Trend Following

L’approche attend d’abord que le prix montre une direction. Time-Series Momentum, décrit dans l’étude de Hurst, Ooi et Pedersen, en est un exemple simple : un rendement positif sur une période passée choisie conduit, dans leur modèle, à une position bénéficiant de la hausse ; un rendement négatif, à une position bénéficiant de la baisse. C’est un exemple de recherche sur plusieurs marchés de dérivés, des contrats fondés sur le prix d’autres actifs, pas une consigne pour négocier le bitcoin ainsi. La période observée détermine les mouvements que la règle peut repérer. [1]

Un repère possible est la SMA, la moyenne mobile simple. On additionne un nombre choisi de prix de clôture récents, appelés Close, puis on divise par le nombre de valeurs. À la bougie suivante, un nouveau prix entre et le plus ancien sort. Une règle peut surveiller le franchissement de cette moyenne. Il faut définir sa longueur et le Timeframe, la durée représentée par chaque bougie : d’autres choix produisent d’autres signaux. [2] [5]

Une moyenne utilise le passé et réagit donc avec retard. Si le prix oscille autour d’elle sans direction durable, les signaux d’entrée et de sortie peuvent alterner. C’est le whipsaw : un mouvement brièvement prometteur se retourne et peut occasionner une perte. Un réglage plus rapide ne suffit pas à résoudre le problème. Une condition supplémentaire peut éliminer certains faux signaux, mais retarde aussi la décision. [2] [3]

Le franchissement de la SMA ne constitue pas un plan complet. Un signal opposé peut conduire à clôturer l’achat initial, réduire la position ou ouvrir une opération bénéficiant de la baisse. Ce sont des choix différents, avec des risques différents. Il faut aussi traiter un Close exactement égal à la moyenne, la fréquence des décisions et les signaux répétés. Les mêmes règles doivent s’appliquer aux situations favorables et défavorables. [2] [5]

Si le calcul emploie le Close qui vient d’être fixé, on ne peut pas supposer que l’opération sera exécutée à ce même prix. Dans son modèle par défaut, TradingView exécute l’ordre au plus tôt au prochain mouvement de prix disponible, généralement au début de la bougie suivante. Le test historique doit donc séparer l’apparition du signal de l’exécution. La plateforme, la source des prix, les frais, la liquidité disponible et le Slippage comptent : ce dernier désigne l’écart entre le prix d’exécution attendu et celui obtenu. [4]

Le même signal peut avoir un faible effet ou entraîner une lourde perte selon la taille de la position. Leverage, l’effet de levier, amplifie cet effet en permettant une exposition supérieure au capital engagé. La méthode doit prévoir la sortie, les coûts de financement, les sauts brusques de prix et les pertes simultanées de plusieurs positions. Se répartir entre marchés ne supprime pas le risque. Vendre du bitcoin déjà détenu diffère également d’une position vendeuse via des futures, des contrats à dénouement futur. [1] [4]

AQR étudie une approche tendancielle répartie entre plusieurs marchés de futures et de devises sur une longue histoire. Ce n’est pas la même question que la rentabilité d’une règle sur une seule plateforme de bitcoin. Le résultat ne se transpose pas automatiquement. Sa propre méthode doit intégrer les frais, les périodes perdantes et la sensibilité aux réglages. Il faut séparer les données servant à construire la règle de celles utilisées ensuite pour l’évaluer. [1] [5]

On commence par écrire la règle entière : données, longueur de la SMA, entrées, sorties, taille des positions et coûts. Puis on examine toute la période, y compris les phases sans direction nette. CFA Institute souligne deux erreurs fréquentes : utiliser une information avant qu’elle soit connue et ne sélectionner que les marchés ayant survécu jusqu’à aujourd’hui. D’autres données permettent de révéler des faiblesses, mais un bon résultat passé ne garantit pas l’avenir. [5] [4]