Nouveau : la formation trading algorithmique MQL5, MQL4 et ProRealTimeDécouvrir →

Gestion du risque

Ratio risque/rendement : ce qu’il mesure vraiment et comment l’utiliser

Un ratio de 1:3 ne garantit rien sans le taux de réussite qui l’accompagne. Taux de réussite d’équilibre, espérance en R, effet des coûts : comment interpréter correctement le ratio risque/rendement d’un robot.

Mis à jour le 23 octobre 2026Lecture : 6 minPar Alix, OptiBot Trading

Le ratio risque/rendement compare le gain visé d’un trade à la perte acceptée : si le stop est à 20 points et l’objectif à 40 points, le ratio est de 1:2, ou R = 2. Pris isolément, ce chiffre ne dit pas si une stratégie est rentable. Il le devient seulement combiné au taux de réussite : une stratégie à R = 2 doit gagner plus d’un trade sur trois (33,3 %) pour couvrir ses pertes avant frais, et une stratégie à R = 0,5 doit en gagner plus de deux sur trois. Le bon ratio n’est donc pas le plus élevé, c’est celui qui, associé au taux de réussite réel et aux coûts, produit l’espérance la plus solide.

La page pilier Gestion du risque évoque le ratio parmi les notions de base. Cette page détaille son interprétation et ses limites pour l’évaluation d’un robot.

Deux définitions à ne pas confondre

Le ratio prévu se calcule avant l’entrée, à partir des niveaux de stop et d’objectif. Le ratio réalisé se calcule après coup, sur l’historique : gain moyen des trades gagnants divisé par perte moyenne des trades perdants. Pour un robot avec stop et objectif fixes, les deux sont proches. Pour un robot qui sort sur signal, avec un trailing stop ou à break-even, ils peuvent être très différents : un objectif à 3R qui n’est atteint que rarement, la plupart des sorties se faisant plus tôt, peut aboutir à un ratio réalisé de 1,2. C’est le ratio réalisé qui compte pour l’évaluation.

Le taux de réussite d’équilibre

Exprimons les résultats en multiples du risque initial, noté R : une perte vaut −1 R, un gain vaut +b R, où b est le ratio. Avec un taux de réussite p, l’espérance par trade vaut :

E = p × b − (1 − p)

L’espérance est nulle quand p = 1 / (1 + b). C’est le taux de réussite d’équilibre :

Ratio bTaux de réussite d’équilibreEspérance à 45 % de réussite
0,566,7 %−0,325 R
150 %−0,10 R
1,540 %+0,125 R
233,3 %+0,35 R
325 %+0,80 R

Le tableau montre que le ratio et le taux de réussite sont indissociables : à 45 % de réussite, un ratio de 1 perd, un ratio de 2 gagne nettement. Mais un taux de 45 % est rarement compatible avec un objectif de 3R : plus l’objectif est lointain, moins il est souvent atteint. Les deux paramètres ne sont pas indépendants, et c’est l’historique de la stratégie qui fixe leur combinaison. Le calcul détaillé de l’espérance figure dans la page Espérance mathématique, et le calculateur ratio risque/rendement le fait pour vous.

L’effet des coûts sur le ratio

Spread, commission et slippage réduisent le gain et augmentent la perte de chaque trade. Exprimés en fraction de R, ils pèsent d’autant plus que le stop est serré. Prenons un coût complet de 1 point par trade :

  • avec un stop de 10 points et un objectif de 20 points, le ratio brut est de 2 ; net de coûts, le gain devient 19 points et la perte 11 points : ratio net 1,73, taux d’équilibre 36,7 % au lieu de 33,3 % ;
  • avec un stop de 50 points et un objectif de 100 points, le ratio net passe de 2 à 99 / 51 = 1,94, et le taux d’équilibre à 34 %.

Les stratégies à stop court sont donc beaucoup plus sensibles aux coûts, et leur ratio affiché est souvent trompeur.

Calcul en Python

# ratio_rr.py : équilibre et espérance nette de coûts
def taux_equilibre(b):
    # taux de réussite pour lequel l'espérance est nulle
    return 1 / (1 + b)

def esperance_nette(p, stop, objectif, cout):
    # p : taux de réussite, stop/objectif/coût en points ; résultat en R
    gain = (objectif - cout) / stop
    perte = (stop + cout) / stop
    return p * gain - (1 - p) * perte

print(f"{taux_equilibre(2):.1%}")                       # 33.3%
print(f"{esperance_nette(0.40, 10, 20, 1):+.3f} R")     # +0.100 R
print(f"{esperance_nette(0.40, 50, 100, 1):+.3f} R")    # +0.180 R

Ratio élevé ou taux de réussite élevé : le compromis

Deux profils de stratégie coexistent :

  • ratio élevé, faible taux de réussite : typique du suivi de tendance. Les gains sont rares mais importants. Contrepartie : de longues séries de pertes, éprouvantes, et une forte dépendance à quelques trades exceptionnels ;
  • ratio faible, taux de réussite élevé : typique du retour à la moyenne. Les gains sont fréquents et modestes. Contrepartie : des pertes ponctuelles plus lourdes et une grande sensibilité aux coûts.

Aucun profil n’est supérieur par nature. Ce qui compte, c’est l’espérance nette, sa stabilité dans le temps et votre capacité à supporter le profil de drawdown associé. Un ratio élevé allonge les séries de pertes, ce qui doit être pris en compte dans le choix du risque par trade.

Utiliser le ratio pour évaluer un robot

Dans un rapport de backtest, le ratio réalisé se lit de deux manières : gain moyen divisé par perte moyenne, ou plus gros gain comparé à la plus grosse perte. La première mesure est la seule utile pour l’espérance. Procédez ainsi :

  1. Relevez le gain moyen, la perte moyenne et le taux de réussite sur l’ensemble des trades, puis séparément sur la période d’optimisation et sur la période hors échantillon.
  2. Calculez le taux d’équilibre à partir du ratio réalisé et comparez-le au taux de réussite observé. L’écart entre les deux est votre marge de sécurité : un taux de réussite de 42 % pour un équilibre à 40 % laisse très peu de place à une dégradation.
  3. Recalculez avec des coûts majorés, par exemple un spread doublé. Si la marge disparaît, la stratégie dépend d’une exécution que vous n’obtiendrez peut-être pas en réel.
  4. Surveillez la stabilité. Un ratio qui se dégrade d’une année à l’autre, ou très différent entre deux périodes, signale souvent un ajustement excessif aux données passées.

Cette lecture rapide ne remplace pas une analyse complète, mais elle élimine en quelques minutes les stratégies dont la rentabilité tient à un fil.

Pièges fréquents

  • Juger une stratégie sur son ratio prévu. Seul le ratio réalisé, mesuré sur un nombre suffisant de trades, a de la valeur.
  • Élargir l’objectif pour « améliorer » le ratio. Le taux de réussite baisse mécaniquement ; l’espérance peut diminuer.
  • Resserrer le stop pour la même raison. Le stop est touché plus souvent par le bruit du marché et les coûts pèsent davantage en R. Le placement du stop est traité dans Placer son stop-loss.
  • Ignorer la distribution. Deux stratégies au même ratio moyen peuvent avoir des distributions de gains très différentes ; regardez aussi la médiane et les valeurs extrêmes.
Un ratio risque/rendement favorable ne garantit aucun gain. Les résultats passés d’une stratégie, réalisés ou simulés, ne préjugent pas de ses résultats futurs, et le trading avec effet de levier comporte un risque élevé de perte.

Questions fréquentes

Quel est un bon ratio risque/rendement ?

Il n’existe pas de valeur idéale indépendante du taux de réussite. Un ratio de 1:2 avec 30 % de réussite perd, un ratio de 1:1 avec 60 % de réussite gagne. Évaluez toujours le couple ratio et taux de réussite, net de coûts.

Comment calculer le taux de réussite minimum ?

Avec la formule p = 1 / (1 + b), où b est le ratio gain sur perte. Pour b = 2, il faut gagner plus de 33,3 % des trades avant frais ; intégrez ensuite les coûts pour obtenir le seuil réel.

Faut-il viser un ratio fixe pour tous ses robots ?

Non. Le ratio découle de la logique de la stratégie : un robot de suivi de tendance vise naturellement des ratios élevés, un robot de retour à la moyenne des ratios proches de 1 ou inférieurs. Imposer un ratio arbitraire à une stratégie qui ne s’y prête pas dégrade généralement son espérance.

Le ratio risque/rendement suffit-il à comparer deux robots ?

Non. Il faut aussi le taux de réussite, l’espérance nette, le nombre de trades, le drawdown et la stabilité des résultats dans le temps. Le ratio n’est qu’un élément de l’espérance.

A

Alix · fondateur d’OptiBot Trading

Développeur MQL5 et ProBuilder, spécialiste du backtest et de l’optimisation de stratégies automatiques. Chaque contenu est vérifié sur la documentation officielle (MQL5.com, manuels ProRealTime) et testé avant publication. Notre méthode éditoriale.