Votre stratégie affiche un taux de réussite de 58 % et un facteur de profit de 1,7. Cela semble correct sur le papier. Mais si vous réorganisiez exactement les mêmes 200 transactions dans un ordre différent, combien de ces séquences auraient effacé votre compte avant la transaction 100 ? C'est ce à quoi répond une simulation de Monte Carlo — et si vous n'en avez jamais exécuté une sur votre propre courbe d'équité, vous prenez des décisions de risque sur la base d'informations incomplètes.
Ce qu'une simulation de Monte Carlo fait réellement pour les traders
L'idée centrale est simple : prenez un ensemble fixe de résultats de transactions (vos gains, vos pertes et leurs tailles), randomisez l'ordre des milliers de fois, et enregistrez ce qui arrive au compte dans chaque simulation. Après 5 000 ou 10 000 itérations, vous obtenez une distribution des trajectoires d'équité possibles — un meilleur cas, un pire cas, et tout ce qui se trouve entre les deux.
Ce que les traders veulent généralement de ces résultats, ce sont trois choses. Premièrement, le drawdown maximal sur toutes les trajectoires simulées — pas seulement celui que vous avez réellement subi, mais le pire que les mêmes résultats de transactions auraient pu produire. Deuxièmement, la probabilité de ruine à un seuil de drawdown donné (par exemple, perdre 20 % de votre compte). Troisièmement, la fourchette d'équité finale, qui vous indique dans quelle mesure votre performance réelle est un avantage reproductible par rapport à une chance de séquence.
Ce n'est pas du backtesting. Vous ne rejouez pas des données de marché. Vous testez la robustesse d'une série de résultats déjà prouvés pour comprendre à quel point l'avantage sous-jacent est fragile ou durable.
Exécuter une simulation de Monte Carlo gratuite à la main (et pourquoi les données d'entrée comptent)
Il existe de nombreux outils gratuits de simulation de Monte Carlo en ligne — un simple tableur peut le faire. La structure d'une simulation manuelle est la suivante :
- Listez vos rendements de transactions en multiples de R (par exemple, +1R, +2,3R, -1R, -0,5R).
- Utilisez une fonction de nombre aléatoire pour mélanger cette liste.
- Calculez la courbe d'équité cumulative pour cette séquence mélangée.
- Répétez ce mélange 1 000 à 10 000 fois.
- Enregistrez le drawdown maximal et l'équité finale pour chaque exécution.
Les calculs dans un exemple concret : disons que vous avez 50 transactions — 29 gagnantes avec une moyenne de +1,2R et 21 perdantes avec une moyenne de -1R. Le taux de réussite est de 58 % (29 ÷ 50). Le facteur de profit est de (29 × 1,2) ÷ (21 × 1,0) = 34,8 ÷ 21,0 = 1,657, arrondissons à 1,66. L'espérance est de (0,58 × 1,2) + (0,42 × -1,0) = 0,696 − 0,420 = +0,276R par transaction. C'est un avantage positif réel. Mais les mêmes 50 transactions mélangées dans leur séquence la plus malchanceuse pourraient produire un drawdown de 14R avant de se rétablir — soit environ une perte de 28 % du compte si vous risquez 2 % par transaction. Une simulation de Monte Carlo fait ressortir cette possibilité pour qu'elle ne vous surprenne pas en cours de route.
Ces chiffres ne signifient quelque chose que si les données d'entrée sont honnêtes. Une simulation construite sur des données de transactions estimées ou triées sur le volet vous donnera un faux sentiment de sécurité. C'est là que le fait d'avoir un historique de transactions précis et complet importe plus que l'outil de simulation lui-même.
Le problème avec la plupart des simulateurs de Monte Carlo gratuits en ligne
La plupart des outils gratuits de simulation de Monte Carlo que vous trouvez en ligne vous demandent de saisir un taux de réussite et un R moyen. Cela convient pour une vérification rapide, mais cela aplatit deux choses qui comptent : la distribution de vos gains et pertes, et la constance de votre taux de réussite dans différentes conditions de marché.
Une stratégie avec des gains regroupés entre +0,8R et +1,4R se comporte très différemment d'une autre avec la plupart des gains à +0,5R et des valeurs aberrantes occasionnelles à +4R — même si la moyenne est identique. Et un trader qui gagne 62 % sur les configurations de la session de Londres mais seulement 44 % pendant le chevauchement de New York a un profil de risque très différent de ce que suggère son taux de réussite mixte de 55 %.
Plus vos données de transactions sont granulaires, plus vos entrées de Monte Carlo sont honnêtes. Filtrer par configuration, par session, par instrument — ce genre de ventilation est ce qui transforme une simulation générique en quelque chose qui reflète votre avantage réel plutôt qu'une approximation lissée de celui-ci.
Comment votre journal de trading se connecte aux tests de résistance de la courbe d'équité
C'est là que la tenue d'un journal cesse d'être un exercice de tenue de registres et devient un exercice analytique.
Si vous avez enregistré chaque transaction avec des étiquettes de configuration, des étiquettes de session et des prix d'entrée/sortie précis, vous pouvez extraire des listes de multiples R filtrées pour des conditions spécifiques. Cela vous permet d'exécuter des simulations de Monte Carlo séparées pour différents sous-ensembles de votre trading — par exemple, vos transactions de configuration A par rapport à vos transactions de configuration B, ou vos transactions de session à forte volatilité par rapport à vos transactions de session plus lente. Vous pourriez découvrir que votre courbe d'équité de configuration A est extrêmement durable sur 5 000 simulations, tandis que votre courbe de configuration B dépasse un seuil de drawdown de 25 % dans 30 % des exécutions. C'est un résultat exploitable.
Edgelog suit le taux de réussite, le facteur de profit, l'espérance, et les ventilations par paire et par configuration dans le cadre de son journal gratuit — vous pouvez voir votre courbe d'équité, votre graphique de drawdown et votre calendrier de P&L quotidien sans rien payer ni atteindre une limite de transactions. Il n'a pas de simulateur de Monte Carlo intégré (c'est un outil sur lequel nous travaillons), mais les données de multiples R que vous extrayez de votre journal sont exactement ce que vous collez dans une simulation sur tableur ou un outil de simulation de Monte Carlo gratuit en ligne.
Si vous voulez commencer à construire ces données, un journal gratuit sur Edgelog ne coûte rien et se synchronise automatiquement depuis MT4/MT5 via l'EA EdgelogSync, ou depuis Binance, Bybit et OKX via des clés API en lecture seule. Rien à payer, pas de période d'essai.
Que faire réellement avec les résultats
Une fois que vous avez exécuté une simulation, voici ce qu'il faut examiner :
- Drawdown maximal au 5e percentile — le pire résultat de drawdown sur 95 % de vos trajectoires simulées. Risquez votre compte comme si ce chiffre était réel, car il peut l'être.
- Probabilité de ruine — combien de trajectoires atteignent votre seuil de drawdown personnel « J'arrêterais de trader cette stratégie ». Si c'est plus de 5 à 10 % des exécutions, votre dimensionnement de position est agressif pour l'avantage que vous avez.
- Écart d'équité finale — si l'écart entre vos 10e et 90e percentiles de fin est énorme, une grande partie de vos rendements réels dépend de la séquence plutôt que de la compétence. Ce n'est pas une raison pour abandonner la stratégie, mais c'est une raison pour dimensionner prudemment.
Une simulation de Monte Carlo ne vous dit pas si votre avantage est réel. Elle vous dit si votre gestion des risques est suffisamment robuste pour survivre à la variance qu'un avantage réel produit toujours. Ce sont des questions différentes, et les deux comptent.
Rendre la simulation utile
La plus grande erreur que les traders commettent avec l'analyse de Monte Carlo est de l'exécuter une fois avec des chiffres approximatifs, de se sentir rassurés, et de ne jamais y revenir. Votre avantage évolue. Les conditions du marché changent. Une stratégie qui a réussi un test de résistance de Monte Carlo sur les données de 2022 pourrait sembler très différente sur les données de 2024 si les conditions de spread ou les profils de volatilité ont changé.
Exécutez une nouvelle simulation toutes les 100 à 200 transactions en utilisant vos résultats réels enregistrés, pas les données de backtest d'origine. Votre journal rend cela possible — si vous avez enregistré de manière cohérente, vous avez toujours une série de multiples R à jour avec laquelle travailler. Vérifiez votre facteur de profit et votre taux de réussite comme contrôles de base avant chaque simulation, afin de ne pas introduire des données d'avantage en détérioration dans une simulation et de mal interpréter la sortie comme une confirmation que la stratégie tient toujours.
Les traders que j'ai vus faire sauter des comptes sur des stratégies qu'ils savaient rentables ont presque toujours sauté cette étape. L'avantage était bon. Le risque de séquence, combiné à un dimensionnement qui ne laissait aucune place à une mauvaise passe, est ce qui les a achevés. Une simulation de Monte Carlo gratuite ne vous garantira rien — mais elle vous montrera exactement de combien de marge vous ne disposez pas.
Commencez à enregistrer les données de trading qui rendent une simulation utile : journal de trading gratuit sur Edgelog.