Trading algorithmique · Stratégies
Arbitrage statistique et pairs trading : spread, z-score et cointégration
Le pairs trading achète un actif et vend un actif lié quand leur écart devient anormal. Construction du spread, z-score, cointégration, code MQL5 et risques de rupture de la relation.
L’arbitrage statistique désigne les stratégies qui exploitent un écart temporaire entre des actifs dont les prix sont liés par une relation stable. Sa forme la plus simple est le pairs trading : on suit deux actifs qui évoluent habituellement ensemble, par exemple deux actions du même secteur ou deux indices proches, et lorsque leur écart devient anormalement grand, on achète celui qui a pris du retard et on vend celui qui a pris de l’avance, en pariant sur le resserrement de l’écart. La position est en grande partie neutre à la direction du marché : ce qui compte est la relation entre les deux actifs, pas leur tendance commune. Le risque principal n’est pas un mouvement de marché, mais la rupture de la relation elle-même.
Cette page fait partie de la rubrique Les familles de stratégies algorithmiques. Le pairs trading est une forme de retour à la moyenne appliquée à un écart plutôt qu’à un prix ; les principes de base sont présentés dans Stratégies de retour à la moyenne.
Le vrai arbitrage et l’arbitrage statistique
Un arbitrage au sens strict est sans risque : acheter et vendre simultanément le même actif sur deux marchés à des prix différents. Ces opportunités sont rares, minuscules et captées par des acteurs disposant d’infrastructures très rapides ; elles sont hors de portée d’un trader particulier. L’arbitrage statistique, lui, n’est pas sans risque : il repose sur une relation observée dans le passé, qui peut cesser d’exister. Le mot « arbitrage » ne doit pas faire croire à un gain garanti.
Construire le spread
Pour deux actifs A et B, on définit généralement le spread sur les logarithmes des prix :
spread(t) = ln(A(t)) − β × ln(B(t))
Le coefficient β, appelé ratio de couverture, s’estime par une régression linéaire de ln(A) sur ln(B) sur une période d’apprentissage. Il indique combien d’unités de B il faut vendre pour couvrir une unité de A. Utiliser les logarithmes permet de raisonner en variations relatives et rend le spread moins dépendant du niveau des prix.
On standardise ensuite le spread par un z-score calculé sur une fenêtre glissante de N barres :
z(t) = (spread(t) − moyenne du spread sur N) / écart-type du spread sur N
Exemple : si la moyenne du spread sur 100 jours vaut 0,020, son écart-type 0,010 et le spread actuel 0,045, alors z = (0,045 − 0,020) / 0,010 = 2,5. L’écart est 2,5 écarts-types au-dessus de sa moyenne récente : A est « cher » par rapport à B.
Les règles de trading types
- Entrée : si z > +2, vendre A et acheter β fois B (en valeur) ; si z < −2, acheter A et vendre B.
- Sortie normale : quand z revient vers 0, ou franchit un seuil comme ±0,5.
- Sortie de protection : si |z| dépasse un seuil extrême (par exemple 4), ou si la position est ouverte depuis trop longtemps, on coupe : la relation est peut-être rompue.
Les seuils ±2 sont des conventions. Les optimiser finement sur l’historique est l’une des sources classiques de sur-optimisation dans cette famille.
Corrélation n’est pas cointégration
Deux actifs fortement corrélés ne forment pas forcément une bonne paire. La corrélation mesure si les variations évoluent ensemble ; elle peut rester élevée alors que les prix s’éloignent durablement l’un de l’autre. Ce qu’exige le pairs trading, c’est que le spread revienne vers sa moyenne : on parle de cointégration. La méthode d’Engle-Granger consiste à estimer β par régression, puis à tester si les résidus (le spread) sont stationnaires à l’aide d’un test de racine unitaire comme le test de Dickey-Fuller augmenté. Ces tests sont disponibles dans les bibliothèques statistiques Python, par exemple statsmodels.
Deux réserves importantes :
- un test de cointégration réussi sur le passé ne garantit pas que la relation tiendra ;
- tester des centaines de paires et retenir celles qui « passent » produit mécaniquement des faux positifs. La page Significativité statistique d’un backtest explique ce problème des tests multiples.
Exemple MQL5 : calcul du z-score d’une paire
Le script suivant calcule le spread logarithmique et son z-score entre deux symboles, avec un β fourni en paramètre (estimé au préalable). Il utilise CopyClose sur deux symboles, ce qui suppose que les deux soient disponibles dans le Market Watch. La gestion simultanée de deux symboles dans un robot est détaillée dans la page EA multi-symboles.
//+------------------------------------------------------------------+
//| Script : z-score du spread logarithmique entre deux symboles |
//+------------------------------------------------------------------+
#property script_show_inputs
input string InpSymA = "EURUSD"; // actif A
input string InpSymB = "GBPUSD"; // actif B
input double InpBeta = 1.0; // ratio de couverture estimé
input int InpN = 100; // fenêtre du z-score (barres)
void OnStart()
{
double a[], b[];
// barres clôturées 1 à N, du plus ancien au plus récent
if(CopyClose(InpSymA, PERIOD_D1, 1, InpN, a) != InpN) return;
if(CopyClose(InpSymB, PERIOD_D1, 1, InpN, b) != InpN) return;
double spread[];
ArrayResize(spread, InpN);
double sum = 0.0;
for(int i = 0; i < InpN; i++)
{
spread[i] = MathLog(a[i]) - InpBeta * MathLog(b[i]);
sum += spread[i];
}
double mean = sum / InpN;
double var = 0.0;
for(int i = 0; i < InpN; i++)
var += (spread[i] - mean) * (spread[i] - mean);
double sd = MathSqrt(var / (InpN - 1)); // écart-type d'échantillon
if(sd <= 0.0) return;
double z = (spread[InpN - 1] - mean) / sd; // dernier élément = plus récent
PrintFormat("Spread %.5f moyenne %.5f écart-type %.5f z = %.2f",
spread[InpN - 1], mean, sd, z);
}
Ce script ne vérifie pas que les dates des deux séries coïncident. En production, alignez les barres par leur heure d’ouverture : deux symboles peuvent avoir des historiques ou des jours fériés différents, ce qui décale les séries et fausse le spread.
Évaluer un backtest de pairs trading
Le rapport d’un système de paires doit se lire jambe par jambe autant que globalement. Vérifiez que le résultat ne provient pas presque entièrement d’une seule des deux jambes : dans ce cas, la stratégie est en réalité directionnelle et la couverture ne joue pas son rôle. Mesurez aussi la durée moyenne de détention, le nombre de trades sortis par le stop de protection plutôt que par le retour du z-score, et l’évolution du ratio de couverture au fil du temps. Un β qui dérive fortement d’une fenêtre à l’autre est un signe que la relation est instable.
Les contraintes pratiques pour un trader particulier
Le pairs trading demande plus d’infrastructure qu’il n’y paraît :
- Deux exécutions par trade, donc deux spreads, deux commissions et un risque d’exécution décalée entre les deux jambes.
- La vente à découvert des deux actifs doit être possible, avec ses coûts de financement.
- Le dimensionnement doit respecter β en valeur, ce qui impose de convertir les tailles de contrats et les devises.
- Les gains par trade sont modestes, ce qui rend la stratégie sensible aux coûts, comme le scalping algorithmique.
Le profil statistique et les risques
Un système de pairs trading affiche souvent un taux de réussite élevé et une faible corrélation au marché. Son risque principal est l’événement qui rompt la relation : rachat d’une des deux sociétés, changement de politique monétaire pour une paire de devises, crise sectorielle. Dans ce cas, le spread ne revient pas, et la position perd de façon continue. Le profil ressemble alors à celui du retour à la moyenne : des gains réguliers et des pertes rares mais lourdes. Le stop de protection en z-score et la sortie temporelle sont indispensables.
FAQ
Quelles paires d’actifs choisir pour le pairs trading ?
On part en général d’une raison économique : deux sociétés du même secteur, deux indices de régions proches, deux contrats sur des matières premières substituables. Le lien économique doit précéder le test statistique ; une paire choisie uniquement parce qu’elle passe un test sur l’historique est fragile.
Faut-il recalculer le ratio de couverture régulièrement ?
Oui, la plupart des implémentations réestiment β sur une fenêtre glissante. Une réestimation trop fréquente rend cependant le spread instable. Testez plusieurs fréquences et vérifiez que le résultat reste robuste.
Le pairs trading fonctionne-t-il sur le Forex ?
Des paires de devises peuvent être liées, mais beaucoup partagent une devise commune et leur relation dépend fortement des politiques monétaires. La cointégration y est souvent instable. Comme toujours, seul un test rigoureux hors échantillon permet de conclure pour un couple donné.
