Une histoire pratique, ce qu'elle fait et où elle pourrait aller
Ce bot de trading n'a pas commencé comme un produit, un service de signaux ou une tentative de « battre le marché ».
Cela a commencé comme une question :
Un petit système basé sur des règles peut-il survivre aux conditions réelles du marché suffisamment longtemps pour nous apprendre quelque chose de vrai ?
Ne pas surperformer. Ne pas prédire. Survivre, s'adapter et rester observable.
La phase précoce : les hypothèses rencontrent la réalité
Les premières itérations étaient simples par conception.
Un univers contraint de paires USDC liquides, des filtres de momentum et de structure basiques, une taille de position conservatrice et des limites notionnelles strictes. L'objectif n'était pas l'ingéniosité - c'était la contrôlabilité.
Presque immédiatement, la réalité est intervenue.
La friction d'exécution comptait plus que prévu.
La poussière s'est accumulée dans des endroits que les tests de robustesse n'avaient jamais avertis.
De petites frais et des erreurs d'arrondi ont discrètement érodé les résultats.
Certains trades ont « fonctionné » directionnellement mais ont quand même perdu de l'argent.
Ce n'étaient pas #bugs . Ils étaient #Lessons .
Le PnL précoce oscillait autour de la ligne plate, avec de petites drawdowns mesurées en pourcentages à un chiffre bas. Rien de dramatique — et pourtant émotionnellement instructif. Un jour à -0,6 % peut sembler plus fort qu'un jour à +1,2 % quand c'est votre système et vos hypothèses en procès.
Ce que le Bot fait réellement (aujourd'hui)
Au fond, le bot est un système d'exécution basé sur des règles, pas un moteur prédictif.
Il fonctionne par :
sélectionner un univers de trading contraint
évaluer les candidats en fonction de la structure du marché observable
entrer en positions avec des limites de risque prédéfinies
gérer les sorties par une logique déterministe plutôt que par la discrétion
Aucun trade n'est effectué parce que le système « croit » que quelque chose est vrai.
Les trades sont effectués parce que les conditions correspondent à des critères prédéfinis.
Le risque est dimensionné avant l'entrée.
Les pertes sont acceptées comme partie de l'opération, pas comme des échecs à éviter à tout prix.
Il est important de noter que le bot trade en direct, dans de vraies conditions d'échange :
écarts réels
latence réelle
frais réels
notionnels minimums réels
Chaque résultat est donc un enregistrement de comportement, pas une théorie.
Revers qui ont façonné le système
Plusieurs itérations ont produit des résultats pires que leurs prédécesseurs.
Certaines modifications ont amélioré le taux de réussite mais augmenté les drawdowns.
D'autres ont réduit la volatilité mais ont aussi réduit l'opportunité.
Quelques idées « astucieuses » se sont révélées être de la pure surajustement une fois exposées à des données en direct.
Une leçon récurrente :
la complexité est facile à ajouter et difficile à justifier.
Chaque revers a contraint la même discipline :
isoler ce qui a changé
observer le résultat
décider si le compromis en valait la peine
Dans de nombreux cas, la meilleure décision était de revenir en arrière.
Pourquoi le PnL est partagé publiquement
Le PnL n'est pas partagé comme preuve de compétence.
Il est partagé comme une piste de vérification.
Sans PnL, le développement du système dérive vers la narration.
Avec le PnL, chaque revendication est ancrée aux conséquences.
Les périodes de stagnation, les petites pertes et les améliorations décevantes font partie des résultats car elles reflètent la réalité plus précisément que le succès sélectif.
Il n'y a pas d'expériences « hors livre » cachées et pas de réinitialisation de l'histoire.
Ce que ce bot n'est pas
Ce n'est pas un fournisseur de signaux.
Il n'est pas optimisé pour les rendements à court terme.
Il n'est pas immunisé contre les drawdowns.
Il ne revendique pas un avantage qui ne peut pas disparaître.
Il n'est pas non plus terminé — et ne le sera peut-être jamais.
Perspectives : Évolution sans illusions
Le développement futur se concentrera probablement sur :
meilleure caractérisation des régimes de risque
réduire la fragilité sous une volatilité changeante
améliorer le comportement de sortie plutôt que l'ingéniosité d'entrée
résister à la complexité inutile
Certaines modifications aideront.
Certains échoueront discrètement.
D'autres peuvent introduire de nouveaux problèmes que nous ne comprenons pas encore.
Cette incertitude n'est pas une faiblesse — c'est l'état le plus honnête dans lequel un système peut se trouver.
Réflexions finales
Ce bot est une expérience continue de retenue.
Dans un espace encombré de certitudes, il choisit la documentation.
Dans un marché qui récompense les histoires, il enregistre le comportement.
Dans une culture de promesses, il se contente de preuves.
S'il continue à évoluer, ce sera parce que les données le lui ont permis — pas parce que nous voulions qu'il le fasse.
Et s'il cesse de fonctionner, ce résultat sera également publié.
Parce que le seul véritable avantage ici n'est pas la prédiction —
il refuse de se mentir.
Suivez-moi pour le voyage et le résultat
