L’analyse technique fonctionne-t-elle sur le bitcoin ? Ce que disent les études

Qu’est-ce que l’analyse technique appliquée au bitcoin ?

L’analyse technique appliquée au bitcoin est l’étude de ses cours et de ses volumes passés pour en tirer des règles d’achat et de vente, sans recours à une valeur fondamentale : elle a été testée par plusieurs études publiées depuis 2016, et leur conclusion commune est nuancée, des règles de tendance qui ont fonctionné sur le passé et un avantage qui s’amenuise à mesure que le marché mûrit. La question « l’analyse technique fonctionne-t-elle sur le bitcoin ? » n’a donc pas de réponse en un mot.

Le bitcoin est un terrain d’essai naturel. Il ne verse ni dividende ni coupon, et il n’a pas de bénéfice à actualiser : ses partisans comme ses critiques ne disposent d’aucun modèle de valeur qui fasse consensus. Les chercheurs y ont vu l’occasion de vérifier une vieille hypothèse : si un marché est efficient, l’historique des prix ne doit rien apprendre sur les prix futurs ; s’il ne l’est pas, des règles mécaniques doivent battre la simple détention, une fois les frais payés.

L’analyse technique du bitcoin en résumé

Les études ci-dessous ont été publiées dans des revues de finance à comité de lecture ; les dates sont celles de la publication, les périodes sont celles des données testées.

• Première étude d’efficience : Andrew Urquhart, Economics Letters, novembre 2016 : marché inefficient, mais qui pourrait évoluer vers l’efficience
• Moyennes mobiles en haute fréquence : Corbet, Eraslan, Lucey et Sensoy, Finance Research Letters, décembre 2019
• Cassures de range : Gerritsen, Bouri, Ramezanifar et Roubaud, Finance Research Letters, mai 2020, données de juillet 2010 à janvier 2019
• Le test le plus large : Hudson et Urquhart, près de 15 000 règles, Annals of Operations Research (en ligne le 30 août 2019)
• Moyenne mobile de 20 jours : Grobys, Ahmed et Sapkota, 11 cryptos, 2016-2018, 8,76 % par an de rendement en excès hors bitcoin
• Momentum : Liu et Tsyvinski, The Review of Financial Studies, en ligne en septembre 2020 : un fort effet de momentum dans le temps

Le marché du bitcoin est-il efficient ?

Le marché du bitcoin n’était pas efficient dans ses premières années, selon la première étude publiée sur la question, mais il semblait s’en rapprocher. Andrew Urquhart a soumis les rendements du bitcoin à une batterie de tests dans un article d’Economics Letters paru en novembre 2016. Sur l’ensemble de son échantillon, les rendements sont significativement inefficients ; mais en coupant la période en deux, certains tests indiquent que le bitcoin est efficient dans la seconde moitié. Sa conclusion : un marché inefficient, peut-être en train d’évoluer vers l’efficience.

Cette conclusion fixe le cadre de tout ce qui suit. Si un marché jeune devient plus efficient avec le temps, une règle qui gagnait en 2013 peut ne plus rien gagner en 2023, et un test qui mélange les deux périodes surestime ce qu’on peut attendre aujourd’hui. Les études suivantes ont presque toutes trouvé des règles rentables ; la question utile est de savoir sur quelle période, et si elles le restent après.

Quelles règles techniques ont fonctionné sur le bitcoin, selon les études ?

Les règles qui ont le mieux fonctionné sur le bitcoin sont des règles de suivi de tendance : moyennes mobiles et cassures de range. Shaen Corbet, Veysel Eraslan, Brian Lucey et Ahmet Sensoy ont testé, sur des rendements du bitcoin en haute fréquence, des oscillateurs de moyennes mobiles et des cassures de range destinées à tester les supports et les résistances ; leurs résultats, publiés dans Finance Research Letters en décembre 2019, soutiennent nettement les stratégies de moyennes mobiles, la moyenne mobile de longueur variable donnant les meilleurs résultats, et les signaux d’achat rapportant davantage que les signaux de vente.

Dirk Gerritsen, Elie Bouri, Ehsan Ramezanifar et David Roubaud ont appliqué sept indicateurs de suivi de tendance au cours quotidien du bitcoin de juillet 2010 à janvier 2019. Dans leur article de mai 2020, les cassures de range ont un pouvoir prédictif significatif et battent la détention simple en ratio de Sharpe, mesuré par rééchantillonnage ; l’avantage se concentre dans les marchés fortement orientés. C’est un résultat cohérent avec ce que l’on sait des méthodes de tendance sur les autres marchés, comme la moyenne mobile de 200 jours sur les indices : elles gagnent dans les grandes tendances et rendent une partie du gain dans les marchés sans direction.

Klaus Grobys, Shaker Ahmed et Niranjan Sapkota ont testé une règle plus simple, la moyenne mobile de 20 jours, sur les onze cryptomonnaies les plus échangées de 2016 à 2018. La règle fonctionne, mais le chiffre clé de leur article de janvier 2020 porte une précision rarement citée : c’est en excluant le bitcoin que la règle produit un rendement en excès de 8,76 % par an, après contrôle du rendement moyen du marché. Le résumé de l’article ne donne pas le résultat avec le bitcoin ; il indique seulement que ce chiffre s’obtient en l’excluant.

Deux études plus ambitieuses ont cherché à expliquer le phénomène. Andrew Detzel, Hong Liu, Jack Strauss, Guofu Zhou et Yingzi Zhu proposent, dans Financial Management (article mis en ligne en juin 2020, publié en mars 2021), un modèle d’équilibre où l’analyse technique naît d’un apprentissage rationnel quand les fondamentaux sont difficiles à évaluer ; empiriquement, le rapport entre le prix et ses moyennes mobiles prévoit les rendements quotidiens du bitcoin dans et hors échantillon. Yukun Liu et Aleh Tsyvinski, dans The Review of Financial Studies, trouvent un fort effet de momentum de série temporelle sur les cryptomonnaies, et montrent que des mesures de l’attention des investisseurs prévoient les rendements futurs. Le momentum de séries temporelles est la version formalisée de l’adage « la tendance est votre amie ».

Pourquoi l’avantage de l’analyse technique sur le bitcoin s’efface-t-il hors échantillon ?

L’avantage s’efface hors échantillon parce qu’une règle choisie parmi des milliers sur les données passées a de bonnes chances d’avoir été favorisée par le hasard, et parce que le marché du bitcoin a mûri. L’étude la plus complète sur ce point est celle de Robert Hudson et Andrew Urquhart, mise en ligne le 30 août 2019 par les Annals of Operations Research et publiée dans le volume 297 de la revue. Ils testent près de 15 000 règles, réparties dans les cinq grandes familles de l’analyse technique, sur deux marchés du bitcoin et trois autres cryptomonnaies.

Leur résultat est d’abord favorable : chaque famille de règles montre une prévisibilité et une rentabilité significatives sur chaque crypto, les coûts de transaction qui annuleraient le gain sont bien supérieurs à ceux du marché, et les procédures de tests multiples, qui corrigent le risque de trouver une règle gagnante par hasard, confirment le pouvoir prédictif. Les règles offrent aussi un meilleur rendement ajusté du risque que la détention simple, en protégeant des longues et fortes baisses. Puis vient la phrase qui compte : il n’y a aucune prévisibilité pour le bitcoin sur la période hors échantillon, alors qu’elle subsiste sur les autres cryptomonnaies.

Autrement dit, sur le marché le plus profond et le plus étudié, l’avantage mesuré sur le passé n’a pas survécu au test sur des données nouvelles. C’est exactement ce que la première étude d’Urquhart laissait prévoir, et c’est le piège que décrit la fiche sur la sur-optimisation d’une stratégie de trading : plus on essaie de règles, plus la meilleure paraît bonne, et moins elle vaut.

Comment tester soi-même une règle technique sur le bitcoin ?

On teste une règle technique sur le bitcoin en la fixant avant de regarder les résultats, en la vérifiant sur une période qui n’a pas servi à la régler, et en comptant tous les frais. Un exemple simple montre pourquoi ces précautions ne sont pas des formalités.

Sur les cours quotidiens de Coinbase, du 13 novembre 2025 au 12 novembre 2026, la règle de Grobys et de ses coauteurs, être acheteur le lendemain si la clôture est au-dessus de sa moyenne de 20 jours et rester à l’écart sinon, aurait gagné 10,3 % avant frais, quand le bitcoin perdait 28,4 % de 99 614,54 à 71 369,90 dollars. Elle a changé 42 fois de position ; à 0,1 % de frais par changement, le gain tombe à 5,8 %. Le calcul est d’andlil.com. Il illustre deux choses : la protection qu’offre une règle de tendance dans une année de baisse, que Hudson et Urquhart mettent en avant, et le poids des frais sur une règle qui hésite. Il ne prouve rien d’autre : une seule année, une seule règle, et une année de hausse régulière aurait donné l’inverse.

La méthode, elle, se transpose. Choisir une règle et ses paramètres à partir d’une idée, pas d’une recherche dans les données ; réserver une période, la plus récente de préférence, qu’on ne regarde qu’à la fin ; intégrer l’écart de prix, les commissions et, pour un CFD, le financement quotidien, comme l’explique la fiche sur les frais, le spread et le glissement dans un backtest ; définir la bougie quotidienne, car un marché ouvert sept jours sur sept n’a pas de clôture naturelle ; comparer le résultat à la détention simple et à sa volatilité ; puis trader la règle à très petite taille avant de lui confier davantage. La fiche sur le croisement du MACD et de sa ligne de signal donne un exemple complet, règle, études et code ProRealTime.

Ce que j’en disais sur le forum

« […] Sur crypto mon unité de temps la plus petite est la journée, semaine et mois. »

Benoist Rousseau sur le forum, le 25 novembre 2021, à propos d’une ligne de cryptos détenue à côté de son trading sur futures

Le choix de l’unité de temps n’est pas anodin au regard des études : plusieurs des études citées portent sur des données quotidiennes, et les règles qui travaillent sur la journée ou la semaine paient moins de frais que celles qui travaillent sur la minute. Le trading de cryptomonnaies, avec ou sans effet de levier, peut entraîner des pertes rapides et importantes.

Quelles sont les limites des études sur l’analyse technique du bitcoin ?

La première limite est temporelle. Ces études ont été publiées entre 2016 et 2021, sur des données forcément antérieures, avant les fonds cotés américains de janvier 2024, avant la cotation continue des futures du CME en mai 2026 : le bitcoin qu’elles décrivent était plus petit, plus fragmenté et plus dominé par les particuliers que celui d’aujourd’hui. La deuxième tient aux sources de prix : selon la plateforme et l’époque, les cours du bitcoin différaient, et une règle testée sur une plateforme disparue ne se transpose pas sans réserve.

La troisième est le risque d’un biais de publication, commun à toute recherche empirique : une étude qui trouve une règle gagnante attire davantage l’attention qu’une étude qui n’en trouve aucune. Plusieurs de ces articles sont des lettres de quelques pages, utiles pour ouvrir une piste, insuffisantes pour fonder une stratégie. La dernière est conceptuelle : qu’une règle ait battu la détention simple dans un marché très orienté ne dit pas qu’elle anticipe le cours ; elle peut seulement couper les pertes plus tôt. C’est déjà beaucoup, mais ce n’est pas une prévision.

Il faut enfin rappeler l’objection des sceptiques, que les études ne réfutent pas : si l’analyse technique fonctionne sur le bitcoin, c’est peut-être parce que beaucoup de traders regardent les mêmes moyennes et les mêmes niveaux, ce qui rend l’effet fragile et sensible au moindre changement de population. Le biais de confirmation fait le reste : on se souvient du support qui a tenu, pas de ceux qui ont cédé.

Questions fréquentes sur l’analyse technique du bitcoin