À qui s’adresse cette page — À quiconque souhaite s’orienter parmi trend following, momentum, mean reversion, carry, relative value, market making et event-driven sans prendre le nom d’une famille pour une stratégie prête à l’emploi.
Les familles de stratégies systématiques regroupent des systèmes qui partagent un mécanisme ou une manière de construire le portefeuille. Ce sont des taxonomies utiles, pas des frontières naturelles : une stratégie peut combiner plusieurs familles et un même nom peut désigner des implémentations très différentes.
La littérature documente des rendements historiques associés à certaines familles, sans garantir qu’ils soient persistants, investissables ou disponibles à toute échelle. Univers, période, données, définition du signal, expositions, coûts et sélection des tests peuvent modifier la conclusion. Dans Cyclepedia, une famille explique la question économique ; la spécification définit la stratégie effectivement testée.
Une taxonomie opérationnelle
| Famille | Idée générale | Construction typique | Risques à rendre visibles |
|---|---|---|---|
| Trend following / time-series momentum | une direction passée contient de l’information sur la direction future du même instrument | position longue ou courte selon son propre signal historique | retournements rapides, whipsaw, volatilité, levier, roll et corrélation pendant les crises |
| Momentum cross-sectional | les instruments relativement forts sont comparés aux instruments faibles | classement d’un univers, souvent long-short ou long-only | krach du momentum, turnover, expositions factorielles et composition de l’univers |
| Mean reversion / contrarian | une déviation tend à se résorber vers une référence conditionnelle | position à l’encontre du mouvement ou du spread | référence instable, « catching a falling knife », queues de distribution et coûts fréquents |
| Carry | détention d’expositions associées à des écarts de rendement, de courbe ou de convenance | classement ou portefeuille entre actifs ou contrats | pertes brutales, financement, roll, devise et encombrement |
| Relative value / statistical arbitrage | une relation entre instruments rend une déviation relativement anormale | spread, couverture ou portefeuille neutralisé | rupture de la relation, risque de modèle, vente à découvert et liquidité conjointe |
| Market making / liquidity provision | cotation de prix pour capter le spread tout en compensant l’inventaire et la sélection adverse | ordres passifs, contrôle de l’inventaire et annulations | sélection adverse, latence, file d’attente, sauts et risque d’inventaire |
| Event-driven | un événement défini modifie la distribution ou la convergence des prix | règles autour d’annonces, fusions, rééquilibrages ou opérations sur titres | probabilité de l’événement, gaps, données spécialisées et contraintes juridiques ou opérationnelles |
| Execution / scheduling | mise en œuvre d’une décision en minimisant le coût et le risque d’exécution | fractionnement, routage et arbitrage entre urgence et impact | benchmark inadéquat, non-exécution, impact et information révélée |
Le terme « arbitrage » exige une précision particulière. Un arbitrage théorique sans risque n’est pas la même chose qu’une opération empirique de relative value. Pairs trading, convergence trades et statistical arbitrage peuvent subir une divergence, des contraintes de financement, un rappel de titres prêtés, des coûts et des sauts. Les qualifier d’arbitrage ne garantit pas la convergence.
Trend et momentum : deux axes distincts
Le time-series momentum compare le comportement d’un instrument à son propre passé et peut prendre un signe positif ou négatif. Le momentum cross-sectional classe les instruments au même instant et prend une exposition relative aux gagnants et aux perdants. Les deux signaux peuvent concorder ou diverger : dans un marché largement baissier, les « gagnants » relatifs peuvent eux aussi suivre une tendance absolue négative.
Le trend following est une famille plus large : moyennes mobiles, breakouts et modèles d’état peuvent produire des expositions à la tendance sans constituer des définitions équivalentes. La vitesse du signal détermine le turnover, la réactivité et le risque de whipsaw ; la normalisation par la volatilité modifie la concentration et le levier. Il n’existe aucune fenêtre universellement correcte.
Les études de Jegadeesh et Titman, puis de Moskowitz, Ooi et Pedersen, documentent deux formes historiques de momentum dans des échantillons et plans de recherche précis. Elles fournissent une base pour étudier le phénomène, pas des paramètres à transposer automatiquement à d’autres marchés, coûts et périodes.
Mean reversion : vers quelle référence ?
Une stratégie de retour à la moyenne suppose qu’une déviation est temporaire par rapport à une moyenne ou à une relation pertinente. La référence peut être l’histoire du même prix, un spread entre instruments, une valeur fondamentale, un modèle de risque ou une relation microstructurelle. Si la référence change, la position peut sembler « de plus en plus avantageuse » tout en accumulant du risque.
Il faut distinguer :
- la réversion statistique, propriété estimée d’une série ou d’un spread ;
- le contrarian cross-sectional, achat relatif des perdants et vente des gagnants ;
- le liquidity reversal, reprise après des pressions transitoires ;
- la value, prix rapporté à une mesure économique sur un horizon souvent long.
Ces notions peuvent se recouper, mais ne sont pas synonymes. Les tests de stationnarité ou de cointégration dépendent du modèle et de l’échantillon et ne garantissent pas une convergence pendant la période de détention.
Carry : rendement attendu ou rémunération du risque
Le sens de « carry » varie selon les actifs. Il peut désigner des différentiels de taux en devises, la pente d’une courbe, le roll yield des contrats à terme, le rendement d’obligations ou le coût ou avantage de détenir une exposition. Toute comparaison doit préciser définition, devise de base, couvertures, financement, collatéral et roll.
Le carry observé n’est pas nécessairement un gain presque certain : il peut rémunérer des expositions qui perdent lors de contractions de la liquidité ou de variations brutales. L’étude multi-actifs de Koijen et de ses coauteurs construit une définition comparable dans son propre plan ; une mise en œuvre pratique doit encore établir son caractère investissable, ses coûts et son risque de queue.
Relative value et market making
La relative value cherche à isoler une relation davantage que la direction générale du marché. La couverture est toutefois estimée, peut changer et peut laisser subsister des risques de base, de facteur, de devise ou de duration. Le pairs trading étudié par Gatev, Goetzmann et Rouwenhorst correspond à un plan historique précis : il ne démontre pas que toute paire corrélée converge.
Le market making diffère d’un simple signal de mean reversion. Le résultat dépend du spread capté, de la priorité dans la file, de la probabilité d’exécution, de la sélection adverse, de l’inventaire et de la capacité à annuler ou couvrir. Un backtest sur barres OHLC observe rarement tous ces états ; attribuer automatiquement une exécution au bid ou à l’ask peut transformer une priorité inexistante en profit simulé.
Enfin, les algorithmes d’exécution ne constituent pas nécessairement une famille d’alpha. Ils peuvent minimiser l’implementation shortfall ou le risque par rapport à un benchmark d’exécution pour une position déjà décidée.
Comment comparer deux stratégies
| Axe | Questions à poser |
|---|---|
| Mécanisme | quel comportement, risque ou friction devrait soutenir le résultat ? |
| Horizon | combien de temps durent le signal, la position et l’information employée dans les labels ? |
| Expositions | bêta, duration, volatilité, devise, crédit ou liquidité expliquent-ils le P&L ? |
| Turnover | quelle part du brut est absorbée par le spread, l’impact et le financement ? |
| Capacité | comment les exécutions et le coût changent-ils lorsque la quantité augmente ? |
| Dépendance | les trades se chevauchent-ils ou se concentrent-ils dans les mêmes épisodes ? |
| Queue | où apparaissent gaps, short squeezes, désendettement ou rupture de relation ? |
| Diversification | les systèmes portent-ils des noms différents mais la même exposition latente ? |
La corrélation moyenne des rendements n’est qu’un point de départ. Des dépendances conditionnelles et des pertes simultanées dans les scénarios pertinents peuvent révéler une concentration cachée entre systèmes.
Exemple illustratif de classification
Un portefeuille achète les contrats à terme dont le signal calculé sur leurs propres rendements passés est positif, vend ceux dont le signal est négatif et ajuste les positions à l’aide d’une estimation de volatilité. Il peut être classé comme time-series momentum ou trend following. La spécification doit toutefois encore définir contrats, roll, fréquence, fenêtre, estimation de la volatilité, limite de levier, traitement des gaps et coûts. Modifier l’un de ces éléments peut changer le risque davantage que le nom de la famille.
Cet exemple illustre la taxonomie ; il ne constitue ni un conseil opérationnel ni une prétention de rendement.
Références
- Narasimhan Jegadeesh et Sheridan Titman, Returns to Buying Winners and Selling Losers: Implications for Stock Market Efficiency — étude fondatrice du momentum cross-sectional dans l’échantillon analysé.
- Tobias J. Moskowitz, Yao Hua Ooi et Lasse Heje Pedersen, Time Series Momentum — preuve et construction du time-series momentum dans le plan multi-actifs étudié.
- Ralph S. J. Koijen et al., Carry — définition et comparaison du carry entre classes d’actifs dans l’échantillon de l’étude.
- Evan Gatev, William N. Goetzmann et K. Geert Rouwenhorst, Pairs Trading: Performance of a Relative-Value Arbitrage Rule — méthodologie et données historiques relatives à une règle de pairs trading.
- Werner F. M. De Bondt et Richard Thaler, Does the Stock Market Overreact? — étude classique de l’overreaction et des rendements contrarian dans l’échantillon considéré.