Entretien avec Naoufel, trader à succès

Tout d'abord, je voudrais vous remercier d'avoir décidé de partager vos connaissances en matière de trading avec notre communauté de traders. Avant de poursuivre la discussion sur l'algo-trading, pourriez-vous vous présenter brièvement ?

Bonjour, je m'appelle Naoufel Taief.

Je suis situé au Québec, Canada.

J'ai un diplôme d'expert-comptable et je suis conseiller financier.

Je suis impliqué dans le trading depuis 2013 et j'ai commencé à trader à temps plein en 2017.

Les performances de l'un de mes principaux comptes personnels sont auditées par un cabinet d'audit de 3 ans.^rd et mis à disposition ici :

https://kinfo.com/portfolio/12154/performance.

En ce qui concerne mes loisirs, j'aime jouer au football et pratiquer les arts martiaux. Je m'entraîne aux arts martiaux depuis 2013 et je me concentre sur le Wing Chun et le Jiu Jitsu.

Comment avez-vous commencé à pratiquer l'algo-trading ?

J'ai toujours été intéressé par les marchés financiers.

Comme tout le monde, j'ai eu ma part d'échecs.

J'ai fait exploser des comptes en suivant aveuglément des gourous.

J'ai négocié sur la base des nouvelles, de l'analyse technique et des flux d'ordres.

J'ai acheté des cours et des stratégies d'algo auprès de gourous de l'algo.

Vous l'avez dit, et je l'ai probablement fait.

Alors que je cherchais un mentor pour apprendre, je suis tombé sur un site web qui dénonçait les escrocs et demandait des relevés de compte ou des preuves de rentabilité, comme des audits de courtiers tiers.

La plupart des gourous de l'algo en ligne que je suivais n'étaient pas disposés à partager leurs performances de trading en direct sur une longue période. Certains ont pu prétendre être le vainqueur d'un concours de trading particulier, ou même avoir gagné des concours de trading à plusieurs reprises, mais la réalité est que pour gagner dans les concours, vous devez prendre des risques énormes. Allez-y à fond ou rentrez chez vous.

Certaines années, vous faites un gros coup et vous faites exploser le compte de trading pour ce concours, mais d'autres années, vous faites un gros coup et vous avez de la chance, et vous pouvez alors utiliser le fait que vous avez gagné un concours dans votre marketing en ligne afin de recruter des traders dans votre entreprise d'éducation ou de signaux.

Le plus drôle, c'est que vous écouterez plus tard un podcast en ligne de ces mêmes gourous qui ont gagné les concours de trading et qui reconnaissent eux-mêmes qu'ils ne négocieraient jamais leurs propres comptes réels de la même manière qu'ils le font pendant les concours.

Je me suis donc rendu compte que l'essentiel était de voir les performances commerciales réelles, mais sur une longue période, plutôt que pendant une compétition de trois mois.

Ce que j'ai découvert, c'est que la grande majorité des traders qui étaient prêts à montrer leurs résultats de trading en direct et qui ont également obtenu de bons résultats sur plusieurs années, étaient presque toujours des traders d'algo.

C'est ce qui m'a décidé à abandonner tous les faux gourous et à me concentrer sur le trading algorithmique.

Combien de temps a-t-il fallu pour réussir et quel a été le point de rupture ?

Il m'a fallu environ 3 ans pour commencer à obtenir des performances régulières avec mon trading algo.

À l'époque, il fallait apprendre à coder pour pouvoir entrer dans le monde du trading algorithmique.

Je voulais m'impliquer dans le trading d'algo, mais je ne voulais pas passer du temps à apprendre tout l'aspect de la programmation.

C'est ce qui m'a poussé à m'intéresser à certains des créateurs de systèmes automatisés qui étaient devenus disponibles, car ces outils pouvaient exploiter les données historiques des prix pour trouver des stratégies potentiellement rentables, sans qu'aucune connaissance en programmation ne soit nécessaire.

Bien qu'il soit formidable d'avoir des concepteurs de systèmes capables d'analyser toutes les données historiques, le gros problème est de filtrer les stratégies qui sont robustes et qui, espérons-le, ne s'adaptent pas à la courbe.

J'ai régulièrement demandé à des concepteurs de systèmes de trouver plusieurs stratégies, et peut-être même de faire en sorte que cette stratégie passe quelques tests de robustesse qu'elle était capable de vérifier, mais lorsque j'ai commencé à faire du trading papier/live avec ce même algo, j'ai constaté que les performances se dégradaient massivement.

C'est la partie principale qui a pris quelques années à développer. Je voulais absolument tirer parti des créateurs de systèmes afin de profiter de l'automatisation et de ne pas avoir à passer du temps à apprendre à écrire du code de programmation, mais je devais également développer ma propre méthode de vérification de la robustesse, de sorte que la majorité des stratégies qui passent toutes mes vérifications de robustesse se comportent toujours de manière adéquate pendant le trading papier/live.

Qu'est-ce qui vous plaît le plus dans l'algo-trading ?

Il est formidable de pouvoir tirer parti des technologies modernes (logiciels, matériel, intelligence artificielle) pour automatiser un processus avancé d'exploration de données et de contrôles de robustesse en plusieurs étapes. La réalisation manuelle de ces tâches exigerait un effort considérable.

Il est également intéressant de ne pas avoir à passer du temps à apprendre à devenir un programmeur. Un créateur de système tel que StrategyQuant peut écrire le code des stratégies, ce qui vous permet de consacrer votre temps à la recherche de bonnes opportunités plutôt que d'apprendre à écrire du code.

L'un des principaux avantages de la négociation par algo est qu'elle vous évite de vous prendre la tête.

Si vous pratiquez le trading discrétionnaire traditionnel, une fois que vos émotions entrent en jeu, c'est un excellent moyen d'anéantir vos performances. Les traders ont tendance à faire la mauvaise opération au pire moment possible lorsque leurs émotions entrent en jeu.

Même si vous parveniez à maîtriser vos émotions, le fait que vous négociez de manière discrétionnaire implique que vous ne pouvez pas vraiment vous baser sur les performances passées pour essayer de prédire les performances futures, car votre stratégie de négociation ne sera pas cohérente.

En revanche, le trading algorithmique est 100% mécanique et n'implique aucune discrétion. Cela garantit également que nous ne laissons pas nos émotions nous entraîner sur la mauvaise voie. La combinaison de ces facteurs nous permet d'être cohérents dans nos transactions.

Enfin, et ce n'est certainement pas le moins important, vous avez la possibilité de diversifier vos transactions de manière illimitée. Vous pouvez négocier n'importe quel ticker/symbole, n'importe quel secteur, n'importe quel marché, sur n'importe quel horizon temporel de votre choix. Pouvoir disposer d'un large portefeuille d'algos où les rendements de chaque algo ne sont pas corrélés aux autres algos est aussi proche du Saint Graal que vous pouvez l'être.

Lorsqu'un algo subit une baisse, il est à espérer que les autres algos n'en subissent pas une en même temps. En fait, vous constaterez régulièrement que certains des autres algos réalisent des bénéfices pendant que le premier algo est en baisse.

Au niveau d'un portefeuille, ces deux facteurs se combinent pour vous offrir d'excellents rendements ajustés au risque.

Pourriez-vous nous en dire plus sur le processus que vous utilisez pour créer et sélectionner les meilleures stratégies ?

Je traite mon activité de trading comme une entreprise. Mes algorithmes sont mes employés. Je m'assure que ces employés sont aptes à exercer leur métier. J'essaie d'appliquer le concept "Hire slow, fire fast" (embaucher lentement, licencier rapidement). Je prends beaucoup de temps pour développer mes stratégies, mais je n'hésite pas à les supprimer si elles ne donnent pas les résultats escomptés.

Les lignes directrices générales sont les suivantes :

• Nous identifierons les instruments dont les prix sont très volatils.
• Nous essaierons de rassembler le plus grand nombre possible de données historiques sur les prix, sur plusieurs périodes.
• Nous sélectionnerons des indicateurs spécifiques pour construire nos algos avec le minimum de règles possible.
• Nous construirons nos algos en fonction de la "personnalité" des instruments (AAPL ne se négocie pas de la même manière que COSCO).
• Nous aimons étudier les instruments. Nous voulons savoir quelle période peut être considérée comme "haussière" ou "baissière"
• Nous visons des conditions de marché haussières, baissières ou neutres dans chacun de nos ensembles de données en échantillon et hors échantillon.
• Certains paramètres spécifiques doivent être respectés dans toutes les périodes pour que l'algo soit sélectionné en vue d'un contrôle de robustesse plus approfondi, ce que nous détaillons dans le cours que nous avons créé.
• Nous procédons ensuite à de multiples contrôles de robustesse dans le cadre de notre flux de travail automatisé dans SQX.
• Une fois que nous avons obtenu un certain nombre d'algorithmes potentiellement viables à l'issue du flux de travail en plusieurs étapes dans SQX, nous procédons à quelques vérifications manuelles/visuelles.
• Les algorithmes qui passent les contrôles visuels sont ensuite incorporés dans un outil basé sur le portefeuille qui peut examiner les corrélations entre les algorithmes individuels ainsi que les niveaux d'exposition totaux du portefeuille.
• Les sélections finales de l'algo sont ensuite mises en incubation, c'est-à-dire en négociation sur papier.
• Après une période d'incubation, nous voulons valider que l'algo a fonctionné dans les limites de ce qui est considéré comme normal pour cet algo.
• Les algos qui passent la phase d'incubation sont ensuite négociés en direct, soit à une taille minimale au départ (afin de valider des éléments tels que le slippage réel, etc.), soit à une taille normale.
• Les algos actifs sont ensuite contrôlés afin de s'assurer qu'ils continuent d'opérer dans les limites normales des pertes et profits. Les algos dont les pertes sont supérieures à nos prévisions sont retirés des opérations en direct et remis en incubation ou complètement retirés.

Vous pouvez obtenir tous les détails de ma méthodologie de trading dans un cours que j'ai créé avec Ron Bertino et qui s'appelle "Mining for Gold", que vous pouvez trouver à la page suivante :

https://university.tradingdominion.com/p/mining-for-gold

Quel est votre test de robustesse préféré ?

Les deux tests que j'aime le plus sont la sélection d'échantillons et Monte Carlo.

Sélection de l'échantillon : il est essentiel de sélectionner les bonnes périodes en échantillon et hors échantillon. Si vous construisez un algo long only, vous ne voulez pas construire des stratégies dont les périodes in-sample et out-of-sample se situent uniquement dans une période haussière. Comme le dit le proverbe, "tout le monde est un génie dans un marché haussier". La probabilité qu'une stratégie soit adaptée à la courbe est très élevée lorsque l'échantillon n'est pas sélectionné correctement.

Monte Carlo : réorganiser l'ordre des transactions pour savoir quel est le pire résultat et quel est votre niveau de "chance". Vous ne voulez pas choisir une stratégie dans laquelle vous êtes le plus chanceux en termes de séquence de transactions.

Qu'est-ce qui vous prouve que votre stratégie fonctionnera à l'avenir ?

Rien n'est jamais 100% certain, mais je pense que la preuve la plus proche est de montrer des résultats de trading en direct avec de l'argent réel sur plusieurs années.

L'un de mes principaux comptes de courtier est audité par une tierce partie appelée Kinfo. Vous pouvez consulter mes performances au cours des dernières années sur cette page :

https://kinfo.com/portfolio/12154/performance

Cela montre la performance de plus de 2400 transactions précédentes en direct, avec plus de 50 algos en cours d'exécution à tout moment.

Quelle est votre philosophie pour créer un portefeuille optimal ?

Je veux contrôler mon exposition à chaque algo et m'assurer qu'ils ne sont pas corrélés.

Il est très important de dimensionner correctement l'algo. La dernière chose que vous souhaitez, c'est d'être surendetté sur le mauvais sous-jacent.

L'utilisation de l'effet de levier est également un bon moyen d'augmenter encore les rendements, ce qui rend encore plus important un dimensionnement correct.

Tous les portefeuilles souffrent parfois d'une baisse de rendement. Quelle est votre approche pour y remédier et garder confiance en vos robots ?

Nous connaissons tous des baisses. C'est un aspect normal de l'activité commerciale.

Dans notre cours sur l'extraction de l'or (https://university.tradingdominion.com/p/mining-for-gold), nous enseignons une méthode simple et efficace pour traiter les systèmes de trading qui ne fonctionnent plus comme prévu. Cela peut se faire aussi bien au niveau de l'algo qu'au niveau du portefeuille.

Savoir quand arrêter une stratégie est aussi important que d'en créer une. Nous voulons garder notre capital mental et financier intact afin de pouvoir trader correctement.

Y a-t-il une source de connaissances que vous souhaiteriez recommander à d'autres commerçants ?

En fin de compte, c'est le fait d'apprendre de quelqu'un qui a un rôle à jouer qui a changé la donne pour moi. Les livres de Nassim Taleb illustrent ce concept de manière plus détaillée.

Dans notre communauté "Mining for Gold", nous avons des teneurs de marché, des gestionnaires de fonds et des traders en argent réel qui collaborent et échangent des idées/flux de travail au sein du groupe. Ce type d'entourage fera toujours de vous un meilleur trader. Personne n'est doué pour tout, c'est pourquoi il est formidable de pouvoir collaborer avec un grand groupe de traders expérimentés et travailleurs qui peuvent apporter ce qu'ils savent faire de mieux individuellement, et l'ensemble du groupe peut bénéficier de cette collaboration.

Avez-vous des conseils à donner sur ce qu'il faut éviter ou sur ce dont il faut être conscient dans le cadre de l'algo-trading ?

Étudiez le sous-jacent sur lequel vous voulez construire des algos. Vous devez voir cela comme un match de sport. Tous les champions du monde étudient leur adversaire. Dans notre cas, nous devons étudier le marché sur lequel nous travaillons.

Le plus gros problème potentiel auquel il faut faire attention avec l'exploration de données est la robustesse et la gestion d'algorithmes qui pourraient s'adapter aux courbes. Nous suivons un processus en plusieurs étapes pour essayer d'augmenter les chances de robustesse, en commençant par de multiples étapes automatisées jusqu'à quelques étapes manuelles.

Tenez-vous à l'écart des gourous de l'algo qui n'affichent pas de performances de trading en direct sur plusieurs années. Remporter des concours de trading n'est pas un bon moyen de juger des connaissances ou de l'expérience du gourou de l'algo, car ces personnes prennent généralement d'énormes risques ; soit elles réussissent très bien, soit elles font exploser tout le compte. Vous voulez voir les performances d'un compte réel, avec de l'argent réel, sur plusieurs années.

Pièce jointe - Rapport de performance d'Interactive Brokers de Naoufel :  Naoufel Taief VAMI 2021 année fin-