Revue de recherche · López de Prado · chapitres 10 & 13
Trading Rules & Bet Sizing
Dimensionner les mises selon la confiance d'un classifieur réduit le turnover de 80–87 % sans créer d'edge ; la règle OU sans backtest est un pile ou face sur une entrée ordinaire, mais la correction de drawdown Triple Penance est le gain réel et validé
Deux des idées les plus pratiques de Advances in Financial Machine Learning se situent en aval d'un signal : une fois la mise prise, quelle doit en être la taille, et quand prendre le profit (profit-take) ou couper la perte (stop-loss) ? Cette revue place les deux sur des données réelles et entièrement chiffrées à 1 minute portant sur 42 instruments en crypto, actions américaines et forex, et garde la comparaison honnête avec le Deflated Sharpe Ratio. Le verdict se sépare nettement : le bet sizing réduit véritablement le turnover mais ne crée pas d'edge ; la règle OU de profit-take/stop-loss sans backtest ne porte aucune information sur une entrée ordinaire ; et la correction de drawdown Triple Penance qui l'accompagne est le seul résultat qui tienne empiriquement.
Advances in Financial ML, chap. 10 & 13
López de Prado (2018) · bet sizing & trading rules
Bet sizing, code
projects / 11_bet_sizing
Trading rules, code
projects / 12_optimal_trading_rules
Bet sizing à partir de probabilités
the claim
Ce que dit López de Prado
Une fois qu'un méta-classifieur produit une probabilité calibrée qu'une mise soit rentable, dimensionnez la position selon cette probabilité plutôt que de négocier une unité fixe : transformez la probabilité en une taille signée via une transformation par CDF normale, moyennez toutes les mises simultanément actives en une seule position nette du book, et discrétisez éventuellement sur une grille grossière pour empêcher le book de tourner à la moindre variation.
our result
Ce que nous avons trouvé
C'est une couche de précision/coût, pas une source d'alpha. Le dimensionnement par probabilité fait s'effondrer le turnover du book de 80–87 % sur les 42 instruments, important, universel, reproductible, mais la performance déflatée ne bouge pas (ΔDSR ≈ 0, aucune significativité, 0/42 au-dessus de DSR 0,95). Le seul ordre réel est que discrétiser bat le dimensionnement continu, et cela aussi relève de l'efficience de coût, pas de l'edge. Le dimensionnement exprime un edge à moindre coût ; il ne peut pas en fabriquer un.
Règles de trading optimales (OU) & Triple Penance
the claim
Ce que dit López de Prado
Dérivez une règle de profit-take/stop-loss sans backtesting : ajustez un processus d'Ornstein–Uhlenbeck à une série à retour à la moyenne, effectuez un Monte-Carlo de trajectoires à partir du processus ajusté, et lisez le couple optimal (PT, SL) sur un maillage de Sharpe. La règle Triple Penance qui l'accompagne donne le max drawdown tenant compte de la corrélation sérielle d'un flux de rendements AR(1), en moyenne, la reprise dure trois fois la période de perte.
our result
Ce que nous avons trouvé
Sur une entrée ordinaire de retour à la moyenne par z-score, l'appareil OU n'ajoute rien par rapport à un contrôle à seuil fixe calé in-sample, un pile ou face sur le DSR out-of-sample (54,8 %), et les seuls noms à DSR>0,95 sont de larges indices actions chevauchant un drift de bêta que le contrôle naïf capture aussi. Nous traçons également une dégénérescence structurelle : le maillage OU épingle le stop au bord de la grille pour presque chaque instrument. La Triple Penance, en revanche, est validée : la borne de drawdown IID naïve sous-estime le drawdown réalisé d'environ 3,2×, et la correction AR(1) k=(1+φ)/(1−φ) comble l'écart.
Le résultat en trois lignes
Bet sizing · 42 instruments
Le turnover s'effondre de 80–87 %, l'edge n'apparaît pas
Dimensionner les mises selon la probabilité du méta-modèle, m = 2Φ(z)−1, moyennée sur les mises actives, éventuellement discrétisée, réduit le turnover du book de 80–87 % en crypto, actions et forex pareillement (les 42 instruments sous la base de taille fixe). Mais le Deflated Sharpe Ratio ne bouge pas : 0 des 42 instruments ne dépasse DSR > 0,95 sous aucun schéma. C'est une couche de précision/contrôle des coûts, pas une source d'alpha.
Règle optimale OU · pile ou face
La règle sans backtest ne gagne rien sur une entrée ordinaire
La règle OU de profit-take/stop-loss de López de Prado, dérivée par Monte-Carlo sur un processus ajusté, ne bat un contrôle PT/SL fixe simplement calé in-sample en out-of-sample que 54,8 % du temps sur le DSR (47,6 % pour la formulation géométriquement corrigée). Le maillage est structurellement dégénéré, il épingle le stop au bord de la grille dans 41/42 instruments, de sorte que, sur une entrée ordinaire de retour à la moyenne par z-score, il n'a rien à optimiser.
Triple Penance · positif net
Ignorer la corrélation sérielle sous-évalue le drawdown ~3,2×
Les rendements réalisés de la stratégie sont fortement autocorrélés (φ AR(1) médian 0,24→0,40, k = 3,28×). La borne de max drawdown IID naïve sous-estime le drawdown réalisé d'environ 3,2× (réalisé/IID médian = 3,234) ; la borne corrigée AR(1) k(φ) = (1+φ)/(1−φ) comble l'écart (réalisé/AR(1) médian = 0,722). Une validation empirique nette du résultat de 2015 sur 42 instruments.
Le dispositif, partagé par les deux études
Les deux revues tournent sur le même panel réel à 1 minute : 27 perpétuels crypto, 7 ETF d'actions américaines (heures régulières uniquement) et 8 paires forex majeures, agrégés en barres pilotées par l'information et jamais négociés sans coût.
Aucune série de prix synthétique. La crypto porte 7 bp fixes par côté ; les frictions actions et forex proviennent d'un calendrier causal, ex-ante, de demi-spread par heure de la journée plus commission, les gaps de week-end et overnight étant conservés comme risque réel. Chaque comparaison fixe la forme structurelle de la stratégie et ne fait varier que l'objet du test, de sorte que les boutons numériques sont traités comme des essais réglables in-sample et que la métrique de référence est toujours le Deflated Sharpe Ratio après un décompte honnête des essais, jamais le profit factor brut. Les boucles critiques des deux projets (le noyau de moyennage des mises actives ; le maillage Monte-Carlo OU et le balayage de sortie out-of-sample) sont réimplémentées dans un noyau compilé et vérifiées identiques au bit près à une référence indépendante en Python pur avant que tout résultat ne soit rapporté.
Partie 1, bet sizing à partir de probabilités prédites · chapitre 10
Dimensionner selon la confiance est une couche de contrôle des coûts, pas un edge
Le chapitre 10 donne une recette explicite : transformer la probabilité calibrée d'une mise rentable issue d'un méta-classifieur en une taille signée via m = 2Φ(z) − 1 avec z = (p − ½)/√(p(1−p)), moyenner les tailles de toutes les mises simultanément actives en une seule position nette du book, et éventuellement caler cette taille sur une grille grossière.
En gardant la stratégie primaire, les étiquettes triple-barrier, le méta-modèle out-of-fold, les coûts et le moteur de moyennage des mises actives identiques entre trois schémas, unité fixe, probabilité continue et probabilité discrétisée, le seul effet robuste porte sur le turnover : il chute de 80–87 % sur chaque marché. Le turnover médian du book, tous instruments confondus, passe de 254 → 48,6 (prob, −81 %) → 46,2 (disc, −82 %).
| marché | n | turnover (fixe) | prob | disc | réd. prob | réd. disc |
|---|---|---|---|---|---|---|
| Crypto | 27 | 272 | 53.6 | 52.3 | −80% | −84% |
| Actions | 7 | 197 | 20.4 | 19.6 | −87% | −87% |
| Forex | 8 | 173 | 42.2 | 29.0 | −84% | −86% |
Turnover médian du book par schéma. Les coûts sont facturés sur la variation de la position du book (turnover réalisé), de sorte que l'effondrement est une économie de coût directe et reproductible.
La métrique de référence est le Deflated Sharpe Ratio, net de coûts, parce que tout l'enjeu est de demander si un quelconque bénéfice apparent du dimensionnement survit à la déflation par tests multiples qu'implique la grille de 32 points de boutons (N-effectif ≈ 3, PBO médian 0,49, un pile ou face). Il n'y survit pas : ΔDSR ≈ 0, aucun marché n'atteint la significativité au test de signe, et aucun instrument, sur aucun marché, sous aucun schéma, ne franchit DSR > 0,95.
Le seul ordre cohérent est discrétisé ≥ continu (33/42 instruments, et le PF discrétisé bat le fixe dans 26/42 contre 15/42 pour le continu). Cela aussi relève de l'efficience de coût, pas de l'alpha, caler sur une grille de 0,1 met à zéro les plus petites mises qui, sinon, paient un coût sans conviction.
| marché | DSR (fixe) | prob | disc |
|---|---|---|---|
| Crypto | 0.027 | 0.013 | 0.032 |
| Actions | 0.321 | 0.254 | 0.313 |
| Forex | 0.087 | 0.113 | 0.186 |
DSR médian par marché ; la barre de 0,95 n'est atteinte nulle part. La primaire à croisement d'EMA n'a aucun edge déflatable que le dimensionnement puisse amplifier, de sorte que la seule empreinte visible du dimensionnement est la ligne de turnover. C'est exactement la prédiction qui découle du traitement du chapitre 10 comme une couche d'exécution plutôt qu'un signal.
Partie 2, règles de trading optimales & triple penance · chapitre 13
La règle OU ne porte aucune information ; la correction de drawdown est le vrai gain
Le chapitre 13 dérive une règle de profit-take/stop-loss sans backtesting : ajuster un processus d'Ornstein–Uhlenbeck à une série à retour à la moyenne, effectuer un Monte-Carlo de nombreuses trajectoires à partir du processus ajusté, et lire le couple optimal (profit-take, stop-loss) sur un maillage de Sharpe. Nous validons cette règle out-of-sample, avec coûts et sorties intrabar sur OHLC, face à un contrôle qui se contente d'une recherche en grille des mêmes seuils in-sample.
Sur une entrée ordinaire de retour à la moyenne par z-score, l'appareil OU n'ajoute rien de pertinent pour la décision : il bat le contrôle sur le DSR OOS 54,8 % du temps (42,9 % au Sharpe), un pile ou face, et ne produit jamais un gagnant franchissant la déflation que le contrôle ne produirait pas aussi. La crypto est une perte après 7 bp/côté (PF OU médian 0,78) ; le PF brut du forex passe devant (médian 1,157) mais échoue tout de même à la déflation (le meilleur, GBPUSD, OU DSR 0,571).
| marché | n | PF OU | PF ctrl | DSR OU | DSR ctrl | DSR>0.95 (OU/ctrl) |
|---|---|---|---|---|---|---|
| Crypto | 27 | 0.780 | 0.773 | 0.0001 | 0.000 | 0 / 0 |
| Actions | 7 | 0.577 | 1.163 | 0.000 | 0.000 | 3 / 3 |
| Forex | 8 | 1.157 | 1.211 | 0.098 | 0.023 | 0 / 0 |
Médianes par marché, OOS, nettes de coûts. Le PF est le profit factor ; le DSR utilise la grille de 27 points de boutons réglables in-sample comme ensemble d'essais. Les seuls noms à DSR > 0,95 sont les trois larges indices actions, où chaque bras récolte le même drift de bêta côté long.
Pourquoi la règle ne gagne-t-elle rien ? Le maillage OU est structurellement dégénéré. Il cale le stop optimal sur le maximum de la grille (sl* = 3,0) dans chaque instrument. Le suspect évident, que le maillage du manuel démarre chaque trajectoire simulée à la moyenne de long terme, alors que l'entrée réelle se déclenche à un z-extrême, est réel, et une formulation géométriquement correcte d'entrée-à-l'écart fait effectivement bouger l'aiguille (elle bat l'entrée-à-la-moyenne sur le DSR OOS dans 73,8 % des instruments, et sauve GBPUSD jusqu'à OU-dev DSR 0,945, un quasi-succès).
Mais le verdict reste inchangé : l'entrée-à-l'écart sélectionne toujours sl* = 3,0 dans 41/42 instruments et ne bat le contrôle que 47,6 % du temps. La dégénérescence est intrinsèque à une règle de premier contact sur un processus à retour à la moyenne, le résultat méthodologique porteur, ici.
Mettre la règle OU sur son vrai régime
Sur un spread cointégré, le pile-ou-face s'inverse
Le verdict de pile-ou-face ci-dessus a toujours été en partie un artefact de mauvais régime : une série de prix bruts n'est pas le processus de retour à la moyenne que la machinerie Ornstein–Uhlenbeck suppose. Son véritable habitat est un spread résiduel cointégré. Nous avons donc relancé exactement le même appareil sur cinq paires de perp crypto réellement cointégrées, ratio de couverture β et paramètres OU calés sur le train seulement, puis trading OOS avec sorties intrabar en OHLC complet (extrêmes du spread bornés par l'OHLC de chaque jambe) et coûts par jambe sur les deux jambes, le Deflated Sharpe servant de mesure phare.
Le résultat s'inverse. La règle optimale OU bat à la fois un contrôle à bande fixe ±σ et le buy-and-hold sur 4 paires sur 5, et franchit Deflated Sharpe > 0,95 sur 3 sur 5, Sharpe OU médian ≈ 9,2 contre ≈ 3,1 pour la bande. Exécuté sur le régime pour lequel il a été conçu, l'appareil porte une information réelle.
Les réserves honnêtes tiennent. La dégénérescence en bord de grille du profit-take/stop-loss persiste, chaque paire sélectionne le même coin (PT, SL), donc l'appareil se lit mieux comme un sélecteur de régime et de forme, et non comme un point de consigne calibré : il vous dit que le régime OU est négociable et à peu près quelle forme la règle doit prendre, pas les seuils exacts.
Et une paire (THETA–FIL) échoue pour les deux bras, la règle OU comme le contrôle à bande, donc la cointégration est nécessaire mais non suffisante : un test de cointégration validé est le prix d'entrée, pas une garantie de spread négociable.
| paire (β·b) | demi-vie | OU SR | band SR | OU PF | OU DSR |
|---|---|---|---|---|---|
| 1INCH–UNI | 96 | 9,21 | 3,11 | 2,11 | 1,00 |
| COMP–AAVE | 120 | 10,80 | 5,31 | 2,72 | 1,00 |
| SNX–AAVE | 89 | 12,66 | 6,75 | 2,52 | 1,00 |
| GALA–SAND | 174 | 4,58 | −2,18 | 2,09 | 0,93 |
| THETA–FIL | 117 | −4,60 | −3,55 | 0,50 | 0,00 |
Cinq paires de perp crypto cointégrées, OOS, net des coûts par jambe. Le SR est annualisé ; le DSR utilise la même grille d'essais réglables in-sample que l'étude principale. L'OU bat la bande sur 4 sur 5 et franchit DSR > 0,95 sur 3 sur 5 (SR OU médian 9,21 vs bande 3,11). THETA–FIL échoue pour les deux bras, la cointégration est nécessaire, non suffisante.
Le résultat net et citable, triple penance
Ignorer la corrélation sérielle sous-évalue le drawdown d'environ 3,2×
C'est ici que la machinerie du chapitre paie réellement. Sous un flux de rendements gaussien AR(1) à autocorrélation de retard 1 φ, la variance de long terme gonfle de k(φ) = (1+φ)/(1−φ) (σ effectif mis à l'échelle par √k), et les bornes de drawdown et de time under water à 95 % de confiance gonflent avec elle.
Sur les 23 instruments à drift positif, les rendements réalisés sont fortement autocorrélés (k médian = 3,28×). La borne IID naïve sous-estime le drawdown réalisé d'environ 3,2× , l'échec de manuel contre lequel l'article de 2015 met en garde, et la correction AR(1) comble l'écart (réalisé/borne-AR(1) médian = 0,722, la borne se situant au-dessus du réalisé pour la plupart des noms, comme une enveloppe à 95 % le doit). Une validation empirique nette et honnête sur des rendements de stratégie réels.
Reproduire les deux mécaniques dans le navigateur
L'impôt de drawdown lié à la corrélation sérielle, et le partage turnover/DSR
Le premier calculateur implémente directement la borne Triple Penance : faites glisser l'autocorrélation de retard 1 φ et observez les bornes de max drawdown et de time under water gonfler de k(φ) = (1+φ)/(1−φ) par rapport à la borne IID naïve. Le second panneau encode les vraies médianes de bet sizing par marché afin que vous voyiez le turnover s'effondrer de 80–87 % tandis que le Deflated Sharpe reste immobile. Les deux sont autonomes, les formules et les chiffres de l'étude sont dans le composant, de sorte qu'ils se reproduisent exactement à chaque chargement.
Démo A · Triple Penance : l'impôt de drawdown lié à la corrélation sérielle
Les rendements de la stratégie ne sont pas indépendants. Faites glisser l'autocorrélation de retard 1 φ et observez les bornes de max drawdown et de time under water gonfler du facteur k(φ) = (1+φ)/(1−φ) par rapport à la borne IID naïve qui l'ignore.
Sur les 23 instruments à drift positif, l'étude a mesuré une φ AR(1) médiane de 0,24 (crypto) à 0,40 (forex), avec une inflation de variance médiane k = 3,28×. La borne IID naïve sous-estimait le max drawdown réalisé d'environ 3,2× (réalisé / IID médian = 3,234) ; la borne corrigée AR(1) comble l'écart (réalisé / AR(1) médian = 0,722). Réglez φ ≈ 0,52 ci-dessus pour reproduire l'impôt d'environ 3,2×.
Démo B · Bet sizing : le turnover s'effondre, pas le Sharpe déflaté
Gardez la stratégie, les étiquettes, le méta-modèle et les coûts identiques ; ne changez que la façon dont la mise est dimensionnée. Le bet sizing par probabilité réduit le turnover du book de 80–87 % sur chaque marché, mais le Deflated Sharpe Ratio bouge à peine, et 0 des 42 instruments ne dépasse DSR > 0,95 sous aucun schéma.
Le turnover médian tous instruments confondus chute de 254 → 48,6 (prob, −81 %) → 46,2 (disc, −82 %) ; les 42 instruments se situent sous la base de taille fixe. Le ΔDSR apparié vs fixe est de −0,0022 (prob) et +0,0026 (disc), aucun n'étant significatif. Le seul classement cohérent est discrétisée ≥ continue (33/42), un effet d'efficience de coût, pas d'alpha.
La lecture honnête
Deux idées pratiques, deux négatifs et un positif net, et les négatifs sont aussi utiles que le positif lorsqu'on les cadre comme un audit de méthodologie.
Ce que fait réellement chaque idée
Le bet sizing à partir de probabilités est une couche de précision et de contrôle des coûts, pas une source d'alpha. Si la stratégie primaire a un edge réel et déflatable, le dimensionnement permet de l'exprimer à moindre coût et avec bien moins de rotation, appréciable dans un régime dominé par les coûts, mais il ne peut pas fabriquer de la significativité là où la primaire n'en a aucune. Cela ne contredit pas López de Prado : le chapitre 10 traite de la conversion de la confiance d'un classifieur en position, non de sa génération. Le résultat rend simplement la frontière empirique.
L'appareil de la règle optimale OU, sur une entrée ordinaire, ne justifie pas sa complexité : c'est un pile ou face face au simple calage des seuils in-sample, et son maillage est dégénéré dans sa sélection du stop. C'est un résultat négatif net assorti d'une correction constructive (la formulation d'entrée-à-l'écart aide mais ne supprime pas la dégénérescence). La bonne étape suivante n'est pas plus de données mais une entrée véritablement à retour à la moyenne, un spread résiduel ajusté issu d'une paire cointégrée, où le processus OU est le véritable processus générateur des données et où le maillage a quelque chose de non dégénéré à optimiser.
La correction de drawdown Triple Penance est le positif fort et autonome : une démonstration sur 42 instruments et trois classes d'actifs que la borne de drawdown IID est environ 3× trop optimiste et que l'inflation k(φ) comble l'écart. Une rédaction sérieuse cadre l'ensemble comme un audit de méthodologie, la règle OU sans backtest est fragile sur des entrées ordinaires et dégénérée dans sa sélection du stop, tandis que la correction de drawdown qui l'accompagne est validée empiriquement.
Notes & limites
Aucune des deux moitiés n'est une revendication d'alpha négociable, et cette séparation est tout l'enjeu. La primaire du bet sizing est un croisement d'EMA jouet sans edge déflatable, de sorte que le dimensionnement n'a rien à amplifier ; le profit factor de probabilité spectaculaire de 12,7 de QQQ est un artefact d'un book quasi vide (≈4 événements ont franchi sa porte d'action) et est exclu de toute revendication qualitative. Les seuls noms de la règle OU à DSR > 0,95 sont de larges indices actions chevauchant une longue jambe haussière, partagée par chaque bras. L'étape synthétique sanctionnée dans l'étude OU est la dérivation étiquetée de la règle (Monte-Carlo sur un processus ajusté) ; chaque métrique de référence rapportée est réelle, out-of-sample, avec coûts et sorties intrabar sur OHLC.
Reproductibilité
Les deux études sont rassemblées dans le dépôt compagnon, projet 11 (bet sizing) et projet 12 (règles de trading optimales) de lopez-de-prado-work-review. Les noyaux compilés sont vérifiés identiques au bit près à des références indépendantes en Python pur ; les calculateurs de cette page encodent directement les formules et les chiffres de l'étude, de sorte que les mécaniques qu'ils illustrent se reproduisent à chaque chargement.
Citer
Références
- Bailey, D. H., & López de Prado, M. (2013). Drawdown-Based Stop-Outs and the “Triple Penance” Rule. Journal of Risk, 18(2).
- Bailey, D. H., & López de Prado, M. (2013). Stop-Outs Under Serial Correlation and the Triple Penance Rule.
- Bailey, D. H., & López de Prado, M. (2014). The Deflated Sharpe Ratio: Correcting for Selection Bias, Backtest Overfitting, and Non-Normality. Journal of Portfolio Management, 40(5).
- López de Prado, M., & Vince, R. (2019). Optimal Risk Budgeting under a Finite Investment Horizon.
- López de Prado, M. (2018). Advances in Financial Machine Learning, Chapters 10 (Bet Sizing) and 13 (Backtesting on Synthetic Data). Wiley.
Voir aussi
La discipline de significativité déflatée employée tout au long est construite et éprouvée dans Backtest Overfitting & the Deflated Sharpe Ratio, et l'ensemble plus large des travaux se trouve dans Recherche.