Bienvenue à cette formation "Python pour la Finance" destinée à toutes personnes qui souhaitent apprendre Python pour l'utiliser dans le secteur financier mais plus généralement dans l'analyse de données. Que vous soyez étudiant, professionnel de la finance ou simplement passionné par le domaine, cette formation vous permettra de maîtriser les bases de Python et de l'appliquer à des cas concrets dans le secteur financier.
![Python Finance](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/draze_a_python_in_a_crypto_trading_room_1a54cd54_45a8_4c17_a742_d702c7a77577_bcd044b57f.png)

Nous sommes ravis de vous annoncer que cette formation "Python pour la Finance" est proposée totalement gratuitement par Crypto Robot ! Notre objectif est de rendre l'apprentissage du langage Python et de son application dans le domaine financier accessible à tous. Le meilleur moyen de nous soutenir est de nous suivre sur les différents réseaux sociaux, de vous abonner à notre Newsletter dans laquelle nous vous partagerons notamment les corrections de certains exercices. Enfin vous pouvez partager cette formation au plus grand nombre !
<MAIL_FORM/>

À la fin de chaque session, un exercice pratique sera proposé pour vous permettre de mettre en application les concepts abordés. De plus, chaque session sera accompagnée d'une vidéo explicative pour vous guider pas à pas dans votre apprentissage.

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

## **Sommaire**

- **0 - Python et VsCode l'installation** : Apprenez à installer Python et Visual Studio Code, un éditeur de code polyvalent et puissant, pour débuter votre aventure dans l'apprentissage du langage Python.
- **1 - Variables, Opérations et Types** : Familiarisez-vous avec les variables, les opérations mathématiques et les différents types de données en Python.
- **2 - Boucles et Conditions en Python** : Découvrez comment utiliser les structures de contrôle telles que les boucles et les conditions pour réaliser des tâches répétitives ou conditionnelles.
- **3 - Les Listes et les Dictionnaires en Python** : Apprenez à manipuler les listes et les dictionnaires pour stocker et organiser vos données efficacement.
- **4 - Les Fonctions et les Classes en Python** : Découvrez comment créer et utiliser des fonctions et des classes pour structurer votre code et faciliter la réutilisation.
- **5 - La librairie Pandas, la meilleure librairie pour les données financières** : Apprenez à utiliser Pandas, une librairie puissante pour la manipulation et l'analyse de données, spécialement adaptée pour travailler avec des données financières.
- **6 - Visualiser ses données en Python grâce à Matplotlib** : Découvrez comment créer des graphiques et des visualisations interactives de vos données financières en utilisant la librairie Matplotlib.
- **7 - Déverrouiller la puissance de Pandas et éviter les boucles** : Apprenez à tirer le meilleur parti de Pandas en évitant les boucles et en utilisant des techniques avancées pour manipuler et analyser vos données.
- **8 - Maîtriser l'utilisation des dates en Python** : Découvrez comment gérer et manipuler les dates et les heures en Python, un aspect crucial pour travailler avec des données financières.
- **9 - Backtester une stratégie de trading automatisé en Python** : Apprenez à développer et à évaluer des stratégies de trading automatisées en utilisant Python.
- **10 - Analyser le backtest d'un portefeuille de trading en Python grâce à Pandas** : Découvrez comment analyser les performances de votre portefeuille de trading en utilisant Pandas pour tirer des conclusions et optimiser vos stratégies.


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

Il est important de souligner que le meilleur moyen de progresser en Python, c'est de ne pas se contenter de regarder les vidéos et de lire les documents, mais de vous engager activement dans la pratique. Nous vous encourageons à travailler sur des projets personnels, même de petite envergure, afin d'appliquer et de renforcer vos compétences acquises tout au long de cette formation.

Dans cette formation, vous découvrirez le langage de programmation Python et comment l'appliquer le plus rapidement à des concepts financiers.

# **Conclusion de la Formation "Python pour la Finance"**

Nous sommes arrivés à la fin de notre parcours d'apprentissage ensemble, et j'espère que cette formation "Python pour la Finance" vous a fourni les connaissances et les compétences nécessaires pour débuter ou approfondir votre aventure dans le monde passionnant de la finance et de l'analyse de données avec Python.

![PythonFinanceConclusion.jpg](https://strapi-project-image-test.s3.eu-west-3.amazonaws.com/Python_Finance_Conclusion_5470619cd7.jpg)

## **Points Clés de la Formation**

Au cours de ces 10 leçons, nous avons couvert une gamme étendue de sujets, y compris :

- Les fondamentaux de Python et l'environnement de développement avec Visual Studio Code.
- La compréhension des variables, opérations, et types en Python.
- Les structures de contrôle telles que les boucles et les conditions.
- La manipulation des listes et dictionnaires.
- La création et utilisation des fonctions et classes.
- L'utilisation avancée de la librairie Pandas pour les données financières.
- La visualisation de données avec Matplotlib.
- La gestion des dates et heures, essentielle dans le secteur financier.
- Le développement et l'évaluation de stratégies de trading automatisées.
- L'analyse de performances d'un portefeuille de trading.

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

## **Appliquez Vos Connaissances**

Rappelez-vous, la pratique est la clé de la maîtrise. Nous vous encourageons à continuer à utiliser Python dans vos projets personnels ou professionnels. N'hésitez pas à revisiter les leçons de ce cours pour rafraîchir vos connaissances, et souvenez-vous que chaque projet est une opportunité d'apprendre quelque chose de nouveau.

## **Restez Connecté**

Continuez à nous suivre sur les réseaux sociaux et à vous abonner à notre Newsletter pour plus de conseils, de tutoriels, et d'actualités sur Python dans la finance. Votre feedback est précieux, donc partagez vos réussites, vos défis, et vos idées avec nous et la communauté de Crypto Robot.

<MAIL_FORM/>

## **Un Grand Merci**

Enfin, un grand merci de la part de toute l'équipe de Crypto Robot pour avoir choisi notre formation. Nous espérons que vous avez trouvé ce cours à la fois informatif et enrichissant, et nous sommes impatients de vous voir appliquer ces compétences dans le monde réel.

"Continuez à apprendre, continuez à grandir, et que vos projets financiers prospèrent avec Python !"

---

Bonne chance et bon succès dans vos futures aventures en programmation Python et en finance ! 🚀📈

Python pour la Finance

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.

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.

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.

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.

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.

Python pour la Finance

Conclusion de la Formation "Python pour la Finance"

Points Clés de la Formation

Appliquez Vos Connaissances

Restez Connecté

Un Grand Merci

Articles recommandés