Changements de régime : s’adapter sans suivre chaque fluctuation

Décrire un régime de manière opérationnelle

Un régime est un état dans lequel les relations pertinentes du marché se comportent différemment : la volatilité peut être élevée, la liquidité moindre, ou les chocs d'inflation peuvent dominer ceux de croissance. Dire que le marché semble différent n'est pas encore une définition. Une description utile du régime précise les variables observables, les fenêtres de mesure et la décision qui change lorsqu'une condition est remplie.

L'état du marché est rarement connu avec certitude en temps réel. Les historiens peuvent délimiter clairement une crise après sa fin ; un processus en direct ne dispose que d'éléments incomplets et bruités. Toute recherche utilisant des étiquettes de régime doit reconstituer ce qui pouvait être déduit à chaque date. Attribuer à des observations antérieures un sommet futur ou une frontière de récession introduit des informations dont le trader ne disposait pas.

Distinguer un nouveau niveau d’un nouveau mécanisme

Une hausse de volatilité peut être temporaire alors que le signal reste intact. À l’inverse, un changement structurel d’accès au marché, de concurrence ou de financement peut affaiblir le mécanisme auparavant rentable. Les réponses doivent différer. Ajuster automatiquement sur une fenêtre plus courte peut répondre au bruit sans résoudre une explication économique brisée.

Suivez plusieurs diagnostics : erreurs de prévision, rotation, spreads, changements de corrélation et distribution des résultats réalisés. Demandez si la dégradation vient du signal, de l’exécution ou de la mise en œuvre. Si les résultats bruts restent stables mais les coûts doublent, reconstruire le modèle prédictif peut manquer le problème. Si les résultats échouent avant coûts, un courtier moins cher ne rétablit pas la relation absente.

L’adaptation introduit un autre modèle

Une règle alternant entre stratégies constitue elle-même une stratégie avec paramètres et coûts. Seuils, périodes de confirmation et fréquence de bascule peuvent tous être surajustés. Les changements répétés de régime peuvent occasionner des pertes d’allers-retours, surtout près d’une frontière autour de laquelle oscillent les observations. Une machine à états plus complexe n’est pas automatiquement plus robuste qu’une règle simple et prudente.

L’hystérésis utilise des seuils différents pour entrer dans un état et en sortir, réduisant les inversions rapides. Des exigences minimales d’observation et des changements graduels peuvent aussi atténuer la sensibilité à un point isolé. Ce sont des choix à tester, pas des garanties. Évaluez tout système adaptatif en intégrant coûts de transaction et risque encouru pendant l’attente de confirmation.

Prévoir les fausses alertes et les détections tardives

Aucun détecteur ne distingue instantanément tout choc temporaire d’une rupture durable. Agir vite crée des faux positifs ; exiger des preuves fortes retarde la réaction. Définissez la perte liée aux deux erreurs. Pour un processus fragile à levier, détecter tard peut coûter cher ; des changements inutiles fréquents peuvent écraser une stratégie à faible marge.

Utilisez des transitions historiques et hypothétiques plutôt que de tester uniquement des périodes stables. Notez le délai de réaction de la procédure et ce qui se produit entre-temps. Évaluez les règles sur des données qui n'ont pas servi à choisir les seuils. Un détecteur qui identifie exactement tous les retournements historiques mérite un examen particulier : il peut lire l'avenir au travers du lissage, de fenêtres centrées ou d'étiquettes attribuées rétrospectivement.

Surveiller quotidiennement change le sens d’un seuil. Un diagnostic calibré pour produire 5 % de fausses alertes lors d’un contrôle isolé n’implique pas une probabilité de 5 % d’au moins une alerte sur l’année. Des fenêtres qui se chevauchent rendent aussi les observations successives dépendantes. Évaluez tout le dispositif, fréquence de contrôle et règle de remise à zéro comprises, plutôt que d’interpréter chaque jour comme un nouveau test indépendant.

Prévoir un état d’incertitude

Un cadre pédagogique peut utilement distinguer fonctionnement normal, incertitude accrue et défaillance confirmée du processus. L’état intermédiaire reconnaît l’incomplétude des preuves. Les réponses peuvent être prédéfinies et proportionnées, avec des conditions claires de reprise plutôt que des modifications improvisées après chaque transaction décevante.

Documentez l'hypothèse causale de chaque règle et conservez l'historique des versions. Sinon, une étiquette de régime peut devenir un prétexte commode pour abandonner tout résultat défavorable. Un processus d'adaptation solide doit pouvoir conclure qu'aucun signal fiable n'existe. Son objectif est de gérer honnêtement l'incertitude, non de garantir qu'une stratégie sera toujours affectée au segment historique gagnant.

Séparer la détection de la réponse qu’elle déclenche

Commencez par une grandeur dont la dégradation a un sens clair. Pour l’exécution, il peut s’agir d’un coût en points de base corrigé de la taille, de la volatilité et de l’urgence. Pour une prévision, d’une erreur face à une référence fixe. Comparer les coûts bruts d’un mois calme de petits ordres et d’un mois volatil de gros ordres peut faire apparaître un changement de régime qui n’est qu’un changement de composition.

La somme cumulée permet d’accumuler des indices d’un déplacement persistant. Une forme unilatérale simple actualise Sₜ = max(0, Sₜ₋₁ + zₜ − k), où zₜ est un diagnostic standardisé, k une tolérance de référence et h le seuil d’alerte dépassé par Sₜ. Le NIST décrit cette approche CUSUM. Sur des marchés, référence, standardisation, dépendance et réinitialisation exigent leur propre justification : des paramètres de contrôle industriel ne se transposent pas automatiquement.

Évaluez le détecteur et la réaction séparément, puis ensemble. Détecter correctement une hausse de volatilité peut déclencher des transactions dont le coût dégrade le résultat global. À l’inverse, un détecteur simple peut suffire pour une réponse limitée, telle qu’une vérification des données. Mesurez fausses alertes, délai de détection, temps dans chaque état, rotation et trajectoire nette du compte. Cela rend visibles le bénéfice de l’adaptation et son prix.

Une règle hypothétique avec hystérésis entre en état de volatilité élevée au-dessus de 25 % et n’en sort qu’en dessous de 20 %. Une valeur de 23 % a alors des conséquences différentes selon l’état précédent. Cette mémoire est volontaire et doit être reproduite dans le backtest. Définissez l’état initial, le traitement des données manquantes et le passage d’état avant ou après les ordres du jour. Sinon, un beau graphique de régimes peut cacher une règle impossible à appliquer en temps réel.