Performance & capacité

Ratios ajustés du risque

∞structurel

Revu le 4 juin 2026. En 2026 : un trait permanent du marché, pas un avantage qui s'érode.

Sharpe, Sortino, Calmar : le rendement par unité de risque. Puissants et systématiquement maltraités : un Sharpe élevé sur des rendements à queues épaisses, autocorrélés et surajustés est un nombre, pas un avantage.

Voir en mouvement

Courbe de capital → Sharpetirez dérive & volIX-SHARPE

Sharpe (ann.)0.48

Drawdown max28.2%

Rendement total+11.3%

Dérive (avantage)30%

Volatilité40%

À remarquer. La même courbe de capital peut porter des ratios de Sharpe radicalement différents, car le Sharpe est le rendement par unité de risque, pas le rendement seul. Poussez la volatilité et même une forte dérive paraît médiocre une fois ajustée du risque. Le ratio n'est honnête que si les rendements ne sont ni à queues épaisses, ni autocorrélés, ni surajustés.

Qu'est-ce que le ratio de Sharpe et comment le calcule-t-on ?

Le ratio de Sharpe est le rendement moyen en excès du taux sans risque, divisé par la volatilité du rendement : la récompense par unité de risque. En clair : combien de rendement supplémentaire avez-vous gagné pour chaque unité de soubresaut qu'il a fallu endurer ? On le calcule par période, puis on l'annualise en multipliant par la racine carrée du nombre de périodes par an.

Partez de l'intuition. Deux stratégies gagnant le même rendement ne se valent pas si l'une a soubresauté deux fois plus fort pour y parvenir. Le ratio de Sharpe met un prix sur ce soubresaut. C'est la monnaie universelle de la performance car, contrairement au rendement brut, il est invariant au levier (mettez du levier et le rendement en excès comme la volatilité s'échelonnent ensemble, laissant le ratio inchangé), si bien qu'il compare des stratégies de toute taille sur un seul axe.

La récompense par unité de risque : rendement moyen en excès du taux sans risque, divisé par la volatilité des rendements. Pour le HFT intraday, le taux sans risque par période est effectivement nul, donc

S \approx \bar{r}/\sigma_r

S = \frac{\bar{r} - r_f}{\sigma_r}

Ici $\bar{r}$ est le rendement moyen par période, $r_f$ le taux sans risque par période et $\sigma_r$ l'écart-type des rendements (Sharpe 1966 ; forme révisée ex-ante / ex-post 1994). Vient maintenant ce que tout le monde rate : l'annualisation. Un Sharpe calculé sur des rendements par période s'annualise en multipliant par $\sqrt{k}$ , où $k$ est le nombre de périodes par an.

La règle de la √k : le rendement s'échelonne linéairement avec le temps tandis que la volatilité s'échelonne avec la racine carrée du temps, si bien que le ratio s'échelonne avec √k, pas k. (

k = 252

en quotidien, environ 98 280 pour des barres de 5 minutes sur une séance actions de 6,5 heures.)

S_{\text{ann}} = S_{\text{period}} \times \sqrt{k}

C'est la première source d'inflation des Sharpe, car la règle de la $\sqrt{k}$ n'est correcte que si les rendements sont sériellement indépendants, ce que les rendements HFT ne sont pas. Voir mesures de rendement et de risque pour la mise à l'échelle temporelle sous-jacente.

▸ Afficher la dérivation : l'annualisation en √k et là où elle casse optionnel

Soient des rendements par période i.i.d. de moyenne $\mu$ et de variance $\sigma^2$ . Sur $k$ périodes la moyenne agrégée est $k\mu$ et, comme les variances de variables indépendantes s'additionnent, la variance agrégée est $k\sigma^2$ , donc la volatilité agrégée est $\sqrt{k}\,\sigma$ . Le Sharpe annuel est donc

S_{\text{ann}} = \frac{k\mu}{\sqrt{k}\,\sigma} = \sqrt{k}\,\frac{\mu}{\sigma} = \sqrt{k}\,S_{\text{period}}.

Abandonnons maintenant l'indépendance. Si des rendements consécutifs ont une autocorrélation d'ordre un $\rho$ , la variance de la somme sur $k$ périodes n'est plus $k\sigma^2$ ; pour un processus AR(1) elle vaut approximativement $k\sigma^2 \cdot \tfrac{1+\rho}{1-\rho}$ pour $k$ grand. Le Sharpe annualisé corrigé (Lo 2002) est

S_{\text{ann}} = \sqrt{k}\cdot S_{\text{period}} \cdot \sqrt{\frac{1-\rho}{1+\rho}}.

Une autocorrélation positive ( $\rho \gt 0$ ) rend la figure naïve en $\sqrt{k}$ trop élevée ; une autocorrélation négative la rend trop basse. Les stratégies HFT dont les rendements tendancent au cours de la journée ( $\rho$ positif) affichent couramment des Sharpe vedettes que la correction de Lo réduit sensiblement. Référence : Andrew Lo, « The Statistics of Sharpe Ratios », Financial Analysts Journal (2002).

Pourquoi les ratios de Sharpe en HFT sont-ils si élevés, et quel est un chiffre réaliste ?

Les Sharpe HFT sont élevés parce que le ratio s'échelonne avec la racine carrée du nombre de paris quasi indépendants, et le HFT en fait des milliers par jour. Des Sharpe bruts de plusieurs dizaines ou centaines sont arithmétiquement réels mais dénués de sens. Les chiffres honnêtes sont les Sharpe nets après toute la pile de coûts : à peu près 4 à 10 ou plus pour un book haute fréquence solide, parfois plus, rarement maintenus au-dessus d'environ 15 net.

Le chiffre le plus utile de ce sujet : avec

N

paris indépendants de même rapport avantage-sur-bruit, le Sharpe agrégé vaut

\sqrt{N}

fois le Sharpe par pari. L'avantage par transaction du HFT est minuscule ; son Sharpe est grand purement parce que

N

est énorme.

S_{\text{aggregate}} = \sqrt{N}\;\cdot\;S_{\text{per bet}}

Une stratégie faisant un pari par an contre dix mille paris quasi indépendants par jour, avec le même avantage par pari, diffèrent d'environ $\sqrt{10{,}000 \times 252} \approx 1{,}600\times$ par unité de temps. Donc le Sharpe brut par transaction est le mauvais prisme. Ce qui compte, c'est le Sharpe net, après le spread, l'impact de marché et les frais (voir le pôle coûts), qui dévorent l'essentiel de l'avantage brut, si bien qu'un Sharpe brut de 50 peut devenir un Sharpe net de 6 ; et le Sharpe réaliste, après correction de l'autocorrélation qui viole l'hypothèse d'indépendance de la √k et du fait que les paris ne sont pas pleinement indépendants (position de file, signaux partagés, régime).

Énoncez les fourchettes honnêtes de 2026 sans détour. Un fonds discrétionnaire à long horizon est bon au-dessus d'un Sharpe de 1, excellent au-dessus de 2. Un véritable book de tenue de marché ou d'arbitrage statistique haute fréquence rapporte typiquement un Sharpe annualisé net de 4 à 10, les stratégies les plus fortes et les plus contraintes en capacité étant plus élevées encore et éphémères. Un book HFT en réel à un Sharpe de ~1,5 est en général un signal d'alarme : soit l'avantage est marginal, soit les coûts le dévorent. Ce sont des ordres de grandeur, pas des garanties ; ils dépendent du régime et de la place et se rétrécissent à mesure que la capacité se remplit et que la foule arrive (voir capacité et érosion de l'alpha). Un Sharpe HFT élevé est à la fois réel et fragile : il repose sur le maintien de la quasi-indépendance des paris, sur la tenue du régime, et sur le fait que la stratégie reste assez petite pour que son propre impact ne plie pas l'avantage.

Comment la fréquence d'échantillonnage et l'autocorrélation déforment-elles le Sharpe ?

L'annualisation suppose que les rendements sont sériellement indépendants. Ils ne le sont pas : les transactions HFT consécutives sont autocorrélées via la position de file, l'inventaire et les signaux partagés. Une autocorrélation positive fait que l'annualisation naïve en √k surestime le Sharpe ; échantillonner plus finement (5 minutes contre quotidien) multiplie l'erreur. Le remède est la correction d'autocorrélation de Lo (2002), ou l'échantillonnage à une fréquence où l'indépendance tient à peu près.

Le mécanisme : la règle de la √k ne tient que pour des rendements i.i.d. Les flux de rendements HFT cassent l'indépendance dans les deux sens. Au sein d'un book de tenue de marché, une exécution au bid est souvent suivie d'une autre au bid (la même file, le même flux), créant une corrélation sérielle positive que l'annualisation naïve lit comme du Sharpe supplémentaire et gratuit. Les books à retour à la moyenne peuvent montrer une corrélation négative, sous-estimant la figure naïve.

La correction de Lo (2002) pour l'autocorrélation d'ordre un

\rho

: multiplier le Sharpe naïf en √k par ce facteur. Un

\rho

positif le réduit ; c'est la correction que le quant autodidacte oublie le plus souvent.

S_{\text{corrected}} = S_{\text{naïve}} \times \sqrt{\frac{1-\rho}{1+\rho}}

Et le piège de la fréquence : plus vous échantillonnez fin, plus $k$ est grand, plus le multiplicateur en √k est grand, et plus l'erreur est grande quand l'indépendance est fausse. Calculer un Sharpe sur des rendements à la seconde et l'annualiser avec $k \approx 23$ millions est arithmétiquement défendable et pratiquement absurde, car l'autocorrélation à cette fréquence est sévère. Le geste professionnel est de calculer le Sharpe à une fréquence d'échantillonnage où les rendements sont approximativement indépendants (souvent le P&L quotidien), ou d'appliquer explicitement la correction de Lo. Dans l'explorateur ci-dessus, le curseur d'autocorrélation est la commande vedette : observez le chiffre du Sharpe changer radicalement tandis que la forme de la courbe d'équité bouge à peine : preuve que l'inflation est dans les statistiques, pas dans la stratégie.

Que mesurent Sortino, le ratio d'information et Calmar que le Sharpe ne mesure pas ?

Sortino remplace la volatilité totale par la déviation à la baisse, si bien qu'il ne pénalise pas les hausses, ce qui le rend meilleur pour les flux de rendements asymétriques. Le ratio d'information mesure le rendement actif face à un indice de référence divisé par l'erreur de suivi, la bonne mesure quand vous avez un indice de référence. Calmar utilise le drawdown maximal comme dénominateur de risque, si bien qu'il met un prix sur la douleur de queue que les autres lissent.

Ratio de Sortino : la récompense par unité de risque à la baisse. Le Sharpe pénalise toute la volatilité, y compris la volatilité à la hausse que vous recherchez réellement ; Sortino divise le rendement en excès par la déviation à la baisse, l'écart-type calculé seulement sur les rendements sous une cible (en général zéro). Pour les stratégies asymétriques (gains de type option, momentum) Sortino est plus juste ; pour des flux de rendements HFT à peu près symétriques il est proche d'un Sharpe mis à l'échelle.

Sortino divise seulement par la déviation à la baisse. Le ratio d'information divise le rendement actif (le vôtre moins celui de l'indice) par l'erreur de suivi. Calmar divise le rendement annualisé par le pire drawdown de sommet à creux.

\text{Sortino} = \frac{\bar{r} - r_f}{\sigma_{\text{down}}}, \qquad \text{IR} = \frac{\bar{r} - \bar{r}_b}{\sigma_{r - r_b}}, \qquad \text{Calmar} = \frac{\bar{r}_{\text{ann}}}{|\text{MDD}|}

Le ratio d'information mesure le talent face à un indice de référence : rendement actif divisé par l'erreur de suivi, la volatilité de ce rendement actif. C'est le cousin de performance relative du Sharpe et le bon outil quand une stratégie est mesurée face à un indice ou un portefeuille cible plutôt qu'au cash. La plupart des HFT en alpha pur n'ont pas d'indice de référence, donc le Sharpe (indice = sans risque) en est le cas particulier naturel. Le ratio de Calmar est le rendement par unité de pire douleur : rendement annualisé divisé par le drawdown maximal absolu (voir drawdown). Il se soucie de la pire perte unique de sommet à creux, pas du soubresaut moyen, si bien qu'il attrape une stratégie qui paraît lisse (Sharpe élevé) mais qui est à un seul événement à queue épaisse de la ruine.

Le point unificateur : chacun de ceux-ci est « rendement ÷ une mesure de risque choisie ». Ils ne diffèrent que par le risque qu'ils valorisent : volatilité totale (Sharpe), volatilité à la baisse (Sortino), volatilité relative à l'indice (IR) ou pire drawdown (Calmar). Choisir la mesure, c'est choisir le risque qui vous importe.

Que cachent tous ces ratios ?

Chaque ratio suppose que les rendements sont à peu près normaux, indépendants et issus d'un régime stable, et les rendements de trading ne sont rien de tout cela. Ils cachent les queues épaisses (un Sharpe élevé peut côtoyer une queue catastrophique), l'autocorrélation (qui gonfle le chiffre), la dépendance au régime (un Sharpe calculé dans le calme meurt en stress) et les tests multiples (le meilleur de dix mille backtests est de la chance).

Queues épaisses. Le Sharpe utilise l'écart-type, qui sous-pondère les mouvements extrêmes. Une stratégie qui vend du risque de queue (ramasse des centimes, perd occasionnellement une fortune) affiche un beau Sharpe jusqu'à l'événement de queue ; voir queues épaisses. Accompagnez chaque Sharpe d'un drawdown ou d'un Calmar et d'un coup d'œil au skew et au kurtosis. Autocorrélation. Comme ci-dessus, une corrélation sérielle positive gonfle le Sharpe annualisé naïf, et la correction de Lo (2002) est l'antidote. Dépendance au régime. Un Sharpe est une moyenne sur l'échantillon : une stratégie peut avoir un Sharpe de 8 dans un régime calme et de −3 dans un régime de stress, et le chiffre mélangé cache le conditionnement. Rapportez toujours le Sharpe par régime, ou au moins signalez la pire sous-période.

Les tests multiples, le problème de 2026. Si vous essayez $N$ stratégies et rapportez le meilleur Sharpe in-sample, vous avez sélectionné sur le bruit : même avec un avantage vrai nul, le maximum de nombreux Sharpe aléatoires est grand. Le Sharpe dégonflé (Bailey & López de Prado 2014) ajuste le seuil pour le nombre d'essais et la non-normalité des rendements, transformant « Sharpe 3 in-sample » en une probabilité que le vrai Sharpe dépasse zéro. Avec l'IA générant des milliers de stratégies candidates, c'est la correction qui sépare un vrai avantage d'un fantôme issu du data-mining, la même discipline que bâtit la page backtesting. Le résumé honnête : un ratio est une compression, et la compression jette de l'information. Ne laissez jamais un seul Sharpe clore la conversation : accompagnez-le du drawdown, du skew et du kurtosis, d'une ventilation par régime et, en 2026, d'un contrôle de bon sens via le Sharpe dégonflé.

Exemple travaillé

Un flux de P&L quotidien synthétique pour une année notionnelle de 252 jours de bourse ; tous les chiffres sont illustratifs et reproductibles, à jour en 2026. Prenez des rendements quotidiens de moyenne $\bar{r} = 0.05\%$ par jour, de volatilité quotidienne $\sigma = 0.40\%$ , et un taux sans risque d'environ zéro par jour. Le Sharpe quotidien est $0.0005 / 0.0040 = 0.125$ .

L'annualisation naïve multiplie le 0,125 quotidien par √252 ≈ 15,87.

S_{\text{ann}} = 0.125 \times \sqrt{252} = 0.125 \times 15.87 = 1.98

Vient maintenant la correction d'autocorrélation. Supposons une autocorrélation d'ordre un $\rho = +0.20$ , un book intraday légèrement tendanciel. Le facteur de Lo (2002) est $\sqrt{(1-0.20)/(1+0.20)} = \sqrt{0.80/1.20} = \sqrt{0.667} = 0.816$ , donc le Sharpe annuel corrigé est $1.98 \times 0.816 = 1.62$ . La figure naïve a surestimé la vérité d'environ 22 %, et ce à un $\rho$ modéré ; à $\rho = 0.5$ le facteur est 0,577, divisant presque par deux le chiffre vedette.

L'illustration de la fréquence : recalculez le même P&L sur des barres de 5 minutes (≈ 390/jour → k ≈ 98 280). En les traitant à tort comme indépendantes, le multiplicateur en √k est 313,5, et un Sharpe par barre de seulement 0,01 s'annualise à 3,1, un chiffre sans rapport avec la réalité, car les rendements à 5 minutes sont fortement autocorrélés.

\sqrt{98{,}280} = 313.5 \quad\Rightarrow\quad 0.01 \times 313.5 = 3.1

Même stratégie, même argent, Sharpe rapporté radicalement différent purement du fait du choix d'échantillonnage : c'est le piège que cette page existe pour tuer. Le même flux marque aussi différemment sous les autres ratios. Si la déviation à la baisse est $0.32\%$ (plus basse que la volatilité totale car la stratégie a une variance bénigne à la hausse), Sortino vaut $0.0005/0.0032 \times \sqrt{252} = 2.48$ , plus haut que le Sharpe, récompensant à juste titre l'asymétrie. Et si le drawdown maximal de l'année était $-3.5\%$ contre un rendement annualisé de $0.05\% \times 252 = 12.6\%$ , Calmar vaut $12.6/3.5 = 3.6$ , et au-dessus d'environ 3 c'est fort, confirmant que le Sharpe lisse ne cache pas un creux ruineux.

La leçon en un écran : le même flux de rendements rapporte honnêtement un Sharpe annualisé allant d'environ 1,6 (quotidien corrigé) à environ 3 (5 minutes naïf) selon entièrement l'échantillonnage et la correction d'autocorrélation. Citez la fréquence, citez la correction, ou le chiffre ne veut rien dire. Tous les chiffres sont synthétiques.

Où cela s'inscrit

↑ Vers le haut · brique de Performance et capacité ↔ En travers · se combine avec Mesures de rendement et de risque ↔ En travers · se combine avec Queues épaisses ↔ En travers · se combine avec Capacité et érosion de l'alpha → Application · rapporte sur Arbitrage statistique → Application · rapporte sur Tenue de marché → Application · rapporte sur Le HFT est-il encore rentable en 2026 ? ⤓ Construire / Acheter · outil nécessaire Jeux de données et outils