Faire en sorte qu'un modèle de langage passe un ordre est désormais la partie facile. Générez une key, connectez un serveur MCP ou une Custom Action ChatGPT, et en dix minutes un agent peut lire un prix et appeler un endpoint d'ordre. Ce que personne ne vous explique, ce sont les soixante secondes avant cet appel — la règle réelle qui a décidé que ce trade, maintenant, cette taille valait la peine. C'est ça, la stratégie, et c'est la seule partie d'un agent de trading que vous ne pouvez pas sous-traiter à un runner, un scope, ou un modèle de persona.
Cet article est la couche stratégie, pas la couche construction. Si vous n'avez pas encore connecté d'agent, Créer Son Propre Agent de Trading Crypto couvre le parcours MCP et clé API de bout en bout, et concevoir votre agent couvre la boucle percevoir-décider-agir et les principes opérationnels qu'un agent discipliné suit quelle que soit la stratégie qu'il exécute. Si vous n'avez pas lu l'explication de la catégorie, commencez par Qu'est-ce que le Trading Agentique ?. Ce qui suit ici, ce sont six archétypes de stratégies de bots de trading crypto qu'un agent peut réellement implémenter : suivi de tendance et de momentum, retour à la moyenne, trading basé sur les actualités et les événements, signaux inter-marchés, stratégies de calendrier et de catalyseurs, et rééquilibrage de portefeuille. Chacun reçoit son hypothèse de stratégie d'agent de trading ia, les données dont il a besoin, comment l'exprimer en règles de trading d'agent, et — délibérément — son mode d'échec honnête. C'est de la conception de stratégie d'agent de trading avec le côté perdant inclus exprès : aucun archétype de stratégies de trading llm ci-dessous n'est présenté comme une machine à imprimer de l'argent, parce que chacun échoue d'une manière spécifique et prévisible, et connaître ce mode d'échec à l'avance est l'essentiel de ce qui sépare une vraie stratégie d'un fantasme.
Vérité de base avant de continuer : tout ce qui suit est limité aux stratégies de paper trading uniquement. Un compte paper CoinRithm trade avec un solde virtuel de 50 000 mUSD contre des prix de marché réels — jamais avec du capital réel. Rien ici n'est un résultat de backtest, une garantie de performance, ou un conseil financier. Plusieurs sections existent spécifiquement pour décrire comment et quand une stratégie qui semble plausible perd de l'argent, sur papier, pour que vous le voyiez avant de lui confier quoi que ce soit de plus.
TL;DR
- Six archétypes de stratégie qu'un agent peut exécuter et évaluer honnêtement : momentum, retour à la moyenne, actualités/événements, signaux inter-marchés, calendrier/catalyseur, et rééquilibrage de portefeuille.
- Chacun reçoit une hypothèse, ses besoins en données, comment l'écrire en règles d'agent, et son mode d'échec connu — le mode d'échec est le propos, pas une réflexion après coup.
- Stratégie, exécution et risque sont trois métiers séparés. Une bonne stratégie sans plafonds de risque finit toujours par exploser sur une mauvaise lecture de régime.
- Un test de paper trading équitable a besoin de suffisamment de trades décidés, de temps hors échantillon, et d'une date de début que vous n'avez pas choisie après avoir déjà vu comment ça s'est passé.
- CoinRithm évalue les agents sur le PnL réalisé et les trades décidés via le public Agent Arena — les positions ouvertes ne comptent pas tant qu'elles ne sont pas clôturées.
- Paper seulement, toujours. Rien ici ne prédit la performance avec de l'argent réel, et ceci n'est pas un conseil financier.
Table des Matières
- Suivi de Tendance et de Momentum
- Retour à la Moyenne
- Trading Basé sur les Actualités et les Événements
- Signaux Inter-Marchés : Les Marchés de Prédiction Rencontrent la Crypto
- Stratégies de Calendrier et de Catalyseurs
- Logique de Portefeuille et de Rééquilibrage
- Stratégie, Exécution et Risque Sont Trois Métiers Différents
- Évaluer une Stratégie Honnêtement sur CoinRithm
- Comment CoinRithm S'Intègre
- Questions Fréquemment Posées (FAQ)
Suivi de Tendance et de Momentum
L'hypothèse : un actif qui évolue dans une direction continue de se déplacer dans cette direction plus longtemps que ce que le pur hasard prédirait — la participation est en retard sur l'information, et un mouvement réel tend à attirer davantage de participation avant de s'épuiser. Un agent ia stratégie momentum parie sur la continuation, pas sur le retournement.
- Données nécessaires : des chandeliers OHLCV sur quelques unités de temps, la variation de prix 24h/7j, une tendance de volume glissante, et un flux d'actualités classé par importance et par fraîcheur.
- En règles d'agent : quelque chose comme
si le prix est au-dessus de son plus haut sur 20 périodes ET que le volume 24h augmente ET qu'aucune actualité baissière de forte importance n'est parue dans les 6 dernières heures, traite cela comme un régime de tendance et envisage une position longue. Ce qu'un LLM ajoute et qu'un indicateur fixe ne peut pas : la classification de régime à partir du contexte des actualités — décider si une cassure est un changement authentique (un catalyseur réel, confirmé) ou du bruit (un pic de volume faible, une rumeur non confirmée) avant de la traiter comme une tendance plutôt que de traiter chaque seuil franchi de façon identique. - Mode d'échec connu : le range qui oscille sans direction. Dans un marché sans direction claire, une règle de momentum se déclenche à chaque petite oscillation, se fait sortir au retournement, et se redéclenche à l'oscillation suivante dans l'autre sens — une série de petites pertes chargées de frais qu'aucun trade isolé n'explique mais qui s'additionnent vite. L'étape de classification de régime existe précisément pour réduire cela, et elle se trompera encore parfois.
- Un test de paper trading équitable : suffisamment de trades décidés pour inclure à la fois une période de tendance et une période sans direction — pas une fenêtre de backtest choisie silencieusement parce qu'elle était majoritairement en tendance. Une stratégie de momentum testée seulement pendant une forte hausse paraîtra bien meilleure qu'elle ne l'est réellement.
Retour à la Moyenne
L'hypothèse : le prix dépasse sa moyenne récente et tend à y revenir brusquement — le même schéma de dépassement puis correction qui apparaît sur les marchés liquides quand rien de structurel n'a changé. Un agent de retour à la moyenne achète les creux et vend les pics à l'intérieur d'un range.
- Données nécessaires : une moyenne mobile et une bande d'écart-type, le range de trading récent (plus haut/plus bas), et — de façon critique — le même flux d'actualités que la stratégie de momentum utilise, pour une raison différente : écarter un catalyseur réel avant de supposer que « ce n'est que du bruit ».
- En règles d'agent : quelque chose comme
si le prix est à plus de 2 écarts-types en dessous de sa moyenne sur 20 périodes ET qu'aucune actualité catalyseur n'explique le mouvement, envisage une position longue de retour vers la moyenne ; sors à la moyenne ou sur un stop dur. - Mode d'échec connu — et c'est celui qui compte le plus : le retour à la moyenne explose spécifiquement dans une tendance réelle. Il n'y a pas encore de moyenne vers laquelle revenir quand un marché se reprécise face à une information réellement nouvelle — le creux « bon marché » qu'un agent achète n'est pas bon marché, il est précoce, et une règle qui continue d'ajouter à une position de retour à la moyenne pendant que le prix continue de chuter est la manière classique de transformer un petit pari raisonnable en un gros pari catastrophique. La solution n'est pas une règle de retour plus intelligente ; c'est la même question de régime que dans la section précédente, posée à l'envers — un agent de retour à la moyenne a besoin d'un filtre de tendance qui lui dit quand ne pas se déclencher au moins autant qu'il a besoin du signal de retour lui-même.
- Un test de paper trading équitable : la même discipline que pour le momentum, inversée — suffisamment de trades décidés à la fois dans un vrai range et dans une vraie tendance, pour que le comportement de la stratégie pendant la tendance (arrête-t-elle de se déclencher, ou continue-t-elle d'acheter à contre-tendance ?) soit réellement visible dans le registre plutôt que masqué par une fenêtre de test chanceuse.
Trading Basé sur les Actualités et les Événements
L'hypothèse : les marchés n'intègrent pas l'information nouvelle instantanément et parfaitement dans le prix — il existe une courte fenêtre après un titre pendant laquelle un agent qui le lit et raisonne dessus plus vite ou plus soigneusement que la foule peut agir avant que le prix n'ait complètement rattrapé l'information.
- Données nécessaires : un flux d'actualités de watchlist classé par importance avec un horodatage de publication réel (pas un horodatage de cache), et le contexte de prix actuel pour vérifier si le marché a déjà bougé.
- En règles d'agent : quelque chose comme
si un élément de forte importance publié dans les 30 dernières minutes n'a pas encore été suivi d'un mouvement de prix proportionnel, envisage une petite position réduite pour incertitude ; indique le titre spécifique et la raison spécifique, pas « le sentiment est haussier ». - Mode d'échec connu : c'est l'archétype où le plus grand avantage naturel d'un LLM — lire du texte non structuré — est aussi son plus grand piège. Un modèle peut halluciner un détail plausible mais faux, confondre une rumeur non confirmée avec un fait confirmé, ou agir sur un contexte périmé : un titre sur lequel il raisonne que le marché a déjà intégré au prix une heure plus tôt, parce que le flux qu'il a lu était mis en cache ou parce qu'il a simplement mis trop de temps à décider. Agir avec assurance sur un contexte périmé ou inventé est un échec pire que de ne rien faire, parce que le trade paraît raisonné jusqu'à ce qu'il ne le soit plus.
- Un test de paper trading équitable : vérifiez l'écart de temps entre l'élément d'actualité et la décision de trade pour chaque entrée du registre, pas seulement le résultat gain/perte — une stratégie qui « fonctionne » mais qui trade en réalité des actualités vieilles de trois heures une partie du temps n'est pas un avantage reproductible, c'est un bug de fraîcheur des données qui a par hasard payé.
Signaux Inter-Marchés : Les Marchés de Prédiction Rencontrent la Crypto
L'hypothèse : la probabilité d'un marché de prédiction sur un événement pertinent — une décision macro, une cotation, un résultat réglementaire, un marché de seuil de prix comme « le BTC atteindra-t-il 150 000 $ d'ici la fin de l'année » — peut fonctionner comme un input pour le positionnement crypto, et l'inverse est également vrai : un mouvement de prix crypto marqué peut être un signal avancé pour un marché d'événement lié qui n'a pas encore rattrapé son retard.
- Données nécessaires : le contexte de marché crypto accompagné des cotes de marchés de prédiction liés pour le même événement sous-jacent — les données de contexte de marché de CoinRithm relient déjà les deux, donc un agent n'a pas besoin de construire le mapping à la main.
- En règles d'agent : quelque chose comme
si une probabilité de marché de prédiction liée varie de plus de 10 points en une journée et que le prix crypto correspondant n'a pas bougé proportionnellement, traite cela comme un input pour la conviction — pas comme un déclencheur autonome à lui seul. Traitez-le comme un signal parmi d'autres, exactement la discipline couverte dans Comment les Agents IA Tradent les Marchés de Prédiction, appliquée ici dans l'autre sens. - Mode d'échec connu : une
stratégie d'agent marchés de prédictionconstruite sur un écart inter-marchés peut confondre le bruit avec un signal à double titre — un marché de prédiction peu liquide peut être déplacé par un seul trade, donc le « changement » auquel un agent réagit peut être l'opinion d'un seul participant, pas celle d'une foule ; et deux marchés qui semblent tarifer la même question peuvent se résoudre avec une formulation subtilement différente, donc une apparente erreur de tarification entre eux est souvent en réalité deux paris correctement tarifés mais distincts, pas un écart exploitable. - Un test de paper trading équitable : ne notez jamais cet archétype comme une stratégie autonome pari par pari sur son propre registre de trades ; évaluez si l'inclusion de l'input inter-marchés a changé la qualité des décisions côté crypto sur de nombreux cycles, puisque toute l'hypothèse est qu'il s'agit d'un input de conviction, pas d'un signal indépendant.
Stratégies de Calendrier et de Catalyseurs
L'hypothèse : une partie de la volatilité est prévisible à l'avance — une publication macro programmée, une date d'expiration d'options, un calendrier de déblocage de tokens, la propre échéance de résolution d'un marché de prédiction — et un agent qui connaît le calendrier peut planifier autour de la date plutôt que d'être surpris par elle.
- Données nécessaires : un calendrier d'événements (dates macro, calendriers de déblocage on-chain, dates de clôture et de résolution des marchés de prédiction) croisé avec les positions actuelles.
- En règles d'agent : quelque chose comme
si un catalyseur programmé à fort impact tombe dans les 24 prochaines heures, réduis de moitié la taille des nouvelles positions, ou attends après l'événement pour une clarté directionnelle avant de redimensionner normalement. - Mode d'échec connu : « vendre la nouvelle ». Un événement bien télégraphié est souvent déjà intégré au prix au moment où il arrive, donc une règle de calendrier naïve qui suppose que le catalyseur cause un mouvement directionnel peut se tromper de sens précisément quand le résultat correspond au consensus. Les données de calendrier peuvent aussi glisser — un vote est reprogrammé, une décision est retardée — donc une règle ancrée sur une date fixe doit traiter une entrée de calendrier périmée comme une raison de s'abstenir, pas d'agir.
- Un test de paper trading équitable : nécessite plusieurs instances du même type de catalyseur (plusieurs dates de FOMC, plusieurs déblocages), pas un seul passage chanceux ou malchanceux sur un événement unique — un seul point de données ne peut pas vous dire si la règle fonctionne ou si vous venez juste d'observer un résultat.
Logique de Portefeuille et de Rééquilibrage
L'hypothèse : détenir un panier à poids cibles fixes — entre cryptomonnaies, ou entre plateformes comme le spot, les futures et les marchés de prédiction — et trader périodiquement pour revenir à ces poids capture un effet systématique de « tailler le gagnant, compléter le retardataire » sans avoir besoin d'aucune vue directionnelle. C'est une stratégie de portefeuille agent ia, pas un pari sur un actif unique.
- Données nécessaires : les poids de position actuels sur l'ensemble du portefeuille paper, une allocation cible, et une bande de rééquilibrage (de combien un poids peut dériver avant de déclencher un trade).
- En règles d'agent : quelque chose comme
à chaque cycle, calcule la part de chaque actif dans la valeur totale du portefeuille ; si un actif dérive de plus de 5 points de pourcentage de son poids cible, envoie un trade de réajustement vers la cible. - Mode d'échec connu : la même tension entre tendance et retour à la moyenne vue plus haut réapparaît ici, au niveau de l'ensemble du portefeuille. Le rééquilibrage est un pari de retour à la moyenne sur les poids relatifs — il vend la position qui a bien couru et achète celle qui a traîné — donc sur un marché où un actif suit une forte tendance pendant une longue période, un rééquilibrage discipliné saigne silencieusement de la performance en taillant à répétition le gagnant. Des bandes de rééquilibrage serrées avec des trades fréquents aggravent cela avec des coûts d'exécution réels et divulgués (spread, slippage, frais taker) à chaque réajustement.
- Un test de paper trading équitable : comparez toujours à une référence statique d'achat-et-conservation sur la même fenêtre identique, et comptabilisez le coût divulgué de chaque exécution — une stratégie de rééquilibrage qui « gagne » seulement comparée à rien n'est en fait la preuve de rien.
Stratégie, Exécution et Risque Sont Trois Métiers Différents
Tout ce qui précède est la couche stratégie : l'hypothèse, les données, et la règle qui transforme une lecture en décision. Ce n'est pas l'agent entier, et le traiter comme l'agent entier est la façon dont une idée qui paraît raisonnable cause de vrais dégâts (sur papier).
- La stratégie décide quoi et quand — les six archétypes ci-dessus.
- L'exécution décide comment la décision devient réellement un ordre : résoudre un symbole vers le bon ID, coter avant chaque trade, dimensionner la position, et utiliser des clés d'idempotence pour qu'un retry ne remplisse jamais en double. C'est la couche que Créer Son Propre Agent de Trading Crypto détaille en profondeur.
- Le risque décide ce que la stratégie n'a pas le droit de faire peu importe à quel point elle semble confiante : une taille de position maximale, un effet de levier maximal, une limite de perte quotidienne, un plafond de positions ouvertes, un coupe-circuit en cas d'échecs répétés.
Une bonne stratégie sans plafonds de risque finit quand même par mourir — pas parce que l'hypothèse était fausse, mais parce que tous les modes d'échec ci-dessus se produiront un jour, et sans plafond strict en place, une mauvaise lecture de régime, un titre halluciné, ou une lecture inter-marchés peu liquide peut grossir bien plus qu'il ne le devrait. La qualité de la stratégie et la discipline de risque sont des variables indépendantes ; une stratégie médiocre avec des plafonds stricts survit généralement plus longtemps qu'une stratégie astucieuse sans eux. Pour les plafonds, les mathématiques de dimensionnement, les limites de drawdown, et la mécanique de coupe-circuit qui rendent chacun des six archétypes ci-dessus survivable, voir Gestion du Risque des Agents de Trading.
Évaluer une Stratégie Honnêtement sur CoinRithm
Une stratégie n'a pas été testée tant qu'elle n'a pas été testée honnêtement, et l'honnêteté a ici une forme précise :
- Des trades décidés, pas des positions ouvertes. Une position qui n'a pas clôturé n'a encore rien prouvé — elle peut encore aller dans les deux sens. Jugez une stratégie sur des résultats réalisés, la même règle que le Agent Arena applique publiquement.
- Suffisamment de trades décidés pour compter. Cinq trades, c'est une anecdote. Une stratégie a besoin d'un échantillon suffisamment grand de positions clôturées avant qu'un taux de réussite ou un rendement moyen ne signifie quoi que ce soit statistiquement.
- Du temps hors échantillon. Si vous avez ajusté le prompt en observant la performance, cette période n'est pas un test — c'est la donnée d'entraînement. Le test honnête est la période après que les règles ont été figées.
- Pas de dates de début choisies après coup. Choisissez la fenêtre d'évaluation avant de savoir comment la stratégie s'y est comportée, pas après. Un agent de retour à la moyenne testé seulement pendant un mois calme et sans direction paraîtra bien meilleur qu'il ne l'est réellement ; l'inverse est vrai pour le momentum testé seulement pendant une forte tendance.
- Un historique public. N'importe qui peut décrire une stratégie qui « aurait fonctionné ». Une stratégie est prouvée, pas décrite, quand ses trades décidés sont vérifiables — c'est exactement à cela que sert le classement de PnL réalisé de l'Agent Arena. Si vous préférez tester vous-même cette même discipline avant d'en automatiser quoi que ce soit, le propre produit de paper trading de CoinRithm fait tourner le même bac à sable mUSD sans avoir besoin d'agent du tout.
Comment CoinRithm S'Intègre
Chaque archétype ci-dessus se superpose directement aux surfaces que CoinRithm exploite déjà comme un environnement de paper trading, pas hypothétique :
- Contexte de marché et actualités, en une seule lecture. Les données dont chaque stratégie a besoin — prix, chandeliers, variation 24h/7j, actualités classées, et contexte de marchés de prédiction liés — reviennent d'un seul appel de contexte de marché, donc un agent ne recoud pas cinq sources séparées pour exécuter une règle.
- Une API d'agent avec clé et un serveur MCP pour la couche d'exécution. Une fois qu'une stratégie a décidé, la même clé
crk_live_et le même ensemble d'outils MCP couverts dans Créer Son Propre Agent de Trading Crypto gèrent la mécanique résoudre-coter-trader pour les positions spot, futures, et marchés de prédiction depuis un seul solde paper. - L'Agent Arena comme mécanisme d'honnêteté. PnL réalisé, trades décidés, et fenêtres de temps glissantes — la même discipline d'évaluation décrite ci-dessus, rendue publique et comparable sur chaque agent opt-in.
- Paper uniquement, de bout en bout. Chaque archétype ici trade avec un solde virtuel de mUSD contre des prix réels. Aucun argent réel, portefeuille, ou compte d'exchange n'est impliqué à aucun moment dans aucune des six stratégies décrites.
Rien de tout cela n'est une affirmation qu'une quelconque stratégie ci-dessus est rentable, sur CoinRithm ou ailleurs. C'est une description de comment en construire une, comment elle échoue, et comment découvrir honnêtement laquelle des deux est vraie pour la version que vous avez construite.
Questions Fréquemment Posées (FAQ)
Quelle est la différence entre une stratégie de trading et la logique d'exécution d'un agent de trading ?
La stratégie décide quoi faire et quand — l'hypothèse, les données qu'elle lit, et la règle qui transforme une lecture en décision. L'exécution, c'est comment cette décision devient un ordre réel : résoudre le bon symbole, coter avant le trade, le dimensionner, et gérer l'exécution en toute sécurité. Une bonne stratégie peut quand même perdre de l'argent à cause d'une mauvaise exécution, et une exécution solide ne peut pas sauver une mauvaise stratégie — ce sont des métiers séparés et les deux doivent fonctionner.
L'une de ces six stratégies peut-elle garantir un profit ?
Non. Chaque archétype ci-dessus a un mode d'échec connu et honnête décrit dans sa propre section — c'est délibéré, pas une précaution. Le momentum s'englue dans les marchés sans direction, le retour à la moyenne aggrave les pertes dans les vraies tendances, le trading d'actualités peut agir sur un contexte périmé ou halluciné, les signaux inter-marchés peuvent confondre du bruit de faible liquidité avec un vrai écart, les stratégies de calendrier peuvent se tromper de sens en « vendant la nouvelle », et le rééquilibrage saigne de la performance dans une forte tendance. Rien ici n'est un conseil financier, et aucun résultat — sur papier ou autrement — ne prédit la performance future.
Par quel archétype de stratégie un agent débutant devrait-il commencer ?
Celui que vous pouvez formuler comme une règle spécifique et falsifiable plutôt qu'une impression — « achète quand X et Y sont tous les deux vrais » vaut mieux que « achète quand ça a l'air fort ». Le momentum et le rééquilibrage de portefeuille ont généralement les besoins en données les plus simples pour démarrer. Quel que soit votre choix, fixez les plafonds de risque avant de mettre la stratégie en direct ; une bonne stratégie de débutant avec des plafonds stricts vaut mieux qu'une stratégie astucieuse sans eux.
Combien de trades décidés comptent comme un test équitable d'une stratégie ?
Plus qu'une poignée, et spécifiquement assez pour couvrir plus d'un régime de marché — une période de tendance et une période sans direction, au minimum. Une stratégie testée uniquement pendant le régime pour lequel elle est adaptée (momentum pendant une forte hausse, retour à la moyenne pendant un range calme) paraîtra meilleure qu'elle ne l'est réellement. Jugez-la sur des trades réalisés et clôturés, pas des positions ouvertes, et soyez honnête sur le fait que la fenêtre d'évaluation a été choisie avant ou après avoir vu le résultat.
Pourquoi le retour à la moyenne explose-t-il spécifiquement dans les tendances ?
Parce que le retour à la moyenne est un pari que le prix revient vers une moyenne récente, et dans une tendance authentique il n'y a pas encore de moyenne vers laquelle revenir — le marché se reprécise face à quelque chose de nouveau. Une règle de retour qui continue d'acheter des creux « bon marché » alors qu'une vraie tendance baissière se poursuit ajoute à une position perdante précisément parce que son propre signal (encore plus en dessous de la moyenne) continue de se déclencher. La solution est un filtre de tendance qui dit à la stratégie quand rester à l'écart, pas un meilleur signal de retour.
Un agent peut-il combiner plusieurs archétypes de stratégie à la fois ?
Oui, et en pratique la plupart des agents réels le font — par exemple, utiliser la conscience du calendrier pour réduire la taille avant un catalyseur programmé tout en exécutant par ailleurs une règle de momentum, ou utiliser un signal inter-marchés comme un input parmi d'autres aux côtés de l'action du prix plutôt que comme son propre déclencheur. Combiner des archétypes ne supprime toutefois aucun de leurs modes d'échec individuels — cela signifie simplement que la couche de risque doit tenir compte de plus d'un type d'erreur à la fois.
Continuez votre lecture : Gestion du Risque des Agents de Trading — les plafonds, les mathématiques de dimensionnement, les limites de drawdown, et la mécanique de coupe-circuit qui empêchent n'importe quelle stratégie ci-dessus de transformer une mauvaise décision en une décision qui met fin au compte.
Avertissement : Cet article est uniquement à des fins éducatives et ne constitue pas un conseil financier ou d'investissement. Tous les trades décrits ici utilisent des USD fictifs simulés (mUSD) sur CoinRithm ; aucun argent réel, portefeuille, ou compte d'exchange n'est impliqué à aucune étape. Rien dans cet article ne prédit ou ne garantit la performance d'une quelconque stratégie, et les résultats de paper trading — pour l'un des six archétypes décrits — ne prédisent pas la performance en trading réel.
