Cliquez ici pour accéder à la page du produit
Explications techniques
Fondements mathématiques de la stratégie de scalping et de la gestion des risques
L’Exo Scalp EA est basé sur une stratégie de scalping qui saisit de faibles mouvements de prix à haute fréquence.
D’un point de vue mathématique, il est important de modéliser les fluctuations de prix de manière probabiliste. On dit parfois que les mouvements de prix à court terme se comportent comme une marche aléatoire, mais il est possible de trouver des avantages en tenant compte des caractéristiques statistiques telles que la volatilité et les tendances.
Par exemple, en analysant la distribution des mouvements de prix et en estimant la moyenne et la variance (écart-type), on peut calculer la probabilité que le prix reste dans une certaine plage et déterminer la plage de négociation attendue.
Même si chaque opération de scalping implique un petit risque, le nombre de transactions augmente ; par conséquent, une gestion globale du risque est indispensable.
Pour maintenir une espérance positive, il est nécessaire de gérer statistiquement l’équilibre entre le taux de gain et le ratio profit/perte (ratio risque-rendement).
En général, si le ratio profit/perte (profit moyen ÷ perte moyenne) dépasse 1, les bénéfices ont plus de chances de s’accumuler, tandis que s’il est inférieur à 1, les pertes peuvent dépasser les gains.
Dans cet EA, des réglages de stop loss/take profit basés sur l’ATR permettent de maintenir un risque constant par transaction tout en ajustant dynamiquement les objectifs de profit et les stop-loss en fonction de la volatilité.
De plus, des méthodes telles que la limitation du risque par transaction à 1–2 % du capital total sont utilisées pour le dimensionnement des positions, intégrant ainsi des mesures de gestion du risque.
Le processus par lequel ChatGPT analyse les données Forex et génère des signaux
Les grands modèles de langage (GPT) comme ChatGPT ont été initialement entraînés pour prédire le mot suivant dans un texte.
Cependant, cette « capacité de prédiction séquentielle » peut également s’appliquer aux séries temporelles en général, et certaines tentatives consistent à alimenter la série temporelle des prix sous forme de texte afin que le modèle suggère la « direction future » en format texte.
Néanmoins, le texte généré ne garantit pas nécessairement des prévisions numériques très précises.
En pratique, on considère qu’il est souhaitable d’adopter une approche « IA + méthodes classiques sous forme hybride », par exemple en ajoutant les analyses de ChatGPT aux règles d’un EA, ou en n’autorisant les entrées que dans les situations où le modèle affiche une forte probabilité de prévision.
On peut notamment citer l’utilisation de Transformers de séries temporelles spécialisés dans la prévision numérique, mais des problèmes comme le surapprentissage (overfitting) et la non-stationnarité du marché persistent.
Détails de la logique d’entrée et de sortie
(Paramètres SL/TP basés sur l’ATR, filtres RSI et gestion du spread)
Les conditions d’entrée de l’Exo Scalp EA sont définies de manière stricte sur la base d’indicateurs techniques et de conditions de marché. Tout d’abord, comme indicateur de momentum, le RSI (Relative Strength Index) est utilisé pour le filtrage.
Le RSI calcule une valeur de 0 à 100 en fonction de l’équilibre entre les mouvements de prix à la hausse et à la baisse sur une certaine période, avec des lectures supérieures à 70 indiquant une situation de surachat et inférieures à 30 indiquant une situation de survente. Il est calculé par la formule suivante :
RSI = 100 – 100 / (1 + RS) (RS = moyenne des hausses / moyenne des baisses)
Dans l’EA, par exemple, lorsque le RSI est à 30 ou moins, on considère qu’il y a « survente » et on envisage une entrée en achat visant un rebond. À l’inverse, une entrée en achat peut être autorisée uniquement lorsque le RSI dépasse 50 pour une logique de suivi de tendance, etc. Il est possible de combiner plusieurs critères de jugement.
Ensuite, l’ATR (Average True Range), un indicateur de volatilité, est utilisé pour définir de manière dynamique les objectifs de profit (TP) et les stop-loss (SL).
L’ATR indique l’étendue moyenne des mouvements de prix sur le marché en lissant le « true range » (l’amplitude maximale en tenant compte de la comparaison avec le cours de clôture du jour précédent) sur une certaine période. Dans l’EA, des réglages comme 1× l’ATR pour le take profit et 1,5× l’ATR pour le stop loss ajustent SL/TP en fonction des fluctuations. Lorsque la volatilité est élevée, les plages de SL/TP s’élargissent ; lorsqu’elle est faible, elles se resserrent—permettant des opérations cohérentes adaptées aux conditions de marché.
De plus, avant d’exécuter une entrée, l’EA vérifie le spread afin de gérer l’impact des coûts de transaction sur la stratégie. Comme le scalping implique des opérations fréquentes, il cherche à éviter un coût cumulé élevé dû à un spread important. Si le spread actuel dépasse la valeur autorisée, l’EA ignore de nouvelles entrées—par exemple, ne pas trader lorsque le spread dépasse 2,0 pips pour les paires majeures constitue une fonctionnalité clé de contrôle des coûts.
//+------------------------------------------------------------------+ //| **Exo Scalp EA** Exemple de pseudocode pour la logique d'entrée/sortie | //+------------------------------------------------------------------+ void OnTick() { // Récupérer le prix actuel et le spread double ask = SymbolInfoDouble(_Symbol, SYMBOL_ASK); double bid = SymbolInfoDouble(_Symbol, SYMBOL_BID); double point = _Point; double spread = (ask - bid) / point; // Si le spread dépasse la limite autorisée, ne pas entrer if(spread > MaxAllowableSpread) return; // Calculer les indicateurs techniques int atrPeriod = 14; double atr = iATR(_Symbol, PERIOD_CURRENT, atrPeriod, 1); // ATR (barre la plus récente clôturée) int rsiPeriod = 14; double rsi = iRSI(_Symbol, PERIOD_CURRENT, rsiPeriod, PRICE_CLOSE, 0); // RSI (valeur la plus récente) //======================================== // Vérifier les conditions d'entrée (Exemple : RSI <= 30 => "Achat") //======================================== if(rsi <= 30.0 /* Ajouter d'autres conditions si nécessaire */) { double atrMultiplierSL = 1.5; double atrMultiplierTP = 1.0; // ATR × multiplicateur => conversion en points double slPoints = (atr * atrMultiplierSL) / point; double tpPoints = (atr * atrMultiplierTP) / point; // Taille de lot (calculée en fonction de la gestion du risque) double volume = /* Calculer la taille de lot en fonction du risque */ 0.01; // Exemple // Pour un achat, SL en dessous du prix actuel (BID) et TP au-dessus double slPrice = bid - slPoints * point; double tpPrice = bid + tpPoints * point; // Ordre trade.Buy(volume, _Symbol, ask, slPrice, tpPrice); } //======================================== // Exemple : Si RSI >= 70 => "Vente" //======================================== if(rsi >= 70.0 /* Autres conditions */) { double atrMultiplierSL = 1.5; double atrMultiplierTP = 1.0; // ATR × multiplicateur => conversion en points double slPoints = (atr * atrMultiplierSL) / point; double tpPoints = (atr * atrMultiplierTP) / point; // Taille de lot (calculée en fonction de la gestion du risque) double volume = /* Calcul de la taille de lot */ 0.01; // Exemple // Pour une vente, SL au-dessus du prix actuel (ASK) et TP en dessous double slPrice = ask + slPoints * point; double tpPrice = ask - tpPoints * point; // Ordre trade.Sell(volume, _Symbol, bid, slPrice, tpPrice); } //======================================== // Autre logique (ex. stop suiveur, etc.) //======================================== }
Ci-dessus un exemple simplifié de pseudocode de la logique de cet EA. Il prend ses décisions de trading selon une séquence de 1) Vérification du spread, 2) Obtention de l’ATR, 3) Vérification de la valeur du RSI, et 4) Calcul dynamique du SL/TP.
Intégration d’une perspective académique
Méthodes de calcul des moyennes mobiles et du RSI, et modélisation probabiliste
Les indicateurs techniques utilisés dans l’analyse ont chacun une définition mathématique claire.
Par exemple, la moyenne mobile (MA) est une méthode simple qui calcule la moyenne des prix sur les N dernières périodes. Elle est largement utilisée, par exemple, pour déterminer des signaux d’achat et de vente à partir du croisement de lignes court terme et long terme.
La moyenne mobile exponentielle (EMA) attribue plus de poids aux prix les plus récents, afin de saisir plus rapidement les fluctuations de prix.
Comme expliqué précédemment, le RSI (Relative Strength Index) est un indicateur qui quantifie « la force relative de la hausse » sur une certaine période, à partir de la moyenne des gains et de la moyenne des pertes.
En utilisant la moyenne des gains A et la moyenne des pertes B sur une période n, on peut également exprimer RSI = A / (A + B) × 100 %. Des hausses continues poussent souvent le RSI au-dessus de 70–80, tandis que des baisses continues l’abaissent sous 30.
On considère que de telles valeurs extrêmes indiquent un « excès », fournissant ainsi la base de stratégies de retour à la moyenne (contrarienne).
Tous ces indicateurs techniques se calculent de manière déterministe à partir des données historiques, mais derrière eux se trouve une vision probabiliste des mouvements de prix.
Par exemple, si le RSI est élevé, on peut l’interpréter comme « la probabilité de poursuite de la hausse est élevée » ou comme « la probabilité d’une correction est élevée ». L’approche de modélisation ou le contexte de marché font la différence.
Classiquement, l’analyse de séries temporelles a utilisé des modèles ARIMA et GARCH, mais ces dernières années, les approches qui recourent à l’apprentissage automatique et au deep learning pour prévoir les prix et la volatilité se sont popularisées.
Application des méthodes statistiques et de l’apprentissage automatique aux données financières
Tant les modèles statistiques que les modèles d’apprentissage automatique sont utilisés pour la prévision des données financières. Pour la prévision de séries temporelles, on emploie des méthodes telles qu’ARIMA/SARIMA, le modèle Prophet ou des RNN et LSTM. Grâce aux avancées en deep learning, des modèles très performants ont également été proposés.
Cet EA utilise principalement des méthodes basées sur les indicateurs classiques, mais l’intérêt pour l’intégration de la technologie IA est en hausse. Par exemple, on peut utiliser ChatGPT comme analyste auxiliaire, en lui faisant générer des interprétations textuelles des prix et des actualités, intégrées ensuite aux règles de l’EA. Cela permettrait une analyse plus flexible, proche d’un trading discrétionnaire effectué par un humain. Cependant, se pose aussi la question de savoir dans quelle mesure on peut se fier aux « déclarations » du modèle.
Comment les réseaux neuronaux sont appliqués au scalping
Un exemple d’utilisation du deep learning pour le trading haute fréquence et à court terme consiste à recourir à l’apprentissage par renforcement pour entraîner un agent de trading.
En particulier, le scalping, avec de nombreuses transactions répétitives, peut constituer un environnement d’apprentissage favorable pour qu’un agent accumule des récompenses.
En revanche, de nombreux facteurs que le prix seul ne saurait expliquer pleinement—tels que les changements structurels du marché, les indicateurs économiques, les risques géopolitiques—restent en permanence à l’œuvre, et il est difficile pour un modèle d’apprentissage automatique de tout prévoir avec précision.
Combiner des méthodes d’indicateurs techniques classiques et de gestion des risques avec l’IA est une approche pratique qui met à profit les forces de chaque aspect, dans le but d’obtenir des performances stables.
Informations supplémentaires
Enfin, voici un tableau simple résumant les principaux calculs et indicateurs utilisés par l’Exo Scalp EA.
En présentant comment l’ATR, le RSI, le spread, etc. sont intégrés dans la logique de l’EA sous forme de liste, on peut mieux saisir le concept.
| Élément | Méthode de calcul / Signification | Rôle dans l’EA |
|---|---|---|
| RSI (Relative Strength Index) | Le pourcentage de mouvements à la hausse est calculé à partir de la moyenne des hausses et baisses sur une certaine période. Une valeur élevée indique une pression haussière plus forte. | Utilisé comme filtre pour les entrées. Les valeurs extrêmes (<30 ou >70) servent de signaux contrariants, etc. |
| ATR (Average True Range) | Une moyenne exponentielle du true range (high-low, etc.) pour chaque jour sur une certaine période. Une valeur plus élevée indique plus de volatilité. | Utilisé pour ajuster dynamiquement le take-profit et le stop-loss. Multiplie l’ATR par un facteur pour fixer le SL/TP en fonction de la volatilité. |
| Spread | La différence entre les prix Bid et Ask. Correspond essentiellement au coût de transaction. | Base pour déterminer l’opportunité d’entrer. Si le spread dépasse le seuil, aucune position n’est prise afin de réduire l’impact des coûts. |
| Moyenne mobile (MA) | La moyenne des prix sur les N dernières périodes (SMA est une moyenne simple, EMA donne plus de poids aux données récentes). | Importante dans les stratégies de suivi de tendance. Non utilisée directement dans Exo Scalp EA, mais largement employée dans de nombreux EA pour vérifier l’orientation. |
| Analyse ChatGPT | Analyse et synthèse des actualités ou des schémas par un modèle IA. Produit un contenu textuel pour compléter le trading discrétionnaire humain. | Utilisée pour assister le trading discrétionnaire ou intégrée à la logique basée sur des règles de l’EA afin de construire un « hybride IA + méthodes classiques ». |
Ainsi, le RSI et l’ATR sont des indicateurs quantitatifs dont les processus de calcul sont clairement définis, ce qui facilite leur incorporation directe dans le trading et la gestion des risques.
L’analyse par IA telle que ChatGPT offre la possibilité d’unifier des données textuelles plus complexes et des facteurs d’actualité, en systématisant ce qui relevait traditionnellement d’un jugement discrétionnaire humain.
Conclusion
Dans cette explication technique approfondie de « OpenAI Japan Exo Scalp EA », nous avons abordé aussi bien les bases de la logique d’une stratégie de scalping que les fondements mathématiques des indicateurs techniques, tout en évoquant les possibilités d’intégrer l’IA et le machine learning.
Cet EA adopte une approche classique mais solide utilisant l’ATR et le RSI, tout en laissant la porte ouverte à l’intégration des dernières technologies IA.
Aucun algorithme, même sophistiqué, ne peut éliminer totalement l’incertitude du marché.
Il est essentiel de maintenir une gestion des risques et de combiner de manière équilibrée les avantages des méthodes statistiques et des modèles d’apprentissage.
À l’avenir, on pourrait étendre cet EA en y ajoutant un sous-système dédié à la prévision des prix ou un module d’analyse des actualités, parmi d’autres initiatives plus avancées.
Nous espérons que cela aidera ceux qui l’ont acquis à améliorer leurs prévisions Forex.
© 2025 AI Trader KYO(京)
