Combien de trades faut-il pour savoir si une stratégie fonctionne ?

Prenez une pièce parfaitement équilibrée — donc sans aucun edge, par construction. Lancez-la 20 fois. Obtenir 12, 13, voire 14 « faces » n'a rien d'exceptionnel : cela arrive régulièrement, simplement par hasard.

Traduit en trading : une stratégie sans le moindre avantage produira, sur de petits échantillons, des séries qui ressemblent à s'y méprendre à un edge. Ce n'est pas une possibilité théorique lointaine, c'est le comportement normal des petits nombres.

Le corollaire est dérangeant : sur 20 ou 30 trades, un bon résultat ne vous apprend presque rien. Il est compatible avec une bonne stratégie comme avec une stratégie nulle. Or c'est exactement à ce stade que la plupart des traders décident de passer en réel.

Le nombre de trades nécessaires n'est pas une constante universelle : il dépend de la taille de l'effet que vous cherchez à détecter, et de la variabilité de vos résultats.

Un edge énorme se voit vite. Un edge léger — le cas réaliste en trading — demande un échantillon bien plus important, parce que le signal doit émerger d'un bruit qui, lui, est massif.

Deux autres facteurs comptent autant que le nombre de trades. D'abord la dispersion : si vos gains vont de +0,2R à +8R, il faut beaucoup plus d'observations que si tout se joue entre +0,8R et +1,2R. Ensuite le ratio gain/perte : une stratégie à faible taux de réussite mais gros gains concentre son espérance sur quelques trades rares — en rater trois change tout le résultat.

Un ordre de grandeur souvent avancé est « au moins 100 trades ». C'est un minimum praticable pour commencer à discuter, pas un seuil de validation. Avec un edge modeste et une forte dispersion, 100 trades restent une base fragile.

Il existe un problème plus grave que la taille d'échantillon, et presque personne n'en tient compte : le nombre d'essais.

Si vous testez une stratégie et qu'elle marche, c'est un résultat. Si vous testez vingt variantes (une autre période de moyenne mobile, un autre filtre horaire, un autre stop) et que vous retenez la meilleure, vous n'avez pas trouvé un edge : vous avez sélectionné le plus chanceux d'un lot. C'est le data snooping, ou biais de sélection.

C'est une différence de nature, pas de degré. Le résultat retenu est, par construction, le plus flatté par le hasard. C'est précisément pour cela qu'il existe des métriques qui pénalisent le nombre d'essais (comme le ratio de Sharpe déflaté) : elles répondent à la question « ce résultat tient-il compte du fait que j'ai essayé vingt fois ? ».

Règle pratique : comptez et notez le nombre de variantes testées. Si vous ne le savez plus, c'est déjà un signal.

L'espérance par trade, exprimée en R (multiples du risque). Un taux de réussite de 40 % avec des gains à 3R vaut mieux qu'un taux de 70 % avec des gains à 0,3R. Le taux de réussite seul ne veut rien dire.

La distribution complète, pas la moyenne. Un résultat qui repose entièrement sur deux trades exceptionnels n'est pas le même qu'un résultat régulier, même à moyenne identique. Regardez ce que devient votre courbe si vous retirez vos trois meilleurs trades : si elle s'effondre, votre edge tient à trois coups de chance.

Le comportement hors échantillon. Tester sur une période, valider sur une autre que vous n'avez pas utilisée pour construire les règles (walk-forward), c'est le seul moyen sérieux de détecter le surajustement.

Le risque de ruine. Une espérance positive n'empêche pas de faire sauter le compte avant que la moyenne ne s'exprime. Une simulation Monte-Carlo répond à la vraie question : quelle proportion de trajectoires plausibles ruine le compte ?

Fixez la taille d'échantillon avant de commencer, et tenez-vous-y — s'arrêter dès que le résultat plaît est la façon la plus efficace de se tromper soi-même.

Journalisez tous les tests, y compris les mauvais, et comptez le nombre de variantes essayées.

Réservez une période entière que vous ne regardez pas pendant la construction, pour la validation finale.

Traitez tout résultat sur moins d'une centaine de trades comme une piste, jamais comme une conclusion.

Et gardez à l'esprit la limite de l'exercice : même un échantillon large et propre décrit le passé. Il réduit l'incertitude, il ne la supprime pas.