Pourquoi un taux de réussite élevé peut quand même perdre de l’argent : espérance, ratio gain/perte et coûts

Le taux de réussite ne répond qu’à une seule question : quelle part des transactions clôturées a gagné de l’argent ? Il ne dit rien du montant gagné par ces transactions gagnantes ni du coût des perdantes. Un historique au taux de réussite remarquablement élevé peut quand même produire une perte nette si les transactions perdantes sont importantes par rapport aux gagnantes. Ce guide montre pourquoi cela se produit, comment calculer l’espérance à partir d’un historique de transactions et comment auditer une affirmation de performance avant de la considérer comme une preuve.

Un exemple de 100 transactions où 90 % de gains perdent de l’argent

Considérons un historique hypothétique de 100 transactions achevées. Dans 90 d’entre elles, le compte gagne +1R, où R est le montant initialement risqué selon la définition cohérente propre à l’historique. Dans les 10 restantes, le compte perd -10R à chaque fois. Les 90 gagnantes apportent +90R au total. Les 10 perdantes apportent -100R au total. Le résultat net est de -10R avant coûts, soit -0.1R par transaction en moyenne.

Chaque chiffre ici est un calcul identifié sur un exemple construit, pas une donnée provenant d’un prestataire. Le point est structurel : le nombre et l’ampleur sont deux axes différents. Le taux de réussite décrit le premier axe. L’espérance, décrite ci-dessous, combine les deux.

Définitions utilisées dans tout ce guide

• Taux de réussite : la part des transactions clôturées comptabilisées ayant produit un résultat positif. Taux de perte : la part ayant produit un résultat négatif. Les deux dépendent entièrement des transactions incluses dans le dénominateur.
• Gain moyen : le profit brut total divisé par le nombre de transactions gagnantes. Perte moyenne : la perte brute totale divisée par le nombre de transactions perdantes, exprimée en valeur positive.
• Multiple de R : le résultat d’une transaction exprimé comme un multiple de R, le montant initialement risqué selon la définition cohérente propre à l’historique. Une transaction à +2R a gagné deux fois le risque initial ; une transaction à -1R a perdu exactement le risque initial.
• Profit brut : la somme de tous les résultats de transaction positifs. Perte brute : la somme de tous les résultats de transaction négatifs, en valeur positive. Résultat net : le profit brut moins la perte brute, puis moins les coûts.
• Espérance : le résultat net moyen par transaction sur l’échantillon, calculé avec la formule donnée ci-dessous.
• Ratio gain/perte : le gain moyen divisé par la perte moyenne. Facteur de profit : le profit brut divisé par la perte brute en valeur absolue.
• Drawdown : la baisse depuis un sommet de la valeur du compte jusqu’à un creux ultérieur au sein du même historique. Il mesure le parcours, pas le résultat final.
• Taille d’échantillon : le nombre d’observations derrière une statistique. Valeur aberrante : un résultat isolé très éloigné du reste de la distribution, capable de dominer les moyennes.
• Résultat réalisé contre résultat hypothétique : les résultats réalisés proviennent de transactions exécutées. Les résultats hypothétiques sont des résultats simulés, backtestés ou sur papier qui n’ont pas fait partie de l’historique d’exécution déclaré.
• Transaction clôturée contre transaction ouverte : une transaction clôturée a été entièrement soldée et son résultat est figé. Une transaction ouverte porte un profit ou une perte latents qui peuvent évoluer jusqu’à la sortie.

La formule de l’espérance

Espérance par transaction avant coûts = (probabilité de gain x gain brut moyen) - (probabilité de perte x perte brute moyenne), où le gain moyen et la perte moyenne sont des valeurs positives. Soustrayez le coût moyen par transaction pour obtenir l’espérance nette ; si les résultats incluent déjà les coûts, ne les soustrayez pas une seconde fois. Appliqué à l’exemple d’ouverture : 0.90 x 1R moins 0.10 x 10R égale 0.9R moins 1.0R, soit -0.1R par transaction, ce qui correspond au calcul direct.

Ce chiffre est un résumé arithmétique de l’échantillon observé. Ce n’est pas une prévision. Les transactions futures peuvent suivre des distributions différentes, et l’échantillon lui-même peut être incomplet ou sélectionné. Considérez l’espérance comme une description de ce qui s’est passé, conditionnée par la politique d’inclusion utilisée pour constituer l’historique.

Taux de réussite à l’équilibre avant coûts

Avant coûts, le taux de réussite à l’équilibre est : la perte moyenne divisée par (le gain moyen plus la perte moyenne). Si le gain moyen et la perte moyenne sont égaux, le seuil se situe à 50 %. Si le gain moyen est le double de la perte moyenne, le seuil tombe à environ 33 %. Si la perte moyenne est dix fois le gain moyen, comme dans l’exemple d’ouverture, le seuil dépasse 90 %, ce qui explique pourquoi un taux de réussite de 90 % y perd quand même de l’argent.

Les coûts déplacent ce seuil. Si un coût constant par transaction est déduit de chaque résultat, l’approximation identifiée devient (perte moyenne + coût par transaction) divisé par (gain moyen + perte moyenne). Les coûts réels varient d’une transaction à l’autre, car le spread, la commission, le financement et le slippage dépendent de l’instrument, de la session et de la période de détention : calculez donc le point d’équilibre exact à partir des résultats nets au niveau de chaque transaction.

Trois profils hypothétiques clairement identifiés

Chaque profil couvre 100 transactions et n’utilise aucune donnée de prestataire. Aucun n’est présenté comme bon, réaliste ou recommandé. Ils servent à montrer comment les mêmes statistiques interagissent différemment.

1. Profil A : 90 gains à +1R et 10 pertes à -10R. Profit brut +90R, perte brute -100R, résultat net -10R avant coûts. Taux de réussite 90 %, espérance -0.1R par transaction.
2. Profil B : 40 gains à +2R et 60 pertes à -1R. Profit brut +80R, perte brute -60R, résultat net +20R avant coûts. Taux de réussite 40 %, espérance +0.2R par transaction.
3. Profil C : 55 gains à +1R et 45 pertes à -1R. Profit brut +55R, perte brute -45R, résultat net +10R avant coûts. Taux de réussite 55 %, espérance +0.1R par transaction.

Le profil A a le taux de réussite le plus élevé et le pire résultat net. Le profil B a le taux de réussite le plus bas et le meilleur résultat net. Le profil C se situe entre les deux. La section suivante montre comment les coûts peuvent transformer un résultat brut positif en perte nette.

Test de résistance aux coûts appliqué au profil C

Supposons un coût total moyen illustratif de 0.12R par transaction achevée, couvrant ensemble le spread, la commission, le financement et le slippage. Sur 100 transactions, cela retranche 12R. Le résultat brut de +10R du profil C devient -2R net. Ces chiffres de coûts sont des calculs inventés à des fins de démonstration, pas une estimation de frais pour un courtier ou un instrument quelconque. Les coûts réels doivent être tirés des propres relevés du trader.

Les frais et dépenses réduisent les rendements des investissements, et les autorités de régulation conseillent de lire les documents d’information et de vérifier les relevés pour voir ce qui a réellement été payé. Les coûts ne sont pas des ajustements facultatifs ; ils font partie du résultat net et doivent être rapprochés des relevés. [4]

Distribution des résultats : ce qu’une moyenne cache

Un gain moyen ou une perte moyenne réduit de nombreux résultats à un seul chiffre. Un ensemble de transactions peut contenir des dizaines de petits gains et une seule perte bien plus importante, la moyenne se situant entre les deux. Deux historiques ayant un gain moyen et une perte moyenne identiques peuvent quand même avoir des pertes maximales différentes et des parcours sommet-creux différents.

En plus des moyennes, demandez le résultat médian, le plus gros gain unitaire, la plus grosse perte unitaire, ainsi que des données de percentiles ou de résultats ordonnés, comme les meilleurs et les pires déciles. Cela ne suppose aucune distribution statistique particulière. Cela empêche simplement qu’un résultat extrême disparaisse dans une moyenne.

Le facteur de profit et ses limites

Le facteur de profit est le profit brut divisé par la perte brute en valeur absolue. Le profil A donne 90R divisé par 100R, soit 0,90. Le profil B donne 80R divisé par 60R, soit environ 1,33. Le profil C donne 55R divisé par 45R, soit environ 1,22, le tout avant coûts.

Si la perte brute est nulle, le facteur de profit est indéfini, et non une preuve de sécurité. L’observation qu’un échantillon sélectionné ne contient aucune transaction perdante dit seulement qu’aucune perte n’est présente selon la politique d’inclusion de cet échantillon. Le facteur de profit hérite des faiblesses de l’historique sous-jacent, y compris le biais de sélection et les transactions manquantes.

Drawdown et risque de séquence

Prenez les mêmes 100 transactions de n’importe quel profil et réorganisez leur ordre. La moyenne arithmétique reste inchangée, mais le parcours diffère. Si les dix pertes à -10R du profil A surviennent en premier, le cumul atteint -100R avant le moindre gain ; si elles surviennent plus tard, la même somme finale suit un parcours de drawdown différent. La séquence a donc sa place dans l’historique, à côté du total final.

Ce guide n’énonce aucune limite de drawdown sûre, car la tolérance appropriée dépend du capital, de l’effet de levier, des objectifs et de contraintes qui varient selon les individus. Ce qui compte pour l’audit, c’est que le drawdown soit déclaré du sommet au creux au sein de l’historique réel, avec des dates, plutôt qu’omis ou lissé.

Sensibilité à la taille d’échantillon

Les pourcentages bougent vite sur de petits échantillons. Dans un échantillon fixe de dix transactions, transformer un résultat perdant en résultat gagnant déplace le taux de réussite de dix points de pourcentage. Dans un échantillon fixe de cent transactions, il le déplace d’un point. Ajouter une nouvelle transaction modifie le dénominateur, de sorte que son effet dépend du taux de réussite existant. Les petits échantillons rendent donc les taux mis en avant instables et faciles à améliorer par la chance ou en choisissant la date de départ.

Davantage d’observations aident à la stabilité, mais ne réparent pas les problèmes plus profonds. Un biais de sélection dans les transactions enregistrées, des transactions manquantes à la suite d’exécutions échouées ou d’omissions, et des règles modifiées en cours d’échantillon faussent tous un historique, quelle que soit sa longueur. Aucune taille d’échantillon ne transforme une liste triée sur le volet en preuve indépendante.

Manipulation du dénominateur

Le taux de réussite est un ratio : qui contrôle le dénominateur contrôle le chiffre mis en avant. Les ajustements courants consistent à exclure les transactions à l’équilibre, à exclure les positions ouvertes perdantes tout en gardant les positions ouvertes gagnantes, à écarter les appels annulés, à compter les sorties partielles de manière incohérente, à dupliquer les entrées échelonnées en plusieurs positions et à sélectionner des périodes commodes en omettant les mois de drawdown.

Toute affirmation crédible énonce une politique d’inclusion explicite : quelles transactions comptent, comment les transactions à l’équilibre et les positions ouvertes sont traitées, si les sorties partielles sont agrégées ou séparées, et quelle plage de dates s’applique. Sans cette politique, deux personnes calculant à partir du même historique de compte peuvent publier des taux de réussite différents, tous deux techniquement dérivés des données.

Ce qu’une capture d’écran prouve et ce qu’elle ne prouve pas

Une capture d’écran ou une image de courbe de capital n’établit que les valeurs visibles sur cette image. Elle peut omettre les dépôts, les retraits, les coûts, l’effet de levier, l’exposition ouverte et la complétude de la série. Sans l’export sous-jacent et le registre de trésorerie, ces champs omis ne peuvent pas être rapprochés de manière indépendante.

Une preuve plus solide est un export complet des transactions couvrant la période indiquée, accompagné d’un registre de trésorerie rapprochant les dépôts, les retraits, les frais et le solde final. Ces éléments permettent à un lecteur indépendant de recalculer les résultats bruts et nets et de vérifier les chiffres avancés.

Résultats hypothétiques et backtestés

Les autorités de régulation mettent en garde depuis longtemps contre les performances simulées dans la promotion. L’Interpretive Notice de la NFA relative à la Compliance Rule 2-29 indique que les résultats de performance hypothétiques ont produit à maintes reprises des documents promotionnels trompeurs, ne représentent pas un trading réel, sont généralement conçus a posteriori, peuvent sous- ou surcompenser la liquidité et le slippage, et ne peuvent pas rendre pleinement compte du risque financier ni de la capacité à suivre un programme à travers les pertes. [1]

Cette mise en garde concerne l’usage promotionnel de résultats hypothétiques. Elle n’implique pas que tout backtest soit frauduleux. Les backtests peuvent être des outils d’analyse utiles lorsque les hypothèses sont divulguées, que les coûts sont modélisés et que le comportement hors échantillon est testé. La question de l’audit est de savoir si le présentateur distingue clairement les résultats simulés des résultats réalisés, et si le biais rétrospectif, les hypothèses de liquidité et le traitement du slippage sont documentés. [1]

Rendements garantis et robots de trading à IA

La CFTC avertit que des fraudeurs utilisent le vocabulaire de l’IA pour promouvoir des robots de trading et des signaux, parfois avec des promesses de rendement déraisonnables ou garanties, et précise que l’IA ne peut pas prédire l’avenir ni les changements soudains du marché. Des rendements garantis ou d’une régularité invraisemblable attachés à des systèmes automatisés sont des affirmations à vérifier, pas des faits à accepter. [2]

Cette mise en garde vise la promotion trompeuse. Elle n’établit pas que tout système automatisé soit frauduleux. L’automatisation change la mécanique d’exécution, pas l’arithmétique de l’espérance, et toute affirmation de performance d’un robot doit subir le même audit qu’un historique manuel : export complet, dénominateur défini, flux de trésorerie rapprochés et séparation des résultats réalisés et hypothétiques. [2]

Règles sur les performances passées dans les promotions financières

Au Royaume-Uni, le FCA Handbook contient des règles de portée spécifique pour les promotions financières destinées aux particuliers impliquant des performances passées, passées simulées ou futures. Le COBS 4.6 traite notamment de la visibilité des avertissements, des périodes de référence, de l’identification des sources et de la mention selon laquelle les performances passées ne constituent pas un indicateur fiable des résultats futurs. [3]

L’applicabilité dépend de la communication, du produit et de l’entreprise qui la réalise. Le COBS régit les communications des sociétés régulées entrant dans son champ d’application ; ce n’est pas automatiquement une règle pour chaque formateur, vendeur de signaux ou capture d’écran sur les réseaux sociaux. Rien ici ne constitue un conseil juridique. Pour une communication précise, les règles applicables et les éventuelles exemptions nécessitent une évaluation professionnelle. [3]

Les coûts font partie du calcul

La SEC indique que les frais et dépenses réduisent les rendements des investissements et recommande de lire les documents d’information et de vérifier les relevés. Les historiques de trading peuvent inclure le spread, la commission, le financement et le slippage défavorable : rapprochez donc les composantes applicables des relevés et des exécutions avant de qualifier un résultat de net. Le guide distinct de TraderJury sur les coûts explique la méthode du registre. [4]

Comment auditer une affirmation de performance

1. Archivez la formulation et les dates exactes de l’affirmation, y compris les captures d’écran, les publications et toute version modifiée, afin que les comparaisons ultérieures disposent d’une référence fixe.
2. Obtenez un export complet des transactions pour la période indiquée, et non un tableau récapitulatif ou une image.
3. Définissez le dénominateur : quelles transactions comptent, comment les transactions à l’équilibre et les positions ouvertes sont traitées, comment les sorties partielles sont agrégées et quelle plage de dates s’applique.
4. Rapprochez les dépôts et les retraits de la courbe de capital afin que la croissance du compte ne soit pas confondue avec des apports externes.
5. Calculez le profit brut, la perte brute, le résultat net après coûts, le taux de réussite, l’espérance et le facteur de profit directement à partir de l’export.
6. Vérifiez la plus grosse perte unitaire et le drawdown maximal du sommet au creux, avec les dates.
7. Séparez les résultats réalisés des résultats hypothétiques, backtestés ou sur papier, et étiquetez chaque partie explicitement.
8. Notez tout changement de stratégie, de règle, d’instrument ou de dimensionnement au cours de la période, car il rompt l’hypothèse d’un processus unique et stable.
9. Datez la conclusion et énoncez la politique d’inclusion à côté, afin que le constat soit reproductible par un autre lecteur.

Un audit de performance mensuel reproductible

Une fois par mois, appliquez la même procédure à votre propre historique ou à tout historique que vous évaluez. Exportez toutes les transactions clôturées du mois. Appliquez la politique d’inclusion écrite sans exception. Calculez le taux de réussite, le taux de perte, le gain moyen, la perte moyenne, le profit brut, la perte brute, l’espérance et le facteur de profit. Soustrayez les coûts détaillés rapprochés des relevés. Notez le plus gros gain, la plus grosse perte et le drawdown maximal avec les dates. Notez les positions ouvertes séparément, valorisées au prix du marché, et excluez-les des statistiques sur transactions clôturées. Consignez les changements de stratégie et archivez le résultat avec sa date.

Cela produit une description de ce qui s’est passé selon une politique énoncée. Cela ne recommande ni taux de réussite, ni stratégie, ni ratio gain/perte, ni limite de risque, et ne prédit pas le mois suivant. Sa valeur tient à la constance : les mêmes définitions, appliquées de façon répétée, rendent la détérioration et l’amélioration visibles au lieu d’être discutables.