Avertissement. Contenu purement éducatif. Nexuria n'exerce plus d'activité de signaux ou d'exécution automatisée. Aucun chiffre cité ne provient d'une stratégie commercialisée.
1. Qu'est-ce qu'un indice comme sous-jacent ?
Un indice boursier (NAS100, US30, DE40, FRA40, EU50, SP500...) agrège les cours d'un panier de sociétés selon une méthodologie publiée. Quand tu trades un indice sur MT5 ou un courtier CFD, tu ne possèdes aucune action : tu prends une position synthétique sur un produit dérivé qui réplique l'indice via un contrat différentiel.
Les indices ont plusieurs propriétés utiles pour le day trading :
- Forte liquidité aux heures d'ouverture du marché cash correspondant.
- Spreads serrés sur les majeurs (NAS100, SP500) chez la plupart des brokers.
- Volatilité quotidienne marquée qui donne de l'amplitude aux trades intraday.
- Cycles intraday lisibles : ouverture, milieu de séance, clôture ont chacun leur comportement statistique.
2. Sessions et fuseaux horaires
Le day trading sur indices se construit autour des sessions cash :
- Asie (~01h-08h Paris) : Nikkei, Hang Seng actifs. Volumes modérés sur indices US/EU.
- Europe (~09h-17h30 Paris) : DE40, FRA40, EU50 actifs. Premier réveil sur indices US.
- US (~15h30-22h Paris) : ouverture cash NYSE/Nasdaq, pic de volatilité sur NAS100, US30, SP500.
- Overlap EU/US (~15h30-17h30 Paris) : meilleure liquidité cross, conditions idéales pour la plupart des stratégies intraday.
Attention aux fuseaux dans le code : un timestamp serveur broker (souvent EET/EEST) doit être converti en UTC avant tout traitement. Le passage à l'heure d'été est une source classique de bugs silencieux qui fausse les filtres de session.
3. Place du Machine Learning
Le ML appliqué au day trading sur indices sert typiquement à filtrer des signaux issus d'une logique rule-based, plutôt qu'à générer le signal directement. Un modèle (gradient boosting, ensemble, réseau de neurones léger) prend en entrée des features (volatilité réalisée, position dans le range journalier, momentum, contexte macro) et sort une probabilité de succès du trade qu'on utilise comme filtre.
Ce que le ML peut faire correctement :
- Réduire le nombre de trades en éliminant les setups à faible expectancy.
- Adapter dynamiquement la taille de position selon la confiance modèle.
- Détecter des régimes de marché et activer/désactiver une sous-stratégie.
Ce que le ML ne peut pas faire (sans tomber dans le piège) :
- Trouver de la rentabilité dans des données bruitées par pure force de paramètres. Plus de paramètres ≠ plus de signal.
- Remplacer la compréhension du marché. Un modèle entraîné sans hypothèse économique trouvera des patterns statistiques qui n'existent plus dès qu'on change de régime.
- Gérer correctement les rares événements extrêmes (gaps, krachs, halts). La distribution d'entraînement ne les contient presque pas.
4. Pièges classiques d'un backtest intraday + ML
- Look-ahead via les bougies non clôturées : utiliser le high ou le low d'une bougie M5/M15 en cours pour décider de prendre le trade. En live tu ne disposes que de l'open et du dernier tick. Le backtest devient un fantasme.
- Labelling biaisé : étiqueter un trade gagnant en regardant si le TP a été touché au cours des N bougies suivantes en utilisant leurs vrais high/low, alors que ces bougies sont l'avenir au moment du signal. Le ML apprend à prédire l'avenir parce qu'on le lui montre, pas parce qu'il existe un pattern. Bug classique et coûteux.
- Fuites entre folds en walk-forward : utiliser une feature qui dépend d'une fenêtre rolling débordant sur le fold suivant. Vérifier que chaque fold est strictement causal.
- Imbalance et resampling naïf : si seulement 10 % des setups sont gagnants, le modèle apprend à dire non tout le temps et fait 90 % d'accuracy. Toujours regarder le F1, la matrice de confusion, et le P&L après calibration du seuil.
- Régime unique : entraîner uniquement sur 2020-2026 ne dit rien de 2010-2014. Un modèle ML doit être testé sur des sous-périodes aux régimes différents.
- Slippage et fees sous-estimés : en M5/M15 sur indices, le spread compte énormément. Un backtest sans frais peut afficher Sharpe 3 et le réel finir à Sharpe 0,3.
- Multiple testing : tester 100 combinaisons de paramètres/features et garder la meilleure. La meilleure sur le passé est quasi-certaine d'être de l'overfit. Corriger par la statistique appropriée (Deflated Sharpe Ratio, Bonferroni, etc.).
5. Métriques à exiger avant de mettre un euro réel
- Out-of-sample strict : période complètement séparée, jamais vue pendant le développement. Sharpe OOS doit dégrader de moins de 30 % par rapport à l'IS.
- Walk-forward sur plusieurs folds : la performance doit être positive sur la majorité des folds, pas dépendre d'un seul fold chanceux.
- Monte Carlo bootstrap sur l'ordre des trades pour estimer la distribution réelle des drawdowns et du rendement.
- Deflated Sharpe Ratio qui corrige du nombre de combinaisons testées.
- Forward test en démo sur 1 à 3 mois avec exécution réelle (broker, slippage, latence) avant tout passage en capital.