Simulation de Monte-Carlo sur les capitaux propres : tester la résistance de votre stratégie de trading

Qu'est-ce que la simulation de Monte-Carlo en trading ?

La simulation de Monte-Carlo est une technique statistique qui génère des milliers de trajectoires possibles de capitaux propres pour une stratégie de trading en échantillonnant aléatoirement sa distribution de résultats historiques. Plutôt que de demander « qu'est-ce qui s'est passé ? », elle demande « qu'est-ce qui pourrait se passer ? » sur l'ensemble des séquences plausibles.

Le mécanisme : on prend les résultats réels de gains/pertes de votre stratégie (ou votre taux de réussite et votre ratio R:R supposés), puis on exécute 1 000 à 10 000 séquences simulées de ces résultats. Chaque simulation représente un « univers parallèle » possible de la façon dont vos 100 (ou 500, ou 1 000) prochains trades pourraient se dérouler, l'avantage sous-jacent restant identique mais l'ordre des gains et des pertes variant de façon aléatoire. Le résultat n'est pas une seule courbe de capitaux propres, mais une distribution de courbes — montrant simultanément les meilleurs cas, les pires cas et le cas médian.

C'est l'outil à utiliser avant d'engager du capital réel dans une stratégie, car aucune courbe de capitaux propres issue d'un backtest ne peut dire ce qui se serait passé avec une séquence différente des mêmes trades. La séquence compte, et Monte-Carlo montre l'éventail complet de ce que les séquences peuvent produire.

Pourquoi le backtesting seul ne suffit pas

Un backtest produit exactement une courbe de capitaux propres — celle qui s'est produite dans l'ordre historique. Cette courbe unique pose plusieurs problèmes en tant qu'estimation prospective de performance :

• Risque de séquence : si vos 20 pires pertes s'étaient produites au début du backtest plutôt que d'être réparties tout au long de celui-ci, votre compte aurait-il survécu ? Le backtest ne peut pas le dire — il ne montre que la séquence historique.
• Biais de sélection : les backtests sont généralement réalisés sur des stratégies sélectionnées parce qu'elles ont bien performé historiquement. Cela gonfle les attentes par rapport à la performance future.
• Optimisme d'un chemin unique : la séquence historique a pu être exceptionnellement favorable à votre stratégie. Monte-Carlo révèle l'ampleur réelle de l'éventail des résultats plausibles.
• Aucune probabilité de ruine : un backtest ne dit rien sur la probabilité de ruine. Monte-Carlo la quantifie directement comme le pourcentage de trajectoires simulées se terminant sous 50 % (ou tout autre seuil de ruine défini) du capital de départ.

Monte-Carlo ne remplace pas le backtesting — il le complète. Utilisez le backtest pour valider que votre avantage existe. Utilisez Monte-Carlo pour comprendre le profil de risque du trading de cet avantage avec la taille de position choisie.

Statistiques clés d'une simulation de Monte-Carlo

Une sortie de Monte-Carlo bien conçue fournit plusieurs statistiques exploitables :

• Capitaux propres médians (50e percentile) : le résultat « moyen » — le niveau au-dessus duquel se terminent 50 % des simulations et sous lequel se terminent 50 % d'entre elles. C'est une meilleure estimation centrale que la courbe unique issue du backtest.
• Capitaux propres au 5e percentile : le scénario baissier — ce que vivraient les 5 % de traders les plus malchanceux suivant cette stratégie et cette taille de position. Si ce niveau reste supérieur à zéro, votre stratégie survit même dans les scénarios de malchance.
• Capitaux propres au 95e percentile : le scénario haussier — ce que vivraient les 5 % de traders les plus chanceux. L'écart entre le 5e et le 95e percentile montre quelle part du résultat est déterminée par la chance plutôt que par l'avantage.
• Drawdown maximal médian : la pire baisse du pic au creux observée dans la simulation typique. Il est généralement bien supérieur au drawdown maximal de votre courbe unique issue du backtest.
• Probabilité de ruine : le pourcentage de trajectoires simulées où les capitaux propres finaux tombent sous le seuil de ruine (généralement 50 % du capital de départ). C'est le chiffre principal pour l'évaluation du risque.

Comment lire le graphique de distribution des capitaux propres

Le graphique de distribution des capitaux propres montre un histogramme des valeurs finales de capitaux propres sur l'ensemble des simulations après le nombre de trades spécifié. Pour bien le lire :

• Les barres vertes représentent les simulations se terminant au-dessus du capital de départ — résultats profitables.
• Les barres rouges représentent les simulations se terminant sous le capital de départ — résultats perdants.
• Une distribution étroite et resserrée centrée bien au-dessus du capital de départ indique une stratégie robuste et cohérente avec un avantage élevé. Même la malchance reste gérable.
• Une distribution large et dispersée indique une variance élevée. Même si la médiane est positive, les queues de distribution sont extrêmes — certaines trajectoires se terminent très bien, d'autres en ruine.
• Une distribution asymétrique à gauche (queue gauche épaisse) est un signal d'alerte — vos scénarios baissiers sont pires que vos scénarios haussiers ne sont bons, ce qui suggère que la taille de position est trop agressive pour votre avantage.

La forme de la distribution en dit autant que les statistiques individuelles. Une distribution nette, compacte et asymétrique à droite est l'objectif à atteindre.

L'effet de la taille de l'échantillon (nombre de trades)

La loi des grands nombres énonce que lorsque la taille de l'échantillon augmente, la distribution des résultats moyens converge vers la vraie valeur attendue. En termes de trading : plus de trades signifie des résultats plus cohérents entre les simulations, réduisant l'influence de la chance sur vos capitaux propres finaux.

Avec seulement 50 trades simulés, la distribution des valeurs finales de capitaux propres est très large — quelques pertes consécutives peuvent dominer le résultat. Avec 500 trades, la distribution se resserre nettement. Avec 2 000 trades, si vous disposez d'un véritable avantage, la quasi-totalité des simulations sont profitables.

Cela a une implication pratique : les traders à basse fréquence (5 à 10 trades par mois) doivent conserver leurs positions plus longtemps pour permettre à leur avantage de s'exprimer statistiquement. Les traders à haute fréquence voient la loi des grands nombres jouer en leur faveur plus rapidement. Si la taille de votre échantillon est faible, votre intervalle de confiance de Monte-Carlo sera large — ce n'est pas un défaut, c'est un reflet honnête de l'incertitude statistique.

Effet du risque par trade : 1 % contre 3 %

La taille de position a un effet non linéaire sur la distribution des capitaux propres. Prenons une stratégie avec un taux de réussite de 55 % et un gain moyen de 1,5R :

• À 1 % de risque par trade sur 200 trades : distribution resserrée, probabilité de ruine proche de zéro, drawdown médian d'environ 8 à 12 %, capitaux propres médians d'environ 1,5 à 2 fois le capital de départ.
• À 3 % de risque par trade sur 200 trades : la distribution se disperse nettement. Les capitaux propres médians sont plus élevés (la capitalisation composée agit plus rapidement), mais le 5e percentile chute fortement. La probabilité de ruine peut grimper à 3-8 %. Le drawdown maximal médian s'étend à 25-35 %.

Le compromis n'est pas symétrique. Le potentiel haussier d'un risque plus élevé progresse au mieux de façon linéaire ; le potentiel baissier s'étend beaucoup plus rapidement en raison de l'asymétrie entre pertes et gains en pourcentage. À 3 % de risque, il faut un gain en pourcentage plus important pour se rétablir d'un même drawdown en pourcentage.

Taux de réussite contre ratio R:R : ce que révèle la simulation

Deux stratégies peuvent avoir une espérance identique mais des profils de Monte-Carlo très différents :

• Une stratégie avec un taux de réussite de 40 % et une récompense de 3,0R a une espérance = (0,40 × 3,0) - (0,60 × 1,0) = 0,60R par trade. Mais sa courbe de capitaux propres est heurtée — de longues séries de pertes sont statistiquement normales, le drawdown maximal est important, et de nombreux traders abandonnent avant que l'avantage ne se matérialise.
• Une stratégie avec un taux de réussite de 60 % et une récompense de 1,0R a la même espérance = 0,60R par trade. Sa courbe de capitaux propres est plus lisse, les drawdowns sont moins profonds, et le résultat au 5e percentile est bien meilleur — malgré des rendements attendus identiques sur le long terme.

Monte-Carlo rend cela concret : exécutez les deux stratégies avec la même taille de position et comparez la probabilité de ruine, le drawdown maximal médian et les capitaux propres au 5e percentile. La stratégie la plus lisse l'emporte presque toujours sur les indicateurs de risque, même lorsque l'espérance est identique.

Utilisations pratiques avant de passer en réel

La simulation de Monte-Carlo a trois applications directes pour les traders :

• Validation avant le passage en réel : avant de trader une stratégie avec de l'argent réel, exécutez Monte-Carlo avec la taille de position prévue. Si la probabilité de ruine dépasse 5 %, réduisez la taille de position jusqu'à ce qu'elle tombe sous 2 %.
• Test de résistance aux séries de pertes : demandez-vous « que se passe-t-il si j'enchaîne 20 pertes consécutives ? » Configurez toutes les simulations pour qu'elles débutent par une série de 20 pertes. Si les capitaux propres médians se rétablissent malgré tout, votre système est robuste. Si ce n'est pas le cas, votre taille de position est trop agressive pour votre taux de réussite.
• Calibrage de la taille de position : exécutez le simulateur à des niveaux de risque de 0,5 %, 1 %, 1,5 %, 2 % et 3 %. Trouvez le niveau de risque le plus élevé pour lequel la probabilité de ruine reste sous 2 %. C'est votre taille de position optimale — croissance maximale compatible avec la survie.

Comment utiliser le simulateur de capitaux propres de Monte-Carlo

Ouvrez le simulateur de capitaux propres de Monte-Carlo, définissez les paramètres de votre stratégie, et il exécute 500 trajectoires de capitaux propres randomisées à la fois.

1. Capital de départ ($) — le solde du compte avec lequel chaque trajectoire commence, par exemple 10 000.
2. Taux de réussite % — la part de trades gagnants, par exemple 55.
3. Gain moyen (R) — le gain moyen exprimé en R, par exemple 1,5.
4. Risque % par trade — le capital risqué à chaque trade, par exemple 1 ou 3.
5. Nombre de trades — la longueur de chaque séquence simulée, par exemple 200.
6. Lancer la simulation — cliquez pour générer les 500 trajectoires aléatoires ; relancez pour explorer de nouveaux ordonnancements.

Le simulateur renvoie les capitaux propres finaux médians, le 5e percentile (pires 5 %), le 95e percentile (meilleurs 5 %), le drawdown maximal médian, et la probabilité de ruine (<50 % du capital). Exécutez l'exemple 55 % / 1,5R à 1 % puis à 3 % de risque, et observez le 5e percentile chuter et la probabilité de ruine grimper — exactement le compromis non linéaire décrit ci-dessus. Ouvrez le simulateur de capitaux propres de Monte-Carlo pour tester vos propres chiffres.