Trois affirmations, trois charges de preuve
Lo, Mamaysky et Wang remplacent la reconnaissance subjective des figures par un algorithme formel. Ils étudient des actions américaines historiques et trouvent une information supplémentaire dans certains indicateurs techniques de leur échantillon. C’est plus solide qu’une anecdote de graphique, mais une information conditionnelle ne garantit pas la rentabilité de toute mise en œuvre et ne valide pas tous les indicateurs populaires.[1]
Une question étroite peut demander si la distribution des rendements suivants diffère après un événement défini à l’avance et dans un groupe de contrôle comparable. Précisez actifs, fréquence, fenêtre, moment du calcul et horizon. Si la règle exige le cours de clôture, ne comptez pas automatiquement une transaction à ce cours avant qu’il soit connu. La disponibilité de l’information fait partie de l’hypothèse.
Figer la règle avant le regard vers l’avenir
Créez une version immuable de la règle avant le test sur données réservées. Incluez les valeurs manquantes, opérations sur titres, suspensions et absence de contrepartie. Modifier les paramètres après avoir vu l’échantillon réservé le transforme en données d’apprentissage.
Conservez le nombre de familles de paramètres testées, les changements de fenêtre, périodes exclues et critères de choix. Un résultat séduisant parmi de nombreux essais peut venir de la sélection.
Exemple original d’un petit effet de prix
Supposons une règle fictive produisant 0,12 % de variation moyenne par cycle. Commission et moitié du spread sur deux opérations coûtent ensemble 0,10 %, et le slippage supplémentaire 0,05 %. Après ces coûts, le résultat est −0,03 %, même si l’effet brut semblait positif. C’est une illustration arithmétique, pas la mesure d’un instrument réel ni un tarif actuel.
Même un solde positif ne termine pas le test. Examinez la distribution des pertes, la dépendance entre observations, la possibilité d’obtenir la quantité voulue et la disponibilité d’une vente à découvert. Des événements le même jour d’un choc commun ne sont pas des répétitions indépendantes.
Les règles infructueuses restées hors champ
Testez la robustesse après de petits changements de fenêtre et de date initiale, sans en faire une nouvelle recherche du maximum. Une combinaison étroite sans mécanisme clair est suspecte. Ne pas trouver d’effet stable ne prouve pas que les prix sont parfaits ; les études d’efficience montrent aussi les limites de puissance des tests.[2]
La description technique reste utile pour mesurer une série, comparer des intervalles et repérer les problèmes de données sans promettre de transaction. Une moyenne mobile est un filtre transparent même si un croisement n’est pas validé comme signal.
Aptitude des données et journal d’exécution
Définissez avant les résultats une couverture minimale, par exemple 95 clôtures sur 100. Ne remplacez jamais une clôture inconnue par une donnée future ; consignez l’absence d’exécution pour un instrument suspendu. Une spécification séparée peut exiger un chiffre d’affaires quotidien médian supérieur à 2 millions sur les 20 dernières séances et une ordre ne dépassant pas 1 %, soit une limite calculée de 20 000 à 2 millions. C’est un objet de stress-test, pas une norme universelle.
Excluez un titre si l’historique est insuffisant, si l’échelle après un split reste incertaine ou si la date de disponibilité d’un champ ne peut être reconstruite. Consignez la raison.
Utilisez des lignes « événement détecté », « ordre autorisé », « exécuté », « sortie demandée », « clôturé ». Un signal à 100, un achat atteignable à 101 et une vente à 102 donnent 2 % du signal à la vente mais 102/101−1≈0,9901 % brut réalisé ; avec 0,3 % de coûts, le net est ≈0,6901 %.
Tester le processus sans en faire un cours de trading
Faites d’abord tourner le journal sur des séries artificielles vérifiables : signal au dernier jour, suspension, gap et exécution partielle. Puis réalisez un test à blanc sans argent réel, en figeant l’heure de l’événement avant les cotations futures. Cela teste discipline et calcul, pas la valeur prédictive ; les résultats empiriques de Lo ne sont pas hérités par ce journal.[RTA]
Le critère de fin est qu’un autre chercheur, avec la même version des données, obtienne la même liste d’autorisations, de signaux, d’ordres non exécutés et de coûts.
Trois « axiomes » comme hypothèses testables
Remplacez « le prix reflète toute l’information » par une hypothèse limitée : un facteur public connu à t n’améliore pas une prévision définie à l’avance par rapport à un contrôle après risque et coûts.
« Les prix évoluent dans une direction » exige un horizon et une variable. On peut comparer le signe des cinq derniers rendements non chevauchants au signe des cinq suivants, en conservant tous les cas et un contrôle. Une tendance visuelle ou une moyenne positive ne prouve pas la prévisibilité des signes.
« L’histoire se répète » devient une hypothèse de transfert : tester la même règle figée sur la période suivante, avec métrique, taille d’effet, précision et indices d’un changement de régime fixés auparavant. Lo et ses coauteurs distinguent définition algorithmique et distribution conditionnelle ; ils ne prouvent pas ces axiomes généraux.
Sources et limites
[1] [Foundations of Technical Analysis](https://www.nber.org/papers/w7613) : formalisation des figures et information historique conditionnelle, pas preuve de profit. [2] [Do We Really Know That Financial Markets Are Efficient?](https://www.nber.org/papers/w0994) : limites des tests empiriques d’efficience. [RTA] Lo, Mamaysky et Wang, source rm-technical-lo ; les filtres et le journal constituent un protocole pédagogique indépendant.