeuille à chaque transaction étant donné qu’il y aurait 3 transactions possibles si les variations sont grandes.

Je vous propose donc un exemple très concret de cette situation :

![Image3.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/Image3_b27b798447.png)

1 premier LONG à la première cassure puis 2 autres LONG supplémentaires à la deuxième bougie étant donné qu’elle casse à la hausse 2 enveloppes. **Chaque transaction** à une allocation d’1/3 du portefeuille global. Les 3 positions sont clôturées au même moment du retour à la moyenne.

Avec un **winrate moyen de 70%**, cette stratégie arrive parfaitement à profiter de la volatilité des cryptos et générer de la performance petit à petit.

<EXCHANGE_CARD image_name="bitget_fr_1" link="https://partner.bitget.com/bg/CryptoRobotSIFR"/>

## Les indicateurs de la stratégie Enveloppe

Comme présenté plus haut il n’y a qu’un indicateur qui va être copié à l’identique mais **shifté** à la hausse et à la baisse.

Pour la moyenne mobile initiale nous avons défini une longueur de 5 de type MA. Le type et la longueur peuvent être ajustées. Par exemple, utiliser une EMA plutôt qu’un MA permettra des mouvements plus rapides.

![Image4.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/Image4_0ab34e670b.png)

Les shift pour les **enveloppes** sont résumés via la photo suivante :

![Image5.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/Image5_604cfa1037.png)

Il faut considérer les valeurs en pourcentage, le premier shift que ce soit à la hausse ou à la baisse est de 5% par rapport à la moyenne mobile initiale. Les prochains shifts sont à 10% et 15%.

Vous remarquez que les deux dernières variables sont nulles pour 3 raisons :

- La première est que dans notre exemple ca ne sert à rien de rajouter une enveloppe encore plus importante que les précédentes, il est déjà **très peu probable** d’atteindre des variations de +/- 15%.
- Deuxième raison est que si vous rajouter des enveloppes ce sera des potentielles positions donc il faudra diviser **l’allocation** du portefeuille en conséquence. 3 enveloppes = 1/3 du portefeuille à chaque position alors que 5 enveloppes c’est 1/5 à chaque position.
- La troisième est pour vous laisser la **possibilité d’ajuster les valeurs** et de potentiellement les rapprocher et dans ce cas vous pourriez avoir besoin de ces 5 variables supplémentaires.

### Les règles de la stratégie

Avec un seul indicateur la stratégie est très simple

Ouvrir un **LONG** (parier à la hausse) :

- Le prix casse à la baisse une enveloppe
- Il y a moins de X transactions déjà ouverts, X correspondant au nombre d’enveloppes

Fermer un **LONG** :

- Le prix touche la moyenne mobile initiale

Ouvrir un **SHORT** (parier à la hausse) :

- Le prix casse à la hausse une enveloppe
- Il y a moins de X transactions déjà ouverts, X correspondant au nombre d’enveloppes

Fermer un **SHORT** :

- Le prix touche la moyenne mobile initiale

Pour fonctionner au mieux, nous avons déterminé des paramètres qui vont vous permettre d'avoir de très bons résultats en 1 heure ou 2 heures.

Les paramètres de la stratégie conseillé par Crypto Robot:

Timeframe: **1h ou 2h**

Moyenne mobile initiale : **5**

Shift à la hausse ou à la baisse : **5%, 10% et 15%**

<EXCHANGE_CARD image_name="bitget_fr_1" link="https://partner.bitget.com/bg/CryptoRobotSIFR"/>

## Les résultats de la Stratégie de trading

Avant toute chose, nous tenons à rappeler que les **résultats sur le passé ne présagent en rien des résultats sur le futur**. L'avantage d'avoir une stratégie avec des règles strictes c'est que nous pouvons facilement simuler les résultats sur le passé (c'est ce qu'on appelle un backtest).

Je vais vous présenter les résultats sur **Ethereum** et sur un token plus **volatile** que celui-ci avec le **QNT**.

Le backtest a été effectué en 1h. Pour réduire les risques il est souvent préférable d'utiliser une stratégie sur de nombreux actifs en même temps. Nous ferons une mise à jour de cet article pour parler de ce sujet.

### Ethereum :

Le backtest commence le 01-01-2021 avec 397 trades jusqu’à aujourd’hui.

La simulation commence avec un capital de 1 000 USD et elle finit avec plus de **2 724 USD (soit x2.7 ou +272%)**. Si l'on compare avec l’Ethereum sur cette même période, il n'a réalisé "que" 149%. Pour 397 trades, **le win rate est de 66%** ce qui est excellent et un **drawndown très faible de 12.4%**, bien plus faible que les -86% de l’Ethereum.

![Image6.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/Image6_ee4e75260c.png)

La courbe est homogène tout le long quel que soit la tendance du marché. Le drawdown est donc limité est lui aussi homogène.

Un graphique comme ca est extrêmement rare. La progression est constante ponctuée que quelques pertes qui sont tout à fait normal.

### QNT :

Le backtest commence le 29-07-2021 avec 690 trades jusqu’à aujourd’hui.

La simulation commence avec un capital de 1 000 USD et elle finit avec plus de **20 630 USD (soit x20 ou +2 063%).** Si l'on compare avec le QNT sur cette même période, il a perdu en buy and hold -8%. Pour 690 trades, **le win rate est de 72%**, encore meilleur que l’Ethereum et un drawndown un peu plus important de **49.26%**, bien plus faible que les -92% du QNT.

![Image7.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/Image7_095a3e3896.png)

On retrouve encore une fois un graphique très propre sur une stratégie saine qui fonctionne en tendance mais aussi en range.

On se rend compte que la stratégie fonctionne extrêmement bien que ce soit sur un actif relativement mature mais aussi sur un autre beaucoup plus volatile. Logiquement la stratégie fonctionne encore mieux avec la volatilité accrue.

<EXCHANGE_CARD image_name="bitget_fr_1" link="https://partner.bitget.com/bg/CryptoRobotSIFR"/>

## Conclusion :

La stratégie enveloppe vous apporte un **nouveau regard** sur les stratégies de trading avec les excès de volatilité comme **moteur de la performance**. On arrive à avoir une stabilité dans la performance et le winrate. Même si sur le long terme une bonne stratégie de tendance à des meilleurs résultats, avec l’enveloppe vous pouvez d’un côté **diminuer votre risque** mais aussi **diversifier** et **hedger** vos stratégies de trading.

Cet article n’a pas du tout pour but d’être un conseil financier. Il expose une stratégie qui historiquement a une bonne performance avec un code à l’appui (backtest). Cependant, cela ne présage en rien les performances futures. Forcément une stratégie qui a eu de bons résultats sur le passé a un peu plus de chance de performer qu’une stratégie avec des mauvais résultats historiques.

J’espère que cet article vous aura plu et que vous aurez compris et apprécié la stratégie en question. Si vous avez des questions vous pouvez nous les poser sur Twitter. Si vous voulez tenter de suivre une autre de nos stratégies, le Super Reversal, vous pouvez nous rejoindre sur **Bitget**.

La stratégie Envelope est une stratégie de trading de retour à la moyenne qui peux être complétement automatisé. Cette stratégie a eu de très bons résultats. Découvrez cette nouvelle stratégie.

large_envelope_site.jpg

medium_envelope_site.jpg

small_envelope_site.jpg

thumbnail_envelope_site.jpg

envelope_site.jpg

Stratégie de Trading Automatisé Envelope (Retour à la moyenne)


## Comment récupérer toutes les bougies d'une crypto rapidement ? 

Un problème récurrant dans l'interaction par API avec les échangeurs crypto comme Binance ou **Bybit** est la limite du nombre de bougies que l'on peut récupérer par requête.

En effet si l'on prend l'exemple de bybit, nous sommes limité à 200 bougies par requête. Ce que l'on appelle bougie sont des données OHLCV (Open, High, Low, Close, Volume) qui représente l'évolution du cours d'un actif comme une crypto-monnaie.

Cela peut vite de venir problématique, imaginons que l'on ai un script de trading automatisé qui utilise une moyenne mobile 500 périodes, cela est impossible car nous n'avons pu récupérer que 200 données. Encore pire si nous souhaitons réalisé un backtest (simulation sur le passé). Dans ce cas nous serons limité à simuler sur les 200 dernières heures si nous utilisons des données heure par heure.

C'est pourquoi dans cette article nous allons vous proposer un programme python vous permettant de récupérer autant d'historique que voulu (jusqu'à minute par minute) et cela de manière très rapide.

Notez que dans cet article  l'exemple est **bybit**. Cependant les exemples ici sont valables pour **binance** ou encore **bitget** ce dernier ne retourne que 100 bougies.

## Quelle est la technique à utiliser pour récupérer plus de données sur les marchés ?

Etant donné que le "rate limit" sur l'API **bybit** (et sur la majorité des échanges) est relativement élevé sur la méthode GET. 

![Capture d’écran 2023-02-14 à 09.23.59.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/Capture_d_ecran_2023_02_14_a_09_23_59_eb3507f50f.png)

L'idée de notre **code python** est qu'a partir d'une date de début, et d'une date fin ainsi que d'un intervalle, il soit en mesure de construire les différentes requêtes en fonction de l'échange utilisé.

Pour que ce soit plus simple à comprendre Imaginons la chose suivante : 

Nous sommes maintenant une nouvelle plateforme d'échange de crypto-monnaie. Nous fournissons à nos utilisateurs la possibilité de récupéré les informations de différentes paires au travers d'une API. Nous avons fixé une limite de requête à 100 requêtes par seconde et par utilisateur. Néanmoins nous ne retournons que les 11 dernières bougies, et uniquement journalière. Notre API a besoin d'obligatoirement 3 paramètres pour fonctionner, la paire, la date de début, et la date de fin. 

Supposons désormais un utilisateur, celui-ci a besoin de récupérer 12 jours de données à partir du 1 février 2023, et pas un de plus. Malheureusement pour lui il ne peut pas faire la requête suivante :
https://crypto-robot.com/xchange/api/market?symbol=BTCUSDT&date_debut=01-02-2023&date_fin=12-02-2023

il devra donc faire plusieurs requêtes à savoir :

https://crypto-robot.com/xchange/api/market?symbol=BTCUSDT&date_debut=01-02-2023&date_fin=11-02-2023

https://crypto-robot.com/xchange/api/market?symbol=BTCUSDT&date_debut=12-02-2023&date_fin=12-02-2023


Voila c'est exactement ce que va faire notre code python. Construire les requêtes afin de les enchainer le plus rapidement possible. Pour faire cela nous allons utiliser la **programmation asynchrone**.

## C'est quoi la programmation asynchrone ? 


Nous allons tenter de faire une rapide introduction à ce qu'est l'asynchrone. 

Un programme qui utilise cette technique a pour but de passer le moins de temps possible à attendre, pour faire cela notre ce programme exécute plusieurs **tâches en même temps**.  On dit qu'il s'exécute de manière **concurrente**.

Reprenons l'exemple de tout à l'heure avec notre échange fictif. Nous avons un total de deux requêtes pour récupérer nos données.  En programmation classique  (synchrone)  il aurait fonctionné de la façon suivante : 

- Envoi de la première requête
- Attente de la réponse de l'échange
- Récupérer les données
- Envoi de la seconde requête
- Attente de la réponse de l'échange
- Récupérer les données
- Enregistrer les données dans un csv

Dans notre **code en asynchrone**  son schéma de fonctionnement est le suivant:

- Envoi de la première requête
- Envoi de la seconde requête
- Récupérer les données de la première requête
- Récupérer les données de la seconde requête 
- Enregistrer les données dans un csv

Vous remarquerez que lorsque qu'on utilise l'asynchrone nous nous affranchissons du temps d'attente, ce qui nous permet ne pas bloquer notre programme et de faire autre chose en attendant que la plateforme nous envoi les données.

## Programmer en asynchrone avec python

Voici le code python que nous vous proposons : 


```python
import asyncio
from posixpath import dirname
from pathlib import Path
import ccxt.async_support as ccxt
import pytz
import pandas as pd
import os
from datetime import datetime, timedelta
from tqdm.auto import tqdm
import itertools
import timeit
import time


class ExchangeDataManager:

    # Liste des exchanges à supporter
    CCXT_EXCHANGES = {
        "binance": {
            "ccxt_object": ccxt.binance(config={"enableRateLimit": True}),
            "limit_size_request": 1000,
        },
        "binanceusdm": {
            "ccxt_object": ccxt.binanceusdm(config={"enableRateLimit": True}),
            "limit_size_request": 1000,
        },
        "kucoin": {
            "ccxt_object": ccxt.kucoin(config={"enableRateLimit": True}),
            "limit_size_request": 1500,
        },
        "hitbtc": {
            "ccxt_object": ccxt.hitbtc(config={"enableRateLimit": True}),
            "limit_size_request": 1000,
        },
        "bitfinex": {
            "ccxt_object": ccxt.bitfinex(config={"enableRateLimit": True}),
            "limit_size_request": 10000,
        },
        "bybit": {
            "ccxt_object": ccxt.bybit(config={"enableRateLimit": True}),
            "limit_size_request": 200,
        },
        "bitget": {
            "ccxt_object": ccxt.bitget(config={"enableRateLimit": True}),
            "limit_size_request": 100,
        },
        "bitmart": {
            "ccxt_object": ccxt.bitmart(config={"enableRateLimit": True}),
            "limit_size_request": 500,     
        }
    }

    # Liste des intervalles à supporter
    INTERVALS = {
        "1m": {"timedelta": timedelta(minutes=1), "interval_ms": 60000},
        "2m": {"timedelta": timedelta(minutes=2), "interval_ms": 120000},
        "5m": {"timedelta": timedelta(minutes=5), "interval_ms": 300000},
        "15m": {"timedelta": timedelta(minutes=15), "interval_ms": 900000},
        "30m": {"timedelta": timedelta(minutes=30), "interval_ms": 1800000},
        "1h": {"timedelta": timedelta(hours=1), "interval_ms": 3600000},
        "2h": {"timedelta": timedelta(hours=2), "interval_ms": 7200000},
        "4h": {"timedelta": timedelta(hours=4), "interval_ms": 14400000},
        "12h": {"timedelta": timedelta(hours=12), "interval_ms": 43200000},
        "1d": {"timedelta": timedelta(days=1), "interval_ms": 86400000},
        "1w": {"timedelta": timedelta(weeks=1), "interval_ms": 604800000},
        "1M": {"timedelta": timedelta(days=30), "interval_ms": 2629746000},
    }

    def __init__(self, exchange_name, path_download="./") -> None:
        """This method create an ExchangeDataManager object
           Args:
               exchange_name (_type_): the exchange you need for download or load data
               path_download (str, optional): directory path (default "./")

           Raises:
               NotImplementedError: if the exchange is unsupported
        """
        self.exchange_name = exchange_name.lower()
        self.path_download = path_download
        try:
            self.exchange_dict = ExchangeDataManager.CCXT_EXCHANGES[self.exchange_name]
        except Exception:
            raise NotImplementedError(
                f"L'échange {self.exchange_name} n'est pas supporté"
            )
        self.intervals_dict = ExchangeDataManager.INTERVALS

        self.exchange = self.exchange_dict["ccxt_object"]

        self.path_data = str(
            Path(
                os.path.join(dirname(__file__), self.path_download, self.exchange_name)
            ).resolve()
        )
        os.makedirs(self.path_data, exist_ok=True)
        self.pbar = None

    def load_data(
        self, coin, interval, start_date="1990", end_date="2050"
    ) -> pd.DataFrame:
        """This method load the market data between 2 dates

            :param coin: symbol (ex: BTCUSDT)
            :param interval: interval between each point of data (ex: 1h)
            :param start_date: starting date (default 1990)
            :param end_date: end date (default 2050)
            :return pd.DataFrame
        """
        file_path = f"{self.path_data}/{interval}/"
        file_name = f"{file_path}{coin.replace('/', '-')}.csv"
        if not os.path.exists(file_name):
            raise FileNotFoundError(f"Le fichier {file_name} n'existe pas")

        df = pd.read_csv(file_name, index_col=0, parse_dates=True)
        df.index = pd.to_datetime(df.index, unit="ms")
        df = df.groupby(df.index).first()
        df = df.loc[start_date:end_date]
        df = df.iloc[:-1]

        return df

    async def download_data(
        self,
        coins,
        intervals,
        start_date="2017-01-01 00:00:00",
        end_date=datetime.now().strftime("%Y-%m-%d %H:%M:%S"),
    ) -> None:
        """This method download the market data between 2 dates

            :param coins: list of symbols (ex: [BTCUSDT])
            :param intervals: list of intervals between each point of data (ex: [1h, 1w])
            :param start_date: starting date (ex:  2020-01-01 00:00:00) (default: "2017-01-01 00:00:00")
            :param end_date: end date (ex: 2023-01-01 01:00:00) (default: current timestamp)
            :return None
        """

        await self.exchange.load_markets()

        start_date = datetime.strptime(start_date, "%Y-%m-%d %H:%M:%S")
        end_date = datetime.strptime(end_date, "%Y-%m-%d %H:%M:%S")
   

        for interval in intervals:

            all_dt_intervals = list(
                self.create_intervals(
                    start_date, end_date, self.create_timedelta(interval)
                )
            )
   
            last_dt = all_dt_intervals[-1].astimezone(pytz.utc)
            end_timestamp = int(last_dt.timestamp() * 1000)
          
            for coin in coins:
                print(
                    f"\tRécupération pour la paire {coin} en timeframe {interval} sur l'exchange {self.exchange_name}..."
                )

                file_path = f"{self.path_data}/{interval}/"
                os.makedirs(file_path, exist_ok=True)
                file_name = f"{file_path}{coin.replace('/', '-')}.csv"

                dt_or_false = await self.is_data_missing(file_name, last_dt, str(start_date))
                
                if dt_or_false:

                    tasks = []
                    current_timestamp = int(dt_or_false.timestamp() * 1000)
                    turn = 0
                 
                    while current_timestamp <= end_timestamp:
                        tasks.append(
                            asyncio.create_task(
                                self.download_tf(coin, interval, current_timestamp)
                            )
                        )
                        current_timestamp = (
                            self.exchange_dict["limit_size_request"]
                            * self.intervals_dict[interval]["interval_ms"]
                            + current_timestamp
                        )

                    self.pbar = tqdm(tasks)
                    results = await asyncio.gather(*tasks)
                    await self.exchange.close()
                  
                    results = list(itertools.chain(*results))
               
                    self.pbar.close()

                    if results:
                        final = pd.DataFrame(
                            results,
                            columns=["date", "open", "high", "low", "close", "volume"],
                        )
                        final.set_index('date', drop=False, inplace=True)
                        final = final[~final.index.duplicated(keep='first')]
                        
                        
                        flag_header = (
                            ("a", False) if os.path.exists(file_name) else ("w", True)
                        )
                        with open(file_name, mode=flag_header[0]) as f:
                            final.to_csv(
                                path_or_buf=f, header=flag_header[1], index=False
                            )
                    else:
                        print(f"\tPas de données pour {coin} en {interval} sur cette période")
                else:
                    print("\tDonnées déjà récupérées")

                #print("\033[H\033[J", end="")

    async def download_tf(self, coin, interval, start_timestamp) -> list:
        tests = 0
        while True:
            try:
                r = await self.exchange.fetch_ohlcv(
                    symbol=coin,
                    timeframe=interval,
                    since=start_timestamp,
                    limit=self.exchange_dict["limit_size_request"],
                )
                self.pbar.update(1)
                return r
            except Exception:
                tests += 1
                if tests == 3:
                    raise TooManyError

    async def is_data_missing(self, file_name, last_dt, start_date) -> bool | datetime:

        await self.exchange.close()

        if os.path.isfile(file_name):
            df = pd.read_csv(file_name, index_col=0, parse_dates=True)
            df.index = pd.to_datetime(df.index, unit="ms")
            df = df.groupby(df.index).first()

            if pytz.utc.localize(df.index[-1]) >= last_dt:
                return False
        else:
            return datetime.fromisoformat(start_date)
        return pytz.utc.localize(df.index[-2])

    def create_intervals(self, start_date, end_date, delta):
        current = start_date
        while current <= end_date:
            yield current
            current += delta

    def create_timedelta(self, interval) -> int:
        try:
            return self.intervals_dict[interval]["timedelta"]
        except Exception:
            raise ValueError(f"Intervalle {interval} inconnu")

    def explore_data(self) -> pd.DataFrame:
        files_data = []
        for path, subdirs, files in os.walk(self.path_download):
            for name in files:
                if os.path.join(path, name).endswith(".csv"):
                    current_file = os.path.join(path, name)
                    file_split = current_file.split("\\")
                    try:
                        df_file = pd.read_csv(current_file)
                    except Exception:
                        continue

                    files_data.append(
                        {
                            "exchange": file_split[1],
                            "timeframe": file_split[2],
                            "pair": file_split[3][:-4],
                            "occurences": len(df_file),
                            "start_date": str(
                                datetime.fromtimestamp(df_file.iloc[0]["date"] / 1000)
                            ),
                            "end_date": str(
                                datetime.fromtimestamp(df_file.iloc[-1]["date"] / 1000)
                            ),
                        }
                    )

        return pd.DataFrame(files_data)


class TooManyError(Exception):
    pass


exchange = ExchangeDataManager(
    exchange_name="binance", path_download="../database/exchanges"
)

data = asyncio.run(exchange.download_data(["SOLUSDT", "BTCUSDT" ], ["1h"], start_date="2017-08-17 00:00:00"))

```

Retrouvez le code sur notre github : https://github.com/CryptoRobotFr/backtest_tools

Notre code intègre la bibliothèque ccxt pour une gestion efficace de plusieurs plateformes de crypto-monnaies. 

Nous vos proposons un petit guide afin d'utiliser ce code.

###  Télécharger l'historique d'une ou plusieurs crypto

Ce code permet le téléchargement d'historique de plusieurs cryptos sur plusieurs intervalles. 

```python
exchange = ExchangeDataManager(exchange_name="binance", path_download="./database/exchanges")

asyncio.run(exchange.download_data(["BTCUSDT"], ["1m"], start_date="2020-01-01 00:00:00"))
```

Dans cet exemple nous téléchargeons les données du Bitcoin en 1 minute sur binance. Les données seront stockées, dans le dossier "database/exchanges" situé à la racine de votre script. Supposons désormais que nous souhaitons télécharger les données sur 1h et nous voulons également télécharger l'historique d'Ethereum toujours sur la stable coin USDT.  Notre code sera : 

```python
asyncio.run(exchange.download_data(["BTCUSDT", "ETHUSDT"], ["1m", "1h"], start_date="2020-01-01 00:00:00"))
```

### Comment charger l'historique dans un dataframe ?

```python
eth_histo = exchange.load_data('ETHUSDT', '1h', start_date=""2020-01-01")
btc_histo = exchange.load_data('BTCUSDT', '1m', start_date=""2020-01-01")
```

### Comment récupérer l'historique sur une autre plateforme ? 

La variable "CCXT_EXCHANGES" est cruciale dans ce code, car elle permet d'ajouter facilement des plateformes de trading prises en charge par ccxt. Ne paniquez pas si votre plateforme n'apparaît pas, on vous montre comment l'ajouter rapidement. 

La première étape consiste à se rendre sur le dépot github de la librairie de trading. Il s'agit de vérifier que votre plateforme est supportée par ccxt.
https://github.com/ccxt/ccxt/wiki/Exchange-Markets

Pour notre exemple nous avons sélectionné de manière totalement hasardeuse  l'échange **bitmart**. 

Il suffit maintenant de se rendre dans la documentation de l'api de bitmart, et de chercher combien de bougies maximum peuvent être retournées. Si vous n'êtes pas habitué à chercher dans les documentations vous pouvez utiliser la barre de recherche, et chercher des mots clés tel que : "Market Data", "K-Line" ...

Sur bitmart par exemple c'est 500 bougies.

![Capture d’écran 2023-02-27 à 09.16.21.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/Capture_d_ecran_2023_02_27_a_09_16_21_9af0d45275.png)


Une fois l'information en poche il suffit de rajouter à notre dictionnaire "CCXT_EXCHANGES" ceci : 

```python
CCXT_EXCHANGES = {
... ,
"bitmart": {
            "ccxt_object": ccxt.bitmart(config={"enableRateLimit": True}),
            "limit_size_request": 500,
        }
}

exchange = ExchangeDataManager(exchange_name="bitmart", path_download="./database/exchanges")
```

Avec ce tutoriel simple, vous pouvez télécharger rapidement les données du Bitcoin et d'Ethereum ou tout autre crypto sur énormement d'échanges en utilisant Python. Cela vous sera très utile pour effectuer une analyse de marché ou pour créer des stratégies de trading automatisées. N'hésitez pas à personnaliser le code en fonction de vos besoins spécifiques.

Si vous avez des questions n'hésitez pas à vous rendre sur notre discord : https://discord.gg/VQ3Cuv3z

Que ce soit sur Binance, Bybit ou n'importe quel autre échange il y a une limite quant à la quantité de bougies que vous pouvez récupérer en une seule requête. Grace à l'asynchrone avec python, dans cet article nous vous proposons une solution pour télécharger l'historique d'une ou plusieurs crypto-monnaies très rapidement. 

large_stock-market-6531146_1280.jpg

medium_stock-market-6531146_1280.jpg

small_stock-market-6531146_1280.jpg

thumbnail_stock-market-6531146_1280.jpg

stock-market-6531146_1280.jpg

Récupérez tout l'historique d'une crypto rapidement sur n'importe quel échange grace à l'asynchrone en python

## Les crypto fan tokens de football : un moyen de parier sur les résultats de match ?

Depuis leur lancement en 2019, les **cryptos fan tokens** ont connu un succès croissant et ont été adoptés par de nombreuses équipes sportives de premier plan. Cependant, peu d'études ont étudié **l'impact du résultat d'un match sur l'évolution du cours de la crypto fan token associée** à l'équipe qui a joué le match. C'est pourquoi nous avons décidé de mener cette étude afin de mieux comprendre la relation entre ces deux variables.

Le fan token de l'équipe d'Espagne, l'un des plus populaires sur le marché des crypto fan tokens, a connu une forte baisse de sa valeur après la défaite de l'équipe en coupe du monde contre le Maroc. **Son cours a chuté de 40%** en 24 heures, mais est-ce un cas isolé ? Si ce n’est pas un cas isolé ne pourrait on pas essayer d’en profiter par exemple en pariant à la baisse dès que l’Espagne se prend un but ?

Nous allons porter notre analyse sur plusieurs fan token de club de foot comme le **PSG, le FC Barcelone ou encore la Juventus**.

Si vous souhaitez acheter ou vendre ces tokens vous pouvez le faire via l'échangeur Bitget qui vous propose de nombreux bonus à l'inscription si vous passer par le lien ci-dessous.

<EXCHANGE_CARD image_name="bitget_fr_1" link="https://partner.bitget.com/bg/CryptoRobotSIFR"/>

## Les fan tokens de football : un lien surprenant avec les résultats de match

Pour étudier la relation entre le résultat d'un match de football et l'évolution du cours de la crypto fan token associée à l'équipe qui a joué le match, nous avons d’abord scraper sur internet les résultats des différentes équipes depuis 2020 et à télécharger les données historiques des fans token associés en heures par heures.

Nous avons ensuite réuni ces deux jeux de données afin de pouvoir remarquer la différence entre le cours d'une heure avant un match et le cours de trois heures après le match.

Cela nous a permis d'avoir une vue précise de l'évolution du cours des crypto fan tokens avant et après chaque match, et de mettre en évidence les variations qui peuvent être liées au résultat du match. Nous avons ainsi pu analyser les données et tirer des conclusions sur la relation entre le résultat d'un match de football et l'évolution du cours de la crypto fan token associée à l'équipe qui a joué le match.

Vous allez le voir **les résultats sont assez étonnants !**

![fan_tokens.jpg](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/fan_tokens_e7f374aef2.jpg)

## Le résultat d'un match de football, un facteur influençant le cours des fan tokens de crypto-monnaies ?

Nous avons constaté que le cours de la crypto fan token de la Juventus baissait en moyenne de 3% environ trois heures après une défaite de l'équipe. Cette baisse de la valeur du fan token peut être liée à la déception des fans et des investisseurs suite à une défaite de l'équipe, qui peut entraîner une baisse de la demande pour le fan token.

Vous trouverez ci dessous un graphique montrant l’évolution du token après chaque défaites.

PSG
![psg_def.JPG](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/psg_def_1d6a6cdf43.JPG)

JUVENTUS
![juventus_token_evolution](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/juv_def_445c5355c3.JPG)

Cependant, il est important de noter que cette baisse de 3% n'est qu'une moyenne et que les variations de cours peuvent être plus ou moins importantes selon les matchs. Par exemple, nous avons observé des baisses plus marquées après certaines défaites contre des rivaux directs ou lors de matchs importants, tandis que d'autres défaites ont eu moins d'impact sur le cours du fan token.

En tout état de cause, ces résultats montrent que le résultat d'un match de football peut avoir un impact sur l'évolution du cours de la crypto fan token associée à l'équipe qui a joué le match, même s'il convient de nuancer ces résultats en prenant en compte d'autres facteurs qui peuvent influencer le cours des crypto fan tokens. 

En effet cela reste des crypto-monnaies qui sont donc très **corrélées au Bitcoin**, on peut voir par exemple que le cours du token de la Juventus à haussé de près de 20% à la suite d’une égalité dans un match amical contre Barcelone, dans ce cas l’évolution est donc surement du au marché global des cryptos et des fan token et non au résultat du match. 

Un des résultats les plus surprenants a été de constater que le cours des crypto fan tokens baissait en moyenne légèrement même après une victoire de l'équipe. Cette baisse peut être liée à plusieurs facteurs, tels que la déception des investisseurs qui espéraient une hausse plus importante du cours du fan token suite à une victoire et qui dépêche donc de vendre, augmentant ainsi l’offre.

Vous trouverez ci dessous un graphique montrant l’évolution du token de la Juventus après chaque victoires.

![juv_vic.JPG](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/juv_vic_45fe95f407.JPG)

## Les fan tokens de football : des opportunités de spéculation en fonction des résultats de match ?

En creusant un peu plus en détail vous pourriez à partir de cela créer une **stratégie de trading** qui consiste à analyser les côtes et quand l’équipe a un risque de perdre assez élevé, parier à la baisse. Attention nous rappelons que la spéculation notamment à la baisse comporte de nombreux risques et cela n’est pas un conseil en investissement mais plutôt une possibilité pour tirer profit de cette analyse. 

Comme on la vu parier à la hausse semble peu prometteur car les hausses à la suite d’une victoire sont très rares. On pourrait même penser à une stratégie en se couvrant avec des paris sportifs (encore une fois attention ce ne sont que des idées qui n’ont pas pour but d’être appliquée sans une analyse complète beaucoup plus poussée et avec une conscience des nombreux risques associés). 

En conclusion, nos résultats montrent que **le résultat d'un match de football peut avoir un impact sur l'évolution du cours de la crypto fan token** associée à l'équipe qui a joué le match, mais que cet impact dépend de plusieurs facteurs, tels que le niveau d'importance du match ou les attentes des fans et des investisseurs. Nous espérons que cette étude apportera de nouvelles connaissances sur cette relation et permettra de mieux comprendre l'impact du résultat d'un match de football sur la valeur des crypto fan tokens.

Si vous souhaitez pouvoir acheter et vendre les fans token vous pouvez le faire sur Bitget un des plus gros échangeurs cryptos. De plus si vous passez sur lien en cliquant sur le bandeau ci-dessous vous pouvez avoir jusqu'à 8000$ de bonus à l'inscripttion.

<EXCHANGE_CARD image_name="bitget_fr_1" link="https://partner.bitget.com/bg/CryptoRobotSIFR"/>

Vous êtes un fan de football et vous avez investi dans la crypto fan token de votre équipe préférée ? Vous vous demandez comment le résultat d'un match peut influencer le cours de votre investissement ? 
Dans cet article, nous allons répondre à cette question en analysant la relation entre le résultat d'un match de football et l'évolution du cours de la crypto fan token associée à l'équipe qui a joué le match.

large_Capture d’écran 2022-12-29 180159.png

medium_Capture d’écran 2022-12-29 180159.png

small_Capture d’écran 2022-12-29 180159.png

thumbnail_Capture d’écran 2022-12-29 180159.png

trading_soccer

Le cours des fan tokens, un reflet de la performance des équipes de football ?

## Les bases de la stratégie du Bollinger Trend

Comme pour toutes nos stratégies, la Bollinger Trend va suivre à la lettre **plusieurs indicateurs**. Elle est **autonome** dans son exécution et libre de tous sentiments de la part du trader.

Ressources:
- [Vidéo YouTube explicative complète](https://youtu.be/LO-7OM8X_L8)
- [Stratégie Trading View](https://fr.tradingview.com/script/PzVeypHl/)
- [Code Python Backtest](https://github.com/CryptoRobotFr/backtest_tools)
- [Code Python Installation Bitget](https://github.com/CryptoRobotFr/live_tools)

La stratégie Bollinger Trend fonctionne via les **cassures** et la confirmation de plusieurs indicateurs : 

- **Les Bandes de Bollinger**
- **Une moyenne mobile long terme**

Pour le Bollinger Trend vous avez accès, en plus de cet article, à un script [TradingView](https://fr.tradingview.com/script/PzVeypHl/), à un **backtest** en Python et à un code **live** également en Python permettant d'éxecuter le stratégie de manière automatique. Le Backtest vous permettra de **tester** la stratégie, la **modifier**, l'**optimiser**. Le code Live pour la mise en place réelle du bot sur l'échangeur **Bitget**. Si vous n'avez pas encore de compte Bitget ce n'est pas grave. Nous vous proposons un lien d'**affiliation** pour profiter, en plus de l'inscription, de bonus et de frais réduits. Pour cela il suffit de cliquer sur le bandeau ci-dessous.

<EXCHANGE_CARD image_name="bitget_fr_1" link="https://partner.bitget.com/bg/CryptoRobotSIFR"/>

## Les cassures des Bandes de Bollinger pour vos positions

Les indicateur principaux de la stratégie Bollinger Trend sont les Bandes de Bollinger. Elles vont nous permettre d'étudier les **cassures haussières ou baissières** du prix. Nous rajoutons un moyenne mobile long terme afin de filtrer les positions en fonction de la tendance actuelle. C'est une stratégie long terme protégeant d'une grosse partie du risque pendant les baisses.

Vous l'avez compris nous sommes dans le cas d'une **stratégie de tendance**. Qui dit stratégie de tendance dit faux signaux. Durant les périodes de range, le Bollinger Trend pourra être trompée par des **faux signaux**. 

Néanmoins, nous avons réfléchi à une technique permettant de réduire ces faux signaux. Pas besoin d'un indicateur supplémentaire, nous avons juste besoin des Bandes de Bollinger. Vous le savez bien, nos Bandes de Bollinger permettent de visualiser la **volatilité** du marché. Si l'écart entre la bande supérieure et intérieure est faible, cela implique peu de volatilité et inversement. Les ranges sont des moments où la volatilité est faible car le prix fluctue très peu. Pour les esquiver au maximum nous allons prendre en compte l'**écart** des 2 bandes. Si l'écart est trop petit (par rapport à un montant que vous avez défini), aucune prise de position ne sera possible. Ce paramètre est modifiable dans les différents codes à votre disposition

Revenons sur le principe de la stratégie, les **cassures**. 

Les Bandes de Bollinger englobent le prix de manière générale. Cependant, s'il y a une **forte volatilité**, le cours peut casser à la hausse ou à la baisse les bandes. 

![Bollinger band, strategy, trading](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/Bollinger_band_strategy_trading_0141a9abc8.png)

A ce moment il y a deux écoles. La première pense que cet excès n'est pas normal et que nous allons récupérer les bandes et revenir à la moyenne mobile interne. Ce sont ce qu'on appelle des **stratégies de retour à la moyenne**.

La deuxième école a une vision inverse et c'est celle que nous utiliserons dans cette stratégie. S'il y a cassure, cela implique une volatilité plus importante que précédemment. On peut en déduire une **tendance** qui se dessine et nous allons tenter d'en profiter un maximum. 

L'objectif est donc de rentrer sur une cassure en suivant la tendance actuelle. Nous rajoutons une **confirmation** via la moyenne mobile long terme qui précise la dynamique globale. Le paramètre de l'écart des bandes rajoute un filtre supplémentaire sur la force de la tendance.

La sortie de la position est très simple. Dès que le prix clotûre en dessous de la **moyenne des bandes de bollinger**, la position se clôture à la fin de la bougie. Les ordres se font aux marchés que ce soit entrées ou sorties ce seront donc des **ordres Taker**.

![Bollinger band, strategy, trading, entry, close](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/Bollinger_band_strategy_trading_entry_close_105bdc8cce.png)

Dans cet exemple, nous entrons en Long parce que :
- Le prix est au-dessus de la moyenne mobile longue (violette)
- Il y a une cassure des bandes à la hausse
- L'écart de mes bandes est assez élevé

La position se clôturera au moment où le prix clôture en dessous de la moyenne interne. Cela pourrait ressembler au principe d'un **stop-loss suiveur** car si le cours monte la moyenne interne va également monter. L'avantage est de toujours actualiser le stop-loss en suivant au mieux la tendance.

L'objectif est de véritablement surfer sur la tendance à la suite d'une explosion de volatilité.

## Les indicateurs de la stratégie du Bollinger Trend

Comme nous l'avons énuméré plus tôt, nous avons 2 indicateurs : 
1. Une moyenne mobile long terme. Vous avez le choix dans le type de moyenne mobile. Une simple ou une exponentielle. L'exponentielle sera plus réactive au marché mais elle sera trompée plus facilement qu'une simple. Nous conseillons donc la **moyenne mobile simple**.
2. Les Bandes de Bollinger. Nous avons affaire à une **indicateur de volatilité** comme sa construction l'indique. En effet, pour tracer les 2 bandes nous nous appuyons sur la moyenne mobile interne à laquelle nous ajoutons et retranchons l'**écart type** du prix. Ce qui permet d'obtenir nos bandes supérieures et inférieures.

Nous avons donc 4 paramètres principaux:
- La longueur de la fenêtre pour les Bandes de Bollinger (par défaut à 100)
- L'écart type des Bandes de Bollinger (par défaut à 2.25)
- L'écart minimum en pourcentage entre les bandes inférieures et supérieures (par défaut à 0%)
- La longueur de la fenêtre pour la Moyenne Mobile long terme (par défaut à 500)

![bollinger trend parameters.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/bollinger_trend_parameters_ab280dacee.png)

## Les règles de la stratégie

Les règles de la stratégie sont très simples et nous allons les expliquer ici : 

Ouvrir un **LONG** (parier à la hausse) : 
- Le prix est au-dessus de la moyenne mobile longue
- Le prix casse la bande supérieure à la hausse
- L'écart des bandes est supérieur à son paramètre 

Fermer un **LONG** :
- Le prix clôture en dessous de la moyenne mobile interne

Ouvrir un **SHORT** (parier à la baisse) :
- Le prix est en-dessous de la moyenne mobile longue
- Le prix casse la bande inférieur à la baisse
- L'écart des bandes est supérieur à son paramètre 

Fermer un **SHORT** :
- Le prix clôture au-dessus de la moyenne mobile interne

Pour fonctionner au mieux, nous avons déterminé des paramètres qui vont vous permettre d'avoir de très bons résultats en 1 heure ou 2 heures. 


Les paramètres de la stratégie conseillé par Crypto Robot:

- Timeframe: **1h ou 2h**
- Bandes de Bollinger Window : **100**
- Bandes de Bollinger Ecart Type: **2.25**
- Ecart entre les Bandes minimum : **0** (vous pouvez en mettre pour rajouter de la précision)
- Moyenne mobile long terme : **500**
- Moyenne mobile type : **Moyenne Mobile Simple**

<EXCHANGE_CARD image_name="bitget_fr_1" link="https://partner.bitget.com/bg/CryptoRobotSIFR"/>

## Les Résultats de la Stratégie de Trading

Avant toute chose, nous tenons à rappeler que **les résultats sur le passé ne présage en rien des résultats sur le futur**. L'avantage d'avoir une stratégie avec des règles strictes c'est que nous pouvons facilement simuler les résultats sur le passé (c'est ce qu'on appelle un **backtest**).

Dans un premier temps nous allons vous présenter les résultats sur un seul actif ici le Bitcoin en intervalle de temps 1h. Pour réduire les risques il est souvent préférable d'utiliser une stratégie sur de nombreux actifs en même temps. Nous ferons une mise à jour de cet article pour parler de ce sujet.

La stratégie a été testée depuis début 2018 jusqu'à décembre 2022 afin d'avoir un historique assez large. En effet, en unité de temps 1h cela représente 46 000 bougies. Sur cet intervalle de temps la stratégie a réalisé **247 trades**.

La simulation commence avec un capital de 1 000 USD et elle finit avec plus de **20 000 USD** (soit x20 ou +2 000%). Si l'on compare avec le Bitcoin sur cette même période, il n'a réalisé "que" +30%. Vous retrouverez ci-dessous plusieurs graphiques représentant l'évolution du portefeuille au cours du temps ainsi que le drawdown (pertes réalisées depuis le dernier plus haut historique) :

![Bollinger Trend BTC Result](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/output_3f962fb450.png)

- Le premier graphique représente **l’évolution du portefeuille au cours du temps**. Nous remarquons que l’on commence à 1k USD comme indiqué et finissons à plus de 20k USD. De plus, nous subissons assez peu de pertes au cours du temps.

- Le deuxième graphique montre simplement **l’évolution du Bitcoin** depuis début 2018.

- Le troisième graphique affiche le **Drawdown** de la stratégie. Ce sont les pertes depuis le record historique du portefeuille. On voit par exemple que notre plus grosse perte a eu lieu aux environs de fin 2018. Avec une perte d’à peu près 30% ce qui reste important mais beaucoup plus faible que des actifs comme le Bitcoin qui a perdu 70% de sa valeur.

- Enfin le dernier graphique montre _l’évolution du portefeuille contre celle du Bitcoin_. On remarque que l’évolution du portefeuille est assez indépendante de celle du Bitcoin. La courbe du portefeuille continue de monter peu importe si le Bitcoin monte ou descend.

Vous trouverez également ci-dessous les performances mois par mois :

![boltrend2018.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/boltrend2018_e487ea526f.png)
![boltrend2019.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/boltrend2019_c8e5bbaed3.png)
![boltrend2020.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/boltrend2020_9f79185c93.png)
![boltrend2021.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/boltrend2021_610a4c333f.png)
![boltrend2022.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/boltrend2022_8c4db03b6b.png)

Vous le voyez, cette stratégie a eu de très bons résultats même s'il est important de noter qu’elle n’est clairement **pas infaillible**.

## L'installation de la stratégie automatique sur Bitget

A venir...

## Conclusion

Cette stratégie a très bien performé sur le passé. C’est une **stratégie de tendance** c’est à dire qu’elle brillera lors de tendances haussières ou baissières mais aura un peu plus de mal dans les périodes de range.

La stratégie peut sembler simple mais les meilleures stratégies le sont souvent. Dans un second temps, le but sera de faire tourner cette stratégie sur plusieurs actifs en même temps avec des paramètres différents. Une gestion de portefeuille et des risques sera aussi présent.

**Cet article n’a pas du tout pour but d’être un conseil financier**. Il expose une stratégie qui historiquement a une bonne performance avec un code à l’appui (backtest). Cependant, cela ne présage en rien les performances futures. Forcément une stratégie qui a eu de bons résultats sur le passé a un peu plus de chance de performer qu’une stratégie avec des mauvais résultats historiques.

J’espère que cet article vous aura plu et que vous aurez compris et apprécié la stratégie en question. Si vous avez des questions vous pouvez nous les poser sur Twitter. Si vous voulez tenter de suivre une autre de nos stratégies, le Super Reversal, vous pouvez nous rejoindre sur Bitget.

<EXCHANGE_CARD image_name="bitget_fr_1" link="https://partner.bitget.com/bg/CryptoRobotSIFR"/>

Notre première stratégie live avec les futures ! Nous utilisons les Bandes de Bollinger pour surfer sur la tendance et générer de la performance. Vous pourrez complétement automatiser cette statégie.

large_bollinger_trend_ps.png

medium_bollinger_trend_ps.png

small_bollinger_trend_ps.png

thumbnail_bollinger_trend_ps.png

bollinger_trend_ps.png

Bollinger Trend, la Stratégie de Trading Automatisée avec les Bandes de Bollinger

Le trading crypto est l’activité principale sur cet écosystème. Plusieurs **méthodes de trading** ont vu le jour au fil des années et des expériences. Sur la chaine CryptoRobot nous vous en avons présenté certaines. Néanmoins, il en existe 3 qui sortent de l’ordinaire car elles vont dépendre de la **durée de trading** voulue. 

Des traders vont vouloir effectuer un maximum d’opérations en quelques minutes quand d’autres prendront plus de temps et accepteront des trades plus long. Ces méthodes vont du très court terme (**Scalping**) au plus long (**Long terme**) en passant par le moyen terme (**Day Trading**).

Dans cet article nous allons étudier le Day Trading.

## D'où vient le Day Trading et comment en faire ?

Le **Day Trading** provient de la finance traditionnelle. 

Les places boursières classiques possèdent des **horaires de fonctionnement**. Elle coïncident avec le fuseau horaire d’où se situe la place. Le but était de créer un **cadre au trading** en ayant des horaires appropriés pour tout le monde.

Le CAC 40 ouvre à la négociation de 9h à 17h30. Il y a une phase de **pré-négociation** où les ordres s’accumulent mais ne peuvent pas s’exécuter.

Le Day Trading est une méthode qui consiste à ouvrir et fermer ses positions dans une seule et même journée. Pourquoi faire cela ? 

Entre la fermeture et l’ouverture du marché, il peut se passer beaucoup de choses qui peuvent **influer** sur l’avis général d’un actif. 

Dans ce cadre là, une très **forte volatilité** peut arriver à l’ouverture du marché. Si le marché était resté ouvert toute la nuit, la volatilité aurait pu se lisser ou potentiellement prendre des mesures pour s’en protéger.  

En fermant toutes ses positions avant la fermeture, cela **protège** l’investisseur d’un risque qu’il ne peut pas quantifier.

Le Day Trading est donc la pour répondre à ce besoin.

Sur les cryptos, le marché est ouvert **7/7, 24h/24**. En appliquant le Day Trading on se forcera à fermer toutes nos positions **avant la fin de journée**. En faisant cela, vous n’êtes pas exposés au marché quand vous dormez ni aux marchés classiques qui ouvrent et ferment perpetuellement.

En Day Trading vous allez trader sur des **timeframes moyennes voire courtes** donc vous devez avoir les **indicateurs adéquats**. Les stratégies que nous présentons sur notre chaine Youtube sont en Day Trading. Le but de cet article est de vous présenter les meilleurs indicateurs pour le Day Trading. Ils sont à retrouver sur notre [github](https://github.com/CryptoRobotFr/General-code-trading-bot/blob/main/All_indicators.ipynb).

## - Les indicateurs de tendance :

### TRIX

Le **TRIX** est notre indicateur de tendance **maison**. Il se compose de 3 moyennes mobiles exponentielles empilées. Cette configuration offre une plus **forte réactivité** aux différentes dynamiques du marché. Pour du Day Trading, cette réactivité est nécessaire pour garder des trades courts.

Le TRIX se compose de 2 lignes et d’un histogramme (différence entre les 2 lignes). La première ligne est le TRIX et la deuxième correspond à sa moyenne. Les croisements haussiers ou baissiers entre le TRIX et sa moyenne sont des zones d’actions. La ligne médiane de 0 donne une indication supplémentaire sur la tendance du marché.

Je conseille de **coupler le TRIX** avec d’autres indicateurs de confirmation pour nettoyer les faux signaux.

![indicator, trading, daytrading](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/trix_27e1b0f599.png)

### MACD

Toujours dans les moyennes mobiles, nous avons le **MACD**. Cet indicateur se construit autour d’une moyenne mobile simple courte et d’une longue. La moyennes courte apporte la réactivité permettant à l’indicateur de fluctuer fortement en timeframe 30 M ou 1h.

Tout comme le TRIX, le MACD se compose de 2 lignes et de l’histogramme correspondant. La première ligne fait référence au MACD et la deuxième à sa moyenne. Les croisements haussiers ou baissiers entre le MACD et sa moyenne sont des points d’entrée ou de sortie. La ligne médiane de 0 indique une certaine direction de la tendance. Enfin, les **divergences** sont à étudier car elles sont très puissantes sur le MACD. Une divergence sur une timeframe élevée peut orienter votre Day Trading.

Je conseille de coupler le MACD avec d’autres indicateurs de confirmation pour nettoyer les faux signaux.

![indicator, trading, daytrading](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/macd_91e9312149.png)

## - Les oscillateurs

### Aroon

L’**Aroon** fait partie de la famille des oscillateurs. Contrairement à son frère RSI, l’Aroon est composé de 2 lignes. La première la “Up” et la deuxième la “Down”. Ces 2 lignes oscillent entre 0 et 100. L’Aroon Up prend de la valeur quand un Top de marché se forme. Si vous êtes dans une tendance haussière, le cours imprimera plusieurs **Top** à la suite et donc permettra à l’Aroon Up de rester à 100. A l’inverse, l’Aroon Down arrive à 100 quand le cours descend et que des **Bottom** apparaissent successivement. 

Une tendance haussière aura donc un Aroon Up à 100 pendant qu’une tendance baissière mettra le Aroon Down à 100.

Cet indicateur intervient au moment de la **validation d’une transaction**. Un achat ne peut se faire que si l’Aroon Up est à 100 ou si la moyenne de l’Aroon Up sur les X précédentes bougies et supérieure à la moyenne de l’Aroon Down. Inversement pour une vente.

![indicator, trading, daytrading](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/aroon_2ffa8e43c4.png)

### RSI et Stochastic RSI

Le **RSI** est **l’oscillateur par excellence**. Il va varier entre 0 et 100 pour nous indiquer si le marché est en surachat, survente ou équilibré. Le surachat, où la zone entre 70 et 100 correspond au moment où le marché est en augmentation et il y a des achats excessifs par rapport à la moyenne. Inversement avec la survente dans la zone entre 0 et 30. Le cours à tendance a revenir à l’équilibre dans la zone médiane (30 à 70).

Le Stochastic RSI reprend la même principe mais il est beaucoup plus réactif.

Les 2 indicateurs peuvent être utilisés pour confirmer ou non des transactions. Un achat ne peut se faire en surachat et inversement pour une vente. De plus, le RSI simple permet en plus l’étude des **divergences**.

![indicator, trading, daytrading](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/rsi_dd3fd3cad1.png)
![indicator, trading, daytrading](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/storsi_8da695c035.png)

## - Les indicateurs de volatilité

### Les bandes de Bollinger

L’indicateur de volatilité le plus connu est surement les **bandes de Bollinger**. Il indique si le marché connait une **forte volatilité ou non**. Il se compose de 2 lignes englobant la plupart du temps le prix. Une bande supérieure et une inférieure. Ces bandes sont calculées via une moyenne mobile du prix où on y ajoute ou retranche son écart type. Quand les bandes sont resserrées, la volatilité est faible et inversement quand elles sont éloignées. 

L’indicateur apporte une information sur la **dynamique du marché**. De plus, si la volatilité est forte, le prix peut casser ses bandes. Si une bande est cassée on peut considérer cela comme un excès de volatilité et donc un retour à la normal dans les prochaines bougies. 

![indicator, trading, daytrading](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/BB_b81a01b930.png)

### Le canal de Keltner

Même principe que les bandes de Bollinger mais ici le canal ajoute ou retranche l’ATR au lieu de l’écart type. Cette petite différence joue sur l’évolution de l’indicateur et donc sa sensibilité. On conseille souvent de tester ce canal de **Keltner** à la place des bandes de Bollinger. On ne sait jamais, cela peut apporter des bonnes surprises.

![indicator, trading, daytrading](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/keltner_8b34e635ee.png)

### Le canal de Donchian

Un troisième canal qui diffère des 2 autres. Nous retrouvons le canal supérieur et inférieur mais le calcul est différent. Ici, la valeur du canal supérieur représente le maximum des **high** sur les X précédentes bougies. Pour le canal inférieur c’est le minimum des **low** des X précédentes bougies. Dans le cas du canal de Donchian, le prix ne pourra jamais casser à la hausse ou à la baisse de canal.

Cet indicateur peut être utilisé si vous en associez avec des paramètres différents. Si le Donchian court terme est inférieur au Donchian long terme vous avez une tendance baissière et inversement.

![indicator, trading, daytrading](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/donchian_2cf3079c4d.png)

### Chopiness

Notre dernier indicateur de volatilité se comporte comme un **oscillateur**. Le **chopiness** oscille entre 0 et 100 et indique la volatilité sous-jacente. Entre 0 et 30, il y a une forte volatilité, une tendance est en cours. Entre 70 et 100, il y a peu de volatilité, le marché est stable. L’indicateur n’indique pas la direction de la tendance seulement s’il y en a une.

Le Chopiness peut être utilisé pour **confirmer ou non des transactions**. Rentrer en position uniquement si le chopiness est inférieur à 30, quand il y a une tendance.

![indicator, trading, daytrading](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/cchop_1e1ae70508.png)

## - L’indicateur de volume

### Volume Anomaly

Un autre **indicateur maison** représentant les bougies en fonction du volume associé. Le volume est une métrique extrêmement importante. Une bougie est beaucoup plus **crédible** quand le volume est présent. Une cassure d’un support/résistance avec du volume confirme le mouvement. 

 Vous avez 6 types de bougies :

- La **rouge** : Bougie négative ayant un très fort volume
- La **violette** : Bougie négative avec un volume important mais inférieur à la rouge
- La **noire** : Bougie négative sans volume significatif

- La **verte** : Bougie positive ayant un très fort volume
- La **bleue** : Bougie positive avec un volume important mais inférieur à la verte
- La **grise** : bougie positive sans volume significatif

Cet indicateur peut être utilisé pour confirmer des **cassures** de lignes ou de figures. De plus, le Volume Anomaly permet l’étude des **retournements** de tendance. L’enchainement entre une bougie rouge puis verte (plus importante que la rouge) indique un retournement du marché.

![indicator, trading, daytrading](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/volumeanomaly_39d8aeed8e.png)

## Conclusion

Le Day Trading est surement la méthode de trading la plus **adaptée** si vous voulez trader sur le marché. Elle permet une étude poussée des **dynamiques** du marché et des indicateurs. De plus, une analyse plus long terme vous permettra d'adapter vos transactions.
N'être exposé que 24h maximum sur une seule position permet de se couvrir d'une **volatilité trop excessive**. Le Day trading, pour vos bots de trading limitera votre **drawdown** et offrira une quantité suffisante de trades pour l'analyse.

Le Day Trading allie analyse profonde du marché avec une certaine récurrence des transactions. Le parfait mélange entre le scalping et le long terme.

Le Day Trading est une des techniques de trading la plus importante. Elle s'utilise via des indicateurs. Dans cet article je vais vous présenter les meilleurs indicateurs pour trader en Day Trading.

large_crypto, trading, daytrading

medium_crypto, trading, daytrading

small_crypto, trading, daytrading

thumbnail_crypto, trading, daytrading

crypto, trading, daytrading

Le Day Trading et ses indicateurs !

## Les bases de la stratégie du SuperReversal

La stratégie Super Reversal est une stratégie qui se veut **stricte** afin qu’elle soit simple à suivre et à automatiser. En effet, le but de cette stratégie est d’avoir des règles qui ne sont pas sujettes à interprétation humaine. 

La stratégie est basée sur 3 indicateurs sur lesquels nous reviendrons :

- Une moyenne mobile courte
- Une moyenne mobile longue
- Une Super Trend

Nous avons entièrement automatisé cette stratégie via un programme. Elle propose différents ajouts comme de la **gestion de portefeuille**. Si vous souhaitez l'utiliser vous avez la possibilité de nous suivre sur **Bitget** grâce au **Copy Trading**. Également, si vous n’avez pas encore de compte nous vous proposons un lien d'affiliation. Vous pourrez profiter de nombreux bonus à l’inscription, pour cela il suffit de cliquer sur le bandeau ci-dessous.

<EXCHANGE_CARD image_name="bitget_fr_1" link="https://partner.bitget.com/bg/CryptoRobotSIFR"/>

## La technique du pullback pour optimiser vos entrées et sorties de positions

A partir de ces indicateurs le but de la stratégie de trading est de détecter les tendances et d’en profiter un maximum. Néanmoins, les stratégies de tendance ont un problème majeur le **bruit** ou faux signaux. 

Cette stratégie n’y échappe pas complètement, je le rappelle aucune stratégie n’est parfaite. Cependant, elle utilise une astuce qui lui permet d’**éviter la plupart des pertes** lors de faux signaux. 

En effet, au lieu de rentrer en position dès que nos indicateurs nous indiquent une tendance haussière, la stratégie va attendre ce que l’on appelle un **pullback**.

Vous trouverez ci-dessous une image illustrant la puissance des pullback dans une stratégie de trading. 

![strategy super reversal - crypto](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/strategy_super_reversal_crypto_7a4bd5ae54.png)

Dans l’exemple ci-dessous en **1** nous voyons notre point d’entrée pour un LONG (parier à la hausse). Notre stratégie veut clôturer sa position à partir du moment où la SuperTrend devient rouge. On remarque que cela arrive à la clôture de la bougie au niveau du point **2**. 

Cependant, au lieu de clôturer à ce moment nous allons attendre le fameux pullback. 

Il  arrive quelques bougies plus tard au niveau du point **3**. On peut voir que le cours vient **rebondir** sur sa moyenne mobile court terme et c’est donc à ce moment que l’on va clôturer la position. 

Cela **optimise** largement notre point de sortie. Ce principe s’applique également à notre point d’entrée. 

De plus, la Super Reversal rentre toujours en position via des ordres **limits** donc ****Maker**** ce qui diminuera largement les frais. 

<EXCHANGE_CARD image_name="bitget_fr_1" link="https://partner.bitget.com/bg/CryptoRobotSIFR"/>

## Les indicateurs de la stratégie du Super Reversal

Comme précisé en introduction, cette stratégie utilise 2 **moyennes mobiles** et une **SuperTrend**. Je ne vais pas revenir sur les moyennes mobiles qui sont simplement une moyenne des X dernières clôtures. 

Cependant la SuperTrend est indicateur un peu moins connu que je vais rapidement détaillé. 
La SuperTrend est un indicateur basé sur l’**ATR** je vous propose ce [lien](https://www.abcbourse.com/apprendre/11_average_true_range.html) qui explique bien cet indicateur. L’ATR mesure la volatilité d’un actif sur une période, il est souvent utilisé pour placer des **Take Profit** et **Stop Loss**.

La SuperTrend peut être soit **verte** (positive) dans ce cas elle est égale au maximum du cours de clôture moins l’ATR sur un intervalle de temps X. Elle peut également être **rouge** (négative) dans ce cas elle est égale au minimum du cours de clôture plus l’ATR sur un intervalle de temps X. La couleur de la SuperTrend change lorsque la clôture casse par le bas la SuperTrend verte ou casse vers le haut la SuperTrend rouge. 

C’est un **très bon indicateur de tendance** et de **niveaux importants**.

## Les règles de la stratégie

Les règles de la stratégie sont assez simples et je vais essayer de les décrire ici : 

Ouvrir un LONG (parier à la hausse): 

- La SuperTrend doit être **verte** (positive)
- La moyenne mobile court terme doit être **au dessus** de la moyenne mobile long terme
- Si les 2 conditions sont validées nous entrons en position **LONG** lorsque nous avons un pullback sur la moyenne mobile court terme.

Ouvrir un SHORT (parier à la baisse):

- La SuperTrend doit être **rouge** (négative)
- La moyenne mobile court terme doit être **en dessous** de la moyenne mobile long terme
- Si les 2 conditions sont validées nous entrons en position **SHORT** lorsque nous avons un pullback sur la moyenne mobile court terme.

Fermer un LONG:

- La SuperTrend est **rouge** OU la moyenne mobile court terme est **en dessous** de la moyenne mobile long terme

Fermer un SHORT:

- La SuperTrend est **verte** OU la moyenne mobile court terme est **au dessus** de la moyenne mobile long terme

Avec ces règles vous pouvez appliquer la stratégie à la lettre et j’espère, être rentable. En effet, nous verrons dans le prochain paragraphe que sur le passé cette stratégie a été très rentable. Attention je rappelle que** les performances passées ne présagent en rien les performances futures**. 

Les paramètres de la stratégie conseillé par Crypto Robot:

- Timeframe: **1h**
- SuperTrend ATR période: **15**
- SuperTrend ATR multiplicateur: **5**
- Moyenne mobile long terme: **400**
- Moyenne mobile court terme: à adapter en fonction des actifs (**20** par défaut)

<EXCHANGE_CARD image_name="bitget_fr_1" link="https://partner.bitget.com/bg/CryptoRobotSIFR"/>

## Les Résultats de la Stratégie de Trading

L’avantage d’une stratégie comme celle-là est que l’on peut assez “facilement” réaliser une **simulation** sur le passé des résultats (backtest).

Je vais ici vous partager les résultats sur le passé de la stratégie que nous avons mis en place via le **copy trading Bitget**. Pour rappel, même la meilleure stratégie peut avoir des mauvaises périodes si vous ne l’appliquez que sur un seul actif. C’est pourquoi cette stratégie répartit sont capital sur **20 actifs** avec une allocation de **5% par actif**. Cela permet de lisser les gains mais surtout les pertes afin d’éviter d’avoir des grosses pertes de capital (**Drawdown**). 

La stratégie est testée sur la période entre mi-Juin 2018 et mi-Novembre 2022. Cela donne un **historique important** sachant qu'elle a pour timeframe 1h. Pour vous donner une idée, nous avons simulé plus de **4000 trades**. 

La simulation commence avec un capital de 1 000 USD et elle finit avec plus de **100 000 USD** (soit x100 ou +10 000%). Si l'on prend le Bitcoin un des actifs de la stratégie sur cette même période il n’a réalisé “que” +192%. Nous **surpassons** donc très largement les performances des actifs de la stratégie. 

![backtest performance super reversal crypto](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/backtest_performance_super_reversal_crypto_19bcc2c435.png)

Vous trouverez ci-dessous plusieurs graphiques représentant la performance de la stratégie :

- Le premier graphique représente **l’évolution du portefeuille** au cours du temps. Nous remarquons que l’on commence à 1k USD comme indiqué et finissons à plus de **100k USD**. De plus, nous subissons assez peu de pertes au cours du temps.
- Le deuxième graphique montre simplement **l’évolution du Bitcoin** depuis mi-Juin 2018
- Le troisième graphique affiche le **Drawdown** de la stratégie. Ce sont les pertes depuis le record historique du portefeuille. On voit par exemple que notre plus grosse perte a eu lieu aux environs de mars 2022. Avec une perte d’à peu près 20% ce qui reste important mais beaucoup plus faible que des actifs comme le Bitcoin qui a perdu 70% de sa valeur.
- Enfin le dernier graphique montre l’évolution du portefeuille contre celle du Bitcoin. On remarque que l’évolution du portefeuille est assez **indépendante** de celle du Bitcoin. On voit un baisse des performances lorsque l’on est en période de **Range** ce qui plutôt logique pour une stratégie de tendance.

Vous trouverez également ci dessous les performances mois par mois:

![backtest performance monthly 1- crypto](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/backtest_performance_monthly_1_crypto_4cf18ab113.png)
![backtest performance monthly 2- crypto](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/backtest_performance_monthly_2_crypto_5df9854cf2.png)
![backtest performance monthly 3- crypto](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/backtest_performance_monthly_3_crypto_1666ae159c.png)
![backtest performance monthly 4- crypto](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/backtest_performance_monthly_4_crypto_74f63e15a6.png)
![backtest performance monthly 5- crypto](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/backtest_performance_monthly_5_crypto_1ed40d4e2c.png)

Vous le voyez cette stratégie a eu de très bons résultats même s'il est important de noter qu’elle n’est clairement **pas infaillible**.

## Conclusion 

Cette stratégie a très bien performé sur le passé. C’est une **stratégie de tendance** c’est à dire qu’elle brillera lors de tendances haussières ou baissières mais aura un peu plus de mal dans les période de range.

La stratégie peut sembler simple mais les meilleurs stratégies le sont souvent. La plus-value arrive avec l'ajout d'autres fonctionnalités comme la **gestion des risques** et la **gestion du portefeuille**. Je n’ai pas pris le temps de le détailler mais chaque position est couverte par un **Stop Loss** assez large. Il existe pour **éviter des gros évènements négatifs** comme on a pu le voir avec la crypto LUNA.

**Cet article n’a pas du tout pour but d’être un conseil financier**. Il expose une stratégie qui historiquement a une de **bonne performance** avec un code à l’appui (backtest). Cependant cela ne présage en rien les performances futures. Forcément une stratégie qui a eu de bons résultats sur le passé a un peu plus de chance de performer qu’une stratégie avec des mauvais résultats historiques. 

J’espère que cet article vous aura plu et que vous aurez compris et apprécié la stratégie en question. Si vous avez des questions vous pouvez nous les poser sur Twitter. Si vous voulez tenter de suivre la stratégie vous pouvez nous rejoindre sur **Bitget**.

<EXCHANGE_CARD image_name="bitget_fr_1" link="https://partner.bitget.com/bg/CryptoRobotSIFR"/>

La Super Reversal est une stratégie de trading de tendance créée par CryptoRobot. Cette stratégie a eu de très bons résultats sur le passé, simple à suivre ou à automatiser.

large_sitesuperreversal.png

medium_sitesuperreversal.png

small_sitesuperreversal.png

thumbnail_sitesuperreversal.png

sitesuperreversal.png

Le SuperReversal, la meilleure des stratégies de trading ?

## Le Trading Haute Fréquence c'est quoi ?
Si l'on devait donner une définition du **trading haute fréquence** cela pourrait être : 
>Le Trading Haute Fréquence consiste en l'analyse du carnet d'ordre par un algorithme afin de tirer des profits. Ces profits sont souvent générés grâce à des achats et ventes très rapides afin de profiter d'opportunité de marché.

L'article ci-dessous est en lien étroit avec une vidéo YouTube que vous pourrez trouver [ici](https://youtu.be/_Vc36TEST5s)

Pour comprendre le **Trading Haute fréquence** il est donc indispensable de comprendre le **carnet d'ordre** ainsi que les notions de **"bids"** et **"asks"**.

Pour rappel **le carnet d'ordre répertorie les ordres d'achats et de ventes d'un actif**. Lorsqu'un ordre d'achat et de vente ont le même prix une transaction est réalisée. 

Le **"Bid Price"** est le prix le prix le plus haut qu'un acheteur est prêt à payer. 

Le **"Ask Price"** est le prix le plus bas qu'un vendeur est prêt à recevoir en l'échange de son actif. Vous trouverez ci-dessous l'exemple d'un carnet d'ordre.
![carnet d'ordre ftx](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/ftx_orderbook_869ab5b82d.png)
On voit ici que le "Bid Price" est de 19 084 USD et le "Ask Price" de 19 085 USD et le prix de l'actif se situe donc à la frontière entre ces 2 prix.


## Comment faire du Trading Haute Fréquence sur les cryptos ? 
La première étape sera forcément de **récupérer le carnet d'ordre** sur un échangeur comme KuCoin ou bien Binance, mais surtout de le récupérer très régulièrement (plusieurs fois par seconde). 
Ensuite il faudra décider comment en tirer profit. Pour cette article nous allons essayer de faire de **l'arbitrage** entre les différents échangeurs. 

Je ne vais pas détailler en quoi consiste l'arbitrage mais je vais vous donner un exemple concret. Imaginons que le prix du Bitcoin sur Binance soit 26k USD et que sur KuCoin il soit de 27k USD. Dans ce cas on pourrait acheter 1 Bitcoin sur Binance à 26k USD, le transférer sur KuCoin puis le vendre à 27k USD. On aura ici réalisé un bénéfice de 1k USD sans prendre de risque c'est un arbitrage.

Nous allons donc faire un code en python capable de **repérer ce genre d'opportunité**. Cependant je vous préviens d'avance l'opportunité que j'ai cité ci-dessus n'arrivera jamais.

## Code Arbitrage Cryptos en Python 
Dans ce code nous allons essayer de récupérer en continu le carnet d'ordre sur les exchanges Binance, KuCoin et Okx.
Pour cela nous allons utiliser la librairie **CCXT PRO** qui depuis peu est totalement gratuite. Cette librairie va nous permettre de nous connecter aux différents échangeurs sans difficultés.  

Pour pouvoir exécuter ce code vous aurez donc besoin d'avoir installé Python puis la librairie CCXT grâce à la commande
> pip install ccxt

Ensuite vous trouverez le code à exécuter ci-dessous
```python
import ccxt.pro
from asyncio import gather, run
import random

global last_binance_price
global last_okx_price
global bid_prices
global ask_prices

bid_prices = {}
ask_prices = {}

async def symbol_loop(exchange, symbol):
    global bid_prices
    global ask_prices
    print("Starting the", exchange.id, "symbol loop with", symbol)
    while True:
        try:
            orderbook = await exchange.watch_order_book(symbol)
            now = exchange.milliseconds()
            bid_prices[exchange.id] = orderbook["bids"][0][0]
            ask_prices[exchange.id] = orderbook["asks"][0][0]
            min_ask_ex = min(ask_prices, key=ask_prices.get)
            max_bid_ex = max(bid_prices, key=bid_prices.get)
            min_ask_price = ask_prices[min_ask_ex]
            max_bid_price = bid_prices[max_bid_ex]
            best_diff = max_bid_price - min_ask_price
            best_diff_pct = ((max_bid_price - min_ask_price) / min_ask_price) * 100
            if best_diff_pct > -1:
                # print(exchange.iso8601(now), "Bid prices :", bid_prices)
                # print(exchange.iso8601(now), "Ask prices :", ask_prices)
                print(
                    f"{exchange.iso8601(now)}: Buy BTC/USDT on {min_ask_ex} ({min_ask_price}$), Sell BTC/USDT on {max_bid_ex} ({max_bid_price}$), Theorical profit + {round(best_diff_pct, 2)} %"
                )
        except Exception as e:
            print(str(e))
            break  # you can break just this one loop if it fails

async def exchange_loop(exchange_id, symbols):
    print("Starting the", exchange_id, "exchange loop with", symbols)
    exchange = getattr(ccxt.pro, exchange_id)()
    loops = [symbol_loop(exchange, symbol) for symbol in symbols]
    await gather(*loops)
    await exchange.close()

async def main():
    exchanges = {
        "okex": ["BTC/USDT"],
        "kucoin": ["BTC/USDT"],
        "binance": ["BTC/USDT"],
        "ftx": ["BTC/USD"],
    }
    loops = [
        exchange_loop(exchange_id, symbols)
        for exchange_id, symbols in exchanges.items()
    ]
    await gather(*loops)

run(main())
```
Pour exécuter ce code il vous suffira ensuite de taper la commande:
> python nom_de_votre_fichier.py

**Ce script va récupérer en continu les carnets d'ordres des différents échangeurs** afin d'avoir le "Bid Price" et le "Ask Price". 

A partir de là on va regarder le "Bid Price" le plus haut et le "Ask Price" le plus bas. On va le comparer entre les échangeurs et faire la différence entre ces 2 prix et obtenir le résultat en pourcentage.

Le code va donc nous remonter le meilleur endroit pour acheter et vendre notre Bitcoin. 

Le profit indiqué montre le bénéfice si l'on fait un achat sur l'échangeur qui a le prix plus bas et une vente sur l'échangeur qui a le prix le plus haut.
![Output du code python](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/Capture_d_ecran_2022_10_12_153225_978d9866a5.png)
Dans l'exemple ci-dessus le code nous conseille d'acheter notre Bitcoin sur Binance à 19044.6 USD et de le vendre sur Okex à 19048.8 USD. 

Malheureusement cela ne fait qu'un profit de 0.02% ce qui en général ne couvrira pas vos frais. Vous pouvez notamment réduire vos frais en vous inscrivant via les images ci-dessous. 

<EXCHANGE_CARD image_name="kucoin_fr_1" link="https://www.kucoin.com/r/af/QBSSSDAJ"/>

## Conclusion sur Arbitrage et Haute Fréquence
Je vous ai présenté dans cet article **un moyen de faire du trading haute fréquence en cryptos** en essayant de détecter des **opportunités d'arbitrage.** 

L'arbitrage est très concurrentiel et les opportunités sont très rares vous pourrez le remarquer en exécutant le code présenté. 
Le code ne permet que de repérer les opportunités actuellement mais pas de les prendre. Si vous maîtrisez Python et CCXT vous n'aurez pas de mal à transformer le code. Et ainsi par exemple si l'on détecte une opportunité de +0.2% d'acheter sur un échangeur et vendre sur un autre.
Le code vous permettra de faire de nombreuses analyses sur le carnet d'ordre des différents échangeurs cryptos.

En espérant que cet article vous ait plu. 


Le Trading Haute Fréquence représente aujourd'hui environ 80% du volume des transactions financières. On l'associe souvent au carnet d'ordre ou à l'arbitrage. Nous allons voir un exemple concret en python de trading haute fréquence associé à une possible arbitrage.

large_haute-frquence-titre.png

medium_haute-frquence-titre.png

small_haute-frquence-titre.png

thumbnail_haute-frquence-titre.png

haute-frquence-titre.png

Trading Haute Fréquence et Arbitrage Cryptos en Python

## Proof of Work ou Proof of Stake, introduction.

Quand on parle de blockchain, les notions de “**Proof of Work**” (**PoW**) ou “**Proof of Stake**” (**PoS**) reviennent souvent.

Elles font références aux différentes méthodes pour la validation d’une blockchain.

Cet article est lié avec celui traitant des informations générales des blockchains. Si vous voulez en apprendre un peu plus sur les [blockchains](https://crypto-robot.com/blog/comprendre-blockchain-crypto) en général je vous invite à aller le lire.

L’objectif d’une blockchain est de valider et de stocker les des informations d’une manière **décentralisée** pour le cas des crypto-monnaies la blockchain valide des informations qui sont enfait des transactions. 

Nous n’avons pas besoin d’un intermédiaire précis. Nous faisons plutôt confiance à un groupe de personnes validant les transactions. Ces personnes sont aussi appelées validateurs ou encore mineurs dans le cas de Bitcoin (nous y reviendrons).

Toute la complexité de la chose et de pouvoir valider ces transactions rapidement et en toute sécurité. La différence entre le Proof of Work et le Proof of Stake intervient au moment de la **validation**.

## Comment fonctionne le Proof of Work ?

### Comment le Proof of Work valide les transactions ?

Le Proof of Work est la méthode la plus ancienne pour la validation des transactions. Le système Bitcoin repose sur le méthodologie Proof of Work. 

L'équation qu'a résolu Bitcoin via le Proof of Work est de trouver une manière de créer un rédeau décentralisé dans lequel tout le monde a intérêt à sécuriser le réseau de manière honnête. 

Le Proof of Work fonctionne via l’intermédiaire de mineurs. Reprenons le fil d’une transaction : 

- Un utilisateur demande une transaction.
- La transaction arrive dans le réseau.
- Elle est stockée dans un block (d'où le nom blockchain).
- Les validateurs vont essayé en continu de validé ce block dans lequel des transactions continues à s'ajouter tant qu'il n'est pas **validé**.
- A ce moment là, **TOUS** les validateurs du réseau que l'on appelle des **mineurs**, dans le cas du Proof of Work, vont essayer de valider le block. Pour le valider le but sera de résoudre une équation mathématique en testant des milliards de combinaisons possibles. Il faut bien comprendre que tous les mineurs du réseau sont en **compétition** pour un seul et même block. Tous les mineurs vont donc, via des “ordinateurs”, essayer de résoudre cette équation ce qui va demander une **grosse puissance de calcul** et donc une** forte consommation électrique**. La sécurité du réseau repose sur cette compétition incessante et par le grand nombre de mineurs.
- A un moment donné, un mineur va réussir à valider la transaction en trouvant la soliution de l'équation. A ce moment les autres mineurs vont pouvoir vérifier très simplement le résultat proposé par le mineur gagnant ainsi que les transactions à valider. Le mineur gagnant recevra une **récompense** du réseau en Bitcoin et des frais potentiels. Tous les autres mineurs qui étaient sur le block ne reçoivent rien malgré la puissance de calcul utilisée.

Ce qu'il faut comprendre ici c'est que personne n'a intérêt à valider des fausses transaction car il aurait très peu de chance de valider son "faux" block. Cela lui serait très coûteux en matériel et en énergie. Enfin au moment de la validation final par les autres mineurs tout le monde verrait que les transactions ne sont pas bonne et le block ne serait donc pas accepté par le réseau. (Sauf si la personne détient plus de 50% du réseau c'est ce qu'on appelle l'attaque 51).

Le Bitcoin est de loin la **blockchain la plus décentralisée**. Si vous voulez faire fortune dans la validation des transactions en Proof of Work il faudra investir sur la puissance de calcul. 

Pour augmenter vos récompenses et votre pouvoir de décision sur Proof of Work il vous faudra toujours plus de **puissance de calcul**. Si vous voulez contrôler le réseau, il faudra posséder plus de 50% de la puissance de calcul ce qui est presque **impossible** sur Bitcoin même pour une entreprise. 

Cette compétition est le principal angle d’attaque de ces détracteurs qui se plaignent du gâchis d’électricité pour la validation des transactions. D’un autre coté, ce consensus a permis au Bitcoin de prospérer et de résister aux attaques.

### Le Proof of Work et ses évolutions.

Après le passage d’Ethereum en PoS, Bitcoin est la seule cypto majeure en PoW. On peut potentiellement citer l’ETC, le Litecoin ou encore Bitcoin Cash en PoW.

Un des défauts du PoW est sa **faible scalabilité native**. La scalabilité correspond à la capacité de la blockchain à pouvoir valider plus de transactions sans impacter la vitesse ou les frais du réseau. Il est compliqué de construire un écosystème complexe comme l'ajout de Smart Contract autour d’une Blockchain PoW. Les nouvelles blockchains préfèrent le PoS malgré une décentralisation et une sécurité souvent moindre.

En effet on y reviendra mais pour valider un réseau PoS il vous faudra souvent des tokens et plus vous aurez de token plus vous aurez de pouvoir. Or il est beaucoup plus facile de rassembler une très grande somme d'argent (même temporairement) plutôt que rassembler une immense puissance de calcul.

Néanmoins, certains développeurs ont apporté des améliorations au réseau actuel surtout par rapport à la scalabilité. Le “**Lightning Network**” permet de booster le réseau Bitcoin avec une solution scalable pour la validation de transactions. Le Lightning Network est utilisé entre autres pour payer en Bitcoin dans des petites transactions comme l'achat d'un café.

De plus, les blockchains en PoW peuvent se diviser en couche. La blockchain principale est appelée couche 1 ou **Layer 1**. Quand la blockchain ne permet pas de répondre aux besoins du réseau, on peut rajouter des couches à celle-ci. On appelle donc ca des Layer 2, 3 … Ces Layer vont ajouter des fonctionnalités supplémentaires, un désengorgement du réseau, une architecture plus efficace. Les Layer agissent via la blockchain principale et permettent assez souvent d’augmenter la vitesse et baisse les frais. Quand Ethereum était encore en PoW les frais étaient énormes. On pouvait atteindre plus de 200$ pour certaines transactions. Plusieurs Layer 2 ont été développés dont Matic ou Optimism afin d’offrir une voie alternative **moins onéreuse** et **plus rapide** pour effectuer les mêmes transactions. L’utilité d’un Layer correspondra au nombre de projets de la couche principale acceptant les transactions de celui-ci.

### Pourquoi utiliser des blockchains en Proof of Work ? 

**Sécurité**, **décentralisation**, **expérience** sont les principaux atouts d’une blockchain PoW. Certains projets offrent des solutions scalables rendant le réseau d’autant plus intéressant. 

## Comment fonctionne le “Proof of Stake” ?

### Comment le Proof of Stake valide les transactions ?

Le Proof of Stake a été développé pour palier au manque de scalabilité du PoW et d’apporter une solution moins énergivore. Depuis l’été 2022, Ethereum est la blockchain la plus importante en PoS.

L’objectif est de développer une blockchain pouvant supporter de nombreusues transactions comme les **Smart Contracts**. 

Le Proof of Stake fonctionne via l’intermédiaire de validateurs qu’on peut assimiler à des **Stackeurs** (des utilisateurs qui investissent et bloquent des cryptos). Reprenons le fil d’une transaction : 

- Un utilisateur demande une transaction.
- La transaction arrive dans le réseau.
- Elle est stockée dans un block (d'où le nom blockchain).
- Les validateurs vont de validé ce block dans lequel des transactions continues à s'ajouter tant qu'il n'est pas **validé**.
- Dans le cas du PoS, les validateurs doivent au préalable stacker un montant de la crypto de la blockchain. Stacker fait référence à l’action de déposer et de bloquer des cryptos que vous possédez. Ici il n’est plus vraiment question d’une compétition. Il y aura encore un gagnant qui va valider le bloc mais se gagnat sera choisit aléatoirement en fonction des tokens stackés. La puissance de calcul passe au second plan, en PoS suffit de montrer que l'on a beaucoup de token plus besoin de montrer que l'on travaille beaucoup. Cette technique permet également des améliorations techniques comme le fait de valider avec seulement une partie du réseau et donc de pouvoir valider plusieurs blocks en même temps. Le réseau sera donc **plus rapide et moins onéreux.**
- Les validateurs valident leurs transactions et ils récupèrent les frais et récompenses associés.

**Les blockchains PoS sont beaucoup **plus scalables** que du PoW. A l’inverse la sécurité et la **décentralisation sont moins fortes**. Pour contrôler le système il suffit “simplement” de posséder plus de 50% des cryptos stackées. De plus, il y a beaucoup moins de validateurs sur ces réseaux d’où la décentralisation moins importante.

Néanmoins, à l’échelle d’un validateur une tentative de hack sera puni d’une confiscation des cryptos stackées. Les validateurs n’ont donc aucun intérêt à vouloir déstabiliser le réseau.

Comme j’ai pu dire, Ethereum est maintenant la plus grosse blockchain PoS. Vous retrouvez aussi AVAX, BSC, FTM… avec le même fonctionnement. 

### Le Proof of Stake et ses évolutions.

Le PoS est une solution pour le développement massif de l’écosystème crypto. Le secteur est devenu **extrêmement compétitif** poussant les développeurs à trouver des nouvelles améliorations.

Prenons l’exemple de la Blockchain Solana (SOL). 

Solana fonctionne en PoS mais avec une petite particularité. Solana couple le PoS pour le choix des validateurs avec le **Proof of History** (PoH) qui est une nouvelle méthode de validation des transactions.

Toute la complexité d’une blockchain est de pouvoir valider une transaction afin de la situer précisément dans la blockchain. En PoW ou en PoS, l’horodatage des transactions se fait via un consensus global du réseau (tout le monde se met d’accord). C’est long et pas très efficace. En PoH, l’horodatage intervient au sein de chaque transaction, plus besoin d’un consensus global et d’attendre une décision. La blockchain est encore plus rapide.

Les différents Layer sont aussi présents en PoS apportant avec eux d’autres solutions à d’autres problèmes. 

### Pourquoi utiliser des blockchains en Proof of Stake ? 

**Rapidité**, **scalabilité**, **adaptativité** sont les principaux atouts d’une blockchain en PoS. Si vous voulez interagir sainement sur un écosystème comme celui de la finance décentralisé, utiliser le PoS est le choix le plus évident.

## Ce qu’on peut en conclure

Nous ne sommes qu’au début d’une **révolution technologique**. A chaque nouvelle blockchain, une nouvelle fonctionnalité, des performances supérieures…

Le Proof of Stake ou le Proof of History ne sont pas dénués de défauts mais ils apportent une solution concrète pour la décentralisation.

A vous de choisir votre blockchain préférée dans ce vaste écosystème.

Dans l'écosystème des blockchains, nous avons l'habitude de les séparer en 2 grandes catégories. Le Proof of Work et le Proof of Stake ! L'objectif de cet article est de présenter ces 2 méthodes et de comprendre leurs potentialités. 

large_alina-grubnyak-ZiQkhI7417A-unsplash.jpg

medium_alina-grubnyak-ZiQkhI7417A-unsplash.jpg

small_alina-grubnyak-ZiQkhI7417A-unsplash.jpg

thumbnail_alina-grubnyak-ZiQkhI7417A-unsplash.jpg

alina-grubnyak-ZiQkhI7417A-unsplash.jpg

Proof of Work et Proof of Stake ! Focus sur ces différentes blockchains

<TOCInline toc={props.toc} />


## Bitget c’est quoi ?

Dans l’écosystème des échangeurs crypto, certains se **démarquent** en ajoutant des fonctionnalités nouvelles. On connait tous le trading spot, futures, les NFT, le stacking…. La plupart des plateformes proposent ce contenu primordiale mais sans chercher à aller plus loin.

Dans ce contexte, Bitget propose des très bonnes idées pour la **réussite** de vous les traders. Dans cet article nous irons dans les détails mais si je dois vous spoiler je dirai : **Copytrading** des traders et compte future **démo**.

Bitget est un **leader** sur le marché des échangeurs avec un solide TOP 5 en terme de **volume future**. Il propose à l’achat ou à la vente un large panel de cryptomonnaies en spot et en future. Pour professionnaliser votre trading, Bitget offre la possibilité d’utiliser un compte démo future. L’argent de ce compte demo est fictif mais il vous permet de vous entrainer. 

De plus, si vous voulez copier les bonnes performances d’un trader, la fonction copy trading est votre amie.

## L’initialisation du compte Bitget

### S’inscrire sur la plateforme

L’inscription sur Bitget est aussi simple que pour les autres plateforme. La petite différence réside dans le fait de **ne pas être obligé d’effectuer un KYC** (vérification d’identité). Comme pour les autres à l’inscription vous avez 2 possibilités : 

- Utiliser le lien [**Cryptorobot**](https://partner.bitget.com/bg/CryptoRobotSIFR) vous permet d’être éligible pour gagner jusqu’à **8000$** via des actions. De plus, durant certaines périodes ce lien offre d’autres **avantages** comme des réductions de frais ou accès à des giveaway.
- Aller sur le site Bitget directement. Dans ce cas de figure vous ne serez éligible qu’à 4000$ sans le reste.

<EXCHANGE_CARD image_name="bitget_fr_1" link="https://partner.bitget.com/bg/CryptoRobotSIFR"/>

Les informations classiques vous seront demandées (mail, nom, mot de passe)

Comme dit plus haut, le KYC n’est pas obligatoire sauf si vous voulez stacker des BGB (le token maison de Bitget, on en repalera).

### Déposer de l’argent et visualisation du portefeuille

Le compte est créé il ne manque plus que de l’argent. Comme pour les différents échangeurs, Bitget propose plusieurs solutions pour le dépôt.

- La première consiste très simplement à déposer de l’argent via votre compte bancaire. Il faudra aller dans l’onglet “Acheter des cryptos” à gauche. Vous devez sélectionner la fonction “Paiement par un tiers”. Plusieurs partenaires vous sont proposés pour le paiement carte ou virement SEPA.
- La deuxième méthode est le transfert d’une crypto via un échangeur ou une blockchain. Dans l’onglet “Actif” en haut à droite vous choisissez l’option “Dépôt”. Faites attention au choix du réseau que vous allez utiliser, qu’il soit en adéquation avec le réseau source.

Une fois que l’argent est déposé sur votre compte ou après avoir tradé des cryptos, vous les retrouverez avec l’option “Actif” dans l’onglet du même nom. Votre portefeuille est divisé selon les différents marchés.

### Bitget propose t’il des sous-comptes ?

Oui Bitget propose des sous-comptes. Il va falloir cliquer sur ce [lien](https://www.bitget.com/fr/mysubaccount/manage).

Il faudra rentrer une adresse email pour un nouveau sous-compte. Le principe est simple, les différents sous-comptes fonctionneront de manière **autonome**. Vous pourrez utiliser des USDT pour différentes stratégies sur différents sous-comptes.

## Comment trader sur Bitget ?

Bitget possède une **forte expertise** sur le marché future avec des volumes conséquents. Le spot est aussi présent pour du DCA ou du hold long terme. 

Je vais détailler les futures de Bitget mais si vous voulez une vision plus précise de ce marché et des différentes astuces je vous invite à aller lire notre article.

Pour commencer avec les futures il faut se rendre dans l’onglet “Futures” et cliquer sur la première option “Compte unifié USDT”.

Vous arrivez sur la page suivante :

![Capture d’écran 2022-09-28 111708.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/Capture_d_ecran_2022_09_28_111708_5399855df0.png)

Ici vous retrouvez toutes les informations fondamentales pour trader : 

- En haut, la liste de toutes les paires disponibles
- Au milieu, l’émulateur TradingView. Vous pouvez rajouter les indicateur par défaut ou dessiner sur le graphique. L’analyse graphique est enregistrée même si vous vous baladez entre les différentes paires.
- En bas la liste de vos ordres en cours mais aussi l’historique de vos transactions futures.
- A droite du graphique, le carnet d’ordre avec les ordres achat et vente en cours.
- A gauche on retrouve la zone pour rentrer en LONG ou en SHORT.

<EXCHANGE_CARD image_name="bitget_fr_1" link="https://partner.bitget.com/bg/CryptoRobotSIFR"/>

Nous allons détailler cette zone.

Le principe est le même pour un **LONG** ou un **SHORT**. Pour effectuer une transaction vous devez définir un prix. Soit vous choisissez le meilleur prix possible actuellement donc le **prix de marché**. Soit vous voulez exécuter la transaction à un prix précis donc un **prix limite**.
Ce choix est à définir dans les choix supérieurs. Une troisième variante est disponible, c’est le “**Trailing Stop**”. le Trailing Stop vous permettra d’ajuster automatiquement votre prix de sortie en fonction de comment se comporte le marché. Par exemple vous entrez en position et vous définissez votre SL (Stop Loss = limite de perte) à 3 %. Si le cours augmente le Trailing Stop va updater la valeur de votre SL à 3% du cours actuel. Le Trailing Stop permet de suivre la tendance.

Pour l’ordre limite, sachez que votre ordre restera en attente dans le carnet d’ordre tant que le cours n’aura pas touché le prix voulu.

En plus du choix de l’ordre il faut bien évidement définir la taille de votre position en fonction du levier.

Si vous voulez en apprendre plus sur les futures et les différentes astuces pour mieux trader, nous avons fait un article dessus ! 

Bitget propose à ses utilisateurs une fonctionnalité très intéressante. En effet, vous avez accès à un **compte démo future de 3000$.** Vous pouvez vous entrainer sur le marché sans prendre de risque avec votre argent ! Les futures font perdre beaucoup donc je vous invite à tester cette partie avant de vous lancer dans le trading avec votre argent.

## Bitget applique t’il des frais compétitifs ?

Les frais sont une notion extrêmement importante pour la réussite de votre trading. Les négliger pourrait vous donner des mauvaises surprises. Sur des algorithmes de trading, les frais ont un impact très élevés sur la performance.

Dans le cas de Bitget, les frais sont résumés sur ce [lien](https://www.bitget.com/academy/en/article-details/Fee-Structure-and-Fee-Calculations-on-Bitget).

Si je devais résumer nous avons 2 types de frais. Les frais **Maker** et **Taker**

- Les frais **Maker** sont les frais qui sont appliqués pour les transactions avec un prix d’exécution précis. Nous parlons ici des **ordres limite** ! Les frais Maker sont de **0.02%**
- Les frais **Taker** sont les frais qui sont appliqués pour les transactions avec une exécution au prix de marché. Ce sont tous les **ordres au marché** ! Les frais Taker sont de **0.06%**

<EXCHANGE_CARD image_name="bitget_fr_1" link="https://partner.bitget.com/bg/CryptoRobotSIFR"/>

Les échangeurs favorisent les ordres limite car ils remplissent le carnet d’ordre donc ils créent le marché. 

Si vous possédez du BGB (le token maison de Bitget) et que vous activez le paiement des frais en BGB vous profitez automatiquement d’une réduction de 20% de vos frais.

## Comment copier les performances d’un trader ?

Contrairement à ses concurrents, Bitget propose de **copier les trades d’un trader**. Qu’est ce que ca veut dire ?

Un trader comme vous et moi effectue des opérations futures sur Bitget. Il peut proposer une fonctionnalité de copy trading où les “**copieurs**” vont copier à l’identique chacun de ses trades automatiquement. Dans l’onglet “Copy Trade” vous retrouvez la liste de tous les traders proposant de les suivre. Il vous suffit juste de cliquer sur suivre et hop votre compte future va **automatiquement** copier tous ses trades. S’il achète en levier 50 du SHIBA vous allez acheter du SHIBA en levier 50. 

Quand vous étudiez la performance d’un Trader vous avez 4 informations principales.

![Capture d’écran 2022-09-28 162816.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/Capture_d_ecran_2022_09_28_162816_0533abcaaa.png)

- le ROI : Le ROI ou retour sur investissement est la performance nette du trader à partir du moment où il a lancé la fonctionnalité.
- Retour cumulé : Le gain net du Trader depuis le lancement
- PNL des copieurs : L’information la plus importante. Elle représente les gains de tous les copieurs. Le Trader peut avoir un ROI positif et pour autant **un PNL des copieurs négatifs**. Par exemple la stratégie ne fonctionne plus ou elle a fait des trades perdants juste après l’ajout d’une grosse somme.
- L’AUM : Il correspond à la somme investie par les copieurs.

Avec ce type de fonction il faut faire attention. Certes la personne ne pourra pas déplacer votre argent mais vous pourriez prendre des positions très mauvaises sans raison. Vous ne savez pas ce qui se cache derrière un trader. **De plus les performances passées ne préjugent pas des performances futures**. 

## Quelques autres outils sur Bitget.

- **La gestion API** : Vous pouvez coder des stratégies de trading sur Bitget. Sur votre petit personnage en haut à droite vous retrouvez la gestion API. Choisissez uniquement la fonction trader dans la création d’une API.
- **Le stacking** : Vous pouvez stacker différents tokens pour recevoir une rémunération en plus de la performance de l’indice. Dans l’onglet “Earn” vous avez la liste des tokens et les rémunération annuelle à coté.
- **Le launchpad** : Investir dans des projets vérifiés par Bitget. Vous aurez le droit à des récompenses via le token du projet.
- **Le Launchpool** : Investir sur une pool de liquidité et générer des tokens précis en fonction de votre investissement.

## Ce qu’on peut en conclure.

Bitget est un **acteur majeur** de l’écosystème des échangeurs crypto. Un marché future très importante couplé à des fonctionnalités nouvelles permettent à la plateforme de se démarquer.

Les frais y sont **avantageux** sans compter la possibilité de vous entrainer via le compte demo. 

Tout est présent sur Bitget pour rendre votre trading plus facile et professionnel.

Si vous n’avez pas encore de compte, n’hésitez pas à passer par notre [lien](https://partner.bitget.com/bg/CryptoRobotSIFR) pour profiter de plus d’avantages.

<EXCHANGE_CARD image_name="bitget_fr_1" link="https://partner.bitget.com/bg/CryptoRobotSIFR"/>

Dans cet article nous allons vous présenter l'échangeur Bitget ! Quelques chiffres, les futures, les frais et le fameux copy trading !  

large_Bitget.png

medium_Bitget.png

small_Bitget.png

thumbnail_Bitget.png

Bitget.png

Comment trader comme un professionnel sur Bitget ?

<TOCInline toc={props.toc} />

## C’est quoi le RSI en crypto ?

Le **RSI** ou “**Relative Strength Index**” est un indicateur de la classe des **oscillateurs**.

Les oscillateurs sont des indicateurs qui en fonction des dynamiques du marché vont varier entre une borne haute et une borne basse.

Le RSI est sûrement l'un des indicateurs le plus plébiscité pour l’analyse chartiste et les stratégies de trading. 

Néanmoins, on a tendance à mal l’utiliser.

Dans cet article vous allez découvrir cet indicateur et surtout comment en profiter **efficacement**. 
<br />

## Comment lire le RSI ?

### La formule du RSI

Tout comme les autres indicateurs, le RSI a pour base une formule mathématique précise.

Le RSI est la relation entre la moyenne des _x_ précédentes hausses et des _x_ précédentes baisses. La variable _x_ représente ici un paramètre de l’indicateur que vous pouvez changer. Si vous prenez un _x_ petit, vous allez considérer la moyenne des hausses/baisses de peu de bougies et donc créer un indicateur réactif. A l’inverse, un _x_ élevé prendra en compte beaucoup de bougies, et donc produire un résultat plus lisse. Le _x_ par défaut est de 14.

Voici la formule :    

![image-12.webp](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/image_12_2b597fa1ec.webp)


### Les bornes du RSI
Via cette formule, le RSI sera compris entre 2 bornes, une à 0 et une à 100. 

A l’intérieur de ces 2 bornes, vous allez retrouver 3 zones distinctes : 

1. La zone entre 30 et 70 qu’on appelle la **zone médiane**. C’est un intervalle où le RSI est dans un état normal.

2. La zone entre 0 et 30 correspond à la **zone de survente**. La survente intervient quand il y a eu une grosse baisse et donc un déséquilibre. On s’attend à ce que le RSI revienne dans la zone médiane. C'est à dire qu'on peut espérer une augmentation du prix à plus ou moins court terme.

3. La zone entre 70 et 100 correspond à la **zone de surachat**. Le surachat intervient quand il y a eu une grosse hausse et donc un déséquilibre. On s’attend à ce que le RSI revienne dans la zone médiane. Et donc, on peut espérer une diminution du prix à plus ou moins court terme.

Les différentes zones sont aussi des paramètres mais je vous conseille de garder 30 et 70.

![Capture d’écran 2022-09-20 135317.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/Capture_d_ecran_2022_09_20_135317_3ad43f2d43.png)

Maintenant que nous avons compris comment se calcule le RSI et comment le lire, nous pouvons commencer à l’utiliser ! 

<br />
## Comment utiliser le RSI en crypto ?

Quand on étudie Youtube, on a l’impression que l’utilisation principale du RSI est de jouer les passages de zones. Quand le RSI arrive en survente il faut acheter, et inversement.

![Capture d’écran 2022-09-19 153638.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/Capture_d_ecran_2022_09_19_153638_609802d65e.png)

Dans l’exemple ci-dessus, à gauche le RSI arrive en surachat et il y reste pendant longtemps ! Vendre à ce moment aurait été une grosse erreur. Le RSI, comme tous les autres indicateurs, a un retard sur le prix. En règle générale utiliser le passage de zone **n’est pas efficace**.

Je vais vous présenter 3 utilisations qui vont vous aider dans votre trading ! 

1. ### L’analyse graphique :

Quand vous regardez le prix d’un actif vous avez l’habitude de tracer des lignes ou des formes pour comprendre les dynamiques. On appelle ca l’analyse graphique. Et on peut faire la même que ce soit avec le RSI ou d'autres indicateurs.

Vous pouvez tracer des **supports** où le RSI rebondit, des **résistances** où il tape, et des **triangles**…. par exemple dans l’exemple ci-dessous, le RSI trace durant plusieurs mois une résistance (ligne verte) descendante où il a tapé à plusieurs reprises. On pouvait s’attendre à une forte pression haussière au moment où le RSI arrivait à casser cette résistance. La résistance a été cassée pour faire décoller le prix et le RSI jusqu’à la zone de surachat.

![Capture d’écran 2022-09-19 180523.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/Capture_d_ecran_2022_09_19_180523_3bb7f9859a.png)

En temps général, les limites des bornes supérieures et inférieures (30 et 70) sont des zones de supports/résistances.

2. ### Les divergences du RSI

Encore une fois on retrouve les **divergences** sur une multitude de sous-jacent. Le principe d’une divergence est de repérer des **dynamiques inverses** entre le prix et l’indicateur. Si le prix augmente mais que l’indicateur baisse, nous avons une divergence baissière. Une divergence baissière signifie qu’on peut s’attendre à ce que le prix arrête sa dynamique haussière pour entamer une baisse généralisée. Sur des timeframes élevées, les divergences donnent des **indications très précises**. Même principe pour les divergences haussières. 

Malheureusement c’est assez compliqué de les automatiser via un algorithme. Mais je vous conseille quand même d’y faire attention ! 

![Capture d’écran 2022-09-19 183012.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/Capture_d_ecran_2022_09_19_183012_74bc970a49.png)

Une divergence baissière est bien visible sur cet exemple. Certes le prix est allé un peu plus haut mais c’était une première indication sur la perte de force de la dynamique haussière. L’idée n’est pas de clôturer entièrement vos positions, mais plutôt de vous forcer à prendre des profits quand ça arrive. A l’inverse, sur des divergences haussières, c’est l’occasion de rentrer sur le marché comme montré sur le deuxième exemple.

Les divergences peuvent aussi vous aider dans le choix des stratégies que vous voulez mettre en place. Si vous avez développé des stratégies bearish et bullish, des divergences en daily sont des bonnes indications.

3. ### Le RSI couplé à un autre indicateur

Plus haut je vous ai indiqué qu’utiliser le RSI seul n’est pas une bonne idée. Néanmoins, profiter de ces bornes pour **confirmer** ou non des transactions est pertinent. Quand vous développez des stratégies de trading, vous allez choisir un panier d’indicateurs. Vous aurez besoin d’un ou de plusieurs de ces indicateurs pour définir des entrées ou des sorties de position.

Par exemple, je décide de prendre l’indicateur “Supertrend” pour rentrer en position à un moment précis. L’idée avec le RSI est de confirmer et de définir le moment idéal pour rentrer ou sortir du marché. Nous avons fait une [stratégie](https://www.youtube.com/watch?v=nj_1IiVQ28Q) avec cet indicateur si vous voulez voir.

Par exemple, si ma Supertrend me dit de rentrer, je vais vérifier que mon RSI n’est pas en surachat et inversement. Cela va vous permettre d’éviter d’acheter quand il y a déjà eu beaucoup d’achats. Et donc qu'on s’attend à un retour à la normal, ou une correction. Avec cette technique, vous n’allez pas rentrer sur une grosse bougie verte mais plutôt sur la **bougie rouge suivante**. Sur du long terme vous allez optimiser votre trading. Sur le court terme, quelques fois cette technique vous empêchera de rentrer quand le marché monte brusquement. Ce qui vous amputera d’une belle performance.

Pour du trading automatisé, utiliser le RSI de cette manière permet de perfectionner vos stratégies facilement. Je vous invite à backtester vos stratégies via nous outils sur notre [github](https://github.com/CryptoRobotFr) où en regardant nos différentes [stratégies](https://www.youtube.com/watch?v=nj_1IiVQ28Q&list=PLpJ7cz_wOtsrqEQpveLc2xKLjOBgy4NfA&index=9).

En règle générale il faut considérer le trading sur du **long terme** où les soubresauts du marché seront lissés.
<br />
<br />
## Ce qu’on peut en conclure ?

Le RSI est un indicateur simple mais **efficace**. Il est très souvent mal utilisé sur les ressources que vous pouvez trouver sur internet. Via les 3 techniques ci-dessus, votre analyse graphique et vos créations de stratégies en sortiront embellies.

Quand vous avez une stratégie de trading, n’hésitez pas à rajouter le RSI pour étudier la différence de performances, drawdown, winrate….

Rajoutez systématiquement le RSI sur vos graphiques pour détecter des **divergences** qui peuvent vous sauver une partie de votre investissement.

Commencez à construire un **plan** précis si une divergence en daily arrive, DCA, prise de profit, management de portefeuille…

L'indicateur RSI est un des plus connu mais savez-vous comment l'utiliser efficacement ?

large_luke-chesser-JKUTrJ4vK00-unsplash.jpg

medium_luke-chesser-JKUTrJ4vK00-unsplash.jpg

small_luke-chesser-JKUTrJ4vK00-unsplash.jpg

thumbnail_luke-chesser-JKUTrJ4vK00-unsplash.jpg

luke-chesser-JKUTrJ4vK00-unsplash.jpg

Comment Utiliser le RSI en Crypto ?

Que vous fassiez du trading manuel ou que vous utilisiez des bots de trading, un défi se pose rapidement : **comment suivre précisément vos performances** et obtenir facilement des insights de vos activités. Des questions telles que :

- Quelle stratégie génère un PnL positif ?
- Quelles cryptomonnaies ont conduit à des gains ?
- Lesquelles devrais-je abandonner ?
- Les positions **longs** et **shorts** ajoutent-elles réellement de la valeur à mon portefeuille ?

Doivent avoir des réponses précises. Bien sûr, il existe des outils payants, mais aujourd'hui, nous allons vous montrer comment utiliser votre propre **outil gratuit et efficace** que nous avons mis en open source, que vous pouvez utiliser et améliorer à votre guise. Par exemple, en seulement **trois clics**, vous pouvez obtenir un graphique de votre PnL comme celui ci-dessous, et bien plus encore.

**Remarque :** Ce que nous allons faire aujourd'hui est également un modèle que vous pourriez utiliser pour créer votre propre outil de déclaration fiscale, car nous allons utiliser les mêmes routes que les services de déclaration fiscale en ligne payants utilisent pour effectuer les calculs pour vous !

## Analysez la performance de votre trading crypto gratuitement avec Python

### Utilisez les Tax Endpoints pour analyser votre portefeuille de trading en Python

Cette solution se résume à un **“petit” Jupyter Notebook Python** que nous avons développé pour **Bitget** et le marché des futures pour le moment. C'est une base que vous pouvez utiliser pour le rendre compatible avec d'autres marchés ou plateformes d'échange de cryptomonnaies. Vous le trouverez en open source [ici](https://github.com/CryptoRobotFr/Backtest-Tools-V2/blob/main/analytics/other/analyse_pnl_bitget.ipynb).

Aujourd'hui, nous n'entrerons pas dans les détails du code et de ses calculs, mais nous illustrerons principalement ce qu'il peut produire. Mieux encore, nous utiliserons un compte où nous avons testé un bot de trading comme exemple pour mener une analyse de performance avec ce code. Nous garderons sa configuration pour la dernière partie de cet article. Cette configuration est très simple, et une fois cela fait, exécuter le code revient simplement à **un clic** !

### Comprenez et exploitez les données du Tax Endpoint pour votre analyse crypto

La première étape pour comprendre ce que ce code peut faire—et éventuellement pour l'utiliser pour vos propres analyses ou même l'améliorer—est de comprendre les données qu'il traite.

Le code accède automatiquement à ce qu'on appelle le **Tax Endpoint**, une URL où les données du compte que vous avez choisi d'analyser sont stockées. Cette sélection se fait en créant des clés API pour le compte (nous couvrons ces étapes dans la dernière partie). Ainsi, les données sont très spécifiques aux informations nécessaires pour la déclaration fiscale.

**Notez** que les informations que nous récupérons du **Tax Endpoint** ne sont pas limitées dans le temps : vous pouvez remonter jusqu'à la création de votre compte. Cependant, le type d'informations est limité. Si vous voulez plus de détails pratiques sur ce endpoint, consultez la documentation de Bitget : [Get Future Account Record](https://www.bitget.com/api-doc/common/tax/Get-Future-Account-Record).

En résumé, nous n'obtenons pas d'informations sur l'état des positions à intervalles réguliers ni les détails des ordres—donc pas d'informations sur les stop loss, take profit, etc. Ces données sont simplement l'enregistrement de tous les mouvements/événements sur le compte. Cela se résume à un tableau de données comme celui-ci :

![image 1.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/image_1_70968af2fc.png)

Chaque ligne correspond à un événement caractérisé par :

- **id** : l'identifiant de l'événement
- **symbol** : présent uniquement lorsque c'est pertinent pour le type d'événement
- **marginCoin** : la devise dans laquelle la colonne **“amount”** est exprimée
- **futureTaxType** : indique le type d'événement (ouverture/fermeture de position, transfert, frais de financement…)
- **amount** : le montant impliqué dans l'événement, exprimé en unités de **“marginCoin”**
- **fee** : les frais de trading
- **ts** : la date de l'événement au format timestamp

Le défi du code utilisant ces données est donc de **reconstruire toutes les métriques importantes** à partir de celles-ci.

Une des premières choses que le code vous permet de faire est de séparer clairement toutes les informations de trading via l'appel `records_manager.trades`, qui afficherait quelque chose comme ceci :

![image 2.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/image_2_e73f0aa632.png)


Tandis que le reste des informations, de type gestion de compte, est extrait grâce à `records_manager.extra_records`. Vous obtiendrez quelque chose comme ceci :

![image 3.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/image_3_d5c813d7c7.png)

<EXCHANGE_CARD image_name="bitget_fr_1" link="https://partner.bitget.com/bg/CryptoRobotSIFR"/>

### Analysez la performance globale de votre compte de trading crypto avec Python

Prenons un exemple pour illustrer une analyse approfondie que ce code vous permet de réaliser. Nous avons utilisé le compte où nous avons testé différentes configurations de notre bot sur la **stratégie Envelope**. Les résultats ne sont donc pas nécessairement cohérents dans le temps, mais c'est un bon support pour vous montrer les possibilités du code.

Il s'agit d'un bot de trading entièrement automatisé que nous avons développé. La stratégie sous-jacente est une stratégie de retour à la moyenne visant à capturer les anomalies de volatilité en définissant des niveaux d'entrée et de sortie en utilisant des enveloppes autour d'une moyenne de prix à court terme. Tout cela est open source et gratuit. Si vous êtes intéressé pour en savoir plus, [voici](https://crypto-robot.com/blog/envelope-trading-strategy) l'article où vous trouverez toutes les ressources sur ce bot (vidéos, code, etc.).

Probablement la première chose que nous voulons savoir en un clic est la **performance globale** du compte en quelques chiffres. La méthode `records_manager.print_global_analysis()` s'en charge et nous donne :

![image 4.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/image_4_f64d5ddf39.png)

Cette méthode calcule quelques métriques générales importantes :

- Le plus important : le PnL total (somme des gains et pertes)
- Le nombre de trades total
- Le win rate (ratio de trade gagnant/perdant)
- Mais aussi d’autres métriques souvent sous estimé comme les frais (Fees et Funding Fees)

Il est toujours judicieux de savoir sur combien de trades l'analyse est basée ; trop peu implique généralement que toute statistique sur la performance d'une stratégie n'est pas représentative de son comportement général. Aucune analyse ne peut omettre un calcul du **taux de réussite**. Vous ne devriez pas être surpris dans notre exemple de trouver le taux de réussite très élevé caractéristique de la **stratégie Envelope**. En effet, avec ce type de stratégie—chasser les corrections rapides de volatilité—il est nécessaire d'avoir un taux de réussite très élevé pour que la stratégie soit réussie. Nous visons généralement toujours plus de **70 %**.

Un avantage précieux de cette analyse est qu'elle fournit également une évaluation de la performance des deux types de positions indépendamment pour des insights supplémentaires. Dans notre exemple, nous pouvons voir qu'en moyenne, avec les configurations testées pour ce bot, les **shorts** sont principalement perdants : **PnL négatif** et taux de réussite trop bas. On pourrait alors conclure qu'il est préférable d'empêcher le bot de prendre des shorts ou peut-être revoir la configuration des paramètres pour ces positions.

La performance globale reste attractive et pourrait probablement être optimisée grâce à cette amélioration.

### Visualisez vos performances de trading avec des graphiques PnL en Python

Après un bref aperçu des statistiques, **les graphiques parlent toujours plus fort**. Voir l'évolution de notre capital et le PnL généré par les trades est essentiel pour une analyse rapide. Pour cela, la méthode `records_manager.plot_over_time(metric="PnL", show_transfers=True)` est idéale. Le paramètre `metric` peut être changé en `Pnl Pct` et `Capital` pour sélectionner chaque graphique. Pour notre compte, nous avons obtenu :

![image 5.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/image_5_1d60ec6932.png)

![image 6.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/image_6_98d788d57c.png)

![image 7.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/image_7_f965938f06.png)

Nous avons ajouté une option pour visualiser où les **transferts de fonds** ont eu lieu, afin d'éviter de confondre les variations dues aux retraits ou dépôts avec les gains/pertes générés par les trades.

Ces courbes sont assez typiques de la stratégie Envelope, où malgré la diversification du bot sur une vingtaine de cryptos, les gains ne sont pas réguliers mais présentent plutôt des augmentations soudaines. C'est une conséquence des corrélations entre cryptos, qui affectent même les anomalies de volatilité. Notez que la période analysée était assez calme sur le marché des cryptos—évoluant sans beaucoup d'activité—ce qui explique les longues périodes horizontales où aucun trade n'a eu lieu.

### Analysez la performance de chaque paire de cryptomonnaies pour optimiser vos stratégies

Ce type de graphique et de statistiques informe sur le comportement du **portefeuille global**, mais il peut être pertinent d'avoir une analyse plus détaillée de la performance de chaque **coin** tradé.

Pour évaluer si les métriques sont fiables, il est important de savoir sur **combien de trades** elles sont calculées. Un simple `records_manager.plot_per_pair(metric="Trades")` permet cela :

![image 8.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/image_8_64385a0243.png)

Nous constatons que de nombreuses cryptomonnaies ont eu **trop peu de trades** pour porter un jugement précis sur leur performance. Cependant, parmi celles qui ont beaucoup de trades, nous pouvons voir dans le **PnL** ci-dessous, obtenu avec `records_manager.plot_per_pair(metric="Pnl")`, que **FETUSDT** a très bien performé. Il serait probablement judicieux de conserver ses paramètres ou même d'augmenter le capital qui lui est alloué. À l'inverse, **PENDLEUSDT**, compte tenu de son nombre de trades, a vraiment sous-performé. Cela pourrait indiquer que nous devrions modifier ses paramètres ou l'exclure de la stratégie. Nous pouvons également noter **SOLUSDT**, qui semble prometteur.

![image 9.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/image_9_50bbbc027a.png)

Pour optimiser notre utilisation du capital, il est également utile de vérifier le **taux de réussite** spécifique à chaque crypto. Pour celles ayant suffisamment de trades pour être évaluées, un taux de réussite plus bas peut être suspect. S'il est bien en dessous de celui observé lors de la conception de la stratégie—par exemple, lors du backtesting et de l'optimisation—cela peut signaler un **surapprentissage**. Les paramètres de la stratégie pour cette cryptomonnaie ont bien fonctionné dans le passé, trop bien ; ils étaient trop ajustés aux données historiques et ne s'adaptent pas aux nouvelles conditions du marché.

![image 10.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/image_10_73abe60f3d.png)

Cette analyse peut être approfondie avec la méthode `records_manager.plot_per_trade_type(metric="Win Rate", results="ADAUSDT")`, qui génère des graphiques de la métrique choisie pour les résultats sélectionnés, soit un symbole de paire soit `global`. Par exemple, dans le graphique ci-dessous, nous voyons que le taux de réussite de **TIAUSDT** était excellent pour les longs mais terrible pour les shorts. Autrement dit, le faible taux de réussite initialement repéré sur le graphique par paire est probablement dû au fait que les **shorts sabotaient la performance des longs**. Cela suggère que la stratégie n'est peut-être pas très efficace pour les shorts, ou que les paramètres qui fonctionnent bien pour les longs ne conviennent pas aux shorts.

![tiausdt.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/tiausdt_1cd37ec69a.png)

<EXCHANGE_CARD image_name="bitget_fr_1" link="https://partner.bitget.com/bg/CryptoRobotSIFR"/>

## Comment configurez cet outil gratuit d'analyse de performance trading

Si vous êtes arrivé jusqu'ici, vous souhaitez probablement savoir comment configurer ce code pour vous-même. C'est assez simple. Il se présente sous la forme d'un **Jupyter Notebook**. Vous pouvez l'exécuter avec l'IDE gratuit **VSCode**. Si vous avez besoin d'aide pour l'installer et pour le langage Python, vous pouvez suivre notre [tutoriel](https://crypto-robot.com/formations/python-finance/0).

La première cellule du Jupyter Notebook contient tous les **imports**, **fonctions** et **classes** que nous avons développés pour le code. Vous n'avez rien à modifier ici ; il suffit de l'exécuter.

### Configurez votre clé API Bitget et préparez votre compte pour l'analyse en Python

Passons ensuite à la cellule importante qui contient la configuration du compte que vous souhaitez analyser. Voici son contenu :

```python
api_setup = {
    "apiKey": "",
    "secret": "",
    "password": "",
}
portefolio_start_date = "2024-03-01"
records_manager = RecordsManager(api_setup, portefolio_start_date)
```

Dans `api_setup`, insérez les informations de votre clé API (`apiKey`, `secret`, `password`) du compte sur lequel vous voulez effectuer l'analyse. Comme nous avons seulement besoin de **lire** les informations de notre compte, la clé ne nécessite que les permissions de **lecture**. Nous n'accéderons qu'au **Tax Endpoint**, qui est l'URL de notre compte contenant les informations importantes pour la fiscalité (PnL, etc.). Cochez simplement l'option **search** dans taxation, comme indiqué dans la capture d'écran ci-dessous :

![image 11.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/image_11_5d09a06613.png)

Un autre paramètre important à définir est `portefolio_start_date`. Il doit s'agir de la date la plus ancienne à laquelle vous avez commencé à avoir de l'activité sur le compte. Il est crucial de ne pas la fixer à une date ultérieure, sinon le code ne téléchargera pas les enregistrements les plus anciens. Cela entraînerait des reconstructions incorrectes du capital dans le temps et du PnL. En effet, certains trades ou transferts manqueraient, et le capital final reconstruit différerait du capital réel sur votre compte.

### Personnalisez la période d'analyse pour une évaluation précise de vos performances de trading

<EXCHANGE_CARD image_name="bitget_fr_1" link="https://partner.bitget.com/bg/CryptoRobotSIFR"/>

Une fois que vous avez configuré la clé API dans le Jupyter Notebook, un seul clic sur **“Exécuter tout”** vous permet d'exécuter tout le code, comme illustré ci-dessous.

![image 12.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/image_12_7f849fe111.png)

Bien que `portefolio_start_date` doive être défini à la date la plus ancienne du portefeuille (sinon le code ne produira pas de résultats corrects), nous souhaitons pouvoir choisir une période d'analyse spécifique. En effet, vous pourriez vouloir utiliser les résultats pour des rapports mensuels, hebdomadaires ou annuels.

Pour cela, c'est dans l'appel à la fonction d'analyse que la date peut être spécifiée, comme ceci :

```python
records_manager.analyse()  # analyser la période complète
# records_manager.analyse(start_date="2024-07-01")  # analyser à partir d'une date spécifique
# records_manager.analyse(start_date="2024-07-01", end_date="2024-11-10")  # analyser une période spécifique
```

Vous pouvez commenter ou décommenter la ligne que vous souhaitez exécuter.

À partir de là, tout se déroule automatiquement. Le reste des cellules contient toutes les méthodes que nous avons évoquées lors de notre analyse de performance précédente. Ainsi, un clic sur **“Exécuter tout”** les exécutera automatiquement. Bien sûr, n'hésitez pas à organiser les cellules et les graphiques selon vos besoins pour produire votre analyse.

Vous disposez désormais de cet **outil puissant** pour analyser efficacement vos activités et obtenir des insights approfondis afin d'optimiser davantage vos stratégies. Nous vous souhaitons le meilleur dans vos entreprises de trading !

Analysez vos performances crypto gratuitement avec un Jupyter Notebook Python et un Tax Endpoint. Suivez votre portefeuille, visualisez votre PnL et optimisez vos stratégies avec cet outil open source.

medium_image.png

small_image.png

thumbnail_image.png

image.png

Optimisez vos stratégies de trading : analysez le PnL et les métriques de performance avec Python

Hyperliquid a fait le buzz grâce à son airdrop géant, l’un des plus grands jamais réalisés, d’une valeur de **1,6 million de dollars en HYPE** ! Vous vous demandez peut-être pourquoi et comment ont-ils réussi cela ? Nous aussi ! 

Nous avons exploré cette plateforme et avons compris les raisons de son succès. **Hyperliquid** est très bien conçue, simple, conviviale et propose une **API** parfaitement adaptée au *trading algorithmique*. Toutes les fonctionnalités de trading manuel souhaitables y sont présentes. Ajoutez à cela le principal avantage des DEX : vous tradez directement avec les fonds présents sur votre **wallet**, sans intermédiaire. De plus, Hyperliquid offre des frais de trading très alléchants. Vous avez là une « petite usine à gaz » qui plaira à de nombreux algotraders.

Ceci étant dit, entrons dans le concret et laissez-nous vous guider sur la manière de trader de façon algorithmique sur Hyperliquid, avec un petit jupyter notebook Python open source à l’appui (vous le trouverez [ici](https://github.com/CryptoRobotFr/General-code-trading-bot/blob/main/tuto_hyperliquid.ipynb)). Si vous souhaitez voir notre vidéo expliquant, étape par étape, **comment créer votre premier trading bot** sur Hyperliquid, la voici ci-dessous.

<MDX_YT videoId="8XbLghf0KLg"/>

## Démarrage sur Hyperliquid : Création de Compte et Configuration Initiale

### Se Connecter à Hyperliquid : Via Wallet ou Email

Vous trouverez le site officiel de **“Hyperliquid” et un bonus de rédéuction de frais** ici : [https://app.hyperliquid.xyz/join/CRYPTOROBOT](https://app.hyperliquid.xyz/join/CRYPTOROBOT).

Pour pouvoir trader, la première étape est de lier votre compte à des fonds. Deux choix s’offrent à vous :

- **Lier directement un wallet**
- **Configurer votre compte avec une adresse e-mail**

Voyons rapidement la marche à suivre dans les deux cas.

1. Cliquez sur **“Connect”** afin d’ouvrir le panneau (2).
2. Vous verrez ensuite les choix qui s’offrent à vous : l’option e-mail, des wallets déjà préconfigurés (WalletConnect, OKX, Coinbase) et un champ libre pour un autre wallet éventuel.
3. Si vous avez une extension de wallet dans votre navigateur, comme **Metamask**, vous aurez ce choix en deuxième position dans le panneau (2). Cliquez dessus. Une notification sera alors envoyée à votre extension de wallet. Rendez-vous sur l’extension, acceptez la connexion et suivez les étapes d’acceptation pour finaliser la liaison.

![image 1.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/image_1_a30afba305.png)

Si vous n’avez pas d’extension de wallet connectée dans votre navigateur, le panneau (2) ressemblera à ceci, avec un “default wallet” à la place :

![wallet_default.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/wallet_default_afc4b2227f.png)

Si vous choisissez la voie de l’e-mail, vous devrez renseigner un code de vérification envoyé par mail. Ensuite, pour déposer des coins sur votre compte, c’est très simple : cliquez sur le bouton **“Deposit”** en haut à droite (1 sur le screenshot ci-dessous).

![image 2.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/image_2_799b72b519.png)

En (2), vous voyez l’adresse sur laquelle déposer. Notez bien que, pour l’instant, **uniquement des USDC sur le réseau Arbitrum One** sont pris en charge. Si vous faites un transfert, veillez à sélectionner le bon réseau, sinon vos coins s’évaporeront dans l’**ether** (jeu de mots voulu !). Une fois le dépôt effectué, vous verrez votre solde apparaître dans vos balances en (3).

### Naviguer dans l’Interface de Trading Crypto sur Hyperliquid

Avec vos coins en place, vous pouvez commencer à trader. Comme le montre l’image ci-dessous, l’interface est très similaire à celle d’un **CEX** :

- (1) Une grande variété de marchés et de coins est disponible.
- (2) Vous pouvez placer vos ordres de la même manière que sur un exchange centralisé.

![image 3.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/image_3_32402d2d41.png)

Vous disposez d’une panoplie riche d’ordres :

- Ordres **limite** ou **marché**
- Ordres avec **stop loss** et **take profit**
- Ordres plus complexes : stop limit, stop market, TWAP, Scale, option reduce only
- Choix du mode de marge et du levier pour le marché futures, etc.

Mais arrêtons-nous ici pour le trading manuel. Notre objectif est d’explorer le **trading algorithmique**. Nous verrons donc comment placer ce type d’ordres, obtenir des informations sur les marchés et les positions, le tout en Python.

## Obtenir des Clés API et S'Authentifier avec Hyperliquid en Python

### Générer vos Clés API Wallet sur Hyperliquid

La première étape pour réaliser du trading via un code est de créer des **clés API**. Celles-ci autoriseront votre code à placer des ordres pour vous. L’un des grands avantages d’Hyperliquid est que les clés API sont des **“API Wallets”** (ou “agent wallets”). Vous n’avez donc jamais besoin de renseigner les codes d’accès de votre wallet externe. De plus, ces clés API peuvent placer des ordres, mais jamais effectuer de transferts, offrant une sécurité supplémentaire.

Pour créer cela sur Hyperliquid :

- Rendez-vous dans la rubrique **“More”** (1 dans le screenshot ci-dessous).
- Donnez un nom à votre clé, générez son adresse (3) puis autorisez-la en cliquant sur (4).

![image 4.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/image_4_040fe23630.png)

Après avoir cliqué sur **“Authorize”**, une fenêtre s’ouvrira.

- Indiquez le nombre de jours de validité (1), 180 étant le maximum.
- Copiez la **clé privée du wallet** (2), indispensable pour votre code.

![image 5.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/image_5_ab1f9fa9c1.png)
 
### S’Authentifier avec le DEX Hyperliquid en Python (ccxt)

Une autre bonne nouvelle : Hyperliquid est supporté par la librairie **ccxt**. Celle-ci regroupe les API de centaines d’exchanges sous une même structure. Plus besoin de gérer chaque particularité d’exchange ou de vous soucier du cryptage de signature, ccxt s’en charge.

La première étape consiste à configurer l’authentification avec la clé API que nous venons de créer, dans la première cellule du Jupyter Notebook. Avec CCXT, cela se fait simplement après son importation :

```python
import ccxt

dex = ccxt.hyperliquid({
    "walletAddress": "", # /!\ Adresse publique de votre compte
    "privateKey": "",    # Clé privée de la clé API
})
```

Il y a une subtilité importante ici. Dans **“walletAddress”**, il ne faut **pas** donner l’**“API Wallet Address”** de la clé API que nous venons de créer, mais bien l’**adresse publique de votre compte/wallet**. Vous pouvez la trouver en haut à droite de la page web en cliquant sur votre compte/adresse. Vous pouvez facilement la copier grâce au bouton copie (1).

![image 6.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/image_6_db5909b184.png)

Pour la **"privateKey"**, vous devez renseigner la clé privée de l’API Wallet que vous venez de créer. Une fois cela fait, vous pouvez exécuter la cellule.

Pour vérifier que les informations saisies sont correctes, exécutez la cellule suivante qui contient la méthode `fetch_balance`. Cela permettra de confirmer l'absence d'erreur et d'afficher les fonds disponibles dans votre wallet, comme illustré ci-dessous :

```python
dex.fetch_balance()
```

Ce qui affichera:

```json
{'info': {'marginSummary': {'accountValue': '19.913163',
   'totalNtlPos': '0.0',
   'totalRawUsd': '19.913163',
   'totalMarginUsed': '0.0'},
  'crossMarginSummary': {'accountValue': '19.913163',
   'totalNtlPos': '0.0',
   'totalRawUsd': '19.913163',
   'totalMarginUsed': '0.0'},
  'crossMaintenanceMarginUsed': '0.0',
  'withdrawable': '19.913163',
  'assetPositions': [],
  'time': '1733403498591'},
 'USDC': {'total': 19.913163, 'free': 19.913163, 'used': 0.0},
 'timestamp': 1733403498591,
 'datetime': '2024-12-05T12:58:18.591Z',
 'free': {'USDC': 19.913163},
 'used': {'USDC': 0.0},
 'total': {'USDC': 19.913163}}d
```

Nous avions déposé 20 USDC pour ce tutoriel, nous les retrouvons donc (moins les frais de transfert).

## Trader des Cryptomonnaies sur le DEX Hyperliquid en Python

### Placer des Ordres au Marché en Python sur Hyperliquid DEX

Nous sommes maintenant prêts à placer des ordres. Rien de tel qu’un **ordre au marché** pour commencer ! Avec **ccxt**, c’est très simple : on utilise la méthode `create_order`, comme ceci :

```python
symbol = "ETH/USDC:USDC"
market_type = "market"
side = "buy"
amount = 0.01
price = dex.load_markets()["ETH/USDC:USDC"]["info"]["midPx"]

dex.create_order(symbol, market_type, side, amount, price=price)
```

Nous avons au préalable défini les caractéristiques de notre ordre :

- **Symbole :** ici `ETH/USDC:USDC`, signifiant la paire ETH/USDC sur le marché futures.
- **Type :** `market` (ordre au marché).
- **Side :** `buy` (achat).
- **Quantité :** 0,01 ETH.
- **Prix :** obtenu via le “midPx” (moyenne entre le meilleur bid et ask).

**Particularité d’Hyperliquid :** même pour un ordre au marché, il faut renseigner un *prix*. Si on ne le fait pas, on obtient une erreur indiquant :

“ArgumentsRequired: hyperliquid market orders require price to calculate the max slippage price. Default slippage can be set in options (default is 5%).”

C’est une sécurité pour éviter qu’un ordre market ne s’exécute trop loin du prix souhaité.

Nous utilisons donc une estimation du prix au moment du placement de l’ordre, en demandant le “mid price” de l’ETH à Hyperliquid. Cela se fait grâce à la méthode `load_markets()` de ccxt qui récupère toutes les informations caractérisant chaque marché sur la plateforme. Une fois le `create_order` exécuté, nous obtenons une réponse sous forme de JSON, ci-dessous, contenant toutes les informations de l’ordre. 

```json
{'info': {'filled': {'totalSz': '0.01',
   'avgPx': '3564.6',
   'oid': '52344575851'}},
 'id': '52344575851',
 'clientOrderId': None,
 'timestamp': None,
 'datetime': None,
 'lastTradeTimestamp': None,
 'lastUpdateTimestamp': None,
 'symbol': None,
 'type': None,
 'timeInForce': None,
 'postOnly': None,
 'reduceOnly': None,
 'side': None,
 'price': None,
 'triggerPrice': None,
 'amount': 0.01,
 'cost': None,
 'average': 3564.6,
 'filled': None,
 'remaining': None,
 'status': None,
 'fee': None,
 'trades': [],
 'fees': [],
 'stopPrice': None,
 'takeProfitPrice': None,
 'stopLossPrice': None}
```

Comme c’était une **ouverture de position “long” sur un marché futures**, on retrouve cette position sur la page web, sous le graphique.

![image 8.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/image_8_ac63811994.png)

### Récupérer les Informations sur les Positions Ouvertes en Python

Une fois une ou plusieurs positions ouvertes, il est très utile de pouvoir obtenir leurs caractéristiques : taille, sens (long/short), prix de liquidation, PnL latent, marge initiale, etc.

Pour cela, utilisez la méthode `fetch_positions` de ccxt :

```json
symbols = ["ETH/USDC:USDC"]
dex.fetch_positions(symbols)
```

Le paramètre de la fonction est une liste contenant les symboles pour lesquels vous souhaitez récupérer les informations des positions. Pour notre exemple, la réponse obtenue est la suivante :

```json
[{'info': {'type': 'oneWay',
   'position': {'coin': 'ETH',
    'szi': '0.01',
    'leverage': {'type': 'isolated', 'value': '2', 'rawUsd': '-19.675763'},
    'entryPx': '3932.4',
    'positionValue': '39.21',
    'unrealizedPnl': '-0.114',
    'returnOnEquity': '-0.00579799',
    'liquidationPx': '1987.45080808',
    'marginUsed': '19.534237',
    'maxLeverage': '50',
    'cumFunding': {'allTime': '0.0',
     'sinceOpen': '0.0',
     'sinceChange': '0.0'}}},
  'id': None,
  'symbol': 'ETH/USDC:USDC',
  'timestamp': None,
  'datetime': None,
  'isolated': True,
  'hedged': None,
  'side': 'long',
  'contracts': 0.01,
  'contractSize': 1.0,
  'entryPrice': 3932.4,
  'markPrice': None,
  'notional': 39.21,
  'leverage': 2.0,
  'collateral': 19.534237,
  'initialMargin': 19.534237,
  'maintenanceMargin': None,
  'initialMarginPercentage': None,
  'maintenanceMarginPercentage': None,
  'unrealizedPnl': -0.114,
  'liquidationPrice': 1987.45080808,
  'marginMode': 'isolated',
  'percentage': 0.5835907488989714}]
```

### Clôturer une Position en Python sur Hyperliquid

Une autre raison pour laquelle la récupération des informations de position est utile : **clore une position**. Si nous souhaitons fermer la totalité d’une position longue, il est judicieux d’obtenir sa taille totale grâce à `fetch_positions`.

```python
symbol = "ETH/USDC:USDC"
market_type = "market"
side = "sell"
amount = dex.fetch_positions([symbol])[0]["contracts"]
price = dex.load_markets()["ETH/USDC:USDC"]["info"]["midPx"]

dex.create_order(symbol, market_type, side, amount, price=price, params={"reduceOnly":True})
```

Ici, comme nous fermons un long, nous ouvrons un ordre inverse (side = "sell"). Très important : nous ajoutons le paramètre `"reduceOnly": True` pour indiquer qu’il s’agit d’une fermeture de position existante, et non de l’ouverture d’une nouvelle. Notez que le montant à clôturer est récupéré grâce à `fetch_positions` (via `"contracts"`).

Si vous souhaitez bénéficier de **réductions sur les frais de trading** avec Hyperliquid, vous pouvez créer un compte via ce lien [https://app.hyperliquid.xyz/join/CRYPTOROBOT](https://app.hyperliquid.xyz/join/CRYPTOROBOT).

### Placer un Ordre Limite en Python sur Hyperliquid

Passons maintenant à un **ordre limite**. Le principe reste le même, il suffit d’adapter le type d’ordre :

```python
symbol = "ETH/USDC:USDC"
market_type = "limit"
side = "buy"
amount = 0.01
price = 3300

order = dex.create_order(symbol, market_type, side, amount, price=price)
print(order)
```

Nous stockons l’ordre dans la variable `order` pour accéder à ses informations, par exemple son `id`. Tant que le prix du marché n’atteint pas le niveau défini (3300 USDC/ETH dans cet exemple), l’ordre reste “open” et vous pouvez le voir dans la rubrique “open orders” sous le graphique.

Tant que le prix de la cryptomonnaie n’atteint pas celui spécifié dans l’ordre limite, l’ordre reste en attente. Vous le trouverez dans la section **“Open Orders”**, située sous le graphique, comme illustré dans la capture d’écran ci-dessous.

![image 9.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/image_9_5c0acdf5b4.png)

### Annuler des Ordres en Python sur Hyperliquid

Une autre raison pour laquelle nous avons stocké les informations de l’ordre dans la variable `order` est de pouvoir facilement récupérer l’ID de l’ordre, un élément indispensable pour identifier et gérer cet ordre. Par exemple, si nous souhaitons l’annuler, cela peut être fait simplement avec la méthode `cancel_order` de CCXT, comme illustré ci-dessous :

```python
symbol = "ETH/USDC:USDC"
order_id = order["id"]

dex.cancel_order(order_id, symbol)
```

## Techniques Avancées de Trading sur le DEX Hyperliquid en Python

### Modifier le Levier et le Mode de Marge sur Hyperliquid via Python

Avant d’ouvrir une position, il est important de définir correctement le levier et le mode de marge pour ajuster l’exposition et le risque. Les configurations par défaut ne correspondent pas nécessairement à vos besoins.

Sur Hyperliquid, vous avez le choix entre deux modes :

- **Isolated** : limite la marge à la position en cours.
- **Cross** : utilise la totalité de vos fonds disponibles pour soutenir vos positions ouvertes.

En outre, vous pouvez spécifier la valeur du levier souhaité.

Pour ajuster ces paramètres via CCXT, utilisez la méthode `set_margin_mode`, comme montré ci-dessous :

```python
symbol = "ETH/USDC:USDC"
margin_mode = "isolated"  # peut être "cross" si vous le souhaitez
leverage = 2              # exemple : levier x2

dex.set_margin_mode(margin_mode, symbol, params={"leverage": leverage})
```

Une fois défini, ce paramètre s’appliquera aux positions futures ouvertes sur **ce symbole**. 

### Placer des Ordres Take Profit et Stop Loss en Python sur Hyperliquid

Après avoir ouvert une position, il est parfois souhaitable, selon la stratégie de trading que vous avez en tête, de placer des ordres de **Take Profit** (prendre profit) et de **Stop Loss** (arrêt des pertes) afin de gérer vos risques et sécuriser vos gains.

Dans ce cas, on utilise encore la méthode `create_order`. Si notre position était un long, un take profit est une sortie, donc nous configurons `side="sell"`. Le `price` devient obsolète pour ce type d’ordre, mais nous devons tout de même le renseigner, sinon une erreur sera générée. Concernant la taille, si l’on souhaite faire un *take profit partiel*, on peut renseigner un `"amount"` plus petit que la taille de la position ouverte. Pour un *take profit total*, nous pouvons utiliser l’astuce de prendre directement la taille de la position grâce à la méthode `fetch_positions`.

Enfin, le prix auquel le take profit doit se déclencher est renseigné dans les paramètres spéciaux de la méthode, avec l’entrée `"takeProfitPrice"`. Notez que, comme nous l’avons vu précédemment, nous prenons soin de renseigner `“reduceOnly”: True` pour bien configurer une fermeture de position.

En résumé, en Python, cela donne :

```python
symbol = "ETH/USDC:USDC"
market_type = "market"
side = "sell"
price = dex.load_markets()["ETH/USDC:USDC"]["info"]["midPx"]

# amount = dex.fetch_positions([symbol])[0]["contracts"]
amount = 0.05
tp_price = 4500

dex.create_order(symbol, market_type, side, amount, price=price, params={"takeProfitPrice": tp_price, "reduceOnly": True})
```

Pour ce qui est du **stop loss**, c’est identique, sauf que le prix du stop loss doit être communiqué avec l’entrée `"stopLossPrice"`, comme ceci :

```python
symbol = "ETH/USDC:USDC"
market_type = "market"
side = "sell"
price = dex.load_markets()["ETH/USDC:USDC"]["info"]["midPx"]

amount = dex.fetch_positions([symbol])[0]["contracts"]
sl_price = 3500

order = dex.create_order(symbol, market_type, side, amount, price=price, params={"stopLossPrice": sl_price, "reduceOnly": True})
```

### Placer des Ordres Stop Market en Python sur Hyperliquid

L’ordre du type “stop market” n’est pas seulement utilisé pour configurer des stop loss ou take profit. Il peut aussi être employé pour **entrer en position**, par exemple pour « attraper » des breakouts. Par exemple, entrer en long uniquement si le prix a atteint un niveau de prix supérieur.

Pour placer un tel ordre, il suffit de renseigner un `stopPrice` dans les paramètres spéciaux de `create_order`, comme ceci :

```python
symbol = "ETH/USDC:USDC"
market_type = "market"
side = "buy"
price = dex.load_markets()["ETH/USDC:USDC"]["info"]["midPx"]
amount = 0.05
stop_price = 4200

dex.create_order(symbol, market_type, side, amount, price=price, params={"stopPrice": stop_price})
```

Voilà, nous avons fait un tour complet de ce qu’il est possible de faire en Python avec **ccxt** sur Hyperliquid. Vous disposez désormais de suffisamment d’outils pour automatiser facilement votre trading sur cette plateforme, placer différents types d’ordres, ajuster votre levier et votre marge, ou encore sécuriser vos positions avec des stop loss et take profit. N'oubliez pas que si vous souhaitez bénéficier de **réductions sur les frais de trading** avec Hyperliquid, vous pouvez créer un compte via ce lien [https://app.hyperliquid.xyz/join/CRYPTOROBOT](https://app.hyperliquid.xyz/join/CRYPTOROBOT).

**Bon trading algorithmique !**

Découvrez comment configurer et automatiser votre trading algorithmique sur le DEX Hyperliquid à l’aide de Python et ccxt.

large_image.png

Trading Algorithmique sur le DEX Hyperliquid en Python  : Guide Complet

Chaque jour, de nouvelles **idées de trading** émergent. Cependant, les tester, les coder et les backtester peut sembler chronophage. Grâce à notre **processus automatisé**, vous pouvez désormais transformer vos idées en **bots de trading en direct** en un clin d'œil.

Ce processus se divise en trois étapes majeures :

1. **Utilisation de l'IA** pour perfectionner et coder vos idées de trading sans écrire une seule ligne de code.
2. **TradingView** pour tester vos stratégies et extraire des signaux.
3. **Signal Bots sur Bitget** pour automatiser l'ensemble du processus gratuitement.

Suivez-nous pas à pas dans ce guide complet.

Si vous préférez une illustration en vidéo, regardez celle-ci :

<MDX_YT videoId="OoKF086R-4M"/>

## ChatGPT o1 : L'IA révolutionnaire pour le trading automatisé

L'**intelligence artificielle** est l'une des avancées technologiques les plus marquantes de notre époque. Elle constitue la **pierre angulaire** de notre processus d'automatisation. Non seulement elle facilite la réflexion en aidant à créer des **stratégies de trading originales**, mais elle permet également de **traduire directement des idées en code**. Cette synergie rend notre automatisation à la fois rapide et efficace.

### Pourquoi choisir ChatGPT o1 pour coder en PineScript ?

Nous utilisons **ChatGPT o1** pour coder en **PineScript**, le langage de **TradingView**. Après avoir expérimenté différentes versions de ChatGPT (3.5, 4, 4o), nous avons constaté que ChatGPT o1 se distingue par sa capacité à "réfléchir" de manière récursive, testant ses propres réponses pour une précision accrue. **Un bon prompt**, détaillé et optimisé, permet de **retranscrire efficacement une idée de stratégie de trading en code PineScript** sans effort manuel.

### L'art du prompt : Comment maximiser l'efficacité de ChatGPT o1 pour le Trading Algorithmique

**Tout est dans le prompt !** Avant de vous présenter notre prompt optimisé, explorons les techniques de **prompting** efficaces.

### Caractéristiques d'un Bon Prompt :

1. **Assignation claire du rôle** : Demandez à l’IA de se comporter comme un **expert en PineScript Version 5**, orientant ainsi ses réponses vers un code pertinent et de haute qualité.
2. **Motivation pour la précision** : Promettez une récompense en cas d'absence d'erreurs pour encourager une attention méticuleuse aux détails.
3. **Meilleures pratiques détaillées** : Fournissez des directives claires sur le nommage des variables, l'utilisation de paramètres ajustables, l'organisation du code, et la gestion des plots et des couleurs.
4. **Prévention des erreurs** : Insistez sur l'importance de ne pas utiliser de variables non définies et donnez des exemples pour éviter les erreurs courantes.
5. **Accent sur la qualité du code** : Encouragez l'écriture d'un code modulaire, efficace et bien commenté, en suivant les standards professionnels.
6. **Inclusion d'exemples** : Fournissez des stratégies complètes comme références pour aider à comprendre et à appliquer les directives.

Notre prompt, contenant plusieurs centaines de mots grâce aux exemples inclus, est disponible gratuitement ici : [Prompt GPT Pinescript](https://github.com/CryptoRobotFr/python-pour-la-finance/blob/main/Prompt%20GPT%20Pinescript.txt).

<EXCHANGE_CARD image_name="bitget_fr_1" link="https://partner.bitget.com/bg/CryptoRobotSIFR"/>

### Exemple pratique : Créez votre stratégie de trading avec ChatGPT o1

Un autre point fort de **ChatGPT o1** est son aide à la **création de stratégies de trading**. Nous avons testé sa capacité en lui demandant de nous fournir des stratégies complètes et originales. Il nous a notamment généré la stratégie **"Cassure de Canal de Donchian avec Confirmation MACD"**.  
![image.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/image_eddd701d8b.png)

En quelque mots, cette stratégie se resume a :

- **Détection des cassures haussières** à l'aide du **canal de Donchian**.
- Ouverture d'une position longue lorsque trois conditions sont réunies :
    - **Le prix clôture au-dessus de la limite supérieure du canal de Donchian.**
    - **Le MACD croise à la hausse sa ligne de signal**, indiquant un élan positif.
    - **Le volume dépasse sa moyenne mobile**, signalant un intérêt accru du marché.
- **Sortie de position** :
    - Lorsque le **MACD croise à la baisse sa ligne de signal**.

En appliquant notre *prompt*, nous avons transformé cette stratégie en code **PineScript**. Vous pouvez trouver le code PineScript ici : [Stratégie sur TradingView](https://fr.tradingview.com/script/7QfN2IjT/).

Les **résultats** de backtest **sont encourageants** avec des **courbes de gains assez régulières** pour **plusieurs cryptomonnaies**. Sur la paire **BTC/USDT** en **timeframe de 2 heures**, nous avons **obtenu** que la stratégie **aurait généré** un **profit de 108%** avec un **drawdown de 20%** sur **94 positions**. En appliquant la même stratégie sur **ETH/USDT**, les **performances auraient été** de presque **180% de profit** avec un **drawdown de 16%**. Le **screenshot** des **résultats de backtest** un peu **plus haut** **correspond** à cela.

Nous utiliserons cet exemple pour poursuivre notre processus d’automatisation.

## Automatiser Votre Stratégie de Trading avec les Signal Bots de Bitget

Vous souhaitez **transformer une stratégie TradingView en un bot opérationnel** rapidement ? Les **Signal Bots** de Bitget sont la solution idéale. En quelques clics et quelques copier-coller, vous pouvez automatiser votre stratégie sur votre plateforme d’échange.

### Étape 1 : Configurer un Signal Bot sur Bitget

Avec **Bitget**, vous pouvez utiliser votre stratégie TradingView sans intermédiaire supplémentaire pour automatiser vos stratégies de manière simple et directe. Si vous n'avez pas encore de compte Bitget, vous pouvez utiliser notre **lien d'affiliation** [Bitget - CryptoRobotYT](https://partner.bitget.com/bg/CryptoRobotYT) pour bénéficier d'une réduction de **5% sur vos frais de trading à vie et jusqu’à 8000$ à l’inscription** !

La première étape est de mettre en place un **Signal Bot**. Rendez-vous donc sur votre compte Bitget. Ensuite, comme illustré dans le screenshot ci-dessous, dans l’onglet **Bots (1)**, section **Advanced (2)**, il faut descendre un peu (3) pour pouvoir cliquer sur "**Futures Signal Bot**".

![image 1.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/image_1_70040feae3.png)

De là, nous pouvons créer un Signal Bot en cliquant sur "**Create Signals**" dans le panneau à droite de la fenêtre (1 sur le screenshot ci-dessous). Vous devez lui donner un nom (2) et éventuellement une description si vous le souhaitez (3).

![signalbot.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/signalbot_06bb942d47.png)

Enfin, nous avons accès (et pouvons copier) au **webhook** (4), l’URL vers laquelle les signaux générés par notre stratégie, via les alertes sur TradingView, seront envoyés à notre Signal Bot, ainsi que le message de configuration pour les alertes TradingView. Gardons donc notre fenêtre avec le Signal Bot ouverte et ouvrons en une autre avec TradingView.

<EXCHANGE_CARD image_name="bitget_fr_1" link="https://partner.bitget.com/bg/CryptoRobotSIFR"/>

### Étape 2 : Configurer les alertes dans TradingView

Nous reprenons donc notre strategie “Cassure de Canal de Donchian avec Confirmation MACD”. Sur trading view il est important de configurer le capital initial que l’on va utiliser. Comme illustré dans le screenshot ci-dessous, cela se fait en 4 étapes :

1. Une fois la stratégie chargée sur le graphique, cliquez sur la roue de configuration (1).
2. Sélectionnez l'onglet "**Properties**" (2).
3. Entrez votre **capital initial** (3). **300 USDT** est la limite minimum pour utiliser le Signal Bot de Bitget, celui que nous utiliserons aujourd’hui.
4. Cliquez sur **OK** (4).

![image 2.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/image_2_07cad7292a.png)

Maintenant, il faut configurer les alertes. Pour cela :

1. Cliquez sur "**Alert**" (1 dans le screenshot ci-dessous).
2. Assurez vous que la **condition** soit notre stratégie (2).
3. Donnez un nom à cette alerte (3).
4. Dans la section "**Message**" (4), remplacez le texte par le message donné dans notre configuration du Signal Bot ("**Step 3: Associate the signal**"). Ce message se trouve juste en dessous du webhook.

![image 3.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/image_3_44a16e0733.png)

Ensuite, rendez-vous dans l'onglet **Notifications** (5) :

1. Sélectionnez **Webhook URL** (6).
2. Copiez l’URL qui se trouve dans la page de configuration du Signal Bot ("**Step 3: Associate the signal**") et collez-la ici (7).
3. Validez et mettez cette alerte en route (8).

![image(2).png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/image_2_6ea67b4a7e.png)

### Étape 3 : Lancer votre Signal Bot sur Bitget

Nous avons maintenant bien configuré les éléments du Signal Bot et nos alertes TradingView. Nous pouvons cliquer sur "**Create Signals**" en bas de la fenêtre de configuration du Signal Bot. Une fois ceci fait, cette partie droite de la page deviendra comme ceci, où nous pouvons cliquer sur **Use** pour activer notre Signal Bot.

![image 4.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/image_4_91f6e635ed.png)

Et la fenêtre deviendra comme ceci :

![image 5.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/image_5_1986907461.png)

Il faut alors :

1. Ajouter la **paire** sur laquelle le bot tradera (1).
2. Vérifier que "**Follow after the strategy script closes the positions**" est coché (2).
3. Entrer la **margin** (3), les fonds que l’on attribue au bot, **300 USDT** étant le minimum.
4. Choisir le **levier** (4). Faites attention, par défaut il est souvent à 5.
5. Cliquer sur **Create** (5) et confirmer pour le lancer !

Vous le trouverez maintenant en dessous du graphique, où vous pouvez voir son évolution, retirer des fonds, ou encore le supprimer.

![image 6.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/image_6_bdc71dbd05.png)

Et voilà, **le tour est joué** comme on dit !

<EXCHANGE_CARD image_name="bitget_fr_1" link="https://partner.bitget.com/bg/CryptoRobotSIFR"/>

## Conclusion

Prenons un moment pour réfléchir. Cette approche n’est **pas une solution miracle** pour devenir un trader à succès instantanément. Le trading reste une discipline exigeante et compétitive. Toutefois, elle offre des **avantages significatifs** :

- **Efficacité accrue** dans la création et le test de stratégies grâce à **ChatGPT o1**.
- **Automatisation rapide** avec **TradingView** et **Signal Bots de Bitget**.
- **Itérations rapides**, permettant une progression plus rapide que celle de nombreux autres traders.

En combinant ces outils puissants, vous disposez d’une **clé essentielle pour réussir** dans le trading algorithmique.

Transformez vos idées de trading en bots automatisés avec ChatGPT o1, TradingView et Bitget. Suivez notre guide étape par étape pour coder, tester et déployer vos stratégies en toute simplicité.

large_chatgpt_tv_bitget.jpg

medium_chatgpt_tv_bitget.jpg

small_chatgpt_tv_bitget.jpg

thumbnail_chatgpt_tv_bitget.jpg

chatgpt_tv_bitget.jpg

Créez et automatisez vos stratégies de trading grâce à ChatGPT o1, Trading View et les Signal Bots

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.

![1.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/1_216daa4e3e.png)

### 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 :

<MDX_YT videoId="vVx-QloxkAA"/>

## 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](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.

<EXCHANGE_CARD image_name="bitget_fr_1" link="https://partner.bitget.com/bg/CryptoRobotSIFR"/>

### 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 :

![2.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/2_3759c406c8.png)

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.

![image.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/image_dbb8767e94.png)

**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.

![image 1.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/image_1_a16c8a0244.png)

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) :

![image 2.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/image_2_e5c9d05e98.png)

![image 3.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/image_3_cef474661e.png)

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.

![image 4.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/image_4_f2b065c411.png)

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".

<EXCHANGE_CARD image_name="bitget_fr_1" link="https://partner.bitget.com/bg/CryptoRobotSIFR"/>

### 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:**  

![image 5.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/image_5_524ef7906e.png)

et sa courbe de PnL cumulatif est beaucoup plus prometteuse:

![image 6.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/image_6_0b293e2111.png)

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.

![image 7.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/image_7_8ce3219d0c.png)

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

![image 8.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/image_8_06969e7080.png)

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

![image 9.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/image_9_c0ee6a38d5.png)

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**.

<EXCHANGE_CARD image_name="bitget_fr_1" link="https://partner.bitget.com/bg/CryptoRobotSIFR"/>

Découvrez le copy trading sur les plateformes d’échange crypto, les pièges à éviter, et comment choisir des traders fiables en s’appuyant sur des outils d’analyse adaptés.

large_intro.jpg

medium_intro.jpg

small_intro.jpg

thumbnail_intro.jpg

intro.jpg

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

## TRIX Strategy, une stratégie de trading basée sur les tendances

Dans cet article, je vais vous présenter notre nouvelle stratégie de trading TRIX qui repose sur le suivi des tendances du marché. Contrairement à d'autres stratégies qui cherchent à capter la volatilité, la stratégie TRIX exploite les mouvements directionnels forts des cryptomonnaies.

Les ressources sont les suivantes :

- [Code TradingView](https://fr.tradingview.com/script/KKRFkFTu/)
- [Code Backtest Python](https://github.com/CryptoRobotFr/Backtest-Tools-V2)
- [Code Installation Live Bitmart](https://github.com/CryptoRobotFr/Live-Tools-V2)

L’automatisation est disponible via la plateforme de trading Bitmart. Si vous n'avez pas encore de compte Bitmart, vous pouvez en créer un en utilisant notre lien d'affiliation pour profiter de bonus spéciaux et de frais réduits. Cliquez sur le bandeau ci-dessous pour vous inscrire maintenant et profiter de réduction de frais de -15% à vie.

<EXCHANGE_CARD image_name="bitmart_fr_1" link="https://bitmart.com/invite/CryptoRobot2/en-US"/>

## Explication de la Stratégie TRIX

Sur notre chaîne YouTube CryptoRobot, nous vous avons présenté de nombreuses stratégies de trading. La plupart de ces stratégies sont conçues pour capter les tendances du marché, et la stratégie TRIX ne fait pas exception. Ce qui la distingue, c'est son utilisation d'un indicateur unique, le TRIX, et d'une méthodologie rigoureuse pour entrer et sortir des positions.

Le TRIX est une triple moyenne exponentielle des prix, qui permet de lisser les fluctuations et de détecter les tendances sous-jacentes. Pour renforcer la pertinence de cette moyenne, nous utilisons également une courbe d'évolution qui mesure le changement relatif de cette triple moyenne. Enfin, une ligne signal est créée en calculant une moyenne simple du TRIX, servant de référence pour les décisions de trading.

## Les indicateurs de la stratégie TRIX

La stratégie TRIX se concentre sur un seul indicateur principal : le TRIX, qui est la moyenne de la moyenne de la moyenne exponentielle des prix. Cette méthode de calcul permet de filtrer les bruits du marché et de se concentrer sur les tendances importantes. Pour optimiser les points d'entrée et de sortie, une ligne signal, basée sur une moyenne simple du TRIX, est utilisée.

Pour filtrer les signaux et améliorer les chances de succès, la stratégie ne prend que des positions longues lorsqu'un actif se trouve au-dessus de sa moyenne mobile long terme, par exemple, celle de 500 périodes. Ce filtre supplémentaire assure que la stratégie ne se positionne que lorsque le marché est favorable à une tendance haussière.

Nous avons choisi de ne faire que des trades en long pour cette stratégie, car les cryptomonnaies, en général, ont montré une tendance haussière sur le long terme. Cela maximise les chances de succès tout en minimisant les risques de pertes sur des retournements de tendance inattendus.

![trix exemple 1.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/trix_exemple_1_90aa67cf79.png)

### Les Paramètres de la Stratégie TRIX

Les paramètres de la stratégie TRIX sont conçus pour optimiser la détection des tendances sur des cryptomonnaies en timeframes de 1h, 2h, et 4h. Voici les réglages utilisés pour le BTC en 4h :

- **Moyenne Mobile Long Terme (Long MA)** : Cette moyenne mobile sert de filtre pour les tendances de fond. Nous utilisons une **EMA (Exponential Moving Average)** de 600 périodes, qui réagit plus rapidement aux changements de prix tout en fournissant une vue d'ensemble sur la direction du marché à long terme.
- **TRIX** : Le TRIX est une triple moyenne exponentielle, configurée ici avec une longueur de 21 périodes, ce qui le rend assez réactif pour capter les mouvements intermédiaires. L'EMA est également choisie pour le TRIX afin d'accentuer sa sensibilité aux fluctuations de prix.
- **Ligne Signal du TRIX** : La ligne signal est une **SMA (Simple Moving Average)** de 9 périodes appliquée au TRIX. Cette moyenne simple agit comme un déclencheur de signal pour les entrées et les sorties en position, fournissant un repère clair pour les décisions de trading.

Ces paramètres sont réglés pour maximiser les performances en capturant les tendances tout en filtrant les signaux potentiellement erronés, notamment en s'assurant que les positions ne sont prises que dans la direction dominante du marché.

![tv parameters trix.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/tv_parameters_trix_fcd8e4a7ac.png)

## Les règles de la stratégie TRIX

Avec un indicateur principal et un filtre basé sur la moyenne mobile long terme, la stratégie TRIX est à la fois simple et efficace.

**Ouvrir un LONG (parier à la hausse) :**

1. Le TRIX croise la ligne signal à la hausse.
2. Le prix de l'actif est au-dessus de la moyenne mobile long terme (par exemple, 500 périodes).

**Fermer un LONG :**

1. Le TRIX croise la ligne signal à la baisse.
2. Le prix retombe en dessous de la moyenne mobile long terme.

Cette stratégie fonctionne particulièrement bien sur des timeframes de 1h, 2h et 4h, ce qui permet de capturer des mouvements significatifs tout en évitant les signaux trop courts qui pourraient générer des faux positifs.

### Les résultats de la Stratégie TRIX

Avant de plonger dans les résultats, rappelons que les performances passées ne garantissent pas les performances futures. L'avantage d'avoir une stratégie avec des règles claires est que nous pouvons la tester rigoureusement sur des données historiques pour évaluer son potentiel.

Nous avons effectué des backtests sur des cryptomonnaies populaires comme le Bitcoin (BTC) et l'Ethereum (ETH), en utilisant des timeframes de 1h, 2h et 4h. Les résultats montrent une performance solide, avec un bon ratio de trades gagnants et une gestion du risque efficace grâce au filtre de la moyenne mobile long terme.

**Bitcoin (BTC) :**

- Timeframe : 4h
- Capital initial : 1 000 USD
- Gains nets : 5300 USD soit +530% sur une période de 4 ans
- Win rate : 48%
- Drawdown maximum : -24%

![trix perf btc 4h.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/trix_perf_btc_4h_d5720cbf8a.png)

**Ethereum (ETH) :**

- Timeframe : 2h
- Capital initial : 1 000 USD
- Gains nets : 11 904 USD soit +1 190% sur une période de 4 ans
- Win rate : 43%
- Drawdown maximum : -29%

![trix perf eth 2h.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/trix_perf_eth_2h_81e51259e0.png)

Ces résultats démontrent la robustesse de la stratégie TRIX, en particulier sur des actifs avec une forte tendance haussière comme les cryptomonnaies.

## Conclusion sur la stratégie de trading TRIX

La stratégie TRIX offre une nouvelle perspective sur le trading de tendance en utilisant un indicateur unique et puissant. En filtrant les positions avec une moyenne mobile long terme, elle parvient à minimiser les risques tout en capturant des mouvements significatifs du marché. C'est une stratégie idéale pour ceux qui cherchent à automatiser leur trading sur les cryptomonnaies tout en se concentrant sur les tendances haussières.

Cet article n’a pas pour but de fournir des conseils financiers, mais plutôt d'exposer une stratégie ayant montré des résultats historiques solides. Cependant, comme toujours, les performances passées ne présagent en rien des résultats futurs.

Nous espérons que cet article vous a plu et que vous avez apprécié la stratégie TRIX. Si vous avez des questions, n'hésitez pas à nous contacter via nos réseaux sociaux. Pour ceux qui souhaitent implémenter cette stratégie, nous vous invitons à rejoindre notre plateforme partenaire Bitmart via le lien ci-dessous.

<EXCHANGE_CARD image_name="bitmart_fr_1" link="https://bitmart.com/invite/CryptoRobot2/en-US"/>

La stratégie TRIX est une stratégie de trading de suivi de tendance qui peut être complètement automatisée. Découvrez comment elle fonctionne et comment l'installer sur la plateforme Bitmart.

large_trix image.jpg

medium_trix image.jpg

small_trix image.jpg

thumbnail_trix image.jpg

trix image.jpg

Stratégie de Trading Automatisée TRIX (Suivi de Tendance)

S'intéresser à l'investissement révèle rapidement l'**immense variété d'actifs modernes disponibles**, ce qui peut être déroutant. Même avec une idée précise des actifs dans lesquels investir, la question demeure : comment répartir notre capital entre ces actifs de manière optimale ? En d'autres termes, comment **construire un portefeuille financier équilibré**, répondant à nos attentes en termes de gains et de tolérance au risque ?

Pour répondre à cette question primordiale, des méthodes quantitatives ont été développées. En se basant sur les performances passées des actifs, elles analysent et optimisent la répartition des actifs dans un portefeuille. Ces méthodes peuvent viser à **maximiser les rendements tout en minimisant le risque**, ou tenter de les équilibrer pour répondre au mieux à nos attentes. Aujourd'hui, nous vous présentons quelques-unes des méthodes les plus pertinentes : des techniques traditionnelles éprouvées et des approches modernes basées sur l'intelligence artificielle et le clustering.

Si vous souhaitez visionner comment nous avons traité ce sujet en vidéo, vous la trouverez ci-dessous.

<MDX_YT videoId="w0iIvS19dyg"/>

## Sélection et Optimisation des Actifs pour un Portefeuille Financier Diversifié

### Meilleurs Actifs Financiers pour un Portefeuille Diversifié

La première étape dans la création et l’**optimisation d’un portefeuille financier** est la sélection d’actifs. Il est crucial de comprendre que l'optimisation de portefeuille ne consiste pas à investir dans des actifs de manière aléatoire ou à rechercher systématiquement ceux qui ont le mieux performé les dernières années. Les performances passées ne garantissent jamais les performances futures.

Pour ces raisons, il est préférable de **sélectionner des actifs diversifiés** qui nous intéressent, en lesquels nous avons confiance ou que nous voyons un potentiel futur. Ensuite, nous appliquons des méthodes d'optimisation pour déterminer les pourcentages à investir dans chaque actif afin de satisfaire nos attentes en termes de risque et de performance. Voici les actifs que nous avons sélectionnés :

**Cryptomonnaies:** 

Les cryptomonnaies sont des actifs récents mais essentiels pour un portefeuille moderne, à condition qu’elles soient proportionnées à leur nature volatile. Nous sélectionnons des cryptomonnaies majeures :

- **Bitcoin (BTC):** La première et la plus connue des cryptomonnaies.
- **Ethereum (ETH):** Une plateforme décentralisée permettant la création de contrats intelligents.
- **Ripple (XRP):** Conçu pour les paiements et les transferts de fonds internationaux.
- **Cardano (ADA):** Une plateforme de blockchain pour les contrats intelligents, axée sur la sécurité et la scalabilité.
- **Dogecoin (DOGE):** Une cryptomonnaie initialement créée comme une blague, mais qui a gagné en popularité.

**ETFs:** 

Les ETFs (Exchange-Traded Funds) sont indispensables dans un portefeuille diversifié. Ils regroupent un panier d’actions classées par secteur ou localité et offrent une exposition à différents marchés. Nous avons choisi :

- **SP 500 (SPY):** Représente les 500 plus grandes entreprises américaines cotées en bourse.
- **MSCI World (VWRD.L):** Inclut des actions de grandes et moyennes entreprises de 23 pays développés.
- **CAC 40:** Regroupe les 40 plus grandes entreprises françaises cotées.
- **DAX 40:** Comprend les 40 plus grandes entreprises allemandes.
- **Nikkei 225:** Index des 225 plus grandes entreprises japonaises.
- **World Ex-US:** Inclut des actions internationales en excluant les États-Unis.
- **Emerging Markets:** Représente des entreprises situées dans des marchés émergents comme l'Inde, la Chine et le Brésil.
- **High Dividend:** Regroupe des actions avec des rendements de dividendes élevés.
- **Real Estate:** Comprend des actions du secteur immobilier, telles que les REITs (Real Estate Investment Trusts).

**Métaux Précieux:** 

Les métaux précieux sont des actifs de refuge. Ils préservent la valeur en période de volatilité du marché ou de forte inflation. Nous sélectionnons :

- **Gold:** Représente l'or, une valeur refuge traditionnelle.
- **Silver:** Représente l'argent, également utilisé comme valeur refuge et dans l'industrie.

**Obligations:** 

Les obligations sont des actifs peu volatils qui offrent une source de revenu fixe et réduisent le risque global du portefeuille. Nous choisissons :

- **US Bond:** Représente un panier d'obligations américaines.
- **World Bond:** Inclut des obligations du monde entier, à l'exception des États-Unis.
- **US Treasury:** Représente les obligations d'État américaines à long terme.

Pour plus de détails sur les différents types d’actifs modernes et la diversification, vous pouvez consulter notre [article](https://crypto-robot.com/blog/diversification-actifs).

### Comment Optimiser un Portefeuille Financier

Comment se déroule l’optimisation de portefeuille en pratique? Tout d’abord, ce ne sont pas des calculs que l’on fait à la main, mais bien **algorithmiquement**. Tous les calculs et les graphiques que nous allons discuter ont été réalisés par notre code Python, disponible en open source [ici](https://github.com/CryptoRobotFr/Backtest-Tools-V2/blob/main/analytics/riskfolio.ipynb). Vous pouvez l'utiliser facilement pour faire votre propre analyse avec vos choix d’actifs. Pour comprendre son utilisation, nous vous invitons à visionner cette [vidéo](https://www.youtube.com/watch?v=w0iIvS19dyg&ab_channel=CryptoRobot). Ce code utilise Yahoo Finance pour télécharger les données historiques des actifs, et pour effectuer les calculs d’optimisation, une librairie très puissante : [Riskfolio](https://riskfolio-lib.readthedocs.io/en/latest/).

L'optimisation de portefeuille commence par la collecte des **données historiques** des prix des actifs. Ces données sont fondamentales pour calculer les rendements passés, donc l’évolution du prix d’une période à une autre. Nous considérons des rendements journaliers, et les volatilités (risques) passées, mais surtout les corrélations entre les différents actifs. Cet aspect est central pour l’optimisation d’un portefeuille.

### Avantages du Clustering IA et Visualisation des Actifs Financiers

![tree.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/tree_2ac1eff83c.png)

Avec l’IA, et notamment la **méthode de clustering** (apprentissage non supervisé), il est possible de visualiser la nature de ces actifs très simplement. Par exemple, sans décrire à un seul moment à l'algorithme ce que les actifs représentent réellement, il a été capable de les regrouper par type, simplement en analysant les rendements, la volatilité et les corrélations des actifs. Vous pouvez le voir dans le graphique ci-dessous, chaque actif a été regroupé parfaitement avec une région et couleur attribuée à chaque classe d’actifs.

Vous pouvez aussi demander à cet algorithme d’illustrer les **corrélations entre les actifs** sous forme de “heatmap”. Vous pouvez ainsi voir comment les actifs se corrèlent entre eux et notamment comment les actifs de la même classe se regroupent entre eux et forment ces carrés de forte corrélation dans le graphique ci-dessous. Sur les bords, vous pouvez observer les dendogrammes, qui sont les arbres de regroupement d’actifs que la méthode de clustering a générés pour réaliser sa représentation en groupes d’actifs.

![correlations.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/correlations_5afbc25468.png)

## Optimisation Classique de Portefeuille Financier et Théorie de Markowitz

Maintenant que nous avons correctement choisi nos actifs et compris leur nature, entrons dans le vif du sujet. Comment trouver les proportions de chacun pour créer le portefeuille qui **nous satisfait le plus en termes de risques/rendement** ? Pour répondre à cela, nous allons explorer plusieurs méthodes qui mettent en avant des choix différents pour créer le portefeuille, explorant ainsi un bon panel de possibilités.

### Portefeuille Optimal avec le Sharpe Ratio et la Théorie de Markowitz

Le **Sharpe Ratio** est une métrique pour quantifier le rapport rendements/risque très utilisée en finance. Plus le Sharpe Ratio est élevé, meilleur est le rendement ajusté au risque du portefeuille. L'optimisation du portefeuille en utilisant le Sharpe Ratio est une méthode classique (sans IA) et basée sur la théorie moderne du portefeuille de Markowitz. Cette théorie est historiquement le fondement de l’optimisation de portefeuille financier.

En exécutant notre code pour obtenir le portefeuille avec le meilleur Sharpe Ratio, nous obtenons la distribution ci-dessous.

![sharpe_distribution.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/sharpe_distribution_065d27f3a6.png)

Vous pouvez ainsi voir que la plus grosse partie est prise par l’or avec 36.7%. C’est en effet un actif très stable qui vient faire contrepoids aux autres actifs du portefeuille plus risqués. En opposition, les cryptomonnaies amènent beaucoup de rendement, mais au vu de leur volatilité, leur proportion est très faible. Les autres actifs majeurs sont deux ETF et le World Bond (obligations).

En comparant la contribution de chaque actif au risque total du portefeuille, on se rend compte que cette petite fraction de DOGE contribue beaucoup au risque à cause de la forte volatilité de l’actif, environ 4.5% (voir graphique ci-dessous). Alors que les grosses proportions de gold ou SP500 contribuent chacune à environ 2.5%.

![contribution_sharpe.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/contribution_sharpe_398a22e6d1.png)

Notez aussi que cette optimisation a sélectionné seulement une **partie très réduite de nos actifs** de départ, l'algorithme a jugé que ceux-ci étaient plus avantageux en termes de risque/rendement par rapport à leurs homologues qui sous-performent. Ces derniers sont considérés à un pourcentage quasi nul, tous regroupés dans la rubrique “others”.

### Frontière Efficiente pour des Portefeuilles Financiers Optimaux

Cependant, avec ce portefeuille en main, nous savons qu’il a le meilleur Sharpe Ratio. Mais si nous souhaitons choisir des portefeuilles avec plus ou moins de rendement selon notre tolérance au risque, comment faire?

Nous pouvons utiliser le concept de **frontière efficiente** introduit par Markowitz. Nous générons aléatoirement des centaines de portefeuilles et, pour un risque donné, nous sélectionnons celui qui offre le meilleur rendement, c’est le portefeuille optimal. Le graphique ci-dessous illustre cette courbe des portefeuilles optimaux en fonction du risque. L’étoile symbolise notre portefeuille précédent obtenu en maximisant le Sharpe Ratio.

![efficient_frontier.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/efficient_frontier_58897018c1.png)

Pour en savoir plus sur les méthodes d'optimisation classique et la théorie de Markowitz, consultez notre [article](https://crypto-robot.com/blog/portefeuille-optimisation-methodes) détaillé sur le sujet.

## Optimisation de Portefeuille Financier avec l’Intelligence Artificielle

### Optimisation par Parité de Risque Hiérarchique (HRP) : Une Approche IA pour les Actifs Financiers

La **Parité de Risque Hiérarchique** est une méthode d'optimisation de portefeuille qui utilise le clustering hiérarchique pour trouver les distributions optimales d’actifs dans un portefeuille financier. C’est une méthode d’IA particulièrement efficace pour gérer des actifs avec de fortes corrélations et volatilité, comme les actifs en bourses et les cryptomonnaies, souvent moins bien pris en compte par des méthodes plus classiques (plus de détails [ici](https://crypto-robot.com/blog/portefeuille-optimisation-methodes)).

Un algorithme de Parité de Risque Hiérarchique commence par mesurer à quel point les mouvements de prix de différents actifs se ressemblent, en utilisant leurs corrélations. Ensuite, il regroupe les actifs qui se comportent de manière similaire. Le risque est réparti de manière égale entre ces groupes, puis entre les actifs à l'intérieur de chaque groupe. Enfin, les poids des actifs dans le portefeuille sont calculés en tenant compte de cette structure hiérarchique et de la répartition du risque.

En effectuant l’optimisation avec cette méthode sur nos actifs grâce à notre code, nous obtenons désormais un portefeuille, comme le montre le graphique ci-dessous, qui donne cette fois une part non négligeable à bien plus de nos actifs.

![hpr_distribution.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/hpr_distribution_3678b57606.png)

Conceptuellement, l’algorithme a cherché les proportions de chaque actif telles que chaque actif contribue de manière égale au risque total du portefeuille et que tous les actifs soient présents dans le portefeuille. Ainsi, si nous regardons la contribution au risque ci-dessous, nous voyons que dans notre cas, les proportions de chaque actif sont telles qu'ils contribuent tous à 0.4% au risque total du portefeuille.

![hpr_contributions.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/hpr_contributions_061d6fad53.png)

De façon logique, avec cette méthode, nous observons que les actifs qui se retrouvent en plus grande proportion sont effectivement les plus stables, tels que les obligations. **Plus l’actif est volatile, plus sa proportion est faible**.

### Méthode Nested Clustered Optimization pour un Portefeuille Financier Optimal

Vous vous demandez peut-être ce qu'il en est si l'on souhaite allier les processus de clustering que nous avons vus avec une optimisation sur le Sharpe Ratio. La Nested Clustered Optimization est justement une **méthode hybride** qui fait exactement cela. Voici ce que cela donne pour notre portefeuille :

![nco_distribution.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/nco_distribution_4d174724d7.png)

Sans surprise, ce sont des proportions qui ressemblent au premier portefeuille que nous avons présenté, obtenu par la maximisation du Sharpe Ratio. Mais ici, nous voyons que les contributions majeures (>10%) sont moindres au total. L’algorithme a davantage tiré profit des **rendements des cryptomonnaies**. La même analyse se reflète dans la contribution des actifs au risque illustrée ci-dessous. On peut noter aussi que maintenant les contributions sont légèrement plus équilibrées qu’avec la maximisation du Sharpe Ratio simple.

![nco_contribution.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/nco_contribution_87a91d3b10.png)

### Performances Portefeuille Financier Optimisé et Stratégies de Trading

Pour conclure, il est légitime de se demander quelles auraient été les performances d’un tel portefeuille. En d'autres termes, si nous avions acheté ces actifs en respectant ces proportions il y a quelques années, quelles auraient été les **performances au cours du temps** et combien aurions-nous fait en profits aujourd’hui. Voici un graphique qui résume cela.

![nco_performances.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/nco_performances_5067db2c0e.png)

Vous pouvez observer que sur les six dernières années, ce portefeuille aurait généré une performance de +125%, passant de 100% à 225%. Le drawdown, ou perte maximale en valeur, a été légèrement supérieur à 20%, et survient durant la période du crash du COVID.

Ce type d’évolution de performance est **remarquable pour un portefeuille d’investissement passif**, sans méthode de trading appliquée ni rebalancing d’actifs. Le faible drawdown de 20% pendant des périodes de crise démontre l'efficacité de cette approche dans la protection du capital, tout en offrant une croissance substantielle sur le long terme. La composition du portefeuille, incluant une proportion significative d'or et une allocation diversifiée entre actions, obligations et cryptomonnaies, a permis de tirer parti des performances positives de ces actifs tout en minimisant l'impact des fluctuations négatives.

Enfin, nous voulons mentionner que l’utilisation de ce type de méthode d’optimisation **ne se limite pas aux portefeuilles d’investissement**. En effet, si vous utilisez des stratégies de trading ou des bots de trading, vous vous demandez certainement souvent combien de fonds de votre capital total vous devriez attribuer à tel ou tel actif ou cryptomonnaie et pour telle ou telle stratégie. Vous pouvez utiliser ces méthodes dans ce contexte en remplaçant les prix historiques des actifs par les performances passées d’un actif activement tradé avec une stratégie (backtest). Ces méthodes d’optimisation vous donneront une indication de la manière de répartir vos fonds selon vos critères.

Optimisez votre portefeuille financier avec des stratégies basées sur la théorie de Markowitz et l'intelligence artificielle. Découvrez comment diversifier vos actifs, maximiser les rendements et minimiser les risques.

large_nco_distribution.png

medium_nco_distribution.png

small_nco_distribution.png

thumbnail_nco_distribution.png

nco_distribution.png

Optimiser Votre Portefeuille Financier en 2024 : ETF, Actions, Cryptomonnaies, Obligations et Métaux Précieux

Dans le trading, les graphiques regroupant les données par unité de temps sont couramment utilisés. Mais saviez-vous qu'il existe des méthodes potentiellement **plus pertinentes pour améliorer vos stratégies de trading** ? Explorons ensemble cette alternative qui transformera votre façon d’analyser les marchés.

Tout d’abord, voici quelques ressources gratuites que nous avons développées dans notre exploration de cette thématique qui pourront vous être utiles :

- **Le code en langage de programmation Python** : [https://github.com/CryptoRobotFr/Backtest-Tools-V2/blob/main/analytics/ohlcv_resempler.ipynb](https://github.com/CryptoRobotFr/Backtest-Tools-V2/blob/main/analytics/ohlcv_resempler.ipynb)
- **Notre vidéo** : Si vous préférez nous voir et nous entendre parler de ce sujet, voici notre vidéo :

<MDX_YT videoId="uL3KJ7vBWCw"/>

## Les Bougies Temporelles OHLC et leurs Alternatives pour le Trading

### Pourquoi Utilisons-Nous des Bougies Temporelles en Trading ?

Vous êtes-vous déjà demandé pourquoi, en trading, les données sont regroupées par unités de temps pour créer des bougies ? Par exemple, les graphiques regroupent souvent les données par heure ou par jour. Cette méthode est généralement utilisée pour **sa simplicité et sa familiarité** avec notre perception du temps basée sur le calendrier. Chaque bougie représente une période de temps spécifique avec des informations sur les prix d'ouverture, de clôture, le plus bas et le plus haut (open, high, low, close). 

Vous pouvez voir un exemple ci-dessous d’un graphique en daily (une bougie correspond au prix journalier en dollars du Bitcoin). Les bougies vertes nous indiquent que le prix a augmenté pendant cette journée, tandis que les bougies rouges montrent qu'il a diminué. Les mèches des bougies indiquent les minimums et maximums que le prix a atteints pendant la journée correspondante.

![daily_btc.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/daily_btc_f5bc919ffb.png)

Cependant, cette méthode de représentation en bougie temporelle n'est **pas sans inconvénients**. Elle accorde le même poids à des périodes avec des volumes de trading très différents. Par exemple, une journée avec peu d'activité de trading et une autre avec une activité intense peuvent paraître similaires en termes de représentation graphique, ce qui peut induire en erreur les traders sur la volatilité réelle du marché.

### Alternatives aux Bougies Temporelles en Trading : Les Bougies Basées sur les Transactions, la Volatilite ou le Volume

Pour offrir une vision différente du marché, potentiellement plus pertinente pour comprendre les mouvements et les forces intrinsèques à son évolution, on peut regrouper les données par nombre de transactions, par volatilité ou par volume de trading.

*Bougies Basées sur le Nombre de Transactions*

Une méthode consisterai à regrouper les données par nombre de transactions. Par exemple, une bougie pourrait être créée toutes les 2000 transactions. Chaque bougie représente ainsi un nombre égal de transactions, permettant une analyse homogène du comportement des traders. Les périodes de forte activité produiront plus de bougies, offrant une **vue plus granulaire** des mouvements du marché.

*Bougies Basées sur la Volatilité*

Regrouper les données par volatilité signifie créer une nouvelle bougie chaque fois qu'il y a un changement de prix significatif, par exemple, de 5%. Cette méthode se concentre sur les mouvements de prix importants, en ignorant les fluctuations mineures. Les petites variations de prix affecteront peu la formation de nouvelles bougies, ce qui rend l'**analyse des tendances et des retournements du marché plus claire**.

*Bougies Basées sur le Volume de Trading*

Une autre méthode consiste à regrouper les données par volume de trading, chaque bougie représentant un volume constant de transactions, par exemple, 10 millions de dollars. Cela permet d'obtenir une représentation graphique où chaque bougie indique **une activité de marché caractéristique de l’actif**, le choix du volume par bougie, indépendamment du temps nécessaire pour atteindre ce volume.

<EXCHANGE_CARD image_name="bitget_fr_1" link="https://partner.bitget.com/bg/CryptoRobotSIFR"/>

### Avantages des Bougies de Volume Constant pour le Trading

Les bougies à volume constant offrent plusieurs avantages que nous pouvons résumer ainsi :

- **Réflexion plus précise de l'activité du marché :** Les périodes de forte activité (hauts volumes) sont mieux représentées, car chaque bougie contient le même volume de transactions.

- **Réduction des bruits de marché :** Les périodes de faible activité sont condensées, réduisant les bougies non significatives qui peuvent fausser l'analyse.

- **Amélioration des indicateurs techniques :** Les indicateurs basés sur le volume peuvent devenir plus pertinents, car ils sont calculés sur des unités de volume constant.

Nous allons maintenant explorer cette méthode de bougies à volume constant plus en détail. Nous la mettrons en pratique en comparant ses performances possibles avec une stratégie de trading utilisant des bougies temporelles standard.

## Comment Transformer les Données OHLCV en Bougies de Volume Constant pour une Meilleure Analyse de Marché

### Principe et Code pour Transformer les Données OHLCV en Bougies de Volume Constant

Pour transformer les données OHLCV (open, high, low, close, volume) en bougies de volume constant, c’est assez simple. D’abord, il faut télécharger les données OHLCV sur une timeframe la plus basse possible, en 1 minute par exemple. Ensuite, de façon algorithmique, partant de la bougie la plus ancienne, on accumule toutes les bougies d’une minute jusqu'à atteindre un volume total échangé d’un certain nombre. Dans ce paquet, on trouve le low et le high, tandis que l’open de la première bougie en minute est de facto l’open de notre bougie de volume constant, et son close correspond au close de la dernière bougie en minute du paquet. On répète ensuite ce processus itérativement jusqu'à avoir parcouru toutes les bougies.

Vous pouvez trouver gratuitement ici l’algorithme en Python que nous avons développé pour faire cela : [https://github.com/CryptoRobotFr/Backtest-Tools-V2/blob/main/analytics/ohlcv_resempler.ipynb](https://github.com/CryptoRobotFr/Backtest-Tools-V2/blob/main/analytics/ohlcv_resempler.ipynb).

### Differences entre Données OHLCV en Bougies de Temps ou de Volume Constant

![ex_standard_candles.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/ex_standard_candles_c83bb85e13.png)

![ex_volume_candles.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/ex_volume_candles_d4066e1e2c.png)

Si l’on prend comme exemple les données de Binance pour le Bitcoin contre l'USDT, récupérées minute par minute depuis 2017, et que l’on choisit de regrouper les bougies en volumes moyens d’environ 3000 USDT, cela donne le cours représenté dans la deuxième figure ci-dessus. Alors que pour la même période approximativement, les bougies représentées en tranches d’une heure correspondent à la première figure ci-dessus.

Vous pouvez effectivement vérifier que le volume est constant sur le graphique en bougies regroupées par volume. Aussi, ceci implique que l’**échelle de temps n’est plus linéaire**. Cela offre une représentation plus précise de l'activité du marché. En somme, vous pouvez observer que pendant les périodes de forte activité, les bougies se forment plus rapidement, reflétant la hausse de la volatilité et du volume des transactions. En revanche, durant les périodes calmes, les bougies se forment plus lentement.

## Performances Stratégies de Trading: Bougies Temporelles vs Bougies de Volume Constant

### Stratégies de Trading avec les Bandes de Bollinger: Tendance et Retour à la Moyenne

Pour comparer l'efficacité des bougies de volume constant par rapport aux bougies temporelles, prenons un exemple de chaque type principal de stratégie de trading : stratégie de tendance et stratégie de retour à la moyenne. Si vous avez besoin d’en apprendre plus sur les spécificités de chacun de ces types de stratégies, nous avons dédié un article dessus : [https://crypto-robot.com/blog/guide-type-strategie](https://crypto-robot.com/blog/guide-type-strategie).

Pour construire un exemple de chaque type, utilisons un indicateur versatile et très utilisé dans le trading, les bandes de Bollinger. Vous pouvez les voir représentées sur le chart ci-dessous.

![bollinger_bands.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/bollinger_bands_e7b6296a55.png)

Pour rester simple, nous considérerons :

1. **Stratégie de Tendance** : Achat lorsque le prix dépasse la bande supérieure et vente lorsque le prix repasse sous la moyenne.
2. **Stratégie de Retour à la Moyenne** : Achat quand le prix tombe sous la bande inférieure, et vente selon un stop-loss ou un take-profit prédéfinis.

Grâce à notre code en Python, effectuons maintenant un backtest pour chaque stratégie sur chaque type de données : le cours du Bitcoin contre l’USDT en bougies temporelles et le cours du Bitcoin contre l’USDT en bougies en volume constant de 3000 USDT. Discutons maitnenant des résultats.

### Résultats de la Stratégie de Tendance : Bougies de Volume Constant vs Bougies Temporelles

En appliquant la stratégie de tendance aux bougies temporelles classiques (heure par heure), le capital initial de 1000 dollars atteint 1900 dollars à la fin du backtest, ce qui représente une performance de 91 %. Le backtest montre un drawdown très large de 67 %. En revanche, avec les bougies de volume constant, le capital grimpe à 5400 dollars, soit une performance de 442 %, avec un drawdown similaire.

Les drawdowns sont bien entendu trop élevés pour considérer cette stratégie comme viable, mais ce premier exercice montre que l’utilisation des bougies semble rendre l’**identification de tendance par la stratégie plus efficace**, ce qui se traduit par de meilleurs profits.

### Résultats de la Stratégie de Retour à la Moyenne : Bougies de Volume Constant vs Bougies Temporelles

Pour la stratégie de retour à la moyenne, les bougies temporelles conduisent à une perte, le capital initial de 1000 dollars tombant à 898 dollars (-10 %) avec un maximum drawdown d’environ -67 %. À contrario, en utilisant les bougies de volume constant, le capital double presque pour atteindre 1900 dollars (+95 %), et le maximum drawdown s’améliore nettement à 38 %.

Ici encore, on semble effectivement gagner en efficacité de la stratégie lorsque l’on applique des bougies de volume constant.

<EXCHANGE_CARD image_name="bitget_fr_1" link="https://partner.bitget.com/bg/CryptoRobotSIFR"/>

## Quel Graphique est Meilleur pour le Trading ? Bougies Temporelles ou Volume Constant ?

Il est important de noter que les résultats observés jusqu'à présent ne sont pas définitifs, mais plutôt une analyse préliminaire et simplifiée. Des tests supplémentaires, des optimisations sur plusieurs paramètres et une étude statistique approfondie sont nécessaires pour confirmer la supériorité des bougies de volume constant.

### Pourquoi les Bougies de Volume Constant sont-elles Potentiellement Meilleures ?

Essayons toutefois de résumer objectivement les avantages et limitations que les bougies à volume constant peuvent avoir par rapport aux bougies standard :

1. **Moins Utilisées par les Traders :**
Une des raisons pour lesquelles les bougies de volume constant peuvent montrer de meilleures performances est leur faible adoption parmi les traders. En effet, environ 99 % des traders utilisent des données regroupées par période. L'utilisation de données moins courantes peut offrir un avantage concurrentiel en permettant de capter des mouvements de marché moins visibles avec les graphiques traditionnels.

2. **Réduction du Bruit du Marché :**
Les bougies de volume constant peuvent offrir une meilleure représentation de l'activité réelle du marché, en particulier durant les périodes de forte volatilité. Par exemple, elles permettent de distinguer clairement les jours de faible activité de ceux de forte activité, ce qui n'est pas toujours évident avec les bougies temporelles.

### Limites des Bougies de Volume Constant dans le Trading

Cependant, cette méthode présente aussi des défis. Si vous êtes l'un des rares à utiliser ces données, cela peut compliquer votre capacité à prédire les mouvements de marché qui sont souvent influencés par le comportement collectif des traders utilisant des données temporelles. En trading, une grande partie de l'analyse repose sur l'interprétation des graphiques par une multitude de traders. Si vous travaillez avec des données que personne d'autre n'utilise, le marché peut devenir imprévisible et aléatoire.

En conclusion, il n'est pas possible d'affirmer de manière catégorique qu'il faut absolument utiliser les données regroupées par volume ou par unité de temps. Les bougies de volume constant montrent un potentiel intéressant, mais elles nécessitent des tests plus approfondis pour confirmer leur pertinence. 

À l'avenir, il serait judicieux de tester les deux méthodes lors de la création de stratégies de trading afin de déterminer laquelle offre les meilleurs résultats. L'utilisation simultanée des deux types de graphiques pourrait enrichir l'élaboration des stratégies et des bots de trading. En combinant les avantages des graphiques en temps constant et en volume constant, un bot de trading pourrait améliorer ses performances en prenant des décisions d'achat et de vente plus éclairées.

Découvrez comment les bougies de volume constant peuvent révolutionner vos stratégies de trading et offrir une analyse plus précise du marché. Accédez à notre guide complet avec des ressources gratuites en Python.

large_volume_resampler.jpg

medium_volume_resampler.jpg

small_volume_resampler.jpg

thumbnail_volume_resampler.jpg

volume_resampler.jpg

Optimisez vos Stratégies de Trading avec les Bougies Basées sur Volume

La gestion efficace des méthodes de sortie est cruciale pour réussir en trading. Cela comprend la **gestion des risques** et la protection contre les variations de prix qui pourraient compromettre votre stratégie. Parmi ces méthodes, le **trailing stop loss** est une option dynamique qui s'intègre dans ce cadre.

Ce dispositif peut être avantageux dans les marchés à forte tendance, où il peut surpasser la combinaison traditionnelle du stop loss et du take profit. Toutefois, dans les marchés volatils, il présente des limites : le trailing stop loss risque d'être activé prématurément en raison de pics de volatilité, et non en réponse à une réelle inversion de tendance.

Pour ajouter cet outil à votre arsenal de trading, voyons comment coder un trailing stop loss facilement en Pine Script. Nous explorerons deux méthodes : une méthode simple utilisant les fonctionnalités de base de TradingView, et une méthode plus versatile. Nous nous concentrerons uniquement sur le trailing stop loss dans cet article. Si vous souhaitez apprendre à coder un stop loss et un take profit en Pine Script, vous pouvez lire [cet article](https://crypto-robot.com/blog/tp-sl-pinescript).

## Comprendre et Utiliser Efficacement les Ordres Trailing Stop Loss (Stop Suiveurs)

Un ordre de trailing stop loss, tout comme un stop loss classique, est un **ordre de fermeture de position**. Cependant, il se distingue par sa capacité à s'ajuster dynamiquement en fonction des mouvements favorables du marché. Contrairement à un stop loss fixe, le trailing stop loss se déplace automatiquement avec les hausses de prix pour une position long ou avec les baisses pour une position short, tout en restant fixe si le prix évolue dans la direction opposée. 

En pratique, voici comment cela fonctionne :

1. **Définition de la Distance de Suivi** : Le trader spécifie une distance, généralement en pourcentage ou en points, par rapport au prix actuel.
2. **Ajustement Automatique** : Si le marché évolue favorablement, le trailing stop loss se réajuste pour maintenir la distance prédéfinie. En cas de baisse du prix (pour une position long), il reste au niveau atteint.
3. **Exécution de l'Ordre** : Si le marché atteint le niveau du trailing stop loss en évoluant défavorablement, l'ordre est déclenché, fermant ainsi la position.

Le prix d'exécution est donc dynamique. Les approches pour définir la distance de suivi incluent :

- **Pourcentage par rapport au prix d'entrée** : Par exemple, un trailing stop loss fixé à 5% sous le prix actuel pour une position long.
- **Indicateur de volatilité** : Utilisation de l'Average True Range (ATR) ou d'autres indicateurs pour déterminer la distance de suivi. Pour plus de détails sur l'ATR, rendez-vous [ici](https://crypto-robot.com/blog/atr-ratio-trading).

## Programmer un Trailing Stop Loss en Pine Script sur TradingView : Guide Complet

### Exemple de Stratégie de Trading Simple en Pine Script

Pour illustrer l’implémentation d’un ordre de trailing stop loss, reprenons l’exemple de la stratégie présentée dans notre article sur les ordres take profit et stop loss en Pine Script. Elle utilise des bandes de Bollinger pour ses règles d'entrée. Le code se trouve ci-dessous :

```python
//@version=5
strategy('TSL example', default_qty_type=strategy.percent_of_equity, default_qty_value=100, commission_type=strategy.commission.percent, commission_value=0.1, overlay=true)

// *** Indicator *** 
bb_length = input(20, title="BB Length")
bb_mult = input(2, title="BB Multiplier")

bb_stddev = ta.stdev(close, bb_length)
bb_average = ta.sma(close, bb_length)

bb_upper = bb_average + bb_mult * bb_stddev
bb_lower = bb_average - bb_mult * bb_stddev

// *** Signals ***
entry_long = ta.crossover(close, bb_upper)
entry_short = ta.crossunder(close, bb_lower)
```

Si vous souhaitez plus d’explications sur les éléments de ce code, consultez [l’article correspondant](https://crypto-robot.com/blog/tp-sl-pinescript).

### Coder un Trailing Stop Loss en Pine Script : Méthode Directe et Rapide

Il existe **deux façons** d’implémenter un trailing stop loss en Pine Script. La première méthode utilise les paramètres intégrés dans la fonction `strategy.exit()` de Pine Script, qui gère les sorties de position. L’autre est une implémentation légèrement plus complexe, mais beaucoup plus versatile, permettant notamment de fixer le niveau du trailing suivant des valeurs d’indicateurs et pas uniquement selon un écart de prix.

Examinons d'abord la première méthode. Elle est très directe lorsque l’on souhaite simplement établir le trailing stop loss selon un écart par rapport au prix de l’actif. Il est souvent pertinent d’exprimer cet **écart en pourcentage**. Par exemple, pour un écart de 5% par rapport au `close` du prix, cela donne en Pine Script :

```python
trail_percent = 0.05
tsl_offset  = close * trail_percent / syminfo.mintick
tsl_price = close
```

Ici, nous avons converti l'écart donné en pourcentage en ticks dans `tsl_offset`. C'est ce que la fonction `strategy.exit()` requiert ainsi que `tsl_price`. En résumé :

- `tsl_price` est le prix d’activation de l’ordre trailing stop loss. Ce n’est pas le prix d’exécution, celui-ci est déterminé automatiquement par TradingView selon le `tsl_offset`.
- `tsl_offset` correspond à l’écart par rapport au prix d’activation `tsl_price`.

<EXCHANGE_CARD image_name="bitget_fr_1" link="https://partner.bitget.com/bg/CryptoRobotSIFR"/>

Une fois ces paramètres correctement établis, nous pouvons ajouter les sorties comme suit :

```python
trail_percent = 0.05
tsl_offset  = close * trail_percent / syminfo.mintick
tsl_price = close

if entry_long and strategy.position_size == 0
    strategy.entry("Long", strategy.long)
    strategy.exit("Long", trail_price = tsl_price, trail_offset = tsl_offset , comment_trailing = "TSL Long")

if entry_short and strategy.position_size == 0
    strategy.entry("Short", strategy.short)
    strategy.exit("Short", trail_price = tsl_price, trail_offset = tsl_offset , comment_trailing = "TSL Short")
```

Nous avons aussi spécifié un tag `comment_trailing` qui sera affiché sur le graphique TradingView sur la bougie à laquelle le trailing stop loss est exécuté, comme ceci :

![comment_tsl.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/comment_tsl_21a8968331.png)

### Coder un Trailing Stop Loss en Pine Script : Méthode Avancée et Versatile

Si l’on souhaite fixer le prix d'exécution du trailing stop loss **selon un indicateur**, il faut être capable de mettre à jour continuellement l’ordre via `strategy.exit()`. Dans ce cas, il peut être plus facile de réaliser soi-même le calcul du niveau du trailing stop loss à chaque bougie.

Prenons comme exemple un trailing stop loss calculé selon un écart par rapport au `close`, tabulé sur la volatilité de l’actif. Choisissons donc d’utiliser l’indicateur ATR (pour plus d’informations sur cet indicateur et comment l’utiliser comme filtre de volatilité, consultez cet [article](https://crypto-robot.com/blog/atr-ratio-trading)).

D’abord, définissons nos entrées puisque les sorties seront gérées indépendamment en fonction de l'évolution du trailing :

```python
entry_long = ta.crossover(close, bb_upper)
entry_short = ta.crossunder(close, bb_lower)

if entry_long and strategy.position_size == 0
    strategy.entry("Long", strategy.long)
if entry_short and strategy.position_size == 0
    strategy.entry("Short", strategy.short)
```

Ensuite, calculons l’ATR et fixons que le niveau du trailing stop loss doit correspondre à un écart de 3 fois l’ATR par rapport au `close` du prix :

```python
atr_length = 14
atr = ta.atr(atr_length)
long_tsl = close - 3 * atr
short_tsl = close + 3 * atr
```

Maintenant, nous devons mettre en place la logique du trailing stop loss. Autrement dit, nous devons faire en sorte que le prix de l’ordre stop loss se mette à jour uniquement si le **prix évolue favorablement** pour notre position, en fonction du mouvement des prix et de l'indicateur. Sinon, le prix du stop loss doit rester identique à celui de la bougie précédente. Cela donne en Pine Script :

```python
long_stop_price = 0.0
long_stop_price := if strategy.position_size > 0
    math.max(long_tsl, long_stop_price[1])
else
    0

short_stop_price = 0.0
short_stop_price := if strategy.position_size < 0
    math.min(short_tsl, short_stop_price[1])
else
    999999
```

Notez que cette logique est implémentée grâce à la fonction `math.max` dans le cas d’une position long. Nous vérifions si la valeur de `long_tsl` est supérieure au prix du stop loss de la bougie précédente (`long_stop_price[1]`). Si c'est le cas, cela signifie que le prix a évolué favorablement. Si une position long est effectivement ouverte (`if strategy.position_size > 0`), alors `long_stop_price` prendra la valeur retournée par `math.max`, c'est-à-dire `long_tsl` dans ce cas. Si le prix a évolué défavorablement, `long_tsl` sera inférieur à `long_stop_price[1]`, et `math.max` retournera le prix du stop loss de la bougie précédente. La logique est inverse pour une position short.

Il nous reste à mettre en place la sortie via un stop loss :

```python
if strategy.position_size > 0
    strategy.exit(id='TSL Long', stop=long_stop_price)

if strategy.position_size < 0
    strategy.exit(id='TSL Short', stop=short_stop_price)
```

<EXCHANGE_CARD image_name="bitget_fr_1" link="https://partner.bitget.com/bg/CryptoRobotSIFR"/>

Ce qui sera automatiquement mis à jour à chaque bougie. Maintenant, ajoutons un plot du trailing stop loss, ce qui peut grandement aider pour étudier la stratégie en jeu et ses performances. Récapitulons le code complet :

```jsx
//@version=5
strategy('Versatile TSL Example', overlay=true, default_qty_value=100, commission_value=0.1, default_qty_type=strategy.percent_of_equity, commission_type=strategy.commission.percent)

// Indicators
bb_length = 20
bb_mult = 2
atr_length = 14

atr = ta.atr(atr_length)
bb_stddev = ta.stdev(close, bb_length)
bb_average = ta.sma(close, bb_length)
bb_upper = bb_average + bb_mult * bb_stddev
bb_lower = bb_average - bb_mult * bb_stddev

// Entries
entry_long = ta.crossover(close, bb_upper)
entry_short = ta.crossunder(close, bb_lower)

if entry_long and strategy.position_size == 0
    strategy.entry("Long", strategy.long)
if entry_short and strategy.position_size == 0
    strategy.entry("Short", strategy.short)

// Compute the trailing stop loss prices
long_tsl = close - 3 * atr
short_tsl = close + 3 * atr

// Check and update the stop loss depending on price movement
long_stop_price = 0.0
long_stop_price := if (strategy.position_size > 0)
    math.max(long_tsl, long_stop_price[1])
else
    0

short_stop_price = 0.0
short_stop_price := if (strategy.position_size < 0)
    math.min(short_tsl, short_stop_price[1])
else
    999999

// Exit orders
if strategy.position_size > 0
    strategy.exit(id='TSL Long', stop=long_stop_price)

if strategy.position_size < 0
    strategy.exit(id='TSL Short', stop=short_stop_price)

// Plots
plot(bb_upper, color=color.new(#ffb13b, 0), linewidth=2)
plot(bb_average, color=color.new(#b43bff, 0), linewidth=2)
plot(bb_lower, color=color.new(#ffb13b, 0), linewidth=2)
plot(series=strategy.position_size > 0 ? long_stop_price : na, color=color.rgb(49, 122, 241), style=plot.style_cross, linewidth=3)
plot(series=strategy.position_size < 0 ? short_stop_price : na, color=color.rgb(49, 122, 241), style=plot.style_cross, linewidth=3)
```

Pour conclure, il est important de noter que tout ceci était un exemple simple pour vous apprendre à coder un trailing stop loss en Pine Script. Pour qu’une stratégie soit viable et utilisable avec de l’argent réel, il faut beaucoup plus de tests et de validations. Gardez cela en tête. Cet article était éducatif et non un conseil en investissement. Nous espérons que cela vous a apporté les bases que vous cherchiez pour implémenter vos stratégies.

Nous souhaitons également vous mettre en garde contre une utilisation abusive du trailing stop loss. Bien qu'il s'agisse d'une méthode très populaire sur les réseaux sociaux et parmi les traders débutants, elle n'est pas une solution miracle. **L’efficacité du trailing stop loss est limitée**. Il peut fonctionner correctement lors de fortes tendances, mais génère souvent de nombreux faux signaux et mauvaises sorties lorsque le marché est en phase latérale. De plus, il implique un retard au niveau de la sortie, car il se déclenche uniquement lorsque le prix a déjà commencé à évoluer défavorablement. Dans de telles situations, il peut être plus efficace de configurer la sortie en utilisant des indicateurs plus adaptés à la stratégie en place.

Découvrez comment maîtriser les trailing stop loss en Pine Script sur TradingView. Apprenez à programmer ces ordres de stop suiveurs dynamiques avec des méthodes simples et avancées pour optimiser vos stratégies de trading et gérer efficacement les risques.

large_intro.png

medium_intro.png

small_intro.png

thumbnail_intro.png

intro.png

Comment Maîtriser les Trailing Stop Loss en Pine Script sur TradingView

Constituer un portefeuille optimal, maximisant les gains tout en minimisant les risques, est le Saint Graal de tout investisseur. La clé réside souvent dans la diversification : un portefeuille équilibré, où les performances des actifs se complètent. En période de mauvaise performance pour certains actifs, d'autres peuvent compenser, assurant ainsi une **croissance régulière du capital**.

Mais comment réaliser cela en pratique ? Comment inclure des actifs à fort potentiel comme les cryptomonnaies, qui, en raison de leur risque élevé et de leur forte corrélation, **défient l'idée même de diversification** ?

Une **approche analytique** est indispensable pour répondre à ces questions. Explorons ensemble les outils d'optimisation de portefeuille qui prennent en compte les actifs cotés en bourse, y compris les cryptomonnaies, et permettent de calculer la répartition optimale des actifs selon nos préférences de risque.

## Les Outils d’Optimisation De Portefeuille Financiers : Prérequis

La disponibilité de **données historiques** est cruciale pour pouvoir optimiser un portefeuille, car elles fournissent une base pour étudier les tendances, les corrélations et les niveaux de risque. Les cryptomonnaies et autres actifs cotés en bourse bénéficient de données historiques de prix détaillées, ce qui n’est souvent pas le cas pour d'autres classes d'actifs.

Nous allons donc considérer uniquement dans cet article des actifs **cotés en bourse** pour appliquer les méthodes d’optimisation de portefeuille. Si vous avez besoin de plus de détails sur la diversification de portefeuille et les actifs de la finance moderne, vous pouvez vous rendre sur notre [article](https://crypto-robot.com/blog/diversification-actifs) dédié.

## Simulations de Monte Carlo pour l’Optimisation de Portefeuille d’Investissement

Avec les **simulations de Monte Carlo**, nous entrons dans les méthodes dites "numériques" pour optimiser un portefeuille d’investissement. Cette méthode évalue les performances potentielles d'un portefeuille en utilisant des distributions aléatoires de rendements futurs basées sur des données historiques. Voici comment cela fonctionne en pratique :

1. **Génération de Scénarios Aléatoires** : En utilisant les rendements historiques des actifs, cette méthode génère des milliers de scénarios possibles pour les rendements futurs. Chaque scénario représente une trajectoire possible des prix des actifs dans le portefeuille.
2. **Calcul des Rendements de Portefeuille** : Pour chaque scénario, les rendements des actifs sont combinés selon les poids du portefeuille pour calculer le rendement total du portefeuille.
3. **Analyse Statistique des Résultats** : Les résultats de toutes les simulations sont analysés pour estimer les mesures de performance du portefeuille, telles que la moyenne des rendements, la variance, la valeur à risque (VaR), et l’espérance de perte. Cela permet d'évaluer la robustesse du portefeuille face aux incertitudes des marchés.
4. **Optimisation** : En fonction des résultats obtenus, les paramètres du portefeuille peuvent être ajustés pour améliorer sa performance. Par exemple, on peut modifier les poids des actifs pour maximiser le rendement moyen ou minimiser le risque (la volatilité).

Les Simulations de Monte Carlo peuvent être utilisées pour l'optimisation de portefeuilles d'investissement comprenant tout type d'actifs, qu'ils soient fortement corrélés, fortement volatils ou non, à condition que des données historiques fiables soient disponibles. Cependant, elle est numériquement intensive et nécessite beaucoup de ressources de calcul. C'est pourquoi nous allons nous concentrer davantage sur des méthodes statistiques dans la suite de cet article.

![plot_risques_rendements.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/plot_risques_rendements_6a3e095d25.png)

## Mean-Variance Optimization : Pondération des Actifs pour un Risque Choisi

### Comment Fonctionne la Mean-Variance Optimization

La **Mean-Variance Optimization** (optimisation par variance-moyenne) est une méthode dite “**quantitative**” utilisée pour trouver les proportions que doit avoir chaque actif d’un portefeuille d’investissement pour satisfaire un risque donné. Voici comment cela fonctionne en quelques mots :

1. **Calcul des Rendements Moyens** : On commence par estimer les rendements moyens attendus de chaque actif dans le portefeuille basé sur les performances historiques ou d'autres modèles de prévision.
2. **Estimation des Variances et Covariances** : La variance de chaque actif et la covariance entre chaque paire d'actifs sont calculées. La variance mesure la volatilité d'un actif, tandis que la covariance indique comment le prix de deux actifs se déplacent ensemble. Par exemple, une covariance positive signifie que les deux actifs ont tendance à évoluer dans la même direction.
3. **Résolution d'un Problème d'Optimisation** : L'objectif est de minimiser le risque (variance du portefeuille) pour un niveau de rendement attendu, ou de maximiser le rendement attendu pour un niveau de risque donné. Cela se fait en résolvant un problème d'optimisation dit “quadratique” en mathematiques. La solution fournit les poids optimaux (pourcentages d'allocation) pour chaque actif dans le portefeuille.

Étudions maintenant un exemple pour illustrer les résultats de cette méthode. Pour l’appliquer facilement à des portefeuilles d'actifs cotés en bourse, nous avons développé **un code très simple en Python**. Il utilise notamment Yahoo Finance pour télécharger les données historiques. Si cela vous intéresse, vous le trouverez [ici](https://github.com/CryptoRobotFr/Backtest-Tools-V2/blob/main/analytics/other/global_portfolio_opt.ipynb).

<EXCHANGE_CARD image_name="bitget_fr_1" link="https://partner.bitget.com/bg/CryptoRobotSIFR"/>

### Optimisation Mean-Variance : Portefeuille ETF Majeurs et Actions Tech

Pour déterminer les proportions optimales des actifs dans un portefeuille diversifié afin de minimiser le risque total du portefeuille, prenons l'exemple d'un portefeuille comprenant une dizaine d'actifs, incluant des ETF majeurs et des actions de grandes entreprises mondialement connues:

- **ETF “S&P 500”** : SPDR S&P 500 ETF Trust (symbole : SPY)
- **ETF “All-World”** : Vanguard FTSE All-World UCITS ETF (symbole : VWRD).
- **ETF “CAC 40”** : Amundi ETF CAC 40 (symbole : C40).
- **ETF “Top Entreprises Allemandes”** : iShares Core DAX UCITS ETF (symbole : EXS1.DE).
- **ETF “Top Entreprises Britanniques”** : iShares MSCI United Kingdom ETF (symbole : EWU).
- **ETF “Top Entreprises Japonaises”** : iShares MSCI Japan ETF (symbole : EWJ).
- **Actions Apple** : symbole AAPL.
- **Actions Tesla** : symbole TSLA.

Cette sélection couvre les marchés américains, européens, britanniques, et japonais, ainsi que des actions de deux grandes entreprises technologiques. En exécutant notre code avec ce choix, nous obtenons les proportions suivantes pour minimiser le risque du portefeuille, c’est-à-dire avec une **volatilité sur les rendements la plus faible possible**, réduisant ainsi les changements brusques dans ses performances au jour le jour :


`Poids optimaux pour chaque actif (Mean-Variance Optimization):`
\
`SPY: 0.00%`
\
`VWRD.L: 1.85%`
 \
`C40.PA: 48.90%` 
\
`EXS1.DE: 0.00%` 
\
`EWU: 0.00%` 
\
`EWJ: 0.91%` 
\
`AAPL: 0.00%` 
\
`TSLA: 48.34%` 

Vous pouvez constater que cette méthode exclut une bonne partie des actifs du portefeuille, car l'algorithme a jugé que certains actifs n'en valaient pas la peine en raison de leur volatilité. Cependant, il est surprenant de voir que TSLA se voit attribuer une proportion quasi équivalente à la moitié du portefeuille, alors que TSLA est plus volatile qu'un ETF "All World" tel que VWRD.L. De plus, l'autre moitié du portefeuille est presque entièrement constituée de C40.PA.

Cela montre que, dans une volonté de diversification, cette méthode est limitée. Dans cet exemple, nous souhaitions être exposés à tous ces actifs et cherchions une distribution des proportions de chaque actif qui aboutisse à un profil de risque raisonnable compte tenu de leur performance et volatilité passées. En d'autres termes, minimiser le risque de manière aveugle n'est pas toujours judicieux. Il est plus intéressant d'établir une échelle des portefeuilles possibles, couvrant une large plage de risques et de rendements, afin de trouver les poids optimaux pour le niveau de risque qui nous convient. C'est ce que nous allons explorer maintenant.

## Optimisation Quantitative de Portefeuille : La Méthode de l'Efficient Frontier

### Comprendre le Concept de l'Efficient Frontier

L'**Efficient Frontier** (frontière efficiente), introduite par Harry Markowitz, permet de déterminer le portefeuille optimal en termes de rendement attendu pour un niveau de risque donné. Le but est de répéter le processus d'optimisation pour différentes attentes de rendement.

En pratique, un grand nombre de combinaisons de poids de chaque actif sont générées aléatoirement pour modéliser de nombreux portefeuilles possibles. Grâce à cela, sur un graphique représentant le rendement en fonction du risque, il est possible de tracer une **courbe particulière** : la frontière efficiente. Chaque point sur cette frontière représente un portefeuille dit “optimal”. Les portefeuilles situés en dessous de la frontière sont sous-optimaux car ils offrent un rendement inférieur pour un risque donné.

### Exemple Pratique de l'Efficient Frontier

Illustrons et expliquons cela avec notre exemple de choix d'actifs précédent. Une exécution de notre code en Python (celui dont nous vous avons fourni le lien plus haut) nous donne les résultats ci-dessous :

![efficient_frontier.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/efficient_frontier_f3bb05b518.png)

La frontière efficiente est la courbe qui englobe la partie supérieure du nuage de points. Ici, nous avons choisi d’illustrer uniquement une partie. Les étoiles correspondent aux 30 portefeuilles qui donnent les meilleurs rendements versus risque, une mesure quantifiée par l’indicateur Sharpe Ratio.

Ensuite, grâce à ce graphique, une fois qu’on a sélectionné un point qui nous convient en termes de rendement et risque, nous pouvons obtenir les poids des actifs qui constituent ce portefeuille.

### Mise en Garde sur l'Efficient Frontier et les Actifs Corrélés

Cependant, avec l’Efficient Frontier, il faut également faire attention aux actifs considérés. La Mean-Variance Optimization (MVO) suppose que les rendements sont stationnaires, c'est-à-dire que leurs statistiques (moyennes et covariances) ne changent pas avec le temps. Elle repose aussi souvent implicitement sur l'idée que les rendements suivent une distribution normale.

Ces hypothèses ne sont pas toujours vérifiées, surtout pour les actifs cotés en bourse et encore moins pour les cryptomonnaies. Les rendements des cryptomonnaies sont souvent plus volatils, avec des distributions pouvant avoir de longues queues ou être asymétriques. Voyons donc maintenant une autre méthode quantitative qui permet de prendre correctement en compte ces particularités.

<EXCHANGE_CARD image_name="bitget_fr_1" link="https://partner.bitget.com/bg/CryptoRobotSIFR"/>

## Parité de Risque Hiérarchique : Optimisation pour les Actifs Financiers Modernes

### La Méthode Quantitative de Parité de Risque Hiérarchique (PRH) pour l'Optimisation de Portefeuille

La **Parité de Risque Hiérarchique** (Hierarchical Risk Parity) est une méthode d'optimisation de portefeuille qui utilise des techniques de **clustering hiérarchique** pour mieux gérer les corrélations instables et la volatilité élevée des actifs. Le clustering hiérarchique est une méthode de regroupement des actifs basée sur leurs similarités de comportement, formant une hiérarchie de clusters imbriqués. Voici comment HRP fonctionne en bref :

1. **Calcul des Matrices de Distance** : Une distance entre les actifs est calculée en fonction de leurs corrélations (une distance plus petite signifie que les actifs sont plus fortement corrélés). Cette distance quantifie la similitude des mouvements de prix entre deux actifs.
2. **Clustering Hiérarchique** : Les actifs sont regroupés en “clusters hiérarchiques” en utilisant des algorithmes de regroupement. Les actifs les plus similaires (ceux avec les distances les plus petites) sont regroupés en premier, puis des groupes de plus en plus larges sont formés.
3. **Répartition du Risque** : Une fois les clusters formés, PRH répartit le risque de manière égale entre les clusters, puis au sein de chaque cluster. Cela permet de répartir le risque de manière égale entre les groupes d'actifs, et ensuite au sein de chaque groupe.
4. **Calcul des Poids du Portefeuille** : Les poids des actifs dans le portefeuille sont déterminés en fonction de la structure hiérarchique et de la répartition du risque. Cette méthode permet de créer un portefeuille où le risque est mieux équilibré, même si les corrélations entre les actifs changent fréquemment.

Ainsi, la méthode PRH est idéale pour les portefeuilles incluant des cryptomonnaies. Elle permet de mieux gérer les fortes corrélations et la volatilité de ces actifs, offrant une stratégie d'optimisation **plus robuste et nuancée** pour les investisseurs en quête de diversification.

### Optimisation des Portefeuilles ETF, Actions et Cryptomonnaies avec la Parité de Risque Hiérarchique

![output.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/output_1672569dff.png)

Nous avons également développé un code très simple en Python qui permet d'effectuer ce type d’optimisation appliqué à tout choix de portefeuille d'actifs cotés en bourse. Nous l’avons ajouté à la suite de celui que nous utilisons jusqu'à présent, trouvez-le [ici](https://github.com/CryptoRobotFr/Backtest-Tools-V2/blob/main/analytics/other/global_portfolio_opt.ipynb). Nous avons notamment utilisé la librairie **`riskfolio-lib`** qui permet la réalisation des calculs selon l’algorithme de PRH (et plus encore, voir [Riskfolio-Lib Documentation](https://riskfolio-lib.readthedocs.io/en/latest/hcportfolio.html)).

Reprenons les actifs Actions et ETF de notre portefeuille précédent, pour simplifier nous garderons uniquement ceux optimisés comme non nuls par la mean-variance optimization, et rajoutons les deux cryptomonnaies les plus grandes en capitalisation boursière, le Bitcoin et l’Ether. En résumé, cela donne :

- **ETF “All-World”** : Vanguard FTSE All-World UCITS ETF (symbole : VWRD).
- **ETF “CAC 40”** : Amundi ETF CAC 40 (symbole : C40).
- **ETF “Top Entreprises Japonaises”** : iShares MSCI Japan ETF (symbole : EWJ).
- **Actions Tesla** : symbole TSLA.
- **Bitcoin**
- **Ethereum**

L’exécution pour obtenir les quantités de chaque actif qui minimisent au mieux le risque de ce portefeuille donne :

`Poids optimaux pour chaque actif en % :`
\
`BTC-USD  C40.PA  ETH-USD    EWJ  TSLA  VWRD.L`
\
`weights     2.94   34.22     1.65  27.05  2.08   32.05`

Les résultats semblent très pertinents. Nous voyons que les cryptomonnaies sont attribuées de très faibles proportions, seulement quelques pourcents. Ce n’est pas étonnant, ces actifs présentent une volatilité très large par rapport aux autres actifs et ainsi contribunt **plus fortement à la variance totale du portefeuille** et donc à son risque. Il en découle également que la proportion de BTC est légèrement plus grande que celle d'ETH, car BTC a historiquement offert plus de stabilité qu'ETH.

Il est également intéressant de noter que les proportions des autres actifs sont totalement changées par la méthode PRH. Les proportions les plus importantes sont attribuées aux actifs les plus robustes et moins volatiles, à savoir les ETF généralistes. La proportion de TSLA est reléguée au même niveau que les deux cryptomonnaies.

De manière générale, nous trouvons que la méthode PRH est **plus fiable et pertinente** quand des actifs cotés en bourse sont considérés. Des corrélations constantes et des distributions de rendements suivant une loi normale sont des hypothèses pas souvent réalistes pour ce genre d’actifs, que ce soit des ETF, des actions ou encore plus des cryptomonnaies. Ce qui signifie que la mean-variance optimization et l’Efficient Frontier ne sont pas le mieux adaptées pour l’optimisation de portefeuilles financier modernes.

Si vous souhaitez en savoir plus sur la méthode PRH et notamment sur des résultats d’optimisation de différents portefeuilles d’actifs modernes, généraux et variés, rendez-vous dans cet article. Gardez en tête que cet article est éducatif et ne constitue pas un conseil en investissement. Nous espérons que cela vous apportera de bonnes bases pour mieux comprendre l’optimisation de portefeuille et vous permettre de faire vos propres analyses.

Apprenez à optimiser votre portefeuille financier avec des méthodes telles que la Mean-Variance Optimization, l'Efficient Frontier et la Parité de Risque Hiérarchique. Équilibrez vos actifs, y compris les cryptomonnaies, pour maximiser les gains et minimiser les risques.

Optimisation de Portefeuille Financier : Méthodes pour Équilibrer Correctement ses Actifs

Réussir dans le trading repose en grande partie sur une **gestion rigoureuse du risque**. Différentes approches et outils peuvent aider à cet effet. L'une des méthodes les plus directes consiste à se protéger efficacement contre les trades allant à l'encontre de nos prévisions. Cela passe par l'**implémentation d'un stop loss**, qui agit comme filet de sécurité en cas de mouvement contraire. Il est tout aussi important de savoir sortir d'un trade lorsque celui-ci évolue dans le sens escompté, en verrouillant ses **gains avec un take profit**.

Pour coder correctement ce type de sorties en Pine Script et implémenter vos stratégies de trading sur TradingView, il y a plusieurs **étapes clés à suivre**. Explorons ensemble comment y parvenir de manière correcte et simple.

## Comprendre les Ordres Stop Loss et Take Profit

### Différences entre Ordres Stop Loss et Take Profit

Ce qui distingue un ordre stop loss et un ordre take profit d'un ordre classique, est qu'ils sont exclusivement des **ordres de fermeture de position**, placés souvent en même temps que l'ouverture de la position. Dans la pratique, ils seront un ordre limite ou un ordre à déclenchement, dit "trigger". Pour plus de détails sur les types d'ordres, voir [notre article](https://crypto-robot.com/blog/guide-ordre-trading-python).

<EXCHANGE_CARD image_name="bitget_fr_1" link="https://partner.bitget.com/bg/CryptoRobotSIFR"/>

Ensuite, le prix auquel l'ordre stop loss doit s'exécuter est déterminé pour se déclencher si le prix évolue dans la **direction opposée** à celle anticipée. Le take profit, quant à lui, est fixé pour se déclencher si le prix évolue dans la **direction prévue**. En d'autres termes :

- Pour une position long, le prix du stop loss doit être fixé à un niveau inférieur au prix d'entrée.
- Pour une position short, le prix du stop loss est fixé au-dessus du prix d'entrée.

Pour le take profit, c’est exactement l’inverse dans chaque cas.

Le prix d'exécution est donc le seul paramètre à choisir pour ce type d'ordres. Le choix se fait généralement selon **trois approches** possibles :

- Un écart par rapport au prix d'entrée en pourcentage.
- Un décalage par rapport au prix d'entrée caractérisé par la valeur d'un indicateur. Par exemple, l'Average True Range (ATR) est souvent utilisé dans ces cas-là. Si vous êtes intéressé par plus de détails sur l'ATR et comment l'utiliser comme filtre de volatilité, rendez-vous [ici](https://crypto-robot.com/blog/atr-ratio-trading).
- Un indicateur directement. Par exemple, le prix d’exécution peut être égal à la valeur d'une supertrend ou d'une moyenne mobile au moment de l'entrée en position.

### Stratégie de Trading Simple pour Démarrer en Pine Script

Le but de cet article est de comprendre l’implémentation des ordres de take profit et de stop loss en Pine Script, sans entrer dans les détails d’une stratégie complexe. Pour ce faire, nous partirons d'une stratégie la plus simple possible. Cependant, tâchons d'être complets dans notre approche et considérons que notre stratégie inclura des positions **long** (positions à la hausse) et **short** (positions à la baisse) afin de bien aborder stop loss et take profit dans les deux cas.

Pour cela, nous utiliserons un indicateur très souvent employé dans le trading : les bandes de Bollinger. Le début de notre code pourrait donc ressembler à ceci :

```jsx
//@version=5
strategy('TP/SL example', default_qty_type=strategy.percent_of_equity, default_qty_value=100, commission_type=strategy.commission.percent, commission_value=0.1, overlay=true)

// *** Indicator *** 
bb_length = input(20, title="BB Length")
bb_mult = input(2, title="BB Multiplier")

bb_stddev = ta.stdev(close, bb_length)
bb_average = ta.sma(close, bb_length)

bb_upper = bb_average + bb_mult * bb_stddev
bb_lower = bb_average - bb_mult * bb_stddev

// *** Signals ***
entry_long = ta.crossover(close, bb_upper)
entry_short = ta.crossunder(close, bb_lower)
```

L’entête définit la version 5 de Pine Script, la plus récente. Dans `strategy`, nous définissons le nom de la stratégie, le fait que nous entrerons avec 100 % de notre capital à chaque position et que les frais de trading sont de 0,1 % de la taille des positions.

Ensuite, nous calculons les bandes de Bollinger. Les paramètres, **longueur** et écartement via le **multiplicateur**, sont implémentés via `input()` pour permettre de changer ces valeurs directement sur le graphique TradingView une fois la stratégie complète.

<EXCHANGE_CARD image_name="bitget_fr_1" link="https://partner.bitget.com/bg/CryptoRobotSIFR"/>

Enfin, nous définissons nos conditions d'entrées long et short :

- `entry_long` prendra la valeur `true` lorsque le prix passe au-dessus de la bande de Bollinger supérieure, et `false` sinon.
- `entry_short` prendra la valeur `true` lorsque le prix passe en dessous de la bande de Bollinger inférieure, et `false` sinon.

Remarquez que nous implémentons cela grâce aux fonctions de la librairie d’analyse technique `ta` de Pine Script : `ta.crossover` et `ta.crossunder`. N’hésitez pas à faire un Ctrl + clic gauche sur ce type de fonction pour afficher le panneau explicatif.

## Programmer un Stop Loss et Take Profit en Pine Script sur TradingView

### Étapes pour Coder un Stop Loss en Pine Script

Pour illustrer la mise en place d’un stop loss en Pine Script, prenons le cas où le prix du stop loss est fixé à un **écart en pourcentage** par rapport au prix d'entrée. En Pine Script, cela donne pour le cas d’une position long :

```jsx
entry_price = close 
percent_diff = 5.

stop_loss_price_long = (1 - percent_diff / 100) * entry_price 
```

et dans le cas d’une position short, nous inversons simplement le signe :

```jsx
stop_loss_price_short = (1 + percent_diff / 100) * entry_price
```

Une fois ces niveaux de prix de stop loss calculés, nous pouvons mettre en place les ordres grâce à la fonction `strategy.exit()` de Pine Script comme ceci :

```jsx
entry_price = close 
percent_diff = 5.

stop_loss_price_long = (1 - percent_diff / 100) * entry_price
stop_loss_price_short = (1 + percent_diff / 100) * entry_price 

if entry_long
    strategy.entry("Long", strategy.long)
    strategy.exit("SL Long", "Long", stop = stop_loss_price_long, comment_loss = "SL Long")
    
if entry_short
    strategy.entry("Short", strategy.short)
    strategy.exit("SL short", "Short", stop = stop_loss_price_short, comment_loss = "SL Short")
```

Vous pouvez observer que le prix d’exécution du stop loss est indiqué dans le paramètre **`stop`** de la fonction `strategy.exit()`, implémentée juste après l'entrée par `strategy.entry()`.

Dans `strategy.exit()`, avant de renseigner le **`stop`**, vous pouvez voir que nous donnons deux paramètres, deux chaînes de caractères. Ce sont des identificateurs caractérisant une entrée ou une sortie : avec `SL Long` nous définissons cette sortie, alors que `Long` est l'identificateur de l'entrée qui doit être fermée par cette sortie, identifiant ainsi l'entrée créée dans `strategy.entry()`.

Notez que nous avons également ajouté le paramètre `comment_loss` pour afficher le tag correspondant sur le graphique TradingView, au niveau de la bougie sur laquelle le stop loss a été déclenché. Vous pouvez voir un exemple ci-dessous.

![comment_loss.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/comment_loss_e2bb9600ff.png)

Un **point très important** à garder à l'esprit lorsque l'on programme un stop loss est le suivant : le stop loss doit être implémenté lors de l'entrée en position. La fonction `strategy.exit()` doit être renseignée juste après `strategy.entry()` avec le même niveau d’indentation. De ce fait, le prix du stop loss fixé est celui calculé au moment de l'entrée en position et le restera.

En opposition, faire ceci est très différent :

```jsx
if enter_long
    strategy.entry("Long", strategy.long)

strategy.exit("SL Long", "Long", stop = stop_loss_price_long, comment_loss = "SL Long")
```

Car `strategy.exit()` est maintenant actualisée à chaque bougie, et donc le prix de déclenchement du stop loss changera continuellement et ne restera pas l’écart que nous avions défini au moment de l'entrée. 

### Instructions pour Coder un Take Profit en Pine Script

Pour illustrer la mise en place d’un take profit en Pine Script, prenons aussi le cas où le prix du take profit est fixé à un écart en pourcentage par rapport au prix d'entrée. En Pine Script, cela donne pour le cas d’une position long et short:

```jsx
entry_price = close
percent_diff = 10.0

take_profit_price_long = (1 + percent_diff / 100) * entry_price
take_profit_price_short = (1 - percent_diff / 100) * entry_price
```

Comme sa définition nous le laisse entendre, vous pouvez observer que le take profit, en termes de signe, est en effet **l’opposé d’un stop loss**. Une fois ces niveaux de prix de take profit calculés, nous l’implémentons aussi grâce à la fonction `strategy.exit()` :

```jsx
entry_price = close 
percent_diff = 5.

take_profit_price_long = (1 + percent_diff / 100) * entry_price
take_profit_price_short = (1 - percent_diff / 100) * entry_price

if entry_long
    strategy.entry("Long", strategy.long)
    strategy.exit("TP Long", "Long", limit = take_profit_price_long, comment_profit = "TP Long")
    
if entry_short
    strategy.entry("Short", strategy.short)
    strategy.exit("TP short", "Short", limit = take_profit_price_short, comment_profit = "TP Short")
```

Notez que le prix d’exécution du take profit se renseigne dans le paramètre **`limit`** et, si l’on veut donner un tag, il faut utiliser `comment_profit`. Aussi, tout comme le stop loss, le take profit doit en général être placé au même moment que l’entrée en position. Gardez donc en tête la même mise en garde que nous avons faite dans le cas du stop loss.

### Combiner les Ordres Stop Loss et Take Profit en Pine Script

En Pine Script, il est tout à fait possible de renseigner un stop loss et un take profit dans le **même appel de la fonction `strategy.exit()`**. Si nous regroupons tout cela ensemble, cela donne :

```jsx
entry_price = close 
percent_diff = 5.

stop_loss_price_long = (1 - percent_diff / 100) * entry_price
stop_loss_price_short = (1 + percent_diff / 100) * entry_price 

take_profit_price_long = (1 + percent_diff / 100) * entry_price
take_profit_price_short = (1 - percent_diff / 100) * entry_price

if entry_long
    strategy.entry("Long", strategy.long)   
    strategy.exit("TP/SL Long", "Long", stop = stop_loss_price_long, limit = take_profit_price_long, comment_loss = "SL Long", comment_profit = "TP Long")
    
if entry_short
    strategy.entry("Short", strategy.short)
    strategy.exit("TP/SL short", "Short", stop = stop_loss_price_short, limit = take_profit_price_short, comment_loss = "SL Short", comment_profit = "TP Short")
```

### Utiliser le Ratio Risk Reward avec Stop Loss et Take Profit en Pine Script

Beaucoup de traders aiment réfléchir en termes de **“ratio risk/reward”** (ratio de gain versus perte) pour placer le niveau du take profit par rapport à celui du stop loss.

Par exemple, si l’on veut placer un take profit avec un ratio risk/reward de 2:1, il faut que la différence en valeur absolue entre le prix d’entrée et le prix du take profit soit le double de la différence en valeur absolue entre le prix d’entrée et le prix du stop loss. Si l’on reprend notre exemple, cela peut se configurer de la manière suivante en Pine Script :

```jsx
entry_price = close 
percent_diff = 5.
risk_reward_ratio = 2 

stop_loss_price_long = (1 - percent_diff / 100) * entry_price
stop_loss_price_short = (1 + percent_diff / 100) * entry_price

take_profit_price_long = entry_price + (entry_price - stop_loss_price_long) * risk_reward_ratio
take_profit_price_short = entry_price - (stop_loss_price_short - entry_price) * risk_reward_ratio
```

<EXCHANGE_CARD image_name="bitget_fr_1" link="https://partner.bitget.com/bg/CryptoRobotSIFR"/>

Maintenant, compilons tout cela dans un même code pour que vous puissiez le copier directement et ajoutons le plot automatique des bandes de Bollinger. Cela donne :

```jsx
//@version=5
strategy('TP/SL example', default_qty_type=strategy.percent_of_equity, default_qty_value=100, commission_type=strategy.commission.percent, commission_value=0.1, overlay=true)

// *** Indicator *** 
bb_length = input(20, title="BB Length")
bb_mult = input(2, title="BB Multiplier")

bb_stddev = ta.stdev(close, bb_length)
bb_average = ta.sma(close, bb_length)

bb_upper = bb_average + bb_mult * bb_stddev
bb_lower = bb_average - bb_mult * bb_stddev

// *** Signals ***
entry_long = ta.crossover(close, bb_upper)
entry_short = ta.crossunder(close, bb_lower)

// *** SL/TP *** 
entry_price = close 
percent_diff = 5.
risk_reward_ratio = 2 

stop_loss_price_long = (1 - percent_diff / 100) * entry_price
stop_loss_price_short = (1 + percent_diff / 100) * entry_price 

take_profit_price_long = entry_price + (entry_price - stop_loss_price_long) * risk_reward_ratio
take_profit_price_short = entry_price - (stop_loss_price_short - entry_price) * risk_reward_ratio

// *** Entrees/Sorties *** 
if entry_long
    strategy.entry("Long", strategy.long)   
    strategy.exit("TP/SL Long", "Long", stop = stop_loss_price_long, limit = take_profit_price_long, comment_loss = "SL Long", comment_profit = "TP Long")
    
if entry_short
    strategy.entry("Short", strategy.short)
    strategy.exit("TP/SL short", "Short", stop = stop_loss_price_short, limit = take_profit_price_short, comment_loss = "SL Short", comment_profit = "TP Short")

// *** Plots *** 
plot(bb_upper, color=color.rgb(31, 130, 252), linewidth=2)
plot(bb_average, color=color.new(#ffb13b, 0), linewidth=2)
plot(bb_lower, color=color.rgb(31, 130, 252), linewidth=2)
```

Une fois que vous ajoutez cette stratégie au graphique TradingView, vous devriez obtenir un graphique qui ressemble à ceci :

![conclusion.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/conclusion_f92d6a7b2c.png)

Vous pouvez aussi désormais accéder aux outils d’**analyse de backtest** de TradingView.

Pour conclure, il est important de noter que tout ceci était un exemple simple pour vous apprendre comment coder un stop loss et un take profit en Pine Script. Pour qu’une stratégie soit viable et utilisable avec de l’argent réel, il faut beaucoup plus de tests et de validations. Gardez donc cela en tête. Cet article était éducatif et non pas un conseil en investissement. Nous espérons que cela vous a apporté les bases que vous cherchiez pour implémenter vos stratégies.

Apprenez à coder des ordres stop loss et take profit en Pine Script sur TradingView. Ce tutoriel complet vous guide pas à pas à travers les concepts essentiels de gestion de risque et les implémentations pratiques pour améliorer vos stratégies de trading.

Coder des Ordres Stop Loss et Take Profit en Pine Script sur TradingView : Guide Complet

Dans le monde financier complexe d'aujourd'hui, réussir à **maximiser ses gains tout en minimisant ses risques** est un art délicat. La clé pour atteindre cet équilibre réside dans un concept fondamental : **la diversification des actifs**. Que vous soyez un investisseur chevronné ou un débutant, comprendre les principes de la diversification et savoir comment optimiser votre portefeuille est essentiel pour naviguer sereinement sur les marchés financiers. Alors, explorons tout cela ensemble à travers cet article.

## **Optimisation de Portefeuille Financier et Diversification d’Actifs : Définition et Importance**

L'optimisation de portefeuille est une technique utilisée pour maximiser les retours sur investissement tout en minimisant les risques, basée sur la Théorie du Portefeuille de Markowitz. Cette théorie souligne l'importance de la **diversification**, qui consiste à investir dans différentes classes d'actifs pour réduire le risque global. Selon Markowitz, les investisseurs peuvent concevoir un portefeuille optimal en utilisant une **méthode quantitative** pour gérer et mesurer le niveau de risque.

Cependant, l'efficacité de la diversification et des méthodes d'optimisation quantitative est limitée par la **nature des risques**. Il existe principalement deux types de risques.

### **Risque Systématique : Comprendre les Risques Macroéconomiques**

Le risque systématique, ou risque de marché, englobe les risques macroéconomiques et politiques qui affectent tous les marchés de la même manière. Voici quelques exemples :

- **Taux d'intérêt** : Des variations des taux d'intérêt peuvent affecter les coûts de financement des entreprises et le rendement des obligations.
- **Inflation** : L'inflation érode le pouvoir d'achat et peut réduire les rendements réels des investissements.
- **Récessions** : Les récessions économiques peuvent entraîner une baisse généralisée des prix des actifs.
- **Guerres et instabilité politique** : Ces événements peuvent créer une incertitude majeure sur les marchés financiers mondiaux.

Comme ces risques sont inhérents au marché dans son ensemble, ils peuvent être difficilement éliminés par la diversification. Cependant, une stratégie de gestion active, telle que l'ajustement de la répartition d'actifs en fonction des conditions économiques, peut aider à atténuer leurs effets.

### **Risque Non Systématique : Gestion des Risques Spécifiques aux Actifs**

Le risque non systématique, également appelé risque spécifique ou idiosyncratique, est propre à chaque actif. Voici quelques exemples :

- **Prix des actions** : Une chute du prix d’une action peut être due à de mauvaises performances de l'entreprise, à des scandales financiers, ou à des changements dans la direction.
- **Dividendes** : Une baisse des dividendes peut survenir si une entreprise décide de réinvestir ses bénéfices ou si elle traverse une période financière difficile.

La force de la diversification d'un portefeuille réside dans sa capacité à agir directement sur la gestion des risques non systématiques en investissant dans des actifs **aussi indépendants que possible**. Ainsi, si la valeur de certains actifs baisse, l'ensemble du portefeuille n'est pas affecté de manière uniforme. Il est même possible que d'autres actifs soient en hausse, équilibrant ainsi les performances globales du portefeuille.

C’est donc en comprenant les caractéristiques de chaque actif et en quantifiant les risques associés que l’on peut établir une diversification efficace. Revoyons donc ensemble les principaux actifs financier moderne.

![image_2.jpg](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/image_2_f4e3538616.jpg)

## **Les Différents Types d'Actifs Financiers pour une Diversification Optimale**

### **L’Immobilier : Rentabilité et Stabilité à Long Terme**

L’immobilier peut offrir une rentabilité stable, que ce soit sous forme d’investissements dans des biens locatifs ou des sociétés civiles de placement immobilier (SCPI). L’avantage de l’immobilier est qu’il est souvent **décorrélé du marché des actions ou des cryptomonnaies**, ce qui en fait un bon atout dans une optique de diversification. Cependant, le marché immobilier est tout de même soumis à ses propres fluctuations, influencées par l'économie locale ou nationale.

De plus, la **tokenisation** de l'immobilier permet de fractionner les investissements en petites parts accessibles, offrant ainsi plus de liquidité et de diversification. Si vous êtes intéressé par la tokenisation immobilière ou en général.

Pour en savoir plus sur la tokenisation immobilière, consultez notre [article](https://crypto-robot.com/blog/tokenisation-rwa-guide).

<EXCHANGE_CARD image_name="bitget_fr_1" link="https://partner.bitget.com/bg/CryptoRobotSIFR"/>

### **Private Equity : Investir dans des Entreprises Non Cotées pour des Rendements Élevés**

Investir dans le private equity signifie placer des fonds dans des entreprises non cotées en bourse, telles que des startups. Ce type d'investissement peut offrir des **rendements très élevés grâce au potentiel de croissance rapide de ces entreprises**. 

Cependant, il comporte également un risque élevé, car de nombreuses startups échouent, ce qui peut entraîner des pertes drastiques pour l’investisseurs. Également ce marché n’est pas toujours très accessible pour les particuliers.

## **Valeurs Refuges dans l'Investissement Financier**

![lingots_obligations.jpg](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/lingots_obligations_c36c902842.jpg)

### **Métaux Précieux : Protection du Capital en Période d'Incertitude Économique**

Les métaux précieux comme l'or et l'argent sont souvent considérés comme des **valeurs refuges**. Ils ont tendance à conserver leur valeur en période d'incertitude économique, mais ne génèrent pas de revenu régulier. En période de forte inflation par exemple, de nombreux investisseurs se tournent vers les métaux précieux pour protéger leur capital contre la dévaluation de la monnaie.

Notez que, tout comme l’immobilier, des sociétés ont aussi commencé à tokeniser les métaux précieux. Pour plus de détails, consultez cet [article](https://crypto-robot.com/blog/tokenisation-rwa-guide) aussi.

### **Obligations : Instruments de Dette avec Revenu Régulier**

Les obligations sont des instruments de dette qui offrent un revenu régulier, généralement sous forme de coupons semestriels ou annuels. Elles sont généralement moins risquées que les actions, mais les rendements sont souvent plus faibles.

Par exemple, les obligations d'État américaines à 10 ans offrent typiquement **un rendement annuel moyen d'environ 2-3%**, tandis que les obligations d'État européennes, comme les Bunds allemands, peuvent offrir des rendements encore plus bas. 

Les obligations d'entreprises, en revanche, offrent des rendements plus élevés pour compenser le risque accru. Les obligations de sociétés bien notées (investment grade) ont des rendements annuels moyens autour de 3-4%, tandis que les obligations de sociétés moins bien notées (high yield ou junk bonds) peuvent offrir des rendements de 5-7% annuels ou plus.

## **Actifs à Risques en Bourse et en Finance**

![stocks.jpeg](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/stocks_d935941284.jpeg)

### **Actions et ETF : Potentiel de Croissance et Diversification en Bourse**

Investir dans des actions offre un potentiel de croissance élevé, mais aussi un risque important. Les actions représentent des parts de propriété dans des entreprises et leur valeur fluctue en fonction des performances financières de ces entreprises, des conditions économiques générales, et d'autres facteurs de marché. L'investissement en actions permet aux investisseurs de bénéficier de la croissance des entreprises sous forme de plus-values et de dividendes. Par exemple, **le rendement annuel moyen historique des actions américaines est d'environ 10%**.

Les ETF (Exchange-Traded Funds) constituent une solution efficace pour diversifier un portefeuille tout en investissant dans des actions. Un ETF est un fonds d'investissement coté en bourse qui détient un panier d'actifs sous-jacents, comme des actions, des obligations ou des matières premières. 

Les ETF permettent aux investisseurs d'accéder à un large éventail de secteurs, de régions géographiques et de styles d'investissement en une seule transaction. Par exemple, un ETF comme le SPDR S&P 500 ETF Trust (SPY) suit l'indice S&P 500 et offre ainsi une exposition à l'ensemble des 500 plus grandes entreprises américaines, avec un rendement annuel moyen de 10% sur le long terme. Cela **réduit le risque spécifique à une entreprise ou à un secteur**, car la performance du fonds dépend de l'ensemble du panier d'actifs plutôt que d'une seule action.

Cependant, les actions, tout comme les ETF, sont sensibles à la **volatilité du marché boursier** et aux changements économiques, ce qui expose les investisseurs à des risques importants, notamment des pertes en capital en cas de baisse des cours.

### **Cryptomonnaies : Investir dans des Actifs Volatils pour des Rendements Élevés**

Les cryptomonnaies offrent des opportunités de rendements très élevés, mais elles sont également les types d'actifs les plus volatiles qui existent. Elles peuvent connaître des variations de prix de **plusieurs dizaines de pourcents en une seule journée**. Depuis sa création, le Bitcoin a connu une appréciation remarquable, passant de quelques centimes à sa valeur actuelle de plusieurs dizaines de milliers de dollars, avec des rendements annuels moyens parfois supérieurs à 200%.

L'intégration des cryptomonnaies dans un portefeuille diversifié est difficile en raison de leur forte corrélation entre elles. Par exemple, lorsque le Bitcoin chute, il est fréquent que la plupart des autres cryptomonnaies chutent également, et vice versa. À cela s'ajoute la démocratisation du Bitcoin et son **adoption par de grandes institutions financières**, qui ont accru sa corrélation avec la bourse et des indices comme le S&P 500. Cette interdépendance et cette corrélation accrue avec les marchés traditionnels compliquent davantage leur intégration efficace dans une stratégie de diversification de portefeuille.

<EXCHANGE_CARD image_name="bitget_fr_1" link="https://partner.bitget.com/bg/CryptoRobotSIFR"/>

## **Techniques d’Optimisation de Portefeuille**

La disponibilité de **données historiques** est cruciale pour pouvoir optimiser un portefeuille, car elles fournissent une base pour étudier les tendances, les corrélations et les niveaux de risque. L’avantage des cryptomonnaies et autres actifs cotés en bourse est que les données historiques de prix détaillées sont très faciles d’accès, ce qui n’est souvent pas le cas pour les autres classes d’actifs mentionnées précédemment.

Il est possible ensuite de réaliser des estimations numériques pour calculer le pourcentage que chaque actif doit prendre comme place dans notre portefeuille pour un niveau de risque que nous choisissons. Ces méthodes sont dites **quantitatives ou numériques**.

## **FAQ : Diversification de Portefeuille et Actifs Financiers**

### **Qu'est-ce que la diversification de portefeuille ?**

La diversification de portefeuille consiste à investir dans une variété d'actifs pour réduire le risque global. L'idée est que la performance de différents actifs est rarement corrélée de manière parfaite, ce qui permet par exemple de compenser les pertes dans certains actifs par des gains dans d'autres.

### **Pourquoi est-il important de diversifier son portefeuille ?**

Diversifier son portefeuille permet de minimiser les risques non systématiques, c'est-à-dire les risques spécifiques à certains actifs ou secteurs. Cela aide à protéger l'investisseur contre les fluctuations de marché et à stabiliser les rendements.

### **Quels sont les principaux types d'actifs financiers pour la diversification ?**

Les principaux types d'actifs incluent les actions, les obligations, les métaux précieux, l'immobilier, les produits d'épargne comme le livret A, le private equity, et les cryptomonnaies.

### **Quels sont les risques systématiques et non systématiques ?**

- **Risques systématiques** : Ces risques affectent l'ensemble du marché, comme les changements de taux d'intérêt, l'inflation, les récessions, ou les événements géopolitiques.
- **Risques non systématiques** : Ces risques sont spécifiques à une entreprise ou à un secteur, comme une chute des prix d'une action spécifique ou une baisse des dividendes.

### **Qu'est-ce qu'un ETF et pourquoi est-il utile pour la diversification ?**

Un ETF (Exchange-Traded Fund) est un fonds d'investissement coté en bourse qui détient un panier d'actifs. Les ETF permettent aux investisseurs de diversifier facilement leur portefeuille en achetant des parts de ce panier d'actifs, réduisant ainsi le risque spécifique à une seule entreprise ou un seul secteur.

### **Les cryptomonnaies sont-elles une bonne option pour diversifier un portefeuille ?**

Les cryptomonnaies peuvent offrir des rendements élevés, mais elles sont extrêmement volatiles et souvent corrélées entre elles. Leur intégration dans un portefeuille diversifié doit être faite avec prudence et en tenant compte de leur nature volatile.

### **Qu'est-ce que la théorie du portefeuille de Markowitz ?**

La théorie du portefeuille de Markowitz, ou théorie de la diversification, est une méthode quantitative d'optimisation de portefeuille qui cherche à maximiser les retours sur investissement tout en minimisant les risques. Elle se base sur l'idée que la diversification peut réduire le risque global d'un portefeuille.

### **Comment les obligations contribuent-elles à la diversification ?**

Les obligations sont des instruments de dette qui offrent un revenu régulier sous forme de coupons. Elles sont généralement moins risquées que les actions et offrent une source de revenus stable, contribuant ainsi à réduire la volatilité globale du portefeuille.

### **Qu'est-ce que la tokenisation de l'immobilier ?**

La tokenisation de l'immobilier consiste à diviser la propriété d'actifs immobiliers en petites parts numériques (tokens) qui peuvent être achetées et vendues sur des plateformes blockchain. Cela rend l'investissement immobilier plus accessible et liquide (plus de détails [ici](https://crypto-robot.com/blog/tokenisation-rwa-guide)).

### **Comment optimiser un portefeuille d'investissement ?**

L'optimisation de portefeuille implique l'utilisation de données historiques pour analyser les performances passées des actifs, comprendre leurs corrélations et estimer les niveaux de risque. Des méthodes quantitatives peuvent être utilisées pour déterminer la répartition idéale des actifs dans le portefeuille en fonction du profil de risque de l'investisseur. 

Découvrez tout sur la diversification de portefeuille et les actifs financiers pour maximiser vos gains et minimiser les risques. Apprenez les principes clés de la théorie du portefeuille, les types d'actifs financiers et les techniques d'optimisation de portefeuille.

large_intro_image.jpg

medium_intro_image.jpg

small_intro_image.jpg

thumbnail_intro_image.jpg

intro_image.jpg

La Divesification et les Classes d’Actifs dans lesquels Investir en 2024


95 % des traders, qu'ils soient manuels ou algorithmiques, échouent dans leur trading car ils ne parviennent pas à identifier et à optimiser correctement le **type de stratégie** qu'ils utilisent. Un des points clés de la réussite est également de s'assurer que chacune de nos stratégies est bien conforme aux **exigences spécifiques** liées à son type.

En effet, la plupart des stratégies de trading se classent dans l'une de ces **deux catégories** : les **stratégies de tendance** ou les **stratégies de retour à la moyenne**. Aussi compliquées, ingénieuses ou farfelues qu'elles puissent paraître, derrière tout cela se cache souvent l’idée de **suivre la tendance** ou de **réagir aux excès de marché**.

Prenons quelques minutes pour clarifier ces deux types de stratégies, examiner leurs caractéristiques et, surtout, comprendre comment évaluer leur efficacité et les combiner pour **maximiser les profits**. Il serait très imprudent de risquer son argent en suivant des stratégies qui n'exploitent pas pleinement ses capacités en raison d'une **approche mal conçue**.

## **Maîtriser les Stratégies de Tendance pour le Trading**

### **Caractéristiques et Outils des Stratégies de Tendance**

Les stratégies de tendance reposent sur l'idée que les marchés financiers ont tendance à se déplacer dans des **directions identifiables sur des périodes prolongées**. Les traders cherchent à profiter de ces mouvements en entrant le plus tôt possible dans des positions qui suivront la direction de la tendance, puis en les fermant à temps, lorsque le bon signal de retournement apparaît.

Pour identifier correctement une tendance, il faut :

1. **Éliminer le bruit**, c'est-à-dire les mouvements aléatoires des prix. Pour cela, on utilise des moyennes (ex : moyenne mobile simple, exponentielle, etc.) afin de lisser les fluctuations à court terme et de mettre en évidence les tendances à long terme.
2. **De la force !** Une tendance sans intensité ne sera pas porteuse. Alors n'oubliez pas de vous équiper également d'indicateurs de momentum tels que le RSI (”relative strength index”) ou d'autres oscillateurs.

Sachez que dans une stratégie de tendance, le win rate n'est pas l'élément central. Ils sont généralement assez faibles, il est très difficile de l'avoir > 50 % dans une telle stratégie. Cependant, il est essentiel que les **gains moyens des trades réussis surpassent largement les pertes des échecs**. Par ailleurs, une stratégie efficace de tendance se doit aussi à tout prix de minimiser le temps passé en positions perdantes comparé à celui en positions gagnantes. En d'autres termes, il est impossible d'éviter complètement les mauvaises tendances, mais si elles sont détectées et quittées rapidement, le tour est joué !

Il est toujours difficile de définir des critères précis pour évaluer une stratégie de tendance, car une bonne performance dans un aspect peut compenser une moins bonne dans un autre. Cependant, à titre indicatif, nous pourrions établir qu'une stratégie affichant : un win rate < 35 % ; ou des gains moyens sur les bons trades ne dépassant pas le double des pertes moyennes (en valeure absolue) sur les mauvais ; ou encore un temps en position perdante similaire à celui en position gagnante, devrait **sérieusement susciter des doutes** !

Si vous êtes intéressé par une stratégie de tendance implémentée sous forme de **bot de trading multi-cryptomonnaie**, découvrez la notre vidéo ci-dessous. Cette stratégie utilise notamment les bandes de Bollinger, un indicateur fréquemment employé pour détecter les débuts de fortes tendances.

<MDX_YT videoId="g146rzkKdXE"/>

### Limitations et Risques des Stratégies de Tendance

S’il y a une caractéristique commune des stratégies de tendance qui nuit à leur rentabilité, c’est bien le **"lag"** : l'utilisation de moyennes implique mathématiquement toujours un retard dans les signaux. Le problème est qu'avec un retard trop grand, la stratégie peut entrer en tendance trop tardivement, tout comme en sortir trop tardivement, ce qui peut finir par engendrer des pertes même si la tendance était porteuse.

Ensuite, ce que les stratégies de tendance "n'aiment pas du tout" sont ****les **marchés horizontaux** (en “range”), où de fréquents petits rebonds ne forment pas de tendances claires et génèrent ainsi de nombreux faux signaux. Ces périodes peuvent malheureusement éroder lentement les profits accumulés durant les phases de tendance. Une des possibilités pour remédier à cela est de mettre votre bot de trading en pause durant de tels régimes, manuellement ou via une règle algorithmique simple. Comme les marchés en range présentent souvent une faible volatilité, l'utilisation d'un filtre de volatilité peut parfois faire des merveilles ! Nous avons récemment développé un tel indicateur, rendez-vous [ici](https://crypto-robot.com/blog/atr-ratio-trading) pour plus d'infos.
 
<EXCHANGE_CARD image_name="bitget_fr_1" link="https://partner.bitget.com/bg/CryptoRobotSIFR"/>

## **Maîtriser les Stratégies de Retour à la Moyenne pour le Trading**

### **Caractéristiques et Outils des Stratégies de Retour à la Moyenne**

Les stratégies de retour à la moyenne partent du principe que les prix, après un écart significatif, tendent à **revenir vers une moyenne historique ou une valeur d'équilibre**. Cela signifie que lorsqu'un actif est extrêmement surévalué ou sous-évalué par rapport à sa moyenne, il y a une forte probabilité qu'il retrouve un niveau plus "normal" ou habituel.

La **volatilité** est souvent au cœur des stratégies de retour à la moyenne : détecter des pics de volatilité et des écarts par rapport à la moyenne, sans suivre les tendances, est essentiel. Généralement, lorsque des moyennes mobiles sont utilisées dans ces stratégies, elles sont de très courte période afin de mieux caractériser le prix ``normal”. Par ailleurs, des outils statistiques tels que la variance ou le Z-score sont prisés pour identifier les écarts significatifs et les potentiels points de rebond.

Ces stratégies se distinguent par un **win rate élevé** : plus de 50 % est acceptable, mais plus de 60 % est préférable. Ce type de stratégie ne vise **pas de gros gains par transaction**, mais plutôt de nombreux petits gains accumulés au fil du temps. Ainsi, il ne faut pas s'alarmer si la moyenne des pertes des mauvais trades est similaire à celle des bons trades ; c'est souvent le cas.

Un point crucial, qui constitue également le risque principal de ce type de stratégie, est l'erreur de positionnement lorsqu'on pense jouer une correction alors qu'en réalité, une nouvelle tendance est en train de se former. Pour éviter de rester coincé dans une position potentiellement très perdante, qui pourrait ainsi prendre du temps avant être clôturée, il est vivement recommandé d'utiliser des **stop-loss**.

En règle générale, il est conseillé d'éviter les stratégies de retour à la moyenne dont le win rate est inférieur à 50 %. De même, une stratégie où les pertes moyennes des mauvais trades surpassent nettement les gains des bons trades devrait être remise en question. Un autre indicateur simple à examiner est le rapport entre les séries de trades gagnants et perdants. Si le nombre moyen de trades gagnants consécutifs n'est pas significativement plus élevé que celui des trades perdants, cela peut indiquer un problème potentiel. Une stratégie efficace de retour à la moyenne **doit pouvoir compenser rapidement ses pertes**.

Nous ne pouvons pas résister à l'envie de vous citer ci-dessous notre bot de trading multi-crypto basé sur la stratégie Enveloppe. C'est vraiment un archétype de stratégie de retour à la moyenne !

<MDX_YT videoId="-n4CnZ8wZOQ"/>

### **Limitations et Risques des Stratégies de Retour à la Moyenne**

Ces stratégies sont très vulnérables aux "chocs de marché" ou aux "news" qui peuvent soudainement éloigner les prix de leur moyenne historique pour des périodes prolongées. Ces mouvements brusques forcent les positions à être clôturées avec des **drawdowns élevés**. Il en va de même pour les périodes de forte tendance, auxquelles ces stratégies ne s'adaptent pas bien. Pour résumer, nous pourrions dire, un peu naïvement, que "les stratégies de retour à la moyenne perdent moins fréquemment que les stratégies de tendance, mais quand elles perdent, cela a tendance à faire mal !"

Par ailleurs, gardez à l'esprit que les stratégies de retour à la moyenne ont souvent un rythme d'ouverture et de fermeture de positions plus élevé. Ainsi, les **frais de trading** peuvent devenir un facteur important de la rentabilité d'une telle stratégie.

## **Stratégies de Trading et Hedging: Tendance et Retour à la Moyenne**

Une approche couramment utilisée dans le trading pour réduire les risques et booster les profits est le **hedging**. Dans ce contexte, le hedging consiste à prendre des positions compensatoires sur différents actifs ou stratégies pour limiter les pertes potentielles. Une approche intéressante de hedging est ainsi d'**utiliser simultanément des stratégies de tendance et de retour à la moyenne sur le même actif**. Cette combinaison permet de bénéficier des avantages de chaque type de stratégie et de contrebalancer leurs inconvénients, car elles se complètent.

Par exemple, les stratégies de tendance perdent souvent des profits durant les phases de marche horizontaux (en range) ou de faible volatilité, où elles génèrent de nombreux faux signaux. En revanche, c'est précisément dans ces phases que les stratégies de retour à la moyenne performent généralement le mieux, car elles profitent des rebonds fréquents autour de la moyenne. 

À l'inverse, c’est souvent pendant les fortes tendances que les stratégies de tendance performe le mieux en capturant de longs mouvements directionnels, tandis que les stratégies de retour à la moyenne peuvent subir des pertes importantes en essayant de contrer la tendance. 

## **FAQ sur les Stratégies de Trading**

### **Qu'est-ce qu'une stratégie de trading de tendance ?**

Une stratégie de trading de tendance repose sur l'idée que les marchés financiers ont tendance à se déplacer dans des directions identifiables sur des périodes prolongées. Les traders cherchent à profiter de ces mouvements en entrant le plus tôt possible dans des positions qui suivront la direction de la tendance.

### **Quelle est la principale caractéristique d'une stratégie de tendance ?**

La caractéristique principale d'une stratégie de tendance est de maximiser les gains moyens des trades réussis, qui doivent surpasser largement les pertes des échecs. Bien que le taux de réussite (win rate) soit souvent faible et dépasse rarement les 50 %, l'accent est mis sur la rentabilité globale des trades gagnants par rapport aux perdants.

### **Comment identifier une tendance sur le marché ?**

Pour identifier correctement une tendance, il faut éliminer le bruit (mouvements aléatoires des prix) en utilisant des moyennes mobiles et analyser la force de la tendance à l'aide d'indicateurs de momentum tels que le RSI ou d'autres oscillateurs.

### **Comment optimiser une stratégie de trading de tendance ?**

Pour optimiser une stratégie de trading de tendance, il est crucial de minimiser le temps passé en positions perdantes, d'utiliser des indicateurs de momentum pour analyser la force de la tendance et de mettre en pause le bot de trading durant les périodes de marché horizontal (en range).

### **Qu'est-ce qu'une stratégie de retour à la moyenne ?**

Les stratégies de retour à la moyenne partent du principe que les prix, après un écart significatif, tendent à revenir vers une moyenne historique ou une valeur d'équilibre. Lorsqu'un actif est surévalué ou sous-évalué par rapport à sa moyenne, il y a une forte probabilité qu'il retrouve un niveau plus "normal".

### **Quelles sont les caractéristiques des stratégies de retour à la moyenne ?**

Les stratégies de retour à la moyenne se distinguent par un win rate élevé (souvent supérieur à 50 %) et visent de nombreux petits gains accumulés au fil du temps. Elles nécessitent également l'utilisation de stop-loss pour éviter des positions potentiellement très perdantes.

### **Quels sont les risques associés aux stratégies de retour à la moyenne ?**

Les stratégies de retour à la moyenne sont vulnérables aux tendances soudaines et soutenues, aux chocs de marché ou aux nouvelles économiques qui peuvent éloigner les prix de leur moyenne historique pour des périodes prolongées, entraînant des drawdowns élevés. Elles ont également un rythme d'ouverture et de fermeture de positions plus élevé, ce qui peut augmenter les frais de trading.

### **Quels outils statistiques sont utilisés dans les stratégies de retour à la moyenne ?**

Dans les stratégies de retour à la moyenne, des outils statistiques tels que la variance ou le Z-score sont utilisés pour identifier les écarts significatifs et les potentiels points de rebond. Les moyennes mobiles de très courte période sont également couramment utilisées pour caractériser le prix "normal".

### Comment les stratégies de tendance et de retour à la moyenne se complètent-elles dans le hedging ?

Les stratégies de tendance et de retour à la moyenne se complètent car elles performent différemment selon les conditions du marché. Les stratégies de tendance peuvent exceller pendant les fortes tendances, tandis que les stratégies de retour à la moyenne performent mieux durant les phases de range ou de faible volatilité. Utilisées ensemble, elles permettent de réduire les pertes potentielles et d'améliorer la rentabilité globale.

Maîtrisez les stratégies de trading de tendance et de retour à la moyenne avec ce guide. Apprenez à utiliser les outils adéquats pour maximiser vos profits et minimiser les risques.

Dominer votre Trading : Guide Stratégies Tendance et Retour à la Moyenne

Avez-vous déjà exploré la **valeur temps de l'argent**, ce principe financier qui soutient qu'un euro aujourd'hui vaut plus que demain ? Ce concept, fondamental pour comprendre le potentiel d'investissement, suggère que plus tôt l'argent est investi, plus grand sera son rendement. Le Bitcoin, avec la valorisation qu'il a connue depuis sa création, incarne parfaitement ce principe.

Parallèlement, le “**dollar cost averaging**” (DCA), très en vogue sur les réseaux sociaux, propose une approche d'investissement plus graduelle, visant à réduire les risques de mauvais “timing” grâce à son investissement périodique. Mais alors, ne sommes-nous pas confrontés à une **contradiction flagrante** ?

*Le DCA peut-il vraiment rivaliser avec l'investissement immédiat, si l'on considère la valeur temps de l'argent ?*

Eh bien, tâchons d'éclaircir cela dans cet article, avec l'appui de statistiques. Nous allons utiliser le Bitcoin comme cas d'étude.

Si vous voulez regarder notre vidéo YouTube sur ce sujet, c'est par ici :

<MDX_YT videoId="Z0GCkmDo8S4"/>

## Les Deux Stratégie d’Investissement en Crypto: Instantané et DCA

Définissons maintenant clairement les deux methodes d’investissement que nous allons comparer dans notre analyse:

- Investisssement immédiat
- Investissement programmé (DCA)

### Comment Investir avec le Dollar Cost Averaging sur le Bitcoin

<EXCHANGE_CARD image_name="bitget_fr_1" link="https://partner.bitget.com/bg/CryptoRobotSIFR"/>

L’investissement programmé, ou DCA en anglais, est une stratégie d'investissement qui consiste à **répartir une somme à investir sur une périodicité définie**, plutôt que d'investir la totalité d'un seul coup. Cette approche vise à atténuer la volatilité de l'actif et à éviter d'investir entièrement au "mauvais moment".

Par exemple, imaginons qu'un investisseur souhaite investir 1000 € dans le Bitcoin. Plutôt que d'acheter pour 1000 € de Bitcoin en une seule fois, il décide d'appliquer une stratégie de dollar cost averaging en investissant 100 € chaque semaine. Ainsi, sur une période de 10 semaines, il aura investi un total de 1000 € dans le Bitcoin. 

Cette approche lui permet d'acheter du Bitcoin à différents prix au fil du temps, ce qui peut atténuer l'impact des fluctuations de prix à court terme. Si le prix du Bitcoin est élevé une semaine donnée, il achètera moins de Bitcoin ce jour-là. En revanche, si le prix du Bitcoin baisse une autre semaine, il achètera plus de Bitcoin à ce moment-là. Ainsi, en moyenne, il aura acheté du Bitcoin à différents niveaux de prix, ce qui **peut réduire les risques liés à la volatilité du marché**.

### Achat Immédiat de Bitcoin: Pourrait-il Être Plus Rentable que le DCA ?

L’investissement en immédiat (ou “en somme forfaitaire”) consiste à allouer **l'intégralité de ses liquidités immédiatement une fois disponibles**, sans les fractionner sur une période prolongée, contrairement au DCA.

Cette approche s'harmonise parfaitement avec le principe de la valeur temps de l'argent, qui stipule qu'un montant accessible aujourd'hui possède une valeur supérieure à celui disponible ultérieurement. Il est facile à comprendre pourquoi si l'on réfléchit en termes de potentiel d'investissement : plus l'argent est investi tôt, plus il produira d'intérêts, et/ou encore plus l'actif investi a le temps de se valoriser. Bien évidemment, tout ceci est vrai pour des **actifs dont la valeur croît en moyenne dans le temps**.

![dca2.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/dca2_67490847c7.png)

## Analyse Comparative sur le Bitcoin: DCA vs Investissement Immédiat

Le **Bitcoin est un excellent exemple d'actif dont la valeur s'apprécie en moyenne sur le long terme**, ce qui en fait un cas d'étude idéal pour comparer deux stratégies d'investissement distinctes.

Définissons d'abord le contexte de notre analyse : imaginons que nous disposons d'un certain montant de liquidités. L'objectif est de déterminer si:

*il est plus judicieux d'investir cette somme en une seule fois dans le Bitcoin (investissement immediat) ou de l'échelonner sur plusieurs mois (DCA).*

Il est cependant nécessaire de préciser une chose : une personne qui reçoit un salaire mensuel et décide d'investir une partie de celui-ci immédiatement dans un actif ne suit pas, à proprement parler, une stratégie DCA. Par contre, si cette personne choisit ensuite de répartir son investissement sur le reste du mois, cela devient alors du DCA.

<EXCHANGE_CARD image_name="bitget_fr_1" link="https://partner.bitget.com/bg/CryptoRobotSIFR"/>

### Bitcoin Testé en Python: DCA vs Investissement Immédiat

La première étape de l'analyse consiste à récupérer le cours du bitcoin. Pour cela, nous prenons le cours du BLX qui répertorie le prix du bitcoin depuis 2010. Vous pouvez le consulter sur Trading View ici https://www.tradingview.com/chart/?symbol=BNC%3ABLX.

Ensuite, nous avons créé un code en Python qui permet de calculer, pour une date donnée, combien de bitcoins nous aurions acheté si :

- nous avions investi toute notre liquidité à cette date,
- nous avions divisé cette somme en 12, et investi la première fraction à cette date, puis les 11 autres fractions le même jour du mois pendant les 11 mois suivants.

Le code permet aussi de calculer ensuite combien chaque investissement se valorise au bout des 12 mois.

Notez que le cours du bitcoin connaît des **cycles de 4 ans**, en raison de son phénomène de halving, c'est-à-dire que la difficulté pour miner un bitcoin est multipliée par deux tous les 4 ans. Ceci a un impact significatif sur le comportement du prix du bitcoin. Ainsi, pour que notre analyse comparative soit pertinente, nous devons considérer des données historiques représentatives, et donc par multiples de 4 ans. Nous considérons deux périodes, soit 8 ans. Pour simplifier les calcules, nous prenons en compte une somme disponible de 12 000 €, car dans le cas du DCA cela impliquera donc un investissement mensuel de 1 000 €.

### **Comparaison Bitcoin : Rendement de l'Investissement Immédiat vs DCA sur 12 Mois**

Nous avons résumé les résultats sur la valorisation de l'investissement en Bitcoin selon la méthode choisie dans le graphique ci-dessous, où les périodes en bleu montrent les moments où il était plus rentable d'investir immédiatement 12 000 €, et le rouge indique les périodes où la stratégie DCA était plus avantageuse. Quels constats pouvons-nous tirer?

![dca3.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/dca3_12567fcbcd.png)

D'une part, le bleu prédomine : il y a **davantage de périodes durant lesquelles l'investissement immédiat est plus profitable**. D'autre part, les moments où le DCA est plus rentable coïncident économiquement : ils surviennent après un pic de hausse, c'est-à-dire après un bull run, lorsqu'on assiste à un renversement de marché et à une phase de décroissance.

Cela est parfaitement logique : **acheter au sommet du marché n'est jamais conseillé**. Cependant, une fois que le marché se stabilise après cette baisse, l'investissement immédiat redevient systématiquement l'option la plus rentable.

Examinons une autre métrique pour affiner notre analyse : le nombre de bitcoins achetables selon la méthode d'investissement. Le graphique ci-dessous résume les résultats.

![dca4.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/dca4_e81d089dae.png)

On observe que la courbe représentant l'achat immédiat (en bleu) est plus fluctuante que celle du DCA (en rouge), en effet, l'achat immédiat subit directement les effets de la volatilité de l'actif, tandis que le DCA adopte une approche qui lisse l'investissement.

Toujours est-il que l'on peut observer clairement que **les périodes où la courbe du nombre d'achats de Bitcoin via le DCA est au-dessus de celle de l'achat immédiat sont rares**. Elles correspondent, encore une fois, aux periodes autours des sommets du marché.

Ces résultats témoignent bien que l'achat instantané est statistiquement plus rentable que le DCA. Cela est d'autant plus consolidé par les résultats globaux suivants. Toujours pour un investissement de 12 000 € testé chaque jour depuis 2015 jusqu'à 2024, nous obtenons:

- La quantité moyenne de bitcoins achetables immédiatement est de 8.13 BTC.
- La quantité moyenne de bitcoins achetables via DCA est de 5.91 BTC.
- Cela représente une différence de +37.56 % en faveur de l'investissement immédiat.

Concernant le pourcentage du temps, nous avons :

- 67.87 % où l'investissement immédiat est plus avantageux.
- 32.13 % où le DCA est plus rentable.

Enfin, en termes de rendement moyen, nous avons :

- +4052.93 % pour l'investissement immédiat.
- +2921.91 % pour le DCA.

## Optimisation du DCA sur les Cryptos avec un Indicateur de Trading

### Comment Optimiser son DCA sur le Bitcoin ?

La question qui se pose est de savoir s'il est possible d'**établir une méthode de DCA optimisée** où l'on serait capable de repérer les meilleures périodes pour investir une somme plus importante, et les moins bonnes périodes où nous n'investissons rien.

Pour cela, nous avons recours à l'**indicateur MRAT**, que nous avons trouvé être un excellent moyen pour détecter les tendances du marché. Pour plus de détails, nous vous invitons à lire l'article sur https://crypto-robot.com/blog/mrat-indicateur-trading. Une vidéo explicative est également disponible sur YouTube, vous trouverez le lien dans l'article.

Le MRAT est un indicateur basé sur **le ratio de deux moyennes mobiles**, une à long terme et une à court terme. Plus la valeur du MRAT s'écarte de 1, plus cela reflète un éloignement significatif entre ces moyennes mobiles, signalant une tendance marquée du marché. Un MRAT au-dessus de 1 suggère une phase haussière, alors qu'une valeur en dessous de 1 révèle une tendance baissière.

Gardons notre approche d'investissement sur 12 mois en utilisant le MRAT pour **comparer le prix du Bitcoin par rapport à sa moyenne annuelle**. Cela se fait simplement en calculant le rapport du prix actuel (moyenne mobile de période 1 jours) divisé par une moyenne mobile de 365 jours. Vous pouvez visualiser cet indicateur configuré ainsi dans la partie inférieure du graphique de TradingView ci-dessous.

![dca5.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/dca5_9629bdecca.png)

Lorsque le MRAT est au-dessus de 2, cela signifie que le Bitcoin est deux fois plus cher que sa moyenne annuelle. Nous pouvons caractériser ces périodes (soulignées en rouge sur le graphique) comme étant "mauvaises", et il vaudrait mieux ne pas acheter.

À l'inverse, les périodes très opportunes pour investir correspondent à un MRAT en dessous de 0.5, indiquant que le prix du Bitcoin est deux fois moins cher que sa moyenne annuelle (soulignées en vert sur le graphique).

<EXCHANGE_CARD image_name="bitget_fr_1" link="https://partner.bitget.com/bg/CryptoRobotSIFR"/>

### Bitcoin: Rendements d’un DCA Optimisé contre l’Investissement Immédiat

À partir de là, nous pouvons optimiser notre DCA en choisissant de ne rien investir lorsque le MRAT > 2.1 pour éviter les sommets du marché, d'investir une fois notre mise lorsque le MRAT est entre 2.1 et 0.7, puis d'investir le double de notre mise lorsque le MRAT < 0.7 pour profiter de l'opportunité.

Avec cette approche, le **montant total à investir ne peut être déterminé à l'avance**, car nous avons des périodes où l'on n'investit pas et d'autres où l'on investit davantage. C'est pourquoi nous avons ajusté les valeurs à 2,1 et 0,7, afin que cela nous donne une somme totale à investir proche de notre exemple précédent.

En termes de performance, nous obtenons cette fois que l'achat immédiat permet d'acheter +23,73 % de bitcoins de plus que le DCA optimisé. Le DCA a été plus performant ; auparavant, nous avions une différence de 37 %, néanmoins l'achat immédiat reste de loin beaucoup plus rentable !

Pourquoi cela ? L'idée d'optimisation semblait pourtant logique. En fait, nous revenons toujours à la problématique de base : **la valeur temps de l'argent**. Dans cette méthode, nous avons toujours des fonds qui restent inactifs pendant un certain temps, même si nous tentons de remédier à cela en investissant davantage aux moments les plus opportuns.

À cela s'ajoute que certaines périodes considérées comme "mauvaises" à l'instant t ne le sont pas nécessairement en réalité, surtout lorsque l'on considère l'appréciation du bitcoin aujourd'hui. Par exemple, vous pouvez voir qu'autour de fin 2021, le bitcoin valait 20 000 \$, et dans son cycle à ce moment-là, il était bien au-dessus de sa moyenne annuelle et donc considéré comme mauvais pour notre méthode d'optimisation. Cependant, aujourd'hui, avec un bitcoin autour de 70 000 \$, l'avoir acheté à 20 000 \$ est une très bonne affaire !

En résumé, les analyses que nous avons discutées aujourd'hui nous montrent statistiquement que l'investissement immédiat reste difficilement surpassé en termes de méthode la plus rentable, devant toute forme de DCA. Et la raison sous-jacente à cela est bien que, pour des actifs en croissance, **la valeur temps de l'argent est fondamentale**.

Le Dollar Cost Averaging (DCA) : échelonner son investissement sur une période plutôt que d'investir d'un coup. Est-ce vraiment le choix le plus rentable ?

medium_dca1.png

small_dca1.png

thumbnail_dca1.png

dca1.png

Le DCA: La Stratégie d’Investissement la Plus Rentable pour les Cryptos et le Bitcoin?

Aaaaah, la volatilité... Amie ou ennemie ? 

Selon la stratégie de trading, elle peut tout à fait nous être **bénéfique** comme elle peut être **rédhibitoire**. En effet, parfois, si nous pouvions éviter d'être "stopped out" (déclenchement du stop loss) pendant une tendance bien marquée à cause d’un pic de volatilité malheureux, ce serait pas mal, n'est-ce pas ?

Ou mieux encore, si nous pouvions facilement mettre notre **bot de trading en pause** lorsque la volatilité est trop basse durant une période de consolidation, et éviter tous ces faux signaux qui érodent petit à petit nos profits durement acquis, ne serait-ce pas génial ?

Restez avec nous, car dans cet article, nous allons construire ensemble un filtre de volatilité très simple qui pourra apporter des améliorations notables dans ces domaines ! Nous en profiterons également pour illustrer ses capacités sur des stratégies de trading simples en Pine Script.

## Construire un filtre de volatilité avec l’ATR pour le Trading

### L’Average True Range (ATR) : l’Indicateur de Volatilité le Plus Simple

La première étape consiste à se baser sur un indicateur déjà existant. Prenons l'Average True Range, car il nécessite un seul paramètre pour être calculé, sa période. Ce qui en fait l'indicateur de volatilité le plus simple. Il est défini comme la moyenne du "True Range" sur une période n :

$$
\text{ATR} = \frac{1}{n} \sum_{i=1}^{n} \text{TR}_i
$$

où TR*i* est le true range pour chaque période *i.* Il est calculé comme le maximum parmi des trois cas suivants :

- La différence entre le plus haut et le plus bas du jour.
- La valeur absolue de la différence entre le plus haut du jour et la clôture de la veille.
- La valeur absolue de la différence entre le plus bas du jour et la clôture de la veille.

En somme, l'ATR est donc un indicateur qui caractérise la volatilité d'un actif en moyennant l'amplitude maximale de variation de chaque bougie de trading sur une période donnée.

Maintenant, la question est la suivante : 

*Comment pouvons-nous utiliser cet indicateur pour créer un filtre de volatilité efficace ?*

### L’ATR Ratio: l’Indicateur Filtre de Volatilité le Plus Efficace

Si nous restons fidèles à notre objectif de **simplicité**, quelle serait l'opération mathématique la plus simple qui permettrait de transformer cet ATR en un filtre sans ajouter de paramètres supplémentaires ?

La réponse est : une division / **un ratio**. En effet, en rapportant la valeur de l'ATR à un prix caractéristique du marché, nous obtenons directement un indicateur normalisé capable de refléter la volatilité instantanée du marché.

Étant une moyenne sur plusieurs périodes, l'ATR ne devrait pas être simplement divisé par le prix actuel du marché pour refléter la volatilité. Il est plus logique de diviser chaque True Range par un prix caractéristique de la même bougie, comme le "low" ou le "high", pour maintenir la cohérence tout au long de la période de calcul de notre nouvel ATR.

Nous choisissons le “low” et définissons donc ce nouvel ATR comme suit :

$$
\text{ATR*} = \frac{1}{n} \sum_{i=1}^{n} \frac{\text{TR}_i}{\text{low}_i} 
$$

Voici notre indicateur de volatilité ATR Ratio. Vous pouvez ensuite définir des valeurs de cet ATR* qui serviront de seuils pour identifier une haute ou faible volatilité selon vos préférences.

<EXCHANGE_CARD image_name="bitget_fr_1" link="https://partner.bitget.com/bg/CryptoRobotSIFR"/>

## L’ATR Ratio: l’Indicateur Filtre de Volatilité avec TradingView & Pine Script

### Le Pouvoir de l’Indicateur ATR Ratio Illustré sur TradingView

Voici un exemple sur TradingView avec le Bitcoin ci-dessous. Notre indicateur ATR* est la courbe bleue en bas. Nous avons multiplié ses valeurs par 100 pour obtenir un pourcentage.

![Screenshot_2024-04-15_161532.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/Screenshot_2024_04_15_161532_f53782c76e.png)

En guise d’illustration, nous avons entouré en rouge des périodes où la taille des bougies est très petite, et en vert des périodes où la volatilité est plus forte. Nous avons choisi dans cet exemple une moyenne sur 14 périodes (le choix standard pour le calcul de l’ATR). 

Notez que, comme nous avons recours à une moyenne mobile, nous ne sommes pas exempts de ses **défauts**, à savoir le “lag”. Vous pouvez observer que cet indicateur peut parfois avoir un peu de retard avant de réagir à la volatilité.

### Comment Ajouter l’Indicateur Filtre de Volatilité ATR Ratio sur Trading View

Mettons tout notre travail en pratique et implémentons dès maintenant l’ATR ratio en Pine Script pour pouvoir l’utiliser facilement dans nos stratégies de trading sur TradingView. Voici le code :

```jsx
//@version=5
indicator("ATR Ratio", overlay=false)

atr_ratio_period = input(14, title="Average Period")
true_range = ta.tr(false)
true_range_over_low = true_range / low
atr_ratio = ta.sma(true_range_over_low, atr_ratio_period) * 100

plot(atr_ratio, title="ATR Ratio", color=color.blue, linewidth = 2)
```

Simple et efficace, n'est-ce pas ?! C’est exactement ce que nous voulions ! 

Vous trouverez [ici](https://fr.tradingview.com/script/s4X2Vcm8/) notre version sur TradingView que vous pouvez ajouter en favoris en un clic.

## Stratégies de Trading Crypto avec Filtre de Volatilité ATR Ratio

### Stratégies de Trading avec l’Indicateur ATR Ratio en Pine Script

Avec cet indicateur intégré et implémenté en Pine Script, il est temps de passer à la vitesse supérieure en le testant dans une stratégie.

Gardons à l'esprit que la force de cet indicateur réside moins dans la détection des périodes de forte ou faible volatilité soudaines que dans son effet de filtre. Il peut être très utile, par exemple, pour mettre **en pause un bot de trading pendant de longues périodes de consolidation**. Cela pourrait simplement consister à ajouter une règle à votre stratégie, comme interdire les entrées en position lorsque l'ATR Ratio est inférieur à 2 %, par exemple. Ce pourcentage est indicatif bien sûr, et vous devrez le définir grâce à vos tests.

Simulons cela avec **une stratégie très simple** : le croisement de moyennes mobiles. Vous trouverez le code Pine Script de cette stratégie, incluant également l'ATR Ratio, [ici](https://fr.tradingview.com/script/70BabJUf/). 

Prenons comme exemple la paire BTC/USDT en timeframe 4 heures. Nous sélectionnons une moyenne mobile rapide de 10 périodes et une lente de 30 périodes, et comme référence, nous désactivons notre filtre, autrement dit, nous fixons le seuil à 0, comme ceci :

![Screenshot_2024-05-02_140427.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/Screenshot_2024_05_02_140427_e9243d342a.png)

Ce qui produit les résultats suivants pour un backtest depuis mi 2017 :

![ref_results.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/ref_results_b0a02e7dac.png)

À première vue, un profit d'environ 1600 % semble plutôt bon. Cependant, si l'on examine de plus près les statistiques, un drawdown maximum de 66 % est beaucoup trop élevé, et un win rate de 36 % commence à être faible même pour une stratégie purement de tendance (qui généralement n'a pas besoin d'un win rate très haut pour être robuste, contrairement à d'autres types de stratégies). 

La courbe des profits présente également une tendance inégale, avec des périodes de gains significatifs suivies de périodes de pertes marquées. C'est tout à fait normal, une stratégie comme celle-ci est simplement capable de suivre de près le marché. Vous avez peut-être remarqué qu'en effet, la courbe de gains ressemble fortement à celle des prix du Bitcoin.

<EXCHANGE_CARD image_name="bitget_fr_1" link="https://partner.bitget.com/bg/CryptoRobotSIFR"/>

### Éviter les Faux Signaux avec l’Indicateur Filtre de Volatilité ATR ratio

Gardons exactement sur le même exemple, mais cette fois, nous fixons le seuil de l’ATR ratio à 2 %. Ce qui nous donne les résultats de backtest suivants :

![filtered_results.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/filtered_results_2d6b69d4a7.png)

Les gains ont certes été diminués, mais au profit de résultats **beaucoup plus stables**. Nous pouvons observer que plus de la moitié des trades ont été filtrés, notamment un bon nombre de mauvais trades : le win rate a grimpé à 44 %. Cela est maintenant très correct pour une stratégie de tendance.

L'amélioration se reflète également dans le profit factor, qui a augmenté malgré une baisse totale des gains. Cela est dû au fait que notre filtre a permis de diviser par deux le drawdown maximum. La courbe des profits est aussi devenue beaucoup plus saine, affichant une croissance régulière.

Notez que cette stratégie est encore trop risquée pour être tradée réellement. Elle mériterait plus de travail. Mais c'était un bon exemple rapide pour illustrer la force de ce filtre ATR Ratio que nous avons construit ensemble dans cet article.

## FAQ: L’Indicateur de Trading ATR Ratio Comme Filtre de Volatilité

### **Comment puis-je utiliser l'ATR Ratio dans mes stratégies de trading ?**

Vous pouvez utiliser l'ATR Ratio comme filtre de volatilité dans vos stratégies de trading. Par exemple, vous pouvez mettre en pause vos trades lorsque l'ATR Ratio est inférieur à un certain seuil pour éviter les périodes de faible volatilité ou ajuster vos stratégies en fonction des fluctuations de la volatilité.

### **Quel est l'avantage de l'utilisation de l'ATR Ratio par rapport à l'ATR traditionnel ?**

L'ATR Ratio normalise la volatilité par rapport au prix, ce qui le rend plus adapté à la comparaison entre différents actifs ou périodes de temps. De plus, il peut être utilisé comme filtre pour éviter les trades pendant les périodes de faible volatilité, ce qui peut améliorer la performance des stratégies de trading.

### **Quels sont les inconvénients de l'utilisation de l'ATR Ratio ?**

L'un des principaux inconvénients de l'ATR Ratio est qu'il peut parfois donner des signaux retardés en raison de sa nature de moyenne mobile. De plus, il peut nécessiter des ajustements fréquents des seuils en fonction des conditions de marché changeantes.

### **Comment puis-je déterminer les seuils appropriés pour l'ATR Ratio ?**

Les seuils de l'ATR Ratio peuvent être déterminés en fonction de vos objectifs de trading et de votre tolérance au risque. Vous pouvez les ajuster en effectuant des tests historiques sur différentes plages de valeurs et en analysant les performances de votre stratégie.

### **L'ATR Ratio convient-il à tous les types de stratégies de trading ?**

L'ATR Ratio peut être utilisé dans une variété de stratégies de trading, mais il est particulièrement adapté aux stratégies de suivi de tendance et aux stratégies basées sur la volatilité. Cependant, il peut également être utile dans d'autres types de stratégies pour filtrer les signaux indésirables.


Découvrez comment utiliser l'indicateur ATR Ratio comme filtre de volatilité dans vos stratégies et bots de trading pour optimiser vos performances et mieux gérer votre risque. Construction et utilisation en Pine Script sur TradingView à l'appui !

medium_intro_pic.png

small_intro_pic.png

thumbnail_intro_pic.png

intro_pic.png

L’ATR Ratio : le Meilleur Indicateur de Trading pour Filtrer la Volatilité

Le guide avancé pour comprendre tous les différents types d'ordres en trading et apprendre à les placer correctement pour les cryptomonnaies en Python avec le package CCXT.

large_DALLE_~1.JPG

medium_DALLE_~1.JPG

small_DALLE_~1.JPG

thumbnail_DALLE_~1.JPG

DALLE_~1.JPG

Guide pour Maîtriser les Ordres de Trading en Cryptomonnaies avec Python

Un terme que l'on entend de plus en plus, et qui deviendra très probablement un pilier de la finance en émergence, est celui de la **tokenisation**. Imaginez posséder des jetons numériques qui vous accordent le droit de percevoir une part du loyer d'une maison de rêve à l'autre bout du monde, ou encore un jeton octroyant des droits à des intérêts sur la dette d'un pays. 

La digitalisation d'actifs réels ("Real World Assets” ou RWA) semble offrir une opportunité pour fluidifier et simplifier les échanges, mais surtout pour **démocratiser l'investissement**. Cependant, qu'en est-il des droits de gouvernance, des frais, de la gestion et des règles éthiques ? Nous vous proposons aujourd'hui de décortiquer tout cela à travers des exemples concrets, tout en conservant un regard critique sur ces questions.

## **Qu'est-ce que la tokenisation et comment ça fonctionne ?**

### Du RWA à la Blockchain

Un exemple courant de tokenisation, que vous utilisez peut-être sans le savoir, est l'USDT. Cette cryptomonnaie transforme simplement des dollars américains en tokens. 

En réalité, la portée de la tokenisation est bien plus vaste. Elle consiste à convertir divers droits d'actifs en tokens numériques sur une blockchain, ne se limite pas à la monnaie. Elle englobe progressivement les "Real World Assets" (RWA), incluant des biens immobiliers, des œuvres d'art, des parts de start-up ou des obligations, et surement plus encore! 

### Tokenisation et la Démocratisation de l'Investissement

La tokenisation, en associant un token à une part de droits d'un actif réel, offre deux avantages pour la finance future. Premièrement, elle **démocratise l'investissement**. En fractionnant un investissement, elle rend accessible la possession de parts d'actifs de grande valeur. Par exemple, pour un ménage à revenu modeste, acheter une maison pour la louer est souvent hors de portée. En revanche, acquérir petit à petit des tokens représentant une part de propriété d'une maison, et donc percevoir une fraction du loyer, est plus réalisable.

Le second avantage important est l'**augmentation de la liquidité et la facilitation des transactions internationales** grâce à la blockchain et aux smart contracts. En rendant l'investissement plus abordable, la tokenisation ouvre le marché à une participation plus large et rend les marchés traditionnellement rigides plus fluides.

![tokenisation-exemple.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/tokenisation_exemple_caf5d492f6.png)

### Digitalisation de RWA : Prudence

Toutefois, gardons à l'esprit que la tokenisation, bien qu'innovante, n'est pas exempte de défis. Les nuances des droits de propriété et de gouvernance nécessitent une réglementation précise pour harmoniser la détention de tokens avec la possession effective d'actifs. 

Les complexités réglementaires varient selon les juridictions, ce qui peut augmenter les coûts de conformité. De plus, la sécurité de la blockchain, sa capacité à évoluer et la volatilité potentielle des tokens soulèvent des questions sur la **stabilité et la sécurité des investissements numériques à long terme**.

## **Quelle est la différence entre la tokenisation et les cryptomonnaies ?**

La tokenisation et les cryptomonnaies, bien que liées dans l'écosystème blockchain, ont des rôles et des caractéristiques distincts.

Les **cryptomonnaies**, telles que Bitcoin et Ethereum, sont des monnaies numériques décentralisées basées sur la blockchain, utilisées principalement comme moyen d'échange ou réserve de valeur. Elles fonctionnent indépendamment des systèmes monétaires traditionnels et ne sont pas adossées à des actifs physiques ou financiers externes, ayant leur propre valeur intrinsèque.

La **tokenisation**, en revanche, implique de convertir les droits d'un actif réel ou intangible en un jeton numérique sur une blockchain. Ces tokens, souvent classés en "security tokens" ou "utility tokens", représentent une part ou un droit sur un actif spécifique, comme un bien immobilier ou une œuvre d'art. Leur valeur est directement liée à l'actif sous-jacent. Ce processus facilite la division et l'accessibilité des investissements dans des actifs coûteux ou complexes.

Par ailleurs, les tokens issus de la tokenisation, tout comme les cryptomonnaies, peuvent être échangés sur des **échangeur de cryptomonnaies** mais aussi sur des plateformes de **finance décentralisée** (DeFi). Nous verrons plus en détail des cas plus loin.

![tokenisation-defi.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/tokenisation_defi_5bee95f820.png)

## **Comment la tokenisation transforme-t-elle le secteur financier ?**

La tokenisation comme nous l’avons vu offre une efficacité accrue du capital, une démocratisation de l'accès et des économies de coûts opérationnels. Les transactions peuvent se faire 24/7, avec des règlements instantanés, grâce à la programmabilité et à la capacité des tokens à interagir avec des contrats intelligents, ce qui permet une automatisation élevée et une reduction des frais. 

Cependant, nous avons jusqu'à présent abordé des généralités, mais qu'en est-il de **la tokenisation en pratique**? Voyons trois cas concrets.

### **La tokenisation de biens immobilier et DeFi: le cas de RealT**

Prenons pour premier exemple RealT ([https://realt.co/](https://realt.co/)), probablement le cas le plus emblématique de tokenisation de biens réels (RWA) à ce jour. Lancée en mai 2019, cette entreprise américaine se spécialise dans la tokenisation de l'immobilier. 

Elle transforme les droits de propriétés immobilières en jetons numériques (de type ERC20), nommés “RealTokens”, sur la blockchain Ethereum. Ces jetons représentent **une propriété fractionnée dans l'immobilier** permettant ainsi aux propriétaires de percevoir des revenus locatifs, directement liés à leur part en jetons.

![realt.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/realt_ad77f60a4b.png)

Sur RealT, l'investissement minimum correspond au prix d'un jeton, généralement situé entre 50 et 150 $. Le retour sur investissement (ROI) attendu avoisine les **10 % annuellement**, sans compter les bénéfices issus de la vente des propriétés. Les paiements sont effectués chaque semaine, basés sur le loyer ou les intérêts de la semaine précédente. Ils peuvent être perçus, par exemple, directement en USDC, ou un réinvestissement automatique est également possible. Plus d'informations sont disponibles sur leur [site FAQ](https://faq.realt.co/fr/articles/4885623-comment-recevoir-mes-revenus-locatifs).

RealT a également choisi **Uniswap**, une plateforme de finance décentralisée (DeFi), comme principal mécanisme de liquidité pour les RealTokens. Cette approche permet aux utilisateurs d'échanger des RealTokens sans nécessiter de contrepartie directe, grâce aux transactions réalisées directement avec le pool d'actifs sur Uniswap. 

RealT gère l'entretien des propriétés, avec des coûts couverts par les revenus locatifs. La structure de frais de RealT comprend des frais de gestion immobilière, variant entre 5 et 10 % par propriété, et des frais de listing sur la plateforme, qui sont de 10 % des recettes brutes.

Enfin, soyez conscients que dans le modèle de RealT, posséder 100 % des jetons d'une propriété vous donne une propriété fractionnelle complète, représentée par ces jetons. Cette propriété vous donne droit aux revenus (comme le loyer) et à l'appréciation potentielle de la propriété. Toutefois, cela **diffère de la propriété immobilière traditionnelle** ; le contrôle physique direct et la possession traditionnelle par acte ne sont pas équivalents à la possession de jetons. **La propriété physique est détenue par une LLC** ("limited liability company” équivalent SARL en France), chaque propriété ayant sa propre LLC. Les détenteurs de jetons possèdent en réalité des parts dans cette LLC, et non la propriété physique elle-même. La LLC gère les responsabilités légales et financières, y compris la distribution des revenus locatifs aux détenteurs de jetons par le biais de RealT.

### **La tokenisation d’une obligation verte: le cas de Forge**

En deuxième exemple, parlons de la Société Générale. En novembre 2023, sa filiale SG Forge a émis **la première obligation verte numérique** sur la blockchain publique Ethereum. Cette obligation, structurée comme un Security Token, a été entièrement souscrite par deux investisseurs institutionnels de premier plan : AXA Investment Managers et Generali Investments. 

![obligation-verte.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/obligation_verte_4c43fff871.png)

La creation de ces tokens, d'un montant de 10 millions d'euros et d'une maturité de 3 ans sont destinés à financer ou refinancer des projets verts sélectionnés par la Société Générale, conformément à ses [Principes d'Obligations Vertes de la Société Générale](https://www.societegenerale.com/sites/default/files/documents/2021-11/20211104-societe-generale-sustainable-and-positive-impact-bond-framework.pdf). Cela inclut des investissements dans les énergies renouvelables, l'efficacité énergétique, la gestion durable des ressources naturelles, et d'autres initiatives qui contribuent à la transition écologique.

### La Tokenisation de l’Or et des Metaux Precieux: le cas d’Aurus

Enfin, penchons-nous sur les métaux précieux. Fondée en 2018, Aurus démocratise l'accès à ceux-ci grâce à la technologie blockchain, **en transformant l'or, l'argent et le platine physiques en tokens numériques** - tGOLD, tSILVER et tPLATINUM. Chaque token représente un gramme du métal correspondant, provenant de raffineries accréditées et stocké par des partenaires spécialisés répartis sur plusieurs sites. 

Les détenteurs de tokens peuvent échanger à tout moment leurs actifs numériques contre les métaux physiques réels chez les partenaires d'Aurus. Ces tokens peuvent également être tradés sur des plateformes de **finance décentralisée (DeFi)** comme Uniswap ([https://uniswap.org/](https://uniswap.org/)) et certains **exchanges centralisés** tels que CEX.io ([https://trade.cex.io/spot/BTC-USD](https://trade.cex.io/spot/BTC-USD)).

Vous êtes peut-être curieux de voir à quoi ressemble le cours de ces tokens. Nous avons pris le tGOLD sur Uniswap comme exemple et l’avons représenté ci-dessous sur TradingView. Nous avons aussi ajouté le cours de l’or réel (courbe blanche).

![gold-tokenise.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/gold_tokenise_1a7b5d8bca.png)

Tout d’abord, nous pouvons observer que le prix du tGOLD a, en moyenne, perdu de la valeur par rapport à l'or depuis sa création, avec un écart d'environ 4$ aujourd'hui.

De plus, il est intéressant de noter que le tGOLD suit bien le cours de l’or mais est soumis à beaucoup plus de pics de volatilité. C’est compréhensible. Les volumes échangés diffèrent de manière colossale. Toutes plateformes confondues, le volume échangé moyen aujourd'hui du tGOLD est d’environ **10 000$**, alors que celui de l’or est d'environ **131 milliards de dollars** !

## **Quels sont les avantages, les risques et les défis liés la tokenisation ?**

Pour conclure, si nous devions résumer les avantages de la tokenisation, nous pourrions le faire en ces trois points clefs:

- **Liquidité Accrue et Démocratisation :** Elle rend des actifs traditionnellement illiquides,  accessibles et divisibles. Cette caractéristique ouvre le marché à des investisseurs disposant de moyens financiers plus limités, dynamisant ainsi des secteurs moins fluides.

- **Accès Mondial :** La tokenisation élargit l'horizon d'investissement en rendant les actifs disponibles à une audience internationale. Elle simplifie les transactions transfrontalières, contournant les obstacles imposés par les systèmes bancaires traditionnels et offrant ainsi des opportunités d'investissement globalisées.

- **Efficacité et Transparence :** Grâce aux smart contracts, les transactions sont automatisées, ce qui optimise les processus et réduit les coûts. La blockchain assure également une transparence et une traçabilité exemplaires, renforçant la confiance dans les transactions d'actifs.

Bien que la tokenisation représente une avancée significative dans le domaine de l'investissement, elle n'est pas exempte de risques. Il est essentiel pour les créateurs de tokens et les investisseurs de procéder avec prudence dans ce secteur émergent. 

Par example, la nécessité d'une correspondance claire entre la **détention de tokens et la possession effective des actifs**, la navigation dans un cadre juridique et réglementaire en constante évolution (attention à l’imposition), et les défis posés par les problèmes de **sécurité et de scalabilité de la blockchain** soulignent l'importance d'une vigilance accrue. De plus, l'augmentation de la volatilité, induite par une liquidité améliorée, peut affecter **la valeur des tokens indépendamment des actifs sous-jacents**, ajoutant une couche supplémentaire de risque pour les investisseurs. 

Alors, gardons bien tout cela à l'esprit et voyons ce que le futur nous réserve !

Découvrez comment la tokénisation des actifs réels redéfinit l'investissement et la propriété dans le monde des cryptomonnaies et de la blockchain. Explorez les dernières tendances, les avantages, et comment cela façonne l'avenir financier.

large_tokenisation-title.png

medium_tokenisation-title.png

small_tokenisation-title.png

thumbnail_tokenisation-title.png

tokenisation-title.png

Tokénisation des Actifs Réels : l'Avenir de la Blockchain des Cryptos

## 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](https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3111334)
- [Stratégie Trading View](https://fr.tradingview.com/script/pNDKNj3M/)
- [Backtest Stratégie Python et Portefeuille Long Short](https://github.com/CryptoRobotFr/Backtest-Tools-V2/tree/main)

<MDX_YT videoId="Cdz_MqAZS20"/>

## 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 :

![Capture d'écran 2024-05-27 162056.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/Capture_d_ecran_2024_05_27_162056_28db36aab2.png)

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

![DALL·E 2024-03-25.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/DALL_E_2024_03_25_86f7ad59c9.png)

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.

![research_resultas.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/research_resultas_6bbfb13efb.png)

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 :

![Capture d'écran 2024-05-27 162338.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/Capture_d_ecran_2024_05_27_162338_f5834118c5.png)

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.

![mrat_crypto_2.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/mrat_crypto_2_ce8a5e976b.png)

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.

![mrat_crypto_2.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/mrat_crypto_2_ce8a5e976b.png)

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%**.

![mrat_crypto_4.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/mrat_crypto_4_6bf7368fff.png)

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 :

```python
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.

![mrat_crypto_5_2022.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/mrat_crypto_5_2022_bc6520dd72.png)

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.

![mrat_crypto_5_2020.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/mrat_crypto_5_2020_b354b5cd38.png)

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.

![mrat_crypto_5.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/mrat_crypto_5_944ecf9920.png)

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 !

Découvrez comment maîtriser le Trading de Tendance avec l'Indicateur Trading View 'Moving Average Distance' (MRAT). 

large_MRAT Indicator.webp

medium_MRAT Indicator.webp

small_MRAT Indicator.webp

thumbnail_MRAT Indicator.webp

MRAT Indicator.webp

L'Indicateur Trading View pour faire du Trading de Tendance

Le Heikin Ashi est un outil qui suscite l'engouement de nombreux traders, en particulier dans l'univers des cryptomonnaies. Cependant, son utilisation est entachée d'erreurs et de malentendus, ce qui peut entraîner des conséquences désastreuses pour les performances des stratégies de trading. 

Il est essentiel de comprendre que les bougies Heikin Ashi sont un indicateur et non une mesure directe de la valeur d'un actif – une distinction capitale pour l'élaboration de stratégies de trading efficaces. Cet article vise à clarifier le sujet, à examiner les bases, les applications en trading de cryptomonnaies, et à discuter des limitations du Heikin Ashi. Bien maîtrisé, cet outil peut se révéler extrêmement utile.

## **Les Bases des bougies Heikin Ashi en Crypto**

### **Origine et Histoire des Bougies Heikin Ashi**

Les bougies Heikin Ashi, dont le nom signifie "barre moyenne" en japonais, ont été développées au Japon, s'inscrivant dans la longue tradition des méthodes d'analyse technique japonaise. Ces bougies ont été conçues pour atténuer le bruit et la volatilité des marchés, offrant ainsi une vision plus claire de la tendance du marché. Elles sont devenues populaires dans la communauté du trading à partir de la fin des années 1990 et au début des années 2000. 

La popularité des Heikin Ashi a considérablement augmenté avec l'avènement du trading en ligne, car elles facilitent la lecture des graphiques en lissant les fluctuations de prix. Aujourd'hui, elles sont particulièrement appréciées dans le **trading de cryptomonnaies** en raison de la nature extrêmement volatile de ces marchés. 

### **Comparaison : Bougies Heikin Ashi vs Chandeliers Traditionnels**

À première vue, les bougies Heikin Ashi et les bougies traditionnelles peuvent sembler similaires, comme vous pouvez le constater dans l'image ci-dessous. Cette image met en perspective l’evolution journalière du Bitcoin en USD représenté pars les Heikin Ashi (à gauche) et par les bougies traditionnelles (à droite).

![Screenshot_2024-01-14_152218.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/Screenshot_2024_01_14_152218_fce2869674.png)

Il est difficile de distinguer les différences entre les bougies Heikin Ashi et les chandeliers traditionnels de prime abord, n’est-ce pas ? À part peut-être une plus grande uniformité des couleurs avec les Heikin Ashi. Cependant, en réalité, ces deux types de bougies présentent des différences fondamentales, tant dans leur construction que dans leur interprétation :

1. **Construction** : Les bougies Heikin Ashi sont calculées en utilisant des moyennes des prix (ouverture, clôture, haut, et bas) des périodes actuelles et précédentes. Cela crée un effet lissant. En revanche, les chandeliers traditionnels représentent les prix exacts pour chaque période sans lissage. Ceci est une différence capitale: les **Heikin Ashi ne représente donc pas le cours de l’actif.**

2. **Indication de tendance** : Les bougies Heikin Ashi sont excellentes pour identifier et confirmer les tendances du marché. Elles réduisent les bruits du marché, rendant les tendances plus faciles à voir. Les chandeliers traditionnels, cependant, fournissent des informations plus détaillées sur les mouvements de prix à l'intérieur d'une seule période de trading, ce qui est crucial pour certaines stratégies, en particulier celles à court terme.

3. **Réactivité** : Par définition, les chandeliers traditionnels réagissent rapidement aux changements de prix, reflétant immédiatement la volatilité et les inversions de tendance. Ce trait est avantageux pour les traders qui cherchent à capitaliser sur les mouvements de marché à court terme. En revanche, les bougies Heikin Ashi montrent un certain retard à cause de leur méthode de calcul, ce qui peut limiter leur utilité dans des stratégies demandant des réactions rapides. Nous explorerons ces aspects plus en détail un peu plus tard.

4. **Visuel** : Sur un graphique, les bougies Heikin Ashi tendent à afficher des séquences de couleurs plus longues et plus cohérentes, ce qui simplifie l'identification des tendances en cours. Les chandeliers traditionnels, avec leur représentation plus détaillée des mouvements de prix, peuvent parfois produire des graphiques plus fragmentés et visuellement complexes.

En résumé, tandis que les bougies Heikin Ashi sont privilégiées pour une vue d'ensemble et une identification claire des tendances, les chandeliers traditionnels sont essentiels pour une analyse détaillée et une prise de décision rapide sur les marchés. 

### **Comment Calculer les Bougies Heikin Ashi**

Examinons maintenant le calcul qui permet d'obtenir les bougies Heikin Ashi, ce qui témoigne de leur caractère d'indicateur plutôt que d'une représentation réelle des différents prix d'un cours (ouverture, fermeture, haut, bas). Ce calcul utilise les données des périodes actuelles et précédentes:

- **Fermeture Heikin Ashi** : La fermeture d'une bougie Heikin Ashi est la moyenne des quatre prix principaux : ouverture, fermeture, haut et bas de la période courante:

$$
\text{Fermeture}_{\text{HA}} = \frac{\text{Ouverture} + \text{Fermeture} + \text{Haut} + \text{Bas}}{4}
$$

- **Ouverture Heikin Ashi** : L'ouverture d'une bougie Heikin Ashi est la moyenne de l'ouverture et de la fermeture de la bougie précédente.

$$
\text{Ouverture}_{\text{ HA}} = \frac{\text{Ouverture}_{\text{précédente HA}} + \text{Fermeture}_{\text{précédente  HA}}}{2}
$$

- **Haut Heikin Ashi** : Le haut de la bougie Heikin Ashi est le maximum des trois valeurs : le haut actuel, l'ouverture Heikin Ashi ou la fermeture Heikin Ashi.

$$
\text{Haut}_{\text{ HA}} = \max(\text{Haut}, \text{Ouverture}_{\text{ HA}}, \text{Fermeture}_{\text{ HA}})
$$

- **Bas Heikin Ashi** : Le bas de la bougie Heikin Ashi est le minimum des trois valeurs : le bas actuel, l'ouverture Heikin Ashi ou la fermeture Heikin Ashi.

$$
\text{Bas}_{\text{ HA}} = \min(\text{Bas}, \text{Ouverture}_{\text{ HA}}, \text{Fermeture}_{\text{ HA}})
$$

C'est aussi grâce à ces calculs que les bougies Heikin Ashi lissent les mouvements de prix et aident à filtrer le bruit du marché, facilitant ainsi l'identification des tendances. 

## **Limitations et Mythes autour du Heikin Ashi en Trading Crypto**

### **Risques des Décisions de Trading Basées sur les Valeurs Heikin Ashi**

Le fait que les Heikin Ashi ne représentent pas les prix réels du cours signifie que baser ses décisions d'achat ou de vente uniquement sur les valeurs qu'ils indiquent peut avoir des conséquences très facheuses. 

Prenons un exemple concret. Imaginez que vous ayez une stratégie de trading qui implique d'entrer en position à la fermeture de la bougie Heikin Ashi verte indiquée dans le graphique de gauche ci-dessous, et que vous vendiez à la clôture de la première bougie rouge qui apparaît. Ce trade, si on se fie aux prix indiqués par les Heikin Ashi, semble vous rapporter un gain de +1%. Cependant, les prix réels utilisés dans vos opérations seront ceux du cours en lui-même. Ainsi, en entrant et sortant du trade à la fermeture des bougies réelles, comme indiqué dans le graphique de droite, ce trade vous fait perdre en réalité -3.2%. Les Heikin Ashi sont un indicateur de tendance, mais pas un outil à utiliser pour une indication précise des prix du cours.

![Screenshot_2024-01-17_091419.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/Screenshot_2024_01_17_091419_37b148b596.png)

![Screenshot_2024-01-17_091716.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/Screenshot_2024_01_17_091716_3086b02956.png)

### **Déconstruire les Mythes du Heikin Ashi**

Avant d'explorer comment utiliser les Heikin Ashi efficacement, déconstruisons plusieurs illusions courantes dans le trading de cryptomonnaies, notamment chez les traders débutants. Un des mythes les plus répandus est la croyance que les Heikin Ashi peuvent prédire avec précision les tendances du marché en tout temps. Comme tout indicateur de tendance, la qualité de leurs signaux souffre lors de périodes de forte volatilité, un comportement commun dans le marché des cryptomonnaies. Rappelez-vous donc que les Heikin Ashi sont un outil pouvant être très utile pour visualiser les tendances, mais ils ne sont pas infaillibles.

Un autre malentendu courant est l'idée qu'ils peuvent offrir une vision toujours pertinente du marché. En réalité, bien qu'utiles pour visualiser les tendances, les Heikin Ashi ne sont pas à l'abri des erreurs d'interprétation, surtout en l'absence d'une analyse complémentaire. Prenons l'exemple illustré par les graphiques précédents : des trades qui, selon les Heikin Ashi, semblent prometteurs peuvent se transforme en une perte significative une fois applique aux bougies traditionnelles. Cette situation met en évidence le risque de s'appuyer uniquement sur les Heikin Ashi pour prendre des décisions de trading. 

### Inconvénients **Techniques du Heikin Ashi en Trading Algorithmique**

Examinons maintenant les faiblesses pratiques des bougies Heikin Ashi pour mieux les prévenir. Une des principales limitations est le retard dans les signaux qu'elles peuvent générer, ce qui est souvent un inconvénient commun à tout indicateur de tendance. Comme ces bougies sont basées sur des moyennes de prix, il existe fréquemment un décalage entre les mouvements réels du marché et ce qui est reflété sur le graphique Heikin Ashi. Vous pouvez, par exemple, observer que la tendance baissière soudaine dans le graphique ci-dessous commence deux bougies plus tôt dans le cours réel (graphique de droite) que ce qui est indiqué par les Heikin Ashi.

![Screenshot_2024-01-18_104443.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/Screenshot_2024_01_18_104443_dabaaa4553.png)

Ce type retard peut s'avérer particulièrement problématique dans le trading algorithmique de haute fréquence, où la rapidité de réaction face aux changements de marché est essentielle.

De la meme maniere, la capacité des Heikin Ashi à lisser excessivement les mouvements de prix, peut conduire à sous-estimer ou même à ignorer la volatilité réelle du marché. Par exemple, lors d'une fluctuation soudaine des prix dans le marché des cryptomonnaies, un graphique Heikin Ashi pourrait montrer une tendance relativement stable, tandis que les chandeliers traditionnels révéleraient des variations importantes de prix. Cette différence est critique, car la volatilité peut être un signal important pour les traders cherchant à identifier des opportunités de trading à court terme ou à évaluer le niveau de risque.

Une autre limitation des bougies Heikin Ashi réside dans le fait que l'identification des points de retournement précis peut être difficile. Bien qu'efficaces pour suivre les tendances établies, elles peuvent rendre moins claires les situations de retournement de tendance ou les marchés latéraux. Cette difficulté est due à la nature même des bougies Heikin Ashi, qui lissent les mouvements de prix, parfois au détriment de la précision des points d'entrée ou de sortie spécifiques. Si vous souhaitez découvrir un indicateur qui se distingue par sa capacité à détecter des retournements de marché, vous pouvez le faire en consultant cet article : [https://crypto-robot.com/blog/volume-anomaly-trading-view](https://crypto-robot.com/blog/volume-anomaly-trading-view).

En résumé, pour les traders algorithmiques, cela signifie que s'appuyer uniquement sur les Heikin Ashi peut entraîner un retard dans la détection des mouvements rapides des prix, ce qui peut affecter négativement l'efficacité de leurs stratégies. Il est donc recommandé d'utiliser les bougies Heikin Ashi en complément d'autres indicateurs, afin de contrebalancer par exemple le lissage excessif des Heikin Ashi lorsqu'il se produit, et de maintenir une vision complète de la dynamique du marché. C’est ce que nous allons explorer maintenant.

## **Stratégies de Trading avec Heikin Ashi dans la Crypto**

### Entr**é**es et Sorties avec **Heikin Ashi sur Trading View**

Pour explorer une utilisation correcte des Heikin Ashi, commençons par examiner un cas où cette méthode révèle d'abord ses limitations, puis tâchons de l'améliorer étape par étape. 

Adoptons une perspective de trading algorithmique rapide et travaillons avec une timeframe courte, comme 30 minutes. Prenons la paire BTC/USDT comme exemple et réalisons nos backtests sur l'année 2023, où sa valeur a augmenté d'un peu plus de 150%. Ainsi, durant une année haussière, une stratégie prenant des trades au hasard serait profitable. Par conséquent, toute stratégie digne d'intérêt doit faire mieux que cela.

Si nous estimons que le Heikin Ashi est un indicateur de tendance surpuissant et autonome, acheter sur une bougie verte puis vendre sur une bougie rouge devrait être lucratif. Cependant, en implémentant cela en Pine Script pour réaliser le backtest sur Trading View, il s'avère que ce n'est pas le cas, comme l'illustre la courbe de profit ci-dessous.

![Screenshot_2024-01-18_095934.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/Screenshot_2024_01_18_095934_7e2c868cd1.png)

En effet, les limitations du Heiken Ashi précédemment présentées induisent trop de trades et de faux signaux, annulant ainsi les profits réalisés lors des périodes de tendance.

### Gestion des Risques avec **Heikin Ashi en Crypto**

Admettons maintenant qu'en raison du nombre excessif de mauvais trades de cette stratégie, il serait judicieux de ne pas sortir d’un trade sur une bougie rouge, mais plutôt en ajoutant un “take profit” (prise de profit) et un “stop loss” (ordre de vente stop). Cependant, conservons l'idée qu'une bougie verte Heikin Ashi indique probablement une tendance haussière, donc ne changeons pas cette règle d'entrée.

Choisissons un stop loss à 5 ATR du prix d'entrée et un “risk-reward ratio” (ratio risque/rendement) de 2. Cela donne les résultats ci-dessous.

![Screenshot_2024-01-18_101626.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/Screenshot_2024_01_18_101626_0bbad590a5.png)

Cela filtre radicalement le nombre de trades et la courbe devient profitable.

### **Strategie Heikin Ashi et Supertrend**

Considérons alors que l'entrée donnée par le Heikin Ashi est convenable, mais qu'il serait bénéfique d'ajouter une confirmation avec un autre indicateur de tendance complémentaire, tel que le Supertrend. Utilisons une configuration de ce dernier qui suit de près la courbe, avec un facteur multiplicateur de 1 et une période de 40 pour capturer les tendances de plus grande periode. Si nous ajoutons à la condition d'entrée que le prix de fermeture doit aussi être supérieur au Supertrend, cela nous permet d'accroître les profits, comme vous pouvez le voir ci-dessous.

![Screenshot_2024-01-18_102942.png](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/Screenshot_2024_01_18_102942_8e2c674873.png)

Ce n'est là qu'un exemple rapide. Un travail plus approfondi serait nécessaire pour créer une stratégie assez robuste pour être appliquée sur le marché réel. Mais c'est une bonne illustration du fait que le Heikin Ashi n'est pas un indicateur miracle se suffisant à lui-même.

## Conclusion

À travers cet article, nous avons exploré en détail les bougies Heikin Ashi, un outil de plus en plus populaire parmi les traders de cryptomonnaies. Bien que ces bougies offrent une visualisation simplifiée et lissée des tendances du marché, il est essentiel de garder à l'esprit leurs limitations. Elles ne représentent pas les prix exacts et peuvent donc induire en erreur lorsqu'il s'agit d'identifier des points d'entrée et de sortie précis. De plus, leur nature lissante peut retarder la réaction aux retournements de marché rapides, ce qui est crucial dans le trading algorithmique de haute fréquence.

Malgré ces contraintes, les Heikin Ashi peuvent être extrêmement utiles lorsqu'ils sont intégrés dans une stratégie de trading complète, en combinaison avec d'autres indicateurs et mesures de contrôle des risques. Leur capacité à lisser les fluctuations de prix aide à filtrer le bruit du marché et à clarifier la direction des tendances.

Pour conclure, bien que les bougies Heikin Ashi ne soient pas une solution universelle pour le trading, elles constituent un élément précieux pour les traders de cryptomonnaies. Une utilisation avisée de cet outil, en conjonction avec d'autres techniques d'analyse, peut significativement améliorer la qualité des décisions de trading et offrir une meilleure navigation dans les marchés volatils de la cryptomonnaie.


Les bougies Heikin Ashi, un indicateur de tendance redoutable pour le trading crypto, révèlent leur plein potentiel qu’une fois leurs forces et limitations bien comprises.

Tous les posts

Stratégie de Trading Automatisé Envelope (Retour à la moyenne)
3 mai 2023

Récupérez tout l'historique d'une crypto rapidement sur n'importe quel échange grace à l'asynchrone en python
2 mars 2023

Le cours des fan tokens, un reflet de la performance des équipes de football ?
29 décembre 2022

Bollinger Trend, la Stratégie de Trading Automatisée avec les Bandes de Bollinger
6 décembre 2022

Le Day Trading et ses indicateurs !
7 novembre 2022

Le SuperReversal, la meilleure des stratégies de trading ?
24 octobre 2022

Trading Haute Fréquence et Arbitrage Cryptos en Python
12 octobre 2022

Proof of Work et Proof of Stake ! Focus sur ces différentes blockchains
7 octobre 2022

Comment trader comme un professionnel sur Bitget ?
3 octobre 2022

Comment Utiliser le RSI en Crypto ?
3 octobre 2022

Tous les posts

Stratégie de Trading Automatisé Envelope (Retour à la moyenne)3 mai 2023

Récupérez tout l'historique d'une crypto rapidement sur n'importe quel échange grace à l'asynchrone en python2 mars 2023

Le cours des fan tokens, un reflet de la performance des équipes de football ?29 décembre 2022

Bollinger Trend, la Stratégie de Trading Automatisée avec les Bandes de Bollinger6 décembre 2022

Le Day Trading et ses indicateurs !7 novembre 2022

Le SuperReversal, la meilleure des stratégies de trading ?24 octobre 2022

Trading Haute Fréquence et Arbitrage Cryptos en Python12 octobre 2022

Proof of Work et Proof of Stake ! Focus sur ces différentes blockchains7 octobre 2022

Comment trader comme un professionnel sur Bitget ?3 octobre 2022

Comment Utiliser le RSI en Crypto ?3 octobre 2022