Le socle académique
La recherche académique sur le momentum est vaste et convaincante. Les résultats originaux de Jegadeesh et Titman en 1993 ont été reproduits à travers les classes d’actifs, les géographies et les périodes. La recherche de Yale de Liu et Tsyvinski a confirmé que les effets de momentum sont particulièrement forts sur les marchés crypto, avec un facteur de tendance gagnant 3,87 % par semaine dans leur étude de 2024. Les preuves académiques du momentum comme phénomène persistant et exploitable sont aussi solides qu’on puisse l’espérer en économie financière.
La persistance du momentum dans différents environnements de marché le rend particulièrement intéressant pour le trading systématique. Asness, Moskowitz et Pedersen ont documenté les rendements du momentum dans 8 classes d’actifs et 40 pays, constatant que l’effet tient même après avoir contrôlé les facteurs de risque communs. Leur recherche sur le time series momentum a montré que les stratégies de momentum 12-1 mois ont généré des rendements positifs dans 58 des 61 marchés étudiés.
Mais c’est là que les choses deviennent plus intéressantes pour la crypto en particulier. L’étude Liu-Tsyvinski a constaté que les facteurs traditionnels des actions comme la valeur et la taille ne fonctionnent pas sur les marchés crypto, mais le momentum fonctionne. Leur facteur de momentum cross-sectionnel a généré un ratio de Sharpe de 1,46 sur les marchés de cryptomonnaies contre 0,45 sur les marchés actions traditionnels. Cela suggère que la plus grande volatilité de la crypto et la découverte de prix moins efficiente créent davantage d’opportunités de momentum exploitables.
Le défi de la traduction
Traduire ces preuves académiques en un système de trading en direct nécessite de résoudre des problèmes que les articles académiques écartent généralement. Les coûts de transaction constituent le premier obstacle. Les études académiques supposent souvent des coûts nuls ou minimes, mais le trading réel engendre des spreads, des frais et du slippage. Sur les marchés crypto, cela peut aller de 0,1 % pour les paires majeures sur les meilleurs exchanges à 0,5 % ou plus pour des altcoins plus petits.
L’exécution présente un autre niveau de complexité. Les études académiques supposent une exécution instantanée au prix de clôture, mais les ordres réels font face à la priorité de file, aux exécutions partielles et à l’impact de prix. Un signal de momentum qui semble rentable à la clôture de 16 h peut être nettement moins attractif lorsque vous essayez réellement de l’exécuter à 16 h 01 avec une taille réelle.
Les contraintes de capacité ajoutent une troisième dimension. Les stratégies académiques sont testées sur des portefeuilles papier sans limites de taille, mais les stratégies réelles font face à des contraintes de liquidité. Un signal de momentum sur un altcoin de 50 millions de dollars de capitalisation peut fonctionner pour une position de 10 000 $ mais s’effondrer complètement à 100 000 $.
Un moteur de momentum qui produit des signaux de trading en direct doit tenir compte de tous ces facteurs du monde réel. Les signaux qu’il génère doivent être exécutables à des prix proches du prix du signal, sur des actifs avec une liquidité suffisante, après prise en compte du coût complet de transaction aller-retour. Cela signifie filtrer les signaux où le spread bid-ask dépasse le mouvement attendu, ou où le volume récent suggère une liquidité insuffisante pour la taille de position recommandée.
Considérations de microstructure du marché
Le défi de la traduction va plus loin que les simples coûts et la liquidité. Les études académiques sur le momentum utilisent généralement les prix de clôture quotidiens, mais le trading en direct se fait en temps continu avec une volatilité intraday. Une action qui clôture 3 % plus haut peut avoir été en hausse de 6 % à midi et en baisse de 2 % une heure avant la clôture. Le signal de momentum basé sur la clôture quotidienne ne capture pas cette volatilité intraday, qui peut avoir un impact significatif sur la qualité d’exécution.
C’est pourquoi les moteurs de momentum efficaces intègrent l’action de prix intraday dans leur génération de signaux. Plutôt que de simplement regarder la clôture d’hier par rapport à celle d’aujourd’hui, ils examinent le chemin emprunté par le prix pour y parvenir. Une montée régulière de 3 % tout au long de la journée représente un momentum plus fort qu’un gap haussier de 3 % à l’ouverture suivi d’une action latérale.
Onze systèmes d’entrée
Plutôt que de s’appuyer sur une définition unique du momentum, un moteur de momentum solide utilise plusieurs systèmes d’entrée qui capturent différents aspects du momentum. Chaque système cible un type spécifique de comportement de prix qui tend à persister.
Les systèmes de breakout identifient les actifs atteignant de nouveaux sommets sur volume. L’implémentation classique recherche des sommets de 20 jours accompagnés d’un volume supérieur à la moyenne, mais les versions plus sophistiquées ajustent la période de rétrospective en fonction de la volatilité récente et utilisent le volume relatif au volume en dollars moyen plutôt qu’au volume en parts.
Les systèmes de pullback identifient les actifs en tendance qui ont retracé vers un support. Ces systèmes recherchent des actifs en fortes tendances haussières qui ont reculé de 5 à 15 % des sommets récents et qui montrent maintenant des signes de reprise de la tendance haussière. La clé est de distinguer entre les pullbacks sains dans des tendances fortes et le début de renversements de tendance.
Les systèmes de divergence identifient les renversements de momentum en comparant l’action de prix aux oscillateurs de momentum. Quand un actif atteint un nouveau sommet mais que le RSI ou le MACD fait un sommet plus bas, cette divergence négative précède souvent un changement de tendance. Le moteur de momentum peut générer des signaux short ou filtrer les signaux long lorsque ces divergences apparaissent.
Les systèmes d’expansion de volatilité identifient le début de nouvelles tendances à partir de ranges compressés. Ces systèmes recherchent des actifs qui ont traddé dans des ranges étroits et qui commencent à casser avec une volatilité en expansion. Le squeeze des Bollinger Bands en est un exemple classique, mais les implémentations plus sophistiquées utilisent plusieurs mesures de volatilité et des timeframes adaptatifs.
Chaque système a son propre ensemble de paramètres, calibrés par backtesting out-of-sample sur plusieurs années de données. Les systèmes génèrent des signaux indépendamment, et un mécanisme de classement priorise les signaux de meilleure qualité lorsque plusieurs systèmes se déclenchent simultanément. Ce classement prend en compte des facteurs tels que la force du signal, la performance récente du système et les conditions actuelles du marché.
Corrélation entre systèmes et construction de portefeuille
Faire tourner onze systèmes d’entrée différents crée ses propres défis. Certains systèmes se corrèlent naturellement dans certaines conditions de marché. Les systèmes de breakout et d’expansion de volatilité tendent à se déclencher ensemble dans les marchés en tendance, tandis que les systèmes de pullback et de divergence peuvent se contredire dans des conditions hachurées.
Le moteur de momentum aborde ce point par une pondération dynamique des systèmes. Pendant les marchés en tendance, les systèmes orientés breakout reçoivent des pondérations plus élevées tandis que les systèmes de mean reversion reçoivent des pondérations plus faibles. Pendant les marchés en range, la pondération s’inverse. Cette approche adaptative aide à maintenir une performance cohérente à travers différents régimes de marché.
Confirmation multi-timeframes
Les signaux en direct sont confirmés sur plusieurs timeframes avant livraison. Un signal de momentum quotidien qui contredit la tendance hebdomadaire est filtré ou marqué comme à plus faible confiance. Cette analyse multi-timeframes aide à distinguer le véritable momentum du bruit à court terme.
Le processus de confirmation examine généralement quatre timeframes : 4 heures, quotidien, hebdomadaire et mensuel. Un signal de momentum de haute qualité montre un alignement sur au moins trois de ces timeframes. Par exemple, un signal de breakout quotidien reçoit une confiance plus élevée si le graphique hebdomadaire montre une tendance haussière et que le graphique 4 heures montre un fort momentum récent.
Les preuves des praticiens suggèrent que cette confirmation multi-timeframes améliore les taux de réussite d’environ 45 % à 58-75 %, une amélioration significative qui se compose sur des centaines de trades. L’amélioration vient du filtrage des signaux qui représentent des mouvements temporaires contre la plus grande tendance.
Mais la confirmation multi-timeframes ne se limite pas au filtrage des signaux. Elle aide également à la gestion des trades. Un signal de momentum quotidien qui bénéficie d’un support hebdomadaire peut justifier un stop loss plus large et une période de détention plus longue. Un signal qui ne fonctionne que sur le timeframe quotidien peut justifier une gestion du risque plus serrée et une prise de profit plus rapide.
Livraison de signal ajustée au risque
Chaque signal est accompagné de paramètres de risque spécifiques : niveau d’entrée recommandé, niveau de stop loss, niveau cible, recommandation de taille de position basée sur la volatilité actuelle du portefeuille, et un score global de qualité du signal. Ces informations permettent au trader d’évaluer pleinement le trade avant d’engager du capital, et garantissent que le dimensionnement est approprié pour l’environnement de marché actuel.
La composante de dimensionnement de position est particulièrement importante. Les études académiques sur le momentum supposent généralement des portefeuilles à pondération égale, mais le trading réel nécessite des tailles de position qui tiennent compte de la volatilité de chaque actif et de la corrélation avec les positions existantes. Le moteur de momentum calcule les tailles de position en utilisant une approche de parité de risque, où chaque position contribue également au risque du portefeuille plutôt qu’également à la valeur du portefeuille.
Les scores de qualité des signaux intègrent plusieurs facteurs : la force du signal de momentum, la qualité du pattern graphique, la confirmation par le volume, l’alignement multi-timeframes et la performance récente de signaux similaires. Les scores vont de 1 à 10, les scores supérieurs à 7 représentant des signaux à forte conviction et les scores inférieurs à 4 représentant des opportunités à plus faible conviction qui peuvent valoir la peine d’être surveillées mais pas traddées.
Les paramètres de risque s’adaptent également aux conditions actuelles du marché. Pendant les périodes de forte volatilité, les stop loss s’élargissent pour éviter de se faire sortir de bons trades par le bruit normal du marché. Pendant les périodes de faible volatilité, les stops se resserrent pour préserver le capital lorsque de petits mouvements peuvent indiquer des problèmes plus importants.
Mises à jour de signaux en temps réel
Contrairement aux études académiques qui génèrent des signaux une fois par jour à la clôture, les moteurs de momentum en direct mettent à jour les signaux tout au long de la session de trading. Un signal de breakout généré à l’ouverture du marché peut devenir invalide à la mi-journée si le volume ne se matérialise pas ou si le breakout est rejeté à la résistance.
Cette mise à jour en temps réel aide les traders à éviter d’exécuter des signaux qui se sont déjà dégradés. Elle permet également la génération de signaux intraday lorsqu’un fort momentum se développe pendant la session de trading. La clé est d’équilibrer réactivité et stabilité pour éviter de générer trop de signaux qui sont rapidement annulés.
Le moteur de momentum suit l’évolution du signal tout au long de la journée et fournit des mises à jour lorsque la qualité du signal change significativement. Un signal qui commence avec un score de qualité de 6 peut être rehaussé à 8 si le volume confirme le mouvement et que plusieurs timeframes s’alignent, ou rétrogradé à 3 si le momentum stagne et que le volume se tarit.
Explorez ces outils sur Blockcircle : Momentum Trading Engine | Prediction Markets
L’enseignement pratique est que le trading de momentum fonctionne, mais l’écart entre la théorie académique et l’exécution en direct est substantiel. Un moteur de momentum bien conçu comble cet écart en traitant les coûts de transaction, les défis d’exécution, les contraintes de capacité et la gestion du risque de manière systématique. Le résultat est un outil capable de générer des signaux exploitables tout en préservant l’avantage que la recherche académique a identifié.