[Astuce d'Expert] Comment optimiser votre prix d'entrée: La stratégie du Trailing Stop.

Aujourd'hui, nous allons aborder une stratégie d'optimisation fondamentale mais souvent mal maîtrisée en Trading Algorithmique : La stratégie du Trailing Stop.
En prenant les mots un à un, le Trailing Stop est un procédé sur la mise en place d'un stop loss de manière dynamique (trailing). Le Trailing Stop est l'un des mécanismes de gestion de position les plus puissants et flexibles. Paradoxalement, sa mise en œuvre technique et sa compréhension stratégique restent un défi, même pour de nombreux développeurs d'Expert Advisors (EAs). Par ailleurs, Binance permet depuis peu de placer des ordres Trailing Stop sur le marché Spot.

Contrairement au Stop Loss statique, le Trailing Stop est dynamique (trailing). Il indexe le seuil de sortie sur le prix actuel du marché, permettant de verrouiller les profits réalisés tout en préservant le potentiel de continuation de la tendance.

Nous allons décortiquer le fonctionnement du Trailing Stop, son rôle critique dans la résilience d'un algorithme. Nous verrons également pourquoi sa calibration exige impérativement des données à haute résolution (5 secondes) et de qualité KlineBuilder pour des backtests significatifs.

Sommaire :

1. Qu'est-ce qu'un Trailing Stop ?
2. La Stratégie du Trailing Stop
3. Les différents types de Trailing Stop
4. Exemple de cas de Trailing Stop
5. Pourquoi le Trailing est parfaitement adapté aux données 5 secondes ?
6. Vérification des Stratégies, Grid Statique vs Grid Optimisé (backtest + code source)
7. Erreurs courantes de paramétrage du Trailing Stop
8. Conclusion

 

⚠️ Avertissement Légal (Disclaimer)

Les informations, analyses, codes Python et résultats de backtest présentés dans cet article ont une vocation strictement pédagogique et illustrative. Le contenu de cet article ne constitue en aucun cas un conseil ou une recommandation d'investissement, ni une incitation à l'achat ou à la vente d'actifs financiers.

Le trading de crypto-monnaies et de tout autre instrument financier comporte des risques élevés, y compris le risque de perdre la totalité du capital investi. L'utilisation des stratégies ou des codes mentionnés est réalisée sous l'entière et unique responsabilité de l'utilisateur.

Les performances passées ne préjugent pas des résultats futurs. Market5s décline toute responsabilité en cas de pertes financières ou de dommages subis découlant de l'utilisation des informations contenues dans cet article.

---

🔍 1. Qu’est-ce qu’un Trailing Stop ?

Un Trailing Stop est un Stop Loss dynamique.

• Si le prix évolue dans le sens du trade, le Stop se déplace.
• Si le prix se retourne, le Stop s’arrête de bouger.
• Si le prix atteint le Stop → la position est fermée automatiquement.

Contrairement à un Stop Loss fixe, le Trailing Stop permet :

• de suivre la tendance
• d’éviter les sorties/rentrées trop tôt
• d’automatiser la gestion du risque
• d’empêcher les retracements profonds de ruiner un trade gagnant

Le problème du trader se résume souvent à deux biais : La peur de manquer l'opportunité (FOMO) et le regret d'avoir acheté trop tôt.

1. Achat : L'hésitation face au "couteau qui tombe" (Falling Knife) : attendre la fin de la baisse, mais au risque de voir la tendance partir sans nous.
2. vente : La difficulté à conserver la position : vendre trop tôt et voir le marché partir "jusqu'à la lune" (To The Moon)

La stratégie du Trailing Stop est la solution algorithmique à ces biais. Sans influence sur l'émotion, elle permet de prendre la décision d'entrée ou de sortie suite à une logique mathématique.

---

📈 2. La stratégie du Trailing Stop

Une image vaut 1000 mots : 

Le principe du Trailing Stop est basé sur une gestion de position dynamique Il est conçu pour réagir à l'évolution du marché en temps réel.  

Par exemple, un Trailing Stop à la vente de 1 % :

• Montée en tendance : monte avec le prix lorsque celui-ci progresse
• Phase de Correction : reste immobile lorsque le prix corrige
• Déclenchement : sécurise automatiquement chaque nouvelle impulsion

Exemple concret de trailing Stop à la vente (Sortie longue) :

Prix actuel : 100
Trailing Stop : 1 % → Stop à 99,00

Si le prix monte à 101,2 → le Stop monte à 100,2
Si le prix atteint 101,50 → Stop monte à 100,5
Si le prix corrige à 100.9 → le Stop reste à 100,5
Si le prix corrige encore à 100.8 → le Stop reste à 100,5
Si le prix atteint 102,00 → Stop monte à 101.00
Si le prix maintenant au corrige à 100 → Notre sortie automatique aurait été 101 lors de la descente. Au lieu de vendre notre crypto à 100, nous l'avons vendu avec cette stratégie à 101. 

Le Trailing Stop est donc à la fois :

• un outil de sécurisation du capital acquis
• un outil de gestion des risques actifs
• un outil de prise de profit optimisée sans émotion et intervention manuelle

---

⚙️ 3. Les différents types de Trailing Stop

Il existe deux aspects à considérer pour classer les Trailing Stops :

• la méthode de déplacement du stop (comment le stop suit le prix)
• la méthode de calibration du stop (où placer le stop initialement et comment en ajuster la distance).

1. Les méthodes de déplacement du Trailing Stop

Ceci définit la réactivité du Stop à l'évolution du prix :

A. Trailing Stop fixe (distance constante)

le Stop est maintenu à une distance absolue et invariable du prix. Il ne s'ajuste que si le prix évolue favorablement, restant rigide en cas de consolidation.

Exemple :
TrailingStop = Prix * (1 - 0.5%)

→ Simple, idéal pour scalping ou bots haute fréquence.

B. Trailing Stop dynamique (distance variable)

La distance du Stop s'ajuste en temps réel en fonction des mesures du marché. la distance n'est plus constante, mais une variable calculée.

→ Plus intelligent, idéal pour Stratégies Tendances, Algorithmes Volatility.

 

2. Les méthodes de Calibration du Trailing Stop

Où positionner le Stop, c'est à dire quelle est la variable mathématique qui détermine sa position.

A. Basé sur le prix - Simple

Le Stop suit directement la valeur du prix (ou du Close de la bougie).

→ Méthode la plus réactive, nécessite un dataset fiable et précis.

B. Basé sur la moyenne mobile (SMA/EMA)

Le Stop se place sous une moyenne mobile (souvent exponentielle, EMA) qui sert de support dynamique.

→ Parfait pour suivre une tendance sans être trop sensible au bruit.

C. Trailing Stop basé sur la structure du marché (Higher Lows / Lower Highs)

Le Stop est placé sous le dernier point bas significatif (pour un achat) ou au-dessus du dernier point haut (pour une vente)

→ Excellent en multi-timeframes et pour protéger un trade structurel.

La granularité 5s est cruciale pour identifier le véritable High ou Low de la structure sans être masqué par l'agrégation 1 minute.

D. Trailing Stop basé sur la volatilité (ATR)

Le Stop est placé à une distance qui dépend de la volatilité mesurée par l’ATR.

Exemple :
Stop = Close - 2 × ATR(14)

→ Très utilisé dans les stratégies trend-following.

E. Trailing Stop basé sur indicateurs (ex : RSI)

Le stop suit la tendance du RSI après calcul. Il se déclenche par une condition d'indicateur. Excellente méthode pour acheter lorsque la valeur de survente est au plus bas et pour vendre lorsque la valeur de surachat est au plus haut.

---

📝 4. Exemple de cas du Trailing Stop

Pour prendre un exemple concret et simple d'amélioration d'une stratégie avec le trailing stop, examinons son application sur une stratégie de trading reconnue : le Grid Trading (Trading sur Grille)

Le Grid Trading Statique : Un Modèle d'Achat/Vente sur Fourchette.
La stratégie du Grid Trading est un modèle d'exécution neutre, idéal pour les marchés évoluant dans un range horizontal ou caractérisés par une forte volatilité latérale. 

Son principe est de placer automatiquement une série d’ordres d’achat et de vente à différents paliers de prix, formant une “grille”. Le robot exploite les petites fluctuations, il accumule (achète) lorsque le prix corrige et réalise le profit (vend) lorsqu'il rebondit. L'efficacité de cette méthode repose sur la fréquence des cycles d'achat/vente, sans jamais chercher à anticiper la tendance directionnelle.
Définition complète, la documentation de Binance => Comprendre le Grid Trading

Explication via un gif de Binance : 

Malheureusement, le Grid Trading proposés par Binance ou toutes autres plateformes d'échange imposent une contrainte : l'exécution des ordres est cantonnée aux ordres Limites ou Market simples.
Pourtant, l'intégration d'un Trailing Stop dans la logique de la grille serait un bel atout. Cette fonction permettrait au bot d'accumuler au rebond confirmé de chaque niveau de la courbe et de vendre au "pic optimal" ou presque...
Exemple avec notre image basé sur le Grid Trading de Binance : 

La stratégie du Grid trading de Binance est une excellente porte d'entrée pour les débutants. Toutefois, elle reste incomplète car elle est limitée aux ordres statiques.

Notre approche, basée sur le Trailing Stop, permet de surpasser cette contrainte :

• À l'Achat : Le bot attend patiemment que le "couteau tombe" et que le prix montre un signe de reprise pour s'exécuter au point le plus optimal.
• À la Vente : Le bot fait preuve de discipline et de patience, laissant le profit courir tant que la tendance est ascendante, et sortant uniquement lorsque le marché se retourne.

En résumé, l'intégration du Trailing Stop est une amélioration majeure qui transforme une simple stratégie de Grid en une machine à optimisation algorithmique sur chaque cycle d'achat/vente. 

---

⚡ 5. Pourquoi le Trailing Stop est parfaitement adapté aux données 5 secondes ?

Je vous vois sourire, évidemment, c'est la petite partie commercial de l'article, lien vers notre catalogue de datasets.

Le Trailing Stop est un mécanisme qui exige de la réactivité. Pour être efficace, cette stratégie doit réagir au prix avec précision. C'est là que les données Market5s à 5 secondes apportent un avantage décisif, voire non négociable, pour les stratégies de Trailing Stop.

Les Trailing Stops sont extrêmement sensibles au bruit de marché et au lissage des données :

• Faux Signaux Garantis : Avec des datasets à la minute, un mouvement rapide de 5 secondes qui aurait dû déclencher le Stop peut être masqué par l'agrégation.
• Perte d'Optimisation : La donnée 1 minute ne permet pas au Trailing Stop d'identifier le véritable point bas de la correction

Avec des données à 5 secondes, la simulation est beaucoup plus fiable, plus précise. Le trailing stop peut vraiment suivre la courbe de tendance et être exécuté en fonction de la valeur du marché.
Les données à 5 secondes permettent : 

✔️ Une détection fine des micro-retracements, se collant au prix, assurant que l'entrée est prise au rebond réel et que la sortie est effectuée au meilleur point de renversement.
✔️ Des backtests beaucoup plus réalistes, simulant fidèlement la réalité des échanges.
✔️ Une efficience sur la rapidité de test, suffisamment précis et plus rapide en terme de simulation sur des données à 1 seconde.

---

🔥 6. Vérification des stratégies, Grid Statique vs Grid Optimisé.

Nous allons maintenant soumettre notre hypothèse à l'épreuve du backtest. L'objectif est de quantifier la différence de performance entre une stratégie Grid simple et notre solution améliorée : le Grid Optimisé par le Trailing Stop

Prérequis : 

• Dataset : L'historiques des prix du BTC de janvier 2025 de market5s. (Notez que vous pouvez obtenir un échantillon gratuit de notre dataset BTC (du 1er au 7 janvier) en vous abonnant à notre newsletter.)
• Stratégie de base : Dans notre cas concret, nous utiliserons la Stratégie AC
  • A. Trailing Stop fixe (distance constante)
  • C. Trailing Stop basé sur la structure du marché (Higher Lows / Lower Highs)
• Plateforme : Un script développé en Python, sans Pandas

Les étapes du script :

1. Correction d'entrée : Le bot attend que le prix corrige de 1% avant d'entrer en phase de Trailing. - (PCTINITPRICEMAX = 0.99)
2. Distance de Trailing : Le Stop est positionné à 0,8 % du point bas (à l'achat) - (PCTTRAILINGSTOP = 0.008)
3. Seuil de Profit initial : La revente n'est calculée qu'après avoir atteint un gain potentiel de 2%. - (PRIXINITSELL = 1.02)
4. Distance de Trailing : Le Stop est positionné à 0,8 % du point haut (à la vente) - (PCTTRAILINGSTOP = 0.008)
   

Le script est simple : il attend une correction de 1%, puis utilise le Trailing Stop Achat à 0.8% pour s'exécuter au rebond. Une fois la position ouverte, un Trailing Stop Vente sécurise le profit à 2.5%. Enfin, utilise le Trailing Stop à 0.8%, sécurisation globale de la vente 2 - 0.8 = 1.2%

Pour une analyse complète de la logique et pour exécuter le backtest vous-même, le code source et le notebook sont disponibles sur GitHub : lien Github du code source et du notebook. 

C'est tout bon ? Alors c'est parti :

1. Fonction du Grid Simple à 5 secondes:

def backtestSimple(candles):
    maxPrice = 0.0
    buy = False

    sellPrice = 0.0
    sell = False

    balance = 2000.0
    BTC = 0.0

    ### Boucle sur chacune des lignes du dataset
    for i, c in enumerate(candles):
        ### Calcul du prix max visualisé
        maxPrice = max(c.high, maxPrice)
        ### A partir du prix max visualisé, potentiel d'achat à 99% du prix max. Exemple Prix 100000 => il faut que le prix atteigne 99000 pour démarrer la phase d'achat.
        buyPrice = maxPrice * PCTINITPRICEMAX

        if not buy:
            if c.low < buyPrice:
                ### Oui, le prix est repassé au dessus, achat réalisé.
                buy = True
                ### Calcul rapide du nombre de BTC acheté.
                BTC = balance / buyPrice
                ### Initialisation de notre prix de vente. Achat à 99000, prix de vente : 99000 * 1.02 (pctPrixInitialVente) = 100980
                sellPrice = buyPrice * PRIXINITSELL
                print(f"{c.timestamp} - Achat au prix de {buyPrice}, Prix de revente au moins à {sellPrice}")
        
        if buy :
            if c.high > sellPrice:
                ### Oui, le prix est repassé au dessus du prix de 100980, vente réalisé.
                sell = True
                ### Calcul rapide de la balance après vente du BTC au prix
                balance = BTC * sellPrice
                print(f"{c.timestamp} - Vente au prix de {sellPrice}")
        
        ### Une vente a t'elle eue lieu ?
        if sell:
            ### Oui, réinitialisation complète de toutes les variables d'achat et de vente.
            maxPrice = 0.0
            buy = False

            sell = False
            sellPrice = 0.0
            BTC = 0.0

    print(f"Balance : {balance}")

graphique de représentation final, créé via le script :

Résultat : Au plus haut, la balance affichait 2252 dollars/eur.

2. Fonction du Grid Optimisé à 5 secondes:

Voici un exemple concret de Trailing Stop appliqué à des données crypto en granularité 5 secondes, idéal pour comprendre comment la stratégie réagit en temps réel.
Le script Python ci-dessous montre précisément comment implémenter un Trailing Stop efficace dans un backtest et en analyser le comportement.

def backtestTrailing(candles):
    ### initialisation de la variable maxPrice => Recherche du plus haut prix pour définir un prix d'achat à 1%
    maxPrice = 0.0

    ### Initialisation des variables d'achat
    ### Entry Low Price : Le prix le plus bas atteint.
    EntryLowPrice = 0.0
    ### Trailing Stop : On prend le prix le plus bas (EntryLowPrice) et on y ajoute 0.8%
    TrailingStopBuy = 0.0
    ### Est-ce que le programme a acheté ?
    buy = False
    
    ### Initialisation des variables de vente.
    ### Entry Max Price : Le prix le plus haut atteint
    EntryMaxPrice = 0.0
    ### Trailing Stop : On prend le prix le plus haut (EntrymaxPrice) et on y soustrait 0.8%
    TrailingStopSell = 0.0
    ### Est-ce que le programme a vendu
    sell = False
    ### Price de vente initial après achat. (price d'achat * pctPrixInitialVente)
    sellPrice = 0.0

    ### Notre portefeuille
    balance = 2000.0
    ### Nombre de BTC que l'on a
    BTC = 0.0

    ### Bouche sur chacune des lignes du dataset
    for i, c in enumerate(candles):
        ### Calcul du prix max visualisé
        maxPrice = max(c.high, maxPrice)
        ### A partir du prix max visualisé, potentiel d'achat à 99% du prix max. Exemple Prix 100000 => il faut que le prix atteinge 99000 pour démarrer la phase d'achat.
        buyPrice = maxPrice * PCTINITPRICEMAX

        ### pas encore acheté ? Calcul en cours
        if not buy:
            ### TrailingStop à 0 et le prix c.low est inférieur au prix d'achat. Exemple, 98500
            if TrailingStopBuy == 0 and c.low < buyPrice:
                ### le prix le plus bas est actuellement c.low, initialisation de EntryLowPrice
                EntryLowPrice = c.low
                ### Calcul du Trailing Stop Buy, 98500 * (1 + 0.008) (PCTTRAILINGSTOP) = 99288
                TrailingStopBuy = EntryLowPrice * (1 + PCTTRAILINGSTOP)

            ### Trailing Stop supérieur à 0, le programme est en phase d'achat. Trailing Stop positionné
            if TrailingStopBuy > 0:
                ### Est-ce que le prix continue de chuter ? Oui, le prix est à 98000
                if c.low < EntryLowPrice:
                    ### c.low est inférieur à notre entrée Low Price, on met à jour EntryLowPrice avec la valeur la plus basse du prix 98000
                    EntryLowPrice = c.low
                    ### Recalcul du Trailing Stop suivant la tendance vers le bas 98000 * (1 + 0.008) (PCTTRAILINGSTOP) = 98784
                    TrailingStopBuy = EntryLowPrice * (1 + PCTTRAILINGSTOP)
                    print(f"{c.timestamp} - Changement de la valeur du Stop Loss Achat - Trailing Stop : {TrailingStopBuy}")

                ### Le prix remonte, est-ce que le prix max de la bougie est au dessus de 98784
                if c.high > TrailingStopBuy:
                    ### Oui, le prix est repassé au dessus, achat réalisé.
                    buy = True
                    ### Calcul rapide du nombre de BTC acheté.
                    BTC = balance / TrailingStopBuy
                    ### Initialisation de notre prix de vente. Achat à 98784, prix de vente : 98784 * 1.02 (PRIXINITSELL) = 100760
                    sellPrice = TrailingStopBuy * PRIXINITSELL * (1 + PCTTRAILINGSTOP)
                    print(f"{c.timestamp} - Achat au prix de {TrailingStopBuy}, Prix de revente au moins à {sellPrice}, Stop loss {sellPrice * (1 - PCTTRAILINGSTOP)}")
        
        ### Si achat réalisé. vente en cours...
        if buy:
            ### TrailingStop pas encore initialisé. Le prix haut est-il au dessus de notre prix de vente ? 100760 Oui, le prix est à 101000
            if TrailingStopSell == 0 and c.high > sellPrice:
                ### c.high est supérieur à notre entrée sellPrice, on met à jour EntryMaxPrice avec la valeur la plus haute du prix 101000
                EntryMaxPrice = c.high
                ### Calcul du Trailing Stop Sell, 101000 * (1 - 0.008) (PCTTRAILINGSTOP) = 100192
                TrailingStopSell = EntryMaxPrice * (1 - PCTTRAILINGSTOP)
            ### Trailing Stop supérieur à 0, le programme est en phase de vente. Trailing Stop positionné
            if TrailingStopSell > 0:
                ### Est-ce que le prix continue d'augmenter ? Oui, le prix est à 103000
                if c.high > EntryMaxPrice:
                    ### c.high est inférieur à notre entrée Max Price, on met à jour EntryMaxPrice avec la valeur la plus haute du prix 103000
                    EntryMaxPrice = c.high
                    ### Recalcul du Trailing Stop suivant la tendance vers le haut 103000 * (1 - 0.008) (PCTTRAILINGSTOP) = 102176
                    TrailingStopSell = EntryMaxPrice * (1 - PCTTRAILINGSTOP)
                    print(f"{c.timestamp} - Changement de la valeur du Stop Loss Vente - Trailing Stop : {TrailingStopSell} | EntryMaxPrice {EntryMaxPrice} | ")

                ### Le prix redescend après la phse de monté, est-ce que le prix low de la bougie est en dessous de 102176
                if c.low <= TrailingStopSell:
                    ### Oui, le prix est repassé en dessous, vente réalisé.
                    sell = True
                    ### Calcul rapide de la balance après vente du BTC au prix
                    balance = BTC * TrailingStopSell
                    print(f"{c.timestamp} - Vente au prix de {TrailingStopSell}")

        ### Une vente a t'elle eue lieu ?
        if sell:
            ### Oui, réinitialisation complète de toutes les variables d'achat et de vente.
            maxPrice = 0.0
            EntryLowPrice = 0.0
            TrailingStopBuy = 0.0
            buy = False

            EntryMaxPrice = 0.0
            TrailingStopSell = 0.0
            sell = False
            sellPrice = 0.0
            BTC = 0.0

    print(f"Balance : {balance}")

L'implémentation de ce script est plus complexe que celle d'un backtest Grid Simple. Les commentaires facilitent la compréhension du code. Nous avons intégré en supplément des limites Min/Max dynamiques. Ces limites définissent le périmètre de la tendance à suivre, permettant au Trailing Stop de s'adapter de manière proactive aux conditions de marché changeantes

Résultat : Au plus haut, la balance affichait 2431 dollars/eur.

Dans l'ensemble, les résultats du backtest Grid Optimisé sont meilleurs par rapport au Grid Simple. Au moins pour cette fois. Il peut arriver dans certains cas que la stratégie simple fonctionne mieux que la stratégie avec le trailing Stop. Tout dépend du marché, de la volatilité et ensuite, ce n'est qu'une question de probabilités et de statistiques.

 

Disgression :
Exemple avec un Trading Stop serré, le Grid Simple peut s'avérer légèrement supérieur : 

---

⚠️ 7. Erreurs courantes de paramétrage du Trailing Stop

Un Trailing Stop mal calibré peut rapidement transformer un avantage théorique en source de pertes. La maîtrise de cet outil passe par l'évitement des erreurs d'implémentation et de calibration les plus fréquentes.

❌ Le mettre trop serré

Résultat : stop déclenché trop vite.

❌ Le mettre trop large

Résultat : Nous laissons échapper une trop grande partie des gains potentiels

❌ Ne pas l’adapter à la volatilité

Une distance de 0,5 % adaptée à Bitcoin n’a peut être pas le même effet sur SOL ou DOGE

❌ Faire un Trailing Stop sur des données en 1 minute

Cela provoque :

• des sorties trop tardives
• un stop qui ne suit pas la tendance
• des backtests irréalistes
  

Nous ne pouvons que vous conseiller d'utiliser nos datasets fiables et précis pour obtenir les meilleurs résultats lors de vos backtests.

Pour éliminer ces erreurs de calibration et valider vos hypothèses, le backtest est votre meilleur atout et votre seul outil de validation empirique. En reprenant notre script Python, il vous suffit de modifier les variables de pourcentage du Trailing Stop et du prix de vente et de vérifier, les valeurs qui maximises la performance. Le backtest transforme ainsi l'intuition en donnée mesurable. Bien entendu, cette logique de Trailing Stop est applicable à l'ensemble de notre catalogue de données OHLCV

Toutefois, rappelez-vous que les résultats d'un backtest ne sont pas une garantie de succès futur, mais servent uniquement à valider l'existence d'un avantage probabiliste de la stratégie sur la période analysée.

---

🧩 Conclusion

Le Trailing Stop est un outil indispensable, que ce soit pour un bot de trading, un backtest ou une stratégie manuelle. Il permet de :

• maximiser les gains,
• limiter les pertes,
• surfer sur les tendances,
• protéger les trades gagnants,
• automatiser entièrement la sortie,
• stabiliser les performances d'un bot de trading

Sa puissance est décuplée lorsqu’il est utilisé sur des données haute fréquence, comme celles proposées par Market5s, car il peut suivre précisément le mouvement réel du marché, bougie après bougie. Vous pouvez utiliser notre catalogue pour trouver le dataset de cryptomonnaie qui vous convient. 

Contextualisation de la Stratégie :

La stratégie Grid optimisée par le Trailing Stop que nous avons développée est conçue pour exploiter la volatilité et le range du marché. Elle est parfaitement adaptée à des actifs à forte amplitude comme le Bitcoin (BTC) ou l'Ethereum (ETH).

Pour aller plus loin :

Vous disposez désormais du script, du concept et de la preuve empirique. Nous vous invitons à utiliser notre catalogue pour trouver le dataset de cryptomonnaie qui convient à vos tests, puis à exploiter notre script pour réaliser vos propres optimisations et backtests.
Vous pouvez également l'améliorer en implémentant : 

• Intégration d'une vraie grille à paliers multiples
• Ajouter la valeur réelle au Stop Loss Global
• L'intégration des Frais de Transaction (Fees)
• Démo : De l'historique (Backtest) au réel (Live Data)