Performance & capacité

Mesures de rendement et de risque

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

Rendements, volatilité, drawdown, taux de réussite, P&L par transaction. Le vocabulaire de base, et pourquoi les rendements haute fréquence en exigent des versions conscientes des événements et des queues épaisses.

L'idée

La frontière de seuil de rentabilité taux de réussite / ratio de gain schéma annotéDG-RETURNRISK
seuil : b = (1 − p)/p après coûts (spread + impact + frais) profitable déficitaire p 0.5 exige b > 1 suiveur de tendance p 0.35, b 1.86 fort taux, gains minuscules p 0.90, b 0.40 exemple travaillé · p 0.58, b 0.80 +6,6 bps brut, net négatif après coûts taux de réussite, p → (0.35 · 0.5 · 0.58 · 0.9) 2.5 0 ratio de gain, b = gain moy / perte moy

Ce que montre ce schéma. Qu'une stratégie gagne de l'argent ne tient pas au seul taux de réussite : c'est de savoir si le point se situe au-dessus de la courbe de seuil b = (1 − p)/p. Un taux de réussite de 35% la franchit avec de gros gagnants ; un taux de 90% la franchit avec de tout petits. L'exemple travaillé se place juste au-dessus de la ligne brute mais sous la frontière pointillée décalée par les coûts, donc il est profitable brut et déficitaire net – la différence étant la pile de coûts qu'ajoute la frontière pointillée.

Qu'est-ce qu'une courbe d'équité et que vous dit-elle vraiment ?

Une courbe d'équité est la valeur du compte tracée dans le temps : la somme cumulée du P&L de chaque trade. Seule, elle ne vous dit presque rien : sa hauteur est fixée par le levier et le capital de départ, tous deux arbitraires. Ce qui compte est la forme (sa régularité, son drawdown, la fiabilité de sa reprise), ce que les métriques ci-dessous quantifient exactement.

Deux stratégies peuvent finir au même point en ayant parcouru des chemins complètement différents : l'une une diagonale lisse, l'autre une dent de scie violente passée des mois sous l'eau. La destination (rendement total) est identique ; l'expérience, le risque et la finançabilité ne le sont pas. Chaque métrique de cette page est une façon de mesurer le chemin, pas la destination.

La courbe est bâtie à partir d'un flux de rendements, une suite de rendements périodiques sur une horloge fixe. L'équité composée multiplie les rendements bruts ; le travail HFT utilise d'ordinaire un P&L additif en devise ou en points de base, parce que les rendements par trade sur de minuscules périodes de détention composent négligeablement en une journée.
Et=E0∏i≤t(1+ri)orEt=E0+∑i≤tP&LiE_t = E_0 \prod_{i \le t}(1 + r_i) \quad\text{or}\quad E_t = E_0 + \sum_{i \le t} \text{P\&L}_i

L'avertissement honnête qui motive tout le sujet : la courbe d'équité est le graphique le plus séduisant et le moins informatif du trading. Il est trivial d'en faire monter une dans un backtest ; voir backtesting et simulation. La discipline est de refuser d'être impressionné par la ligne tant que vous n'avez pas vu sa volatilité, son drawdown et sa décomposition.

Comment mesure-t-on rendement et volatilité ?

Le rendement est la moyenne du flux de rendements sur une période (souvent annualisée). La volatilité est son écart-type, la dispersion des rendements périodiques autour de cette moyenne. Le rendement sans la volatilité est dénué de sens, parce que le levier les met à l'échelle ensemble : seul leur ratio (le Sharpe de la page suivante) est invariant. Reportez toujours le couple, jamais le rendement seul.

Les versions en clair : le rendement moyen demande « en moyenne, qu'a rapporté une période ? » ; la volatilité demande « de combien le rendement rebondit-il autour de sa moyenne ? ». Pour comparer entre stratégies vous annualisez, et c'est là que la plupart des chiffres reportés commencent à mentir. La moyenne croît linéairement avec le nombre de périodes, mais la volatilité croît avec la racine carrée du temps.

Moyenne par période et volatilité d'échantillon. Annualisez la moyenne par kk (périodes par an, par ex. 252 pour le quotidien) et la volatilité par k\sqrt{k}, la règle de la racine carrée du temps.
rˉ=1n∑iri,σ=1n−1∑i(ri−rˉ)2;rˉann=k rˉ,    σann=k σ\bar{r} = \tfrac{1}{n}\sum_i r_i, \quad \sigma = \sqrt{\tfrac{1}{n-1}\sum_i (r_i - \bar{r})^2}; \qquad \bar{r}_{\text{ann}} = k\,\bar{r}, \;\; \sigma_{\text{ann}} = \sqrt{k}\,\sigma

La raison clé pour laquelle les deux sont reportés ensemble : le levier met la moyenne et la volatilité à l'échelle identiquement. Leviérez une stratégie 2× et les deux doublent ; la courbe d'équité paraît deux fois plus excitante et est exactement aussi risquée par livre. Donc un rendement cité sans sa volatilité est un nombre dépendant du levier sans contenu informatif. C'est le point le plus répété de la mesure de performance, et la raison pour laquelle la page des ratios ajustés du risque existe.

▸ Voir la dérivation : pourquoi la volatilité croît en √temps optionnel

Supposons que les rendements périodiques sont indépendants et identiquement distribués avec une variance par période σp2\sigma_p^2. La variance d'une somme de kk rendements indépendants est la somme des variances, et l'écart-type est sa racine carrée, donc la volatilité sur kk périodes est k σp\sqrt{k}\,\sigma_p. La moyenne, en revanche, somme linéairement.

Var⁡ ⁣(∑i=1kri)=k σp2  ⇒  σk=k σp,E ⁣(∑i=1kri)=k rˉ\operatorname{Var}\!\Big(\sum_{i=1}^{k} r_i\Big) = k\,\sigma_p^2 \;\Rightarrow\; \sigma_k = \sqrt{k}\,\sigma_p, \qquad \mathbb{E}\!\Big(\sum_{i=1}^{k} r_i\Big) = k\,\bar{r}

Donc le rendement croît avec kk et la volatilité avec k\sqrt{k}, si bien que tout ratio des deux (Sharpe) croît avec k\sqrt{k}. L'hypothèse d'indépendance est exactement ce que les flux de rendements HFT violent (les trades consécutifs sont autocorrélés), ce qui est pourquoi l'annualisation en √temps surestime les Sharpes HFT ; voir ratios ajustés du risque.

Qu'est-ce que le taux de réussite et le taux de gain, et est-ce la même chose ?

Le taux de réussite (utilisé ici de façon interchangeable avec le taux de gain) est la fraction de trades qui font de l'argent : les gagnants divisés par le total des trades. Il est nécessaire mais follement insuffisant : un taux de réussite de 90 % peut perdre de l'argent et un taux de 35 % peut être une fortune. Le taux de réussite n'a de sens qu'apparié au ratio de gain (taille moyenne d'un gain divisée par taille moyenne d'une perte).

Certains desks réservent « taux de gain » aux jours à P&L positif et « taux de réussite » aux trades individuels, mais l'arithmétique est identique : énoncez juste votre unité (par trade, par jour) et soyez cohérent. Le piège est que le taux de réussite est la statistique unique la plus sur-citée et la plus trompeuse du trading de détail. Une stratégie à saveur de martingale qui prend de minuscules profits et laisse courir les perdants peut afficher un taux de réussite de 95 % et une espérance catastrophique, parce que les rares pertes écrasent les gains fréquents. Un suiveur de tendance peut avoir raison 35 % du temps et composer magnifiquement, parce que ses gagnants sont des multiples de ses perdants.

Dans un contexte HFT, les stratégies haute fréquence siègent typiquement à des taux de réussite modestes par trade (souvent seulement légèrement au-dessus de 50 %) mais rattrapent l'avantage par le volume et un profil de gain contrôlé : des milliers de paris quasi pile-ou-face à petite espérance positive chacun. Le nombre qui compte est l'espérance par trade, définie ensuite, pas le taux de réussite isolé.

Qu'est-ce que le ratio de gain, et comment s'arbitre-t-il contre le taux de réussite ?

Le ratio de gain est le trade gagnant moyen divisé par le trade perdant moyen (en taille absolue). Avec le taux de réussite, il détermine si une stratégie fait de l'argent : espérance par trade = taux de réussite × gain moyen − (1 − taux de réussite) × perte moyenne. Une stratégie est à l'équilibre quand le ratio de gain égale (1−p)/p(1-p)/p.

Il y a deux façons de faire de l'argent : avoir raison souvent avec de petits gains, ou avoir raison rarement avec de gros gains. Le ratio de gain mesure la taille de vos gains relativement à vos pertes ; le taux de réussite mesure la fréquence à laquelle vous gagnez. Ce sont des substituts : vous pouvez acheter un taux de réussite plus bas avec un ratio de gain plus haut et inversement, et la ligne d'équilibre est le taux de change exact entre eux.

L'espérance est ce que rapporte un trade moyen, avec pp le taux de réussite, WW le gain moyen et LL la perte moyenne (tous deux positifs). Avec un ratio de gain b=W/Lb = W/L, la stratégie est profitable quand b>(1−p)/pb \gt (1-p)/p.
E[P&L]=p W−(1−p) L>0  ⟺  b>1−pp\mathbb{E}[\text{P\&L}] = p\,W - (1-p)\,L \gt 0 \;\Longleftrightarrow\; b \gt \frac{1-p}{p}

La frontière d'équilibre est la courbe b=(1−p)/pb = (1-p)/p dans l'espace (taux de réussite, ratio de gain) : tout ce qui est au-dessus est profitable, tout ce qui est en dessous perd. À p=0.5p = 0.5 il vous faut b>1b \gt 1 (des gains plus gros que les pertes) ; à p=0.35p = 0.35 il vous faut b>1.86b \gt 1.86 ; à p=0.9p = 0.9 vous pouvez survivre avec bb aussi bas que 0,11. Cette seule courbe dissout presque tout argument du type « quel taux de gain me faut-il ? ».

La connexion aux coûts la boucle : chaque trade réel paie la pile de coûts (spread, impact, frais), ce qui déplace la frontière vers le haut, donc il vous faut un gain ou un taux de réussite plus élevé pour couvrir les coûts. Une stratégie à l'équilibre en brut est perdante en net. C'est le point brut-versus-net du sujet des coûts, vu à travers le prisme gain/perte.

Qu'est-ce que le drawdown, et pourquoi mesurer à la fois sa profondeur et sa durée ?

Un drawdown est la baisse depuis un pic d'équité antérieur jusqu'à un creux ultérieur : jusqu'où la stratégie est descendue sous l'eau. Le drawdown maximal est la pire telle baisse. Mais la profondeur seule est la moitié de l'histoire : la durée du drawdown (combien de temps vous êtes resté sous le pic antérieur) est ce qui termine réellement les stratégies, parce que le capital et la conviction s'épuisent en temps, pas en pourcent.

Le pic courant est l'équité la plus haute atteinte jusqu'ici ; le drawdown est le déficit actuel par rapport à lui ; le drawdown maximal est le pire tel déficit sur l'échantillon. Il plafonne le levier supportable : une stratégie dont le MDD est −50 % explose à 2× de levier.
Pt=max⁡s≤tEs,Dt=Et−PtPt≤0,MDD=min⁡tDtP_t = \max_{s \le t} E_s, \quad D_t = \frac{E_t - P_t}{P_t} \le 0, \quad \text{MDD} = \min_t D_t

La durée du drawdown a deux composantes : le temps-jusqu'au-creux (du pic au fond) et le temps-jusqu'à-la-reprise (du creux à un nouveau sommet) ; ensemble ils donnent la période sous l'eau, le temps total passé sous l'ancien pic. Une stratégie peut avoir un MDD peu profond de −8 % qui a mis quatorze mois à se rétablir : opérationnellement fatal, parce qu'aucun allocateur ni trader en solo ne continue de financer un book plat-à-baissier pendant plus d'un an. La profondeur vous dit combien ça a fait mal ; la durée vous dit si vous seriez encore au poste quand il aura guéri.

Le HFT s'en soucie différemment. Un book HFT à fort Sharpe a des drawdowns peu profonds par construction (des milliers de petits paris), donc le MDD-en-pourcent paraît trivial. Le drawdown opérationnellement pertinent pour le HFT se mesure d'ordinaire en jours sans avantage ou en pire série de jours perdants, et il alimente la logique d'interrupteur d'arrêt et de mesure du risque : à quelle perte éteignez-vous la stratégie ? Le drawdown est aussi le dénominateur de risque du ratio de Calmar (rendement annualisé divisé par le MDD absolu), ce qui est pourquoi il a sa place dans cette page de mesures brutes même s'il est consommé à côté.

Exemple travaillé

Une stratégie synthétique de retour à la moyenne intraday, 100 trades sur un mois notionnel, à la date de 2026 ; reproduisez-la à partir des comptes de trades. Elle fait 58 gagnants et 42 perdants, donc le taux de réussite est p=0.58p = 0.58. Le gain moyen est W=£120W = \pounds 120 et la perte moyenne L=£150L = \pounds 150, un ratio de gain b=0.80b = 0.80 : les gains sont plus petits que les pertes, typique du retour à la moyenne (beaucoup de petits gains, des pertes occasionnelles plus grandes quand le retour échoue).

L'espérance par trade est positive malgré des gains plus petits que les pertes, parce que le taux de réussite franchit la barre d'équilibre. Le gain d'équilibre à p=0.58p = 0.58 est 0.720.72, et b=0.80>0.72b = 0.80 \gt 0.72, mais la marge est mince.
E=0.58×120−0.42×150=69.6−63.0=+£6.60\mathbb{E} = 0.58 \times 120 - 0.42 \times 150 = 69.6 - 63.0 = +\pounds 6.60

Sur 100 trades, le P&L brut est +£660+\pounds 660. Appliquez maintenant les coûts : disons que chaque aller-retour coûte 8 £ tout compris (spread, impact et frais issus des coûts implicites). L'espérance nette est 6.60−8.00=−£1.406.60 - 8.00 = -\pounds 1.40 par trade, donc les 660 £ bruts deviennent −140 £ nets sur le mois. C'est la leçon récurrente du sujet en un seul registre de trade : brut réel, net factice.

Et le drawdown. Supposons que la pire série fut une suite de 9 trades perdants qui a fait passer l'équité d'un pic de 820 £ à 370 £, un MDD de −450 £, soit −55 % de l'équité de pic, rétabli 31 trades plus tard. La profondeur (−55 %) dit que la stratégie est non-leviérable telle que configurée ; la durée (31 trades) dit que vous auriez passé un tiers du mois sous l'eau à la remettre en question. Une espérance brute positive, un taux de réussite qui franchit sa propre barre d'équilibre, et une courbe d'équité qui finit en hausse, pourtant la stratégie perd de l'argent en net et porte un drawdown qui exclut le levier. Aucun de ces échecs n'est visible depuis la seule hauteur de la courbe d'équité. C'est pourquoi les métriques brutes existent. Tous les chiffres sont synthétiques.

Où cela s'inscrit

↑ Vers le haut · brique de Performance et capacité ↔ En travers · se combine avec Ratios ajustés du risque ↔ En travers · se combine avec Queues épaisses ↔ En travers · se combine avec Mesurer le risque du HFT → Application · rapporte sur Arbitrage statistique → Application · rapporte sur Tenue de marché en crypto ⤓ Construire / Acheter · outil nécessaire Jeux de données et outils