Parmi les cryptomonnaies les plus en vogue du moment, il y a certainement Ripple (XRP), qui après avoir traversé une période difficile en raison des problèmes judiciaires avec la SEC (United States Securities and Exchange Commission) qui voulait la classer comme security, a ensuite trouvé un nouvel élan grâce à la clôture positive de la question, et au fait que le président des États-Unis Donald Trump l’ait incluse parmi les cryptos qui feront partie de la réserve stratégique de l’État.
Avec une capitalisation de marché qui est récemment revenue à la troisième place parmi les cryptomonnaies mondiales, juste derrière BTC (Bitcoin) et ETH (Ethereum), XRP s’est imposée grâce aux progrès de Ripple dans le secteur des paiements, mais aussi à l’augmentation de l’adoption de stablecoin comme Ripple USD (RLUSD), qui devrait être intégré à Ripple Payments d’ici la fin de 2025.
Dans cet article, on explorera la possibilité d’utiliser XRP pour construire une stratégie de trading algorithmique robuste, basée sur une approche de type reversal via les Bandes de Bollinger.
Sommaire
Qu’est-ce que les Bandes de Bollinger et comment fonctionnent-elles dans le trading
Cet indicateur tire son nom directement de son inventeur John Bollinger, qui a analysé le comportement des prix lorsqu’ils s’éloignent ou se rapprochent de leur moyenne mobile. Bollinger a eu l’idée d’insérer deux bandes, calculées comme l’écart type de la moyenne simple des prix.
Les Bandes de Bollinger sont donc formées de 3 éléments et sont calculées à l’aide des fonctions mathématiques suivantes :
- UpperBand = prix moyen des derniers N périodes plus 2 écarts-types;
- MedianPrice = prix moyen des derniers N périodes (20 est le nombre recommandé);
- LowerBand = prix moyen des derniers N périodes moins 2 écarts-types.
Stratégie reversal sur Ripple : logique du trading system et performances initiales
La stratégie qui sera adoptée est un système automatique avec des logiques ‘mean-reverting’, c’est-à-dire qui utilise les Bandes de Bollinger comme point d’inversion du marché. À l’atteinte des prix sur la bande supérieure, on ira donc vendre, tandis que sur la bande inférieure, on ira acheter.
La session prise en considération va de 00:00 GMT à 23:59 GMT. Il s’agit d’horaires choisis conventionnellement pour la faire coïncider avec le jour solaire, étant donné que les cryptomonnaies sont cotées 24 heures sur 24.
En supposant de travailler avec 10.000$ par opération, la clôture du trade se fera à l’atteinte d’un objectif de profit de 3.000$ comme valeur de première tentative. Il sera très utile dès le début d’utiliser également un stop loss fixe, que nous supposons égal à 1.000$, qui pourra d’une certaine manière protéger notre capital contre des opérations avec des pertes très élevées.
En appliquant cette stratégie à la paire XRP/USDT sur un intervalle de temps de 15 minutes, il est possible de voir comment ce « moteur opérationnel » se serait comporté de 2017 à aujourd’hui. Les données antérieures ne sont pas prises en compte car elles sont peu significatives et peu fiables par rapport à quand XRP a commencé à s’imposer parmi les principales cryptomonnaies du monde, augmentant son prix en 2017 jusqu’à presque 50 fois la valeur moyenne enregistrée en 2016.
Dans les figures 2, 3 et 4, on peut apprécier les métriques obtenues par la stratégie de retour à la moyenne décrite précédemment : les résultats sont encourageants. Dans l’ensemble, la ligne d’équité est croissante, et c’est certainement un bon point de départ. Cependant, la baisse présente dans la dernière période ne doit pas être négligée.
En analysant mieux les résultats, on remarque que l’average trade se situe autour de 18,63$, ce qui, comparé au montant de l’opération unique (10.000$), équivaut à 0,19%, une valeur qui ne garantit pas de couvrir les coûts opérationnels.
Optimisation du système de trading : plages horaires et fenêtre opérationnelle
En essayant de définir une fenêtre opérationnelle différente, on pourrait peut-être obtenir un meilleur résultat, en supposant qu’il existe une sorte de biais, c’est-à-dire un moment de la journée où la tendance au reversal est plus marquée.
En optimisant donc l’heure de début de l’activité et sa durée (exprimée en nombre de barres de 15 minutes chacune), on obtient les résultats de la Figure 5. En opérant de 00:00 jusqu’à 28 barres suivantes, c’est-à-dire jusqu’à 07:00, les choses s’améliorent nettement : le profit total du système monte à 288.200$ avec plus de 70% d’opérations en moins (2.799 contre presque 10.000), et par conséquent le trade moyen monte à 103$.
Résultats nettement meilleurs mais qui dénotent une stratégie encore brute, avec un average trade plus important mais encore pas très élevé, et un drawdown assez élevé si comparé au profit net (rapport Profit Net/Max Drawdown = 6,58).
Tout d’abord, on pourrait essayer d’optimiser également les valeurs de stop loss et take profit initialement supposées. Dans la Figure 6, on voit comment en les faisant varier par pas de 500$, il y a des résultats intéressants avec un stop à 1.500$ et un profit autour de 8.000-10.000$. À titre d’exemple, on peut choisir d’utiliser 8.500$ qui maximise le rapport Profit Net/Max Drawdown.
Amélioration des performances long du trading system sur XRP (Ripple)
Étant donné que la stratégie effectue encore de nombreux trades, il y a probablement encore de la place pour filtrer davantage les opérations, surtout du côté des trades long qui montrent des métriques plus faibles (voir Figure 4). Pour ce faire, on pourrait utiliser certains motifs de prix qui peuvent identifier les meilleures conditions pour exécuter les opérations, en filtrant celles avec une probabilité de succès plus faible.
À cet égard, nous utiliserons une liste propriétaire qui réunit en son sein de nombreuses combinaisons de prix, différentes entre elles, qui serviront à comprendre dans quelles situations XRP semble mieux répondre à la logique d’entrée (long) de ce système.
En analysant les différentes combinaisons de motifs, on trouve par exemple que, si l’on opère long uniquement lorsque le motif “MyPtnLY” 15 se produit et que l’on n’opère pas long lorsque nous sommes en présence du “MyPtnLN” 30, on parvient à obtenir un bon compromis entre les principaux paramètres de référence (bénéfice net, transaction moyenne, drawdown intrajournalier maximal). Il y a aussi de meilleurs résultats pour les paramètres individuels, mais les motifs qui les génèrent ont une logique qui n’est pas très en ligne avec la logique du système, c’est pourquoi on préfère la combinaison 15 pour opérer et 30 pour ne pas opérer long.
Avec le pattern 15, on ira long si la clôture de la bougie de la dernière session a été inférieure à la clôture de 2 sessions auparavant. Avec le pattern 30, en revanche, on n’entrera pas long si la clôture de la session précédente est dans les 20% inférieurs de la fourchette (maximum – minimum).
Cette combinaison de filtres produit une augmentation à la fois du trade moyen, qui monte à 400$, et du profit net, qui dépasse maintenant les 716.000$. De plus, le drawdown diminue en dessous de 45.000$.
Une bonne amélioration visible également par la forme plus régulière de la ligne d’équité, même si dans la seconde partie de 2024, elle semble avoir perdu un peu de son éclat, et seul le temps pourra confirmer la qualité de nos choix lors de la phase d’optimisation.
Conclusions sur la stratégie reversal sur XRP avec Bandes de Bollinger
La stratégie reversal avec les Bandes de Bollinger s’est avérée certainement efficace sur la paire XRP/USDT, même si elle nécessiterait des ajustements supplémentaires pour être prête à opérer en direct sur le marché.
Bien qu’elle soit désormais arrivée dans l’olympe des cryptomonnaies, XRP est encore assez jeune et présente de nombreuses opportunités pour les traders qui souhaitent s’essayer à différents types d’approche du marché. Comme toujours, nous laissons donc au lecteur la tâche d’expérimenter et de développer cette idée.
À la prochaine et bon trading !
Andrea Unger




