Le technique et ses travers

Deux choses à poser d'emblée

L'analyse technique sans mesure chiffrée ne peut pas fonctionner durablement. Un graphique ne contient aucune information tant qu'on n'a pas compté. Un support n'existe pas parce qu'il « a l'air solide » : il existe si, sur un grand nombre de cas comparables, le prix y a réagi plus souvent que le hasard ne le prévoit. Sans ce comptage, on ne lit pas un marché, on lit une forme — et une forme, l'œil humain en trouve toujours une.

L'analyse fondamentale, elle, ne donne pas de signal d'entrée. Elle sert à estimer ce que vaut une entreprise, pas à décider d'acheter mardi plutôt que jeudi. Quand un particulier découvre une information publique — résultats, changement de direction, chiffre macroéconomique —, le prix a déjà bougé. Les professionnels l'ont eue avant, traitée plus vite, intégrée.

C'est ce qu'Eugene Fama a formalisé en 1970 sous le nom d'efficience informationnelle des marchés : sous sa forme semi-forte, toute information publique est déjà reflétée dans les cours. Ce qui est public n'est plus exploitable. La théorie reste débattue — le Nobel 2013 a été partagé entre Fama, Lars Peter Hansen et Robert Shiller — ce dernier défendant une lecture opposée — mais la conclusion pratique ne change pas pour un particulier : lire un communiqué ne constitue pas un avantage.

Reste donc une seule voie sérieuse : mesurer. Cette page présente les cinq tests que toute stratégie doit passer, et les cinq erreurs qui consistent à ne pas les passer.

Compter avant de décider

Avant d'ouvrir une position, une seule question compte : sur un grand nombre de fois où cette situation s'est déjà produite, combien de fois ai-je gagné ?

Or on ne compte que ce qui est défini à l'avance. « Le prix a touché le support » ne se compte pas : deux personnes ne verront pas le même support au même endroit. Trois choses doivent donc être écrites avant toute observation :

1. Comment je repère la situation — une règle qu'un ordinateur pourrait appliquer, sans jugement humain
2. Où je sors si j'ai tort — le stop
3. Où je sors si j'ai raison — l'objectif

Sans ces trois éléments, aucun pourcentage n'a de sens.

L'exemple d'école

Situation classique : en tendance haussière, le cours revient toucher sa moyenne mobile 200 jours, puis repart.

Moyenne mobile 200 jours : la moyenne des 200 dernières clôtures, recalculée chaque jour. Une ligne qui suit le cours en le lissant.

La règle testée :

Le résultat : la situation se présente 74 fois en vingt ans. L'objectif est atteint 26 fois, soit 35 %.

En risquant 1 pour gagner 2, il faut réussir plus de 33 % des trades pour être à l'équilibre. Sur le papier, c'est donc gagnant :

• 26 gains × 160 points = 4 160 points
• 48 pertes × 80 points = 3 840 points
• Résultat brut : +320 points
• Frais (74 allers-retours × 3 points) : −222 points
• Résultat net : +98 points en vingt ans

C'est ce chiffre — le net — qui servira dans toute la suite. Beaucoup s'arrêteraient au brut. C'est où commencent les erreurs.

Les cinq tests qui suivent posent chacun une question différente. Un seul échec suffit à écarter une stratégie. On les passe tous quand même : savoir pourquoi elle échoue est ce qui permet d'en construire une meilleure.

Erreur n° 1 — Ne pas se comparer à l'achat-conservation

Est-ce que je fais mieux que ne rien faire ?

Sur la même période, notre indice passe de 3 800 à 7 400 points : +3 600 points, sans écran ni décision. Trente-six fois le résultat net de la stratégie.

Mais comparer deux gains bruts ne veut rien dire : l'achat-conservation immobilise le capital vingt ans, la stratégie n'est en position que quelques jours par an. Il faut les ramener à une même unité.

La plus parlante pour commencer : ce qu'on gagne, rapporté à la pire perte qu'il a fallu encaisser en chemin.

Le recul de la stratégie se calcule : sa plus longue série de pertes compte sept trades consécutifs, soit 7 × 80 = 560 points, plus les frais — environ 600 points.

L'achat-conservation récupère 1 point pour chaque point de recul enduré ; la stratégie, 16 centimes. Elle est donc battue six fois une fois la comparaison rendue équitable — et battue par quelqu'un qui n'a rien fait.

Ce ratio est une simplification. Les professionnels utilisent des mesures annualisées comme le ratio de Calmar, qui tiennent compte de la durée. Sur vingt ans identiques pour les deux, la comparaison brute suffit ici.

À retenir : un backtest doit toujours afficher, côte à côte, la stratégie et l'achat-conservation sur la même période, ramenés au risque réellement subi.

Erreur n° 2 — Ne pas se comparer au hasard

Mon signal apporte-t-il quelque chose ?

Le principe : on garde tout, sauf le signal. Même marché, même période, même nombre de positions, même stop, même objectif. Seules les dates d'entrée sont tirées au sort. On répète l'opération des milliers de fois par ordinateur, et on obtient ce que le hasard produit dans les mêmes conditions.

Attention à la façon de tirer au sort. Si on tire n'importe quel jour sur vingt ans, on compare des achats faits en tendance haussière (le signal n'apparaît que là) à des achats faits parfois en plein krach. Ce ne sont pas les mêmes conditions, donc ce n'est pas un test valable.

La bonne méthode : tirer uniquement parmi les jours où le marché était dans le même état — au-dessus d'une moyenne mobile haussière. On conserve le contexte, et on ne remplace que ce qu'on veut évaluer : le fait de toucher la moyenne ce jour-là précisément. Un cran plus loin, on peut aussi exiger que les jours tirés soient à distance comparable de la moyenne.

Dans notre exemple, ces tirages donnent en moyenne +68 points nets, et 4 sur 10 font mieux que les +98 de la stratégie.

Conclusion : la moyenne mobile 200 n'apporte rien. Les 98 points ne viennent pas du signal, mais de la tendance de fond que le signal suit passivement.

C'est le test qui élimine le plus de stratégies, parce qu'il isole la seule chose qui compte : l'apport propre du signal, une fois retirés la tendance et la chance.

Erreur n° 3 — Confondre le passé avec le futur

Est-ce que ça tient sur des données que je n'ai jamais regardées ?

Un backtest ne prouve rien s'il porte sur les données qui ont servi à choisir les réglages. En essayant assez de combinaisons — moyenne 180 plutôt que 200, stop à 70 plutôt que 80, en écartant l'année du krach « qui était particulière » —, on finit toujours par trouver un beau résultat sur le passé.

Surajustement (overfitting) : régler une stratégie si finement sur le passé qu'elle le décrit au lieu de décrire le marché. C'est apprendre les réponses d'un examen au lieu d'apprendre la matière.

La parade est simple et non négociable : couper les données en deux. Une première partie sert à concevoir et régler. La seconde est mise de côté, jamais regardée, et ne sert qu'à un test unique, à la fin.

À 21 % avec un ratio 1 pour 2, la stratégie perd de l'argent. Les 35 % n'étaient qu'une moyenne entre une période bien réglée et une période où plus rien ne fonctionne.

Ce n'est pas forcément une faute de méthode : les marchés changent. Volatilité, participants, poids des algorithmes — rien n'est stable sur vingt ans. Une règle validée sur une décennie peut cesser de fonctionner à la suivante, d'autant plus vite qu'elle est simple, donc connue et exploitée. C'est le sens de l'hypothèse des « marchés adaptatifs » d'Andrew Lo : les inefficiences apparaissent, sont exploitées, puis disparaissent.

Conséquence pratique : une stratégie mise en service doit être assortie dès le départ d'un critère d'abandon écrit à l'avance. Sinon on la garde par attachement, en mettant chaque mauvaise série sur le compte de la malchance.

Erreur n° 4 — Oublier les frais

Reste-t-il quelque chose une fois tout payé ?

Les frais ont déjà été déduits plus haut : 222 points, les deux tiers du gain brut. Cette section explique pourquoi ils pèsent autant, et comment ils se combinent avec un mécanisme peu intuitif.

Ils se paient à chaque trade, gagnant ou perdant. Entre le spread, la commission et le décalage à l'exécution, comptons 3 points par aller-retour. C'est peu.

Spread : l'écart entre le prix d'achat et le prix de vente au même instant. On le paie sans le voir passer.

Décalage à l'exécution (slippage) : la différence entre le prix visé et le prix obtenu, fréquente quand le marché bouge vite.

Le mécanisme, maintenant : plus l'objectif est loin, moins il est atteint.

(Calculé sur les vingt ans pour montrer le mécanisme. Rappel : le test n° 3 a déjà disqualifié la stratégie.)

Deux enseignements. La version « 1 pour 3 », souvent présentée comme la plus prudente, perd de l'argent. Et le ratio risque/récompense n'est pas un bouton qu'on tourne pour devenir rentable : le taux de réussite se dégrade exactement dans la proportion qui annule le gain espéré.

Ce n'est pas une curiosité de notre exemple. C'est le point sur lequel ont basculé plusieurs études académiques : des règles techniques apparemment rentables cessaient de l'être une fois les coûts déduits (Fama & Blume, 1966).

Erreur n° 5 — Ignorer les biais statistiques

Mon résultat est-il distinguable du bruit ?

L'échantillon trop petit. 74 occurrences en vingt ans, cela paraît beaucoup. C'est très peu. Même problème qu'un sondage : interroger 74 personnes donne une marge d'erreur d'environ 11 points. Nos 35 % signifient donc seulement : le vrai taux se situe entre 24 % et 46 %. À 46 % la méthode est nettement gagnante ; à 30 % elle perd 860 points nets. On n'a pas mesuré un avantage, on a mesuré du bruit.

Les tests multiples. Essayez 20 règles sans aucun avantage réel : l'une paraîtra remarquable par pur hasard. En testant 40 niveaux sur 20 actifs et 3 unités de temps, on effectue 2 400 tests — des dizaines de faux positifs garantis d'avance. Le nombre d'essais faits avant de retenir une règle fait partie du résultat et doit être annoncé.

Le biais rétrospectif. Sur un graphique déjà tracé, les supports qui ont tenu sautent aux yeux ; ceux qui ont cédé sont invisibles. Le bon réflexe : la règle aurait-elle pu être appliquée ce jour-là, sans connaître la suite ? Une ligne de tendance tracée après coup en reliant deux points bien choisis échoue au test.

Le biais du survivant. Tester une stratégie actions sur la composition actuelle d'un indice, c'est la tester sur les seules entreprises qui ont survécu. Faillites et radiations ont disparu de l'échantillon — et avec elles, les pires pertes.

Le verdict

Une stratégie qui semblait gagnante ne passe aucun des cinq tests. Ce n'est pas un échec : c'est un résultat, obtenu avant d'avoir engagé le moindre euro.

La tentation, ici, est de modifier les réglages jusqu'à ce que les tests passent. C'est exactement le surajustement décrit plus haut. Le comportement défendable est l'inverse : écarter la règle, et n'y revenir qu'avec des données nouvelles.

Ce que ça implique

Il serait facile de lire ce qui précède comme « rien ne marche, laisse tomber ». C'est l'inverse.

Rien ici ne dit qu'aucune stratégie ne fonctionne. Cela dit qu'on ne le sait qu'après avoir mesuré, et que l'écrasante majorité de ce qu'on mesure ne passe pas.

C'est le métier. Personne ne trouve la bonne idée du premier coup. On en teste des centaines, on en écarte presque toutes, et il reste parfois quelque chose. Les échecs ne sont pas des accidents de parcours : ils sont la production normale du travail. Chaque règle écartée élimine une hypothèse et réduit le champ de recherche. Un chercheur qui obtient quarante résultats négatifs n'a pas perdu son temps — il a quarante réponses.

Ce qui distingue ce processus du bricolage tient à l'ordre des opérations. On teste avant d'engager de l'argent, pas après. Quarante règles écartées sur données historiques n'ont rien coûté. Une seule règle testée en réel a été payée — au prix fort, pour une information qui était disponible gratuitement.

Le marché n'est pas un terrain d'entraînement. C'est l'endroit où l'on applique un travail déjà fait.

Et il faut être lucide sur les proportions : ce n'est pas dix idées, c'est des centaines. La plupart des gens abandonnent bien avant, ce qui explique assez bien les chiffres de la section suivante.

Deux facteurs qui aggravent tout

Les cinq tests portent sur la qualité d'une stratégie. Deux éléments, indépendants de cette qualité, suffisent à ruiner un compte même quand la stratégie est bonne.

Le levier. Il permet de prendre une position dix, vingt ou cinquante fois supérieure à son capital, et multiplie gains et pertes dans la même proportion. Un mouvement de 2 % contre soi, avec un levier 30, efface 60 % du compte. C'est le mécanisme central des produits sur lesquels porte l'étude de l'AMF citée plus bas, et la raison pour laquelle ces pertes sont si rapides.

S'y ajoute un point structurel : sur les CFD et le Forex de détail, la contrepartie est souvent le courtier lui-même. Ce que perd le client, quelqu'un le gagne. Frais déduits, l'ensemble des clients ne peut pas gagner collectivement.

La taille de position. Une stratégie gagnante appliquée avec des positions trop grosses conduit quand même à la ruine, parce que les séries de pertes existent. Prenons une stratégie qui réussit un trade sur trois — proportion courante : la probabilité d'enchaîner cinq pertes est d'environ une sur huit à chaque tentative. Sur cent trades, cela arrivera plusieurs fois. Qui risque 20 % de son capital par position est éliminé à ce moment-là, quelle que soit la qualité de son signal.

Le dimensionnement des positions n'est donc pas un détail d'exécution : il fait partie de la stratégie, et se teste au même titre que le reste.

Ce que montrent les chiffres sur les particuliers

Ces exigences peuvent sembler excessives. Les données suggèrent l'inverse. En France, l'AMF a publié en 2014 une étude sur 14 799 particuliers actifs sur le Forex et les CFD sur quatre années entre 2009 et 2013, soit environ 16 millions de transactions. Résultat : 89 % de clients perdants, pour une perte moyenne de l'ordre de 10 900 € et une perte cumulée d'environ 161 millions d'euros. Point plus dérangeant encore : les clients les plus actifs sont ceux qui perdent le plus, ce qui ne va pas dans le sens d'un apprentissage par la pratique.

Chez les professionnels, le constat n'est pas meilleur. L'étude SPIVA, publiée deux fois par an par S&P Dow Jones Indices, compare les fonds gérés activement à leur indice de référence. Sur dix ans, l'écrasante majorité des fonds actions européens échoue à battre le sien. Aux États-Unis, sur quinze ans, aucune des 22 catégories de fonds actions n'a vu une majorité de gérants y parvenir.

Une objection mérite d'être traitée, parce qu'elle est fondée : les fonds facturent 1,5 à 2 % de frais de gestion par an, et une part importante de leur retard vient de là plutôt que d'une incompétence. Un particulier ne paie pas ces frais.

Il en paie d'autres. Spread, commissions et décalage à l'exécution, multipliés par le nombre d'allers-retours. Un fonds qui tourne peu paie 1,5 % par an ; un particulier qui prend deux cents positions par an peut dépasser ce chiffre sans s'en apercevoir — c'est exactement ce que montrait le test n° 4. Le désavantage n'est pas supprimé, il change de forme.

La nuance importe entre trading et investissement. Ces études démontrent la difficulté à battre le marché. Elles ne disent pas qu'il est difficile d'y participer. Acheter un indice largement diversifié et le conserver plusieurs décennies a historiquement produit un rendement positif — c'est le résultat du test n° 1. La difficulté n'est pas dans l'investissement de long terme, diversifié et à frais réduits. Elle est dans la prétention à faire mieux, plus vite, en intervenant souvent.

L'outil est technique, l'analyse est quantitative

On oppose souvent l'approche « au feeling » à l'approche « mathématique », comme si compter s'opposait à observer. Ce n'est pas le cas : une étude sur données historiques repose entièrement sur l'observation.

La vraie différence est entre observer au hasard et observer méthodiquement. Entre se souvenir des fois où ça a marché, et compter toutes les fois — y compris celles qu'on préférerait oublier. C'est ce qu'a fait la médecine moderne : elle n'a pas remplacé l'observation clinique par des équations, elle a organisé l'observation pour qu'elle devienne comptable et vérifiable.

D'où la conclusion sur le vocabulaire. Les outils — moyennes mobiles, RSI, Fibonacci, Ichimoku — sont techniques : ils appartiennent à la mécanique du graphique. L'analyse, elle, est quantitative : occurrences comptées, pourcentages, marges d'erreur, frais.

Dire « je fais de l'analyse technique » laisse croire que l'outil suffit. Cinq questions doivent avoir une réponse chiffrée avant de cliquer :

1. Est-ce que je fais mieux que ne rien faire, à risque comparable ?
2. Est-ce que je fais mieux que des entrées au hasard dans les mêmes conditions ?
3. Est-ce que ça tient sur une période que je n'ai pas utilisée pour concevoir la règle ?
4. Reste-t-il quelque chose une fois les frais déduits ?
5. Mon échantillon est-il assez large pour que ce ne soit pas du bruit ?

Et une sixième, qui ne concerne pas la stratégie mais celui qui l'applique : combien puis-je perdre d'affilée sans être éliminé ?

Pour aller plus loin

• Efficience des marchés (Fama, 1970) : formes faible, semi-forte et forte, selon l'information déjà intégrée aux prix.
• Benchmark : la référence à battre. L'achat-conservation en est une, les entrées aléatoires en sont une autre.
• Test de permutation : remplacer le signal par du hasard, à contexte constant, et comparer les distributions.
• Validation hors échantillon (out-of-sample) : réserver une période non utilisée pour la conception.
• Surajustement et tests multiples : plus on essaie, plus on trouve par hasard.
• Intervalle de confiance : pour une proportion p sur n essais, marge d'erreur ≈ 1,96 × √(p(1−p)/n). Les intervalles de Wilson ou d'Agresti-Coull sont plus fiables sur petits échantillons.
• Risque de ruine : probabilité d'épuiser son capital avant que l'avantage ne se matérialise.

Sources

• Fama, E. F. (1970). Efficient Capital Markets: A Review of Theory and Empirical Work. Journal of Finance, 25(2), 383-417.
• Fama, E. F. & Blume, M. E. (1966). Filter Rules and Stock-Market Trading. Journal of Business, 39(1), 226-241.
• Shiller, R. J. (1981). Do Stock Prices Move Too Much to be Justified by Subsequent Changes in Dividends?. American Economic Review, 71(3), 421-436.
• Brock, W., Lakonishok, J. & LeBaron, B. (1992). Simple Technical Trading Rules and the Stochastic Properties of Stock Returns. Journal of Finance, 47(5), 1731-1764.
• Sullivan, R., Timmermann, A. & White, H. (1999). Data-Snooping, Technical Trading Rule Performance, and the Bootstrap. Journal of Finance, 54(5), 1647-1691.
• Lo, A. W. (2004). The Adaptive Markets Hypothesis. Journal of Portfolio Management, 30(5), 15-29.
• Park, C.-H. & Irwin, S. H. (2007). What Do We Know About the Profitability of Technical Analysis?. Journal of Economic Surveys, 21(4), 786-826.
• Bailey, D. H., Borwein, J., López de Prado, M. & Zhu, Q. J. (2014). Pseudo-Mathematics and Financial Charlatanism. Notices of the AMS, 61(5), 458-471.
• Harvey, C. R., Liu, Y. & Zhu, H. (2016). … and the Cross-Section of Expected Returns. Review of Financial Studies, 29(1), 5-68.
• AMF (2014). Étude des résultats des investisseurs particuliers sur le trading de CFD et de Forex en France. Autorité des marchés financiers, 13 octobre 2014.
• S&P Dow Jones Indices. SPIVA Scorecards (Europe et États-Unis), publication semestrielle.
• Aronson, D. R. (2006). Evidence-Based Technical Analysis. Wiley.
• López de Prado, M. (2018). Advances in Financial Machine Learning. Wiley.