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

Trading algorithmique · Statistiques

Espérance mathématique d’une stratégie de trading : formule, R-multiples et dispersion

L’espérance mesure le gain moyen d’un trade. Formule en monnaie et en multiples du risque, exemples chiffrés, effet des coûts et fourchette de résultats attendue selon la dispersion des trades.

Mis à jour le 23 octobre 2026Lecture : 7 minPar Alix, OptiBot Trading

L’espérance mathématique d’une stratégie de trading est le résultat moyen d’un trade, en tenant compte de la probabilité de gagner et de perdre. Elle s’écrit E = p × G − (1 − p) × L, où p est le taux de réussite, G le gain moyen des trades gagnants et L la perte moyenne des trades perdants. Une espérance positive après coûts est la condition nécessaire de toute stratégie viable : sans elle, multiplier les trades ne fait qu’accélérer les pertes. Mais une espérance positive ne suffit pas : la dispersion des résultats autour de cette moyenne détermine la taille des séries perdantes et la fourchette de résultats réellement attendue.

Cette page fait partie de la rubrique Statistiques de performance d’une stratégie.

La formule et ses variantes

En monnaie

E = p × G − (1 − p) × L

Exemple : 45 % de trades gagnants, gain moyen de 180 €, perte moyenne de 100 €.

E = 0,45 × 180 − 0,55 × 100 = 81 − 55 = 26 € par trade.

Sur une liste de trades, cette formule donne exactement le même résultat que le profit net divisé par le nombre de trades. C’est d’ailleurs ainsi que MetaTrader 5 présente le « gain moyen attendu » (expected payoff, STAT_EXPECTED_PAYOFF) dans ses rapports.

En multiples du risque (R)

L’espérance en monnaie dépend de la taille des positions, ce qui la rend difficile à comparer entre stratégies ou entre périodes. On l’exprime donc souvent en R, où 1 R est le montant risqué au départ du trade (la distance entre l’entrée et le stop, multipliée par la taille). Un trade qui gagne deux fois le risque initial vaut +2 R ; un trade stoppé vaut −1 R.

Dans l’exemple, si le risque initial de chaque trade est de 100 € : gain moyen 1,8 R, perte moyenne 1 R, et E = 0,45 × 1,8 − 0,55 × 1 = 0,26 R par trade. Cette valeur est indépendante du capital et de la taille des positions : elle caractérise la logique de la stratégie.

Lien avec le profit factor

Avec les mêmes notations, le profit factor vaut (p × G) / ((1 − p) × L). Une espérance positive équivaut à un profit factor supérieur à 1. Les deux mesures sont donc cohérentes, mais l’espérance a l’avantage de s’exprimer dans une unité directement interprétable : ce que rapporte un trade.

L’effet des coûts

Les coûts se retranchent de chaque trade, gagnant ou perdant. Si chaque trade coûte c, l’espérance nette vaut E − c. Pour l’exemple ci-dessus, un coût de 0,08 R par trade réduit l’espérance de 0,26 R à 0,18 R, soit près d’un tiers de l’avantage. Pour une stratégie dont l’espérance brute est de 0,05 R, le même coût la rend perdante. C’est la raison pour laquelle l’espérance doit toujours être calculée après spread, commissions, swaps et slippage, et pourquoi les stratégies à faible gain moyen, comme le scalping algorithmique, sont si sensibles à l’exécution.

Un bon indicateur de robustesse est le rapport entre l’espérance et le coût moyen par trade. Une espérance égale à trois fois le coût laisse une marge ; une espérance égale à 30 % du coût n’en laisse aucune.

La dispersion : ce que l’espérance ne dit pas

L’espérance est une moyenne. Les trades réels s’en écartent fortement, et l’écart-type des résultats par trade, noté σ, mesure cette dispersion. Sur n trades indépendants :

  • le résultat total attendu vaut n × E ;
  • l’écart-type du résultat total vaut σ × √n.

Exemple : E = 0,26 R, σ = 1,3 R, n = 100 trades. Le résultat total attendu est de 26 R, avec un écart-type de 1,3 × 10 = 13 R. Une fourchette d’environ deux écarts-types autour de la moyenne va de 0 à 52 R. Autrement dit, même avec une espérance réellement positive, il n’est pas exceptionnel qu’une série de 100 trades finisse proche de zéro. Sur 400 trades, le résultat attendu est de 104 R et l’écart-type de 26 R : la fourchette se resserre en proportion.

Ce calcul suppose des trades indépendants et une distribution raisonnablement régulière. Pour une analyse qui ne repose pas sur ces hypothèses, utilisez une simulation de Monte-Carlo.

Calcul en Python à partir d’une liste de trades

Le script suivant calcule les statistiques de base à partir d’une liste de résultats exprimés en R, par exemple exportée depuis votre plateforme puis convertie :

import statistics as st

# Résultats des trades en multiples du risque initial (R), après coûts
trades = [1.8, -1, -1, 2.5, -1, 0.4, -1, 3.1, -1, -0.6, 1.2, -1, 2.0, -1, -1]

n = len(trades)
gagnants = [t for t in trades if t > 0]
perdants = [t for t in trades if t <= 0]

p = len(gagnants) / n
G = sum(gagnants) / len(gagnants)
L = -sum(perdants) / len(perdants)
esperance = p * G - (1 - p) * L          # identique à sum(trades) / n
sigma = st.stdev(trades)                 # écart-type d'échantillon

print(f"Trades : {n}, taux de réussite {p:.0%}")
print(f"Gain moyen {G:.2f} R, perte moyenne {L:.2f} R")
print(f"Espérance {esperance:.3f} R par trade, écart-type {sigma:.2f} R")
print(f"Sur 200 trades : {200*esperance:.1f} R attendus, "
      f"écart-type {sigma * 200 ** 0.5:.1f} R")

Avec une liste aussi courte, l’espérance calculée est elle-même très incertaine. Le script est un point de départ ; appliquez-le à l’ensemble des trades de votre backtest, et de préférence à la seule période hors échantillon.

Interpréter l’espérance

Quelques repères pour lire ce chiffre :

  • L’espérance doit être positive après coûts, sur la période hors échantillon : c’est la condition de base.
  • Elle doit être grande devant son incertitude : l’erreur type de l’espérance vaut σ / √n. Une espérance de 0,05 R avec σ = 1,2 R sur 100 trades a une erreur type de 0,12 R ; elle n’est pas distinguable de zéro. La page Significativité statistique d’un backtest formalise ce test.
  • Elle doit être cohérente avec le profil de la famille de stratégies : une espérance élevée obtenue avec un taux de réussite de 95 % doit faire penser à une grille ou à une martingale.
  • Elle ne dit rien de la taille de position optimale : c’est l’objet de la gestion du risque, notamment du critère de Kelly.

Espérance et taux de réussite : les combinaisons équivalentes

Une même espérance peut être obtenue de multiples façons. Avec E = 0,25 R, on peut avoir 50 % de réussite et un gain moyen de 1,5 R, 35 % de réussite et un gain moyen d’environ 2,57 R, ou 70 % de réussite et un gain moyen d’environ 0,79 R (pour une perte moyenne de 1 R dans les trois cas). Ces profils ne se vivent pas du tout de la même manière : le premier alterne gains et pertes, le deuxième impose de longues séries perdantes, le troisième expose à des pertes rares mais plus marquées si la perte moyenne réelle dépasse 1 R. Choisissez une stratégie dont le profil est compatible avec votre capacité à la laisser fonctionner sans intervenir.

Cas d’usage

L’espérance en R est la meilleure unité pour comparer des stratégies de natures différentes, pour suivre une stratégie en production (une espérance glissante sur les derniers trades, comparée à celle du backtest) et pour estimer le nombre de trades nécessaire avant de juger un robot. Elle sert aussi de donnée d’entrée aux calculs de risque de ruine et de dimensionnement.

Une espérance positive en backtest est une estimation, entachée d’incertitude, sur une période passée. Elle ne garantit aucun gain futur, et une série de pertes peut survenir même si l’avantage est réel. Limitez le risque par trade et validez en démo avant tout engagement réel.

FAQ

Une espérance positive garantit-elle de gagner de l’argent ?

Non. Elle garantit seulement qu’en moyenne, sur un très grand nombre de trades et si les conditions restent identiques, le résultat tend à être positif. Sur un nombre limité de trades, la dispersion peut donner un résultat négatif, et l’avantage lui-même peut disparaître si le marché change.

Faut-il préférer un taux de réussite élevé ou une espérance élevée ?

L’espérance est ce qui compte. Un taux de réussite élevé avec des pertes moyennes très supérieures aux gains peut donner une espérance négative. Le taux de réussite influe surtout sur le confort psychologique et sur la longueur des séries perdantes.

Pourquoi exprimer l’espérance en R plutôt qu’en euros ?

Parce que l’espérance en R ne dépend ni du capital ni de la taille des positions. Elle permet de comparer des stratégies et des périodes différentes, et de raisonner directement en risque : une espérance de 0,3 R signifie qu’en moyenne chaque trade rapporte 30 % du montant risqué.

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.