Recherche indépendante sur les stratégies
Les stratégies de retour à la moyenne fonctionnent-elles ? Nous en avons testé plus de 90.
En bref : parfois, mais rarement. Nous avons soumis plus de 90 stratégies de retour à la moyenne au même modèle de coûts réels que nous appliquons à tout, et environ quatre sur cinq ont échoué. Il reste donc une minorité — environ une sur six — qui présentait un avantage, mais uniquement dans des conditions que le vendeur ne mentionne jamais. Le retour à la moyenne est le contre-exemple des bots « grid » et « DCA » : il ne s’effondre pas à 100 %. Il s’effondre à environ 80 %, ce qui est un chiffre plus intéressant.
Qu’est-ce que le retour à la moyenne, et dans quels cas cela fonctionne-t-il ?
Un système de retour à la moyenne parie que le cours s’est trop éloigné de sa moyenne et qu’il va rebondir. Vendre à la baisse lors de la poussée, acheter au rebond, et recommencer. Sur un marché latéral, cela revient presque à imprimer de l’argent. Chaque poussée vers le haut de la fourchette est vendue, chaque chute vers le bas est achetée, et la courbe de capital se transforme en un escalier bien net. Cet escalier, c’est la capture d’écran des ventes. C’est aussi le piège, car le marché ne reste pas indéfiniment dans une fourchette.
Que s’est-il passé lorsque nous en avons testé plus de 90 ?
Nous avons testé plus de 90 systèmes de retour à la moyenne sur les contrats à terme du CME, le marché des changes au niveau du tick avec des cours acheteur/vendeur réels, ainsi que les cryptomonnaies au comptant et les contrats perpétuels. Environ 80 % ont échoué une fois que les spreads réels et le slippage ont été intégrés au modèle. Si l’on compare les survivants à l’ensemble de l’audit, le classement est honnête : la réversion à la moyenne rejette un peu moins que les systèmes de retournement et de cassure, un peu plus que ceux basés sur la dynamique, et se situe près du milieu du peloton. Loin de la meilleure catégorie. Et loin de l’effacement total à 100 % affiché par les stratégies de grille et de DCA.
Ce n’est donc pas une catégorie morte. C’est une catégorie exigeante. L’échec ne tient pas au fait que le principe soit faux — le prix revient bel et bien à la moyenne, dans les bonnes conditions. L’échec tient au fait que la plupart des versions publiées s’appliquent au mauvais marché, à la mauvaise vitesse, ou sur la base d’un signal qui n’a jamais existé.
Pourquoi quatre sur cinq échouent
Deux types d’échecs sont responsables de la quasi-totalité des pertes.
La tendance les écrase. Un modèle de retour à la moyenne est, par construction, à l’opposé de la tendance. Tant que le cours oscille, le « fading » est rentable. Dès qu’un marché s’engage dans une direction et s’y maintient, chaque « fading » entraîne une nouvelle perte et la courbe en escalier se transforme en ligne droite. Se faire écraser par une tendance contre laquelle on n’a cessé de lutter est l’une des principales causes de rejet dans l’ensemble de notre pile de stratégies rejetées. La courbe ci-dessus n’est pas une métaphore. C’est la forme même du drawdown.
Les coûts grignotent les systèmes les plus rapides. Les versions à haute fréquence effectuent constamment des opérations à contre-courant, et chacune d’entre elles paie le spread acheteur-vendeur et le glissement de cours. Sur les systèmes les plus rapides, l’avantage par transaction est plus mince que le spread qu’il doit franchir — ce qui s’avère fatal en termes de coûts avant même qu’un dollar ne soit engrangé. Le Forex en moins de 15 minutes en est l’exemple le plus flagrant : l’écart engloutit l’avantage de réversion avant même qu’il ne puisse exister, ce qui explique pourquoi nous avons complètement cessé de tester le Forex et les CFD sur des durées inférieures à 30 minutes. Et une grande partie des stratégies rejetées n’avait d’ailleurs aucun avantage réel au départ — la « réversion » n’était qu’un bruit qui semblait par hasard suivre une tendance de retour à la moyenne sur un graphique, dans une fenêtre, pour un instrument donné.
L’exception notable : la minorité qui a survécu
C’est là que le retour à la moyenne se distingue des stratégies de grille et de DCA. Une véritable minorité a tenu bon. Il ne s’agissait ni d’une erreur d’arrondi, ni d’un coup de chance sur un graphique isolé : environ un sur six présentait un avantage qui restait positif après prise en compte de l’ensemble des coûts. Nous ne pouvons pas faire comme si ces cas n’existaient pas, et nous ne le faisons pas.
Ce qui les distinguait était à la fois banal et spécifique. Ils se sont concentrés sur des instruments qui reviennent réellement à la moyenne, ce qui n’est pas le cas de la plupart des instruments. Ils ont négocié suffisamment lentement pour que le coût ne représente qu’une erreur d’arrondi plutôt que l’intégralité du résultat. Et ils avaient prévu une sortie stricte pour le jour où la fourchette se briserait, plutôt que de se laisser porter par la tendance en espérant que cela dure. Il s’agit d’un avantage conditionnel, et non d’un avantage applicable partout. Il n’existe que sur un marché spécifique et dans un horizon temporel précis. Il suffit de changer d’instrument pour qu’il disparaisse généralement. C’est un avantage réel, restreint, qui n’a rien à voir avec le discours selon lequel « ça marche sur n’importe quel marché ».
Comment nous testons
Chaque stratégie est portée en Python et testée avec des coûts réels — des spreads et des commissions modélisés à partir de données de ticks, et non d’un chiffre forfaitaire estimé. Les contrats à terme proviennent de Databento, qui couvre 13 ans de données du CME. Les devises proviennent de Dukascopy avec des cours acheteur/vendeur réels. Les actions sont testées avec des exécutions tenant compte de la liquidité, les cryptomonnaies au comptant et sous forme de contrats perpétuels. Un modèle rapide se charge de la majeure partie du portage ; le modèle le plus performant tente ensuite de démanteler chaque stratégie apparemment viable, en traquant les biais d’anticipation et les exécutions impossibles, tandis qu’un superviseur indépendant surveille le pipeline 24 heures sur 24. Nous utilisons un hachage du code, de sorte qu’une stratégie republiée sous trois noms différents n’est testée qu’une seule fois. C’est ce même processus qui rejette environ 78 % de tout ce que nous testons — dont environ 80 % des stratégies de retour à la moyenne. Consultez la plateforme de recherche pour connaître les résultats des autres catégories.
Recherche et formation, et non conseil financier. Aucun signal, aucune promesse de rendement. Indépendant et non affilié à TradingView.
Lesquelles ont survécu, et qui les a publiées ?
Vous disposez désormais gratuitement de la vérité globale : la plupart des stratégies de retour à la moyenne échouent, une infime minorité détient un avantage conditionnel, et le rapport est d’environ quatre pour un. Ce que cette page ne vous donne pas, ce sont les noms. Quels scripts de retour à la moyenne publiés avons-nous testés précisément, qui les a écrits, quels sont les chiffres exacts après frais, et quelle poignée d’entre eux a réellement survécu — avec le verdict et la raison pour chacun. C’est ça, « The No List » : chaque stratégie que nous avons auditée, nommée, notée et expliquée.
Obtenir « The No List » →FAQ
Les stratégies de retour à la moyenne fonctionnent-elles réellement ?
Certaines oui, la plupart non. Environ 80 % des plus de 90 stratégies de retour à la moyenne que nous avons testées ont échoué dans un modèle de coûts réels. Environ une sur six présentait un avantage conditionnel — réel, mais lié à un instrument et à une période spécifiques, et non à la version « qui fonctionne partout » vendue par les promoteurs.
Pourquoi les stratégies de retour à la moyenne échouent-elles ?
Deux raisons principales. Les tendances les écrasent : une stratégie de retour à la moyenne est à l’opposé des tendances ; ainsi, un marché qui continue d’évoluer dans une seule direction transforme chaque tentative de rebond en perte. Et les coûts grignotent les plus rapides : sur des horizons temporels courts, le spread et le slippage sont supérieurs à l’avantage par transaction.
La réversion à la moyenne est-elle meilleure ou pire que les bots de type « grid » et DCA ?
Meilleure, et de loin. Tous les bots de type « grid », DCA et martingale que nous avons testés ont échoué — 100 % de la catégorie. Le retour à la moyenne échoue dans environ 80 % des cas, et seule une véritable minorité survit. C’est une catégorie exigeante, pas une catégorie morte.
En quoi les stratégies de réversion vers la moyenne qui survivent sont-elles différentes ?
Elles négocient des instruments qui reviennent effectivement à la moyenne, elles négocient suffisamment lentement pour que le coût ne représente qu’une erreur d’arrondi, et elles sortent radicalement de la position lorsque la fourchette est franchie, au lieu de lisser leur position dans une tendance. L’avantage est réel mais étroit : changez de marché ou de timeframe, et il disparaît généralement.