Money Management en Bourse – Ce que les traders savent (ou pas)

Trading algorithmique et money management : les secrets de la rentabilité à long terme

Dans cet épisode du podcast « Self Invest Talk », l’invité Gilles partage son expérience de plus de vingt ans sur les marchés financiers à l’occasion de la sortie de son ouvrage de 518 pages consacré au Money Management. Spécialiste du trading algorithmique depuis 2013, il livre une vision réaliste et pragmatique de la survie et de la performance durable sur les marchés, loin des promesses faciles d’Internet.

Le money management : la clé indispensables pour survivre aux imprévus

Pour Gilles, un bon money management consiste à mettre en œuvre des mécanismes permettant à un portefeuille de traverser les périodes d’incertitude et de gérer l’imprévisible, souvent imagé par le « cygne noir ». Le rôle du money management n’est pas d’éviter que cet événement survienne, mais de s’assurer que le portefeuille est protégé lorsqu’il arrive. Sans cette rigueur, il est impossible de durer, et encore moins d’être rentable.

Gilles rappelle une règle mathématique essentielle liée à l’asymétrie des pertes : lorsqu’un trader subit une perte de 10 %, il doit réaliser une performance de 11 % pour reconstituer son capital initial. Si la perte atteint 20 %, l’effort requis grimpe à 25 %. C’est précisément au-delà du seuil de 10 % de perte que la récupération du capital devient exponentiellement difficile.

Limiter le drawdown et valider la robustesse d’un backtest

La simple application d’un ratio de risque classique (comme risquer 1 % pour viser 2 % de gain avec un taux de réussite théorique de 50 %) reste incomplète si le trader ne sait pas comment sa stratégie va se comporter à long terme.

Lorsqu’il réalise un backtest, Gilles calibre le risque de manière très stricte afin que le drawdown maximum (la perte historique maximale) ne dépasse pas 5 % sur l’ensemble de la période testée. Il augmente artificiellement les frais et intègre un slippage moyen dans ses simulations pour coller à la réalité de l’exécution. Dans la pratique, il choisit d’invalider une stratégie si son drawdown réel dépasse un seuil compris entre 10 % et 15 %. Une stratégie robuste se reconnaît non pas lorsqu’elle gagne, mais lorsqu’elle traverse une période totalement défavorable et que la perte reste confinée dans les limites fixées.

La diversification stratégique face aux configurations de marché

La rentabilité régulière ne s’obtient pas avec un seul algorithme magique, mais par une diversification stratégique. Le marché évoluant constamment (phases de range, de tendance, de forte ou de faible volatilité), chaque algorithme doit être spécifiquement paramétré pour répondre à une configuration précise. L’objectif est de posséder plusieurs familles d’algorithmes (par exemple des stratégies contrariantes et des stratégies de breakout) pour que, quelle que soit la phase du marché, les systèmes gagnants compensent ceux qui subissent des pertes.

Gilles met également en avant une approche basée sur la dualité et la couverture (hedging). Il évoque notamment l’utilisation passée d’un portefeuille d’actions surperformant l’indice, adossé à une couverture à bêta neutre ou à un tracker inverse comme le BX4.

Focus sur la stratégie de couverture S&P 500 et VIX

Parmi ses outils, Gilles détaille une stratégie qu’il développe et expérimente depuis plusieurs années, associant une position acheteuse sur le S&P 500 (format futur) à une exposition variable sur le VIX. Le VIX, calculé d’après les options sur le S&P 500, possède un effet plancher (situé généralement entre 10 et 12) en dessous duquel il ne descend pas.

En marché haussier, la hausse du S&P 500 compense la perte de la valeur temps du contrat VIX, générant un gain mensuel. En cas de retournement violent du marché, l’asymétrie joue en faveur du trader : la hausse soudaine et forte du VIX surperforme la baisse du S&P 500. Cette stratégie est qualifiée d’antifragile, car c’est précisément lors des crises ou des chocs de volatilité (comme le Covid-19, le Brexit ou les tensions géopolitiques) qu’elle réalise ses meilleures performances.

L’approche du trading automatique et le piège du subjectif

En tant qu’autodidacte, Gilles préconise de s’appuyer sur des concepts logiques et identifiables plutôt que sur de simples optimisations mathématiques d’indicateurs dont on ne comprend pas le sous-jacent. L’avantage du trading algorithmique est de pouvoir coder et tester immédiatement le potentiel d’une idée pour en vérifier la viabilité historique.

Cela permet également de se prémunir contre les concepts subjectifs ou non backtestables vendus en ligne, qui s’avèrent souvent perdants une fois confrontés aux données passées. Enfin, pour éviter les biais cognitifs et les influences externes, Gilles recommande de concevoir ses analyses de manière indépendante et d’adapter systématiquement chaque méthode à sa propre aversion au risque.