Stratégie de retour à la moyenne : principe, études et code ProRealTime

Qu’est-ce qu’une stratégie de retour à la moyenne ?

Une stratégie de retour à la moyenne (mean reversion) achète un actif quand son cours s’est écarté anormalement sous une valeur de référence, et le vend quand il s’en est écarté anormalement au-dessus, en pariant que l’écart va se résorber. La référence peut être une moyenne mobile, le prix moyen pondéré par les volumes de la séance, l’écart entre deux actifs liés ou le cours d’un indice. La sortie se fait quand le cours revient vers cette référence, et non sur un objectif fixé à l’avance.

C’est la logique inverse du momentum. Le momentum achète ce qui monte en pariant que la hausse continue ; le retour à la moyenne achète ce qui a baissé en pariant qu’elle s’inverse. Les deux sont documentés, et ne se contredisent pas : ils jouent à des horizons différents. Le travail du trader qui veut appliquer un retour à la moyenne consiste d’abord à savoir à quel horizon il se place, et ce que disent les études à cet horizon.

La stratégie de retour à la moyenne en résumé

Le retour à la moyenne n’est pas une règle unique mais un principe, décliné en stratégies qui diffèrent par la référence, la mesure de l’écart et l’horizon. Sa fiche d’identité :

• Origine statistique : Francis Galton, « Regression towards Mediocrity in Hereditary Stature », Journal of the Anthropological Institute, 1886
• Premières études boursières : De Bondt et Thaler (1985) sur trois à cinq ans ; Poterba et Summers (1988) sur les indices ; Jegadeesh (1990) et Lehmann (1990) sur un mois et une semaine
• Retournement à un mois : 2,49 % par mois d’écart entre les déciles extrêmes, 1934-1987 (Jegadeesh, 1990)
• Horizon à éviter : de 3 à 12 mois, où domine le momentum (Jegadeesh et Titman, 1993)
• Mesure courante de l’écart : nombre d’écarts-types entre le cours et sa moyenne, ou z-score
• Variantes : bande basse de Bollinger, RSI à 2 périodes, arbitrage de paires, retour au VWAP
• Outil de test : ProBacktest, le module de backtest de ProRealTime (code ci-dessous)

D’où vient l’idée du retour à la moyenne ?

L’idée du retour à la moyenne vient de la statistique, avant la finance. En 1886, Francis Galton publie dans le Journal of the Anthropological Institute « Regression towards Mediocrity in Hereditary Stature ». Il y rappelle une expérience sur des graines présentée dès 1877 à la Royal Institution : les graines issues de grosses graines étaient plus petites que leurs parents, celles issues de très petites graines plus grosses, les descendants tendant toujours vers une taille moyenne. Il en tire une « loi de régression » qu’il étend à la taille des enfants par rapport à celle de leurs parents.

Ce phénomène statistique, la régression vers la moyenne, n’est pas encore une stratégie : il dit seulement qu’une mesure extrême, quand elle contient une part de hasard, a de bonnes chances d’être suivie d’une mesure moins extrême. En finance, le retour à la moyenne désigne quelque chose de plus fort, la tendance d’un prix à revenir vers sa valeur de long terme plus vite que ce simple effet statistique ne le prévoit. C’est cette tendance qu’une stratégie cherche à exploiter, et c’est elle qu’il faut démontrer.

Les premières démonstrations boursières datent des années 1980. Werner De Bondt et Richard Thaler montrent en 1985 que les actions les plus faibles des trois à cinq années précédentes font mieux, sur les trois à cinq années suivantes, que les plus fortes ; ils y voient une sur-réaction des cours. James Poterba et Lawrence Summers, dans le Journal of Financial Economics en 1988, testent les rendements du marché américain de 1871 à 1986, de dix-sept autres pays de 1957 à 1985 et des actions individuelles de 1926 à 1985 : ils trouvent des rendements positivement corrélés à court terme et négativement à long terme, c’est-à-dire un retour à la moyenne sur longue période.

À quel horizon le retour à la moyenne fonctionne-t-il ?

Le retour à la moyenne fonctionne à des horizons très courts et très longs, et échoue entre les deux. À une semaine, Bruce Lehmann montre en 1990, dans le Quarterly Journal of Economics, que les actions gagnantes et perdantes d’une semaine connaissent d’importants retournements la semaine suivante, et que les profits d’arbitrage apparents persistent après correction de la fourchette achat-vente et de frais de transaction plausibles ; il y voit probablement une inefficience du marché de la liquidité autour des fortes variations de prix. À un mois, Narasimhan Jegadeesh établit la même année, dans le Journal of Finance, une corrélation négative très significative entre le rendement d’un mois et celui du mois suivant : de 1934 à 1987, l’écart entre les déciles extrêmes de ses prévisions atteint 2,49 % par mois. Le même article trouve, à l’inverse, une corrélation positive aux décalages plus longs, particulièrement forte à douze mois.

Entre 3 et 12 mois, le phénomène s’inverse. Jegadeesh et Sheridan Titman montrent en 1993 que les actions les plus fortes des 3 à 12 derniers mois continuent de faire mieux que les plus faibles pendant les 3 à 12 mois suivants : c’est le momentum. Les mêmes auteurs observent qu’au-delà d’un an, une partie de ce gain s’efface ; dans leur document de 1999, ils trouvent des retournements significatifs quatre à cinq ans après la formation des portefeuilles, à l’horizon de De Bondt et Thaler. Un trader qui achète un repli de six mois en pariant sur un rebond se place donc à l’horizon où les études donnent tort au retour à la moyenne.

Les auteurs eux-mêmes discutent de la nature de ces retournements. Jegadeesh et Titman notent que les stratégies à contre-courant sur une semaine ou un mois demandent beaucoup de transactions et reposent sur de petits mouvements, si bien que leur succès peut refléter des pressions passagères sur les prix ou un manque de liquidité plutôt qu’une sur-réaction ; ils citent aussi Lo et MacKinlay, qui attribuent en 1990 une grande partie de ces profits à une réaction retardée aux facteurs communs. Et ils relèvent que les perdants de long terme de De Bondt et Thaler ne font mieux que les gagnants qu’au mois de janvier.

Quelles sont les règles d’une stratégie de retour à la moyenne ?

Toute stratégie de retour à la moyenne se construit avec cinq règles : une référence, une mesure de l’écart, un seuil d’entrée, une sortie et une protection. La référence la plus simple est la moyenne mobile des N dernières clôtures. La mesure de l’écart la plus courante est le z-score, le nombre d’écarts-types qui séparent le cours de sa moyenne : un z-score de -2 signifie un cours à deux écarts-types sous la moyenne. Le seuil d’entrée dit à partir de quel écart on achète ; la sortie se fait au retour à la moyenne ; la protection combine un délai maximal et, éventuellement, un stop de perte.

Les stratégies connues sont des déclinaisons de ce schéma. Acheter sous la bande basse de Bollinger, calculée à deux écarts-types d’une moyenne de 20 périodes selon la définition du manuel de ProBuilder, revient exactement à acheter un z-score inférieur à -2 sur 20 périodes. Le RSI à 2 périodes mesure l’écart autrement, par la proportion de hausses et de baisses récentes. L’arbitrage de paires prend comme référence l’écart entre deux actifs liés, et le retour au VWAP le prix moyen de la séance pondéré par les volumes. Chacune a ses propres études et fera l’objet de sa propre fiche dans ce guide.

La sortie est le point qui distingue le plus nettement le retour à la moyenne du suivi de tendance. Une stratégie de tendance laisse courir les gains et coupe les pertes ; une stratégie de retour à la moyenne prend un gain limité, l’écart entre le point d’entrée et la moyenne, et doit décider quoi faire si l’écart continue de se creuser. Sans délai maximal ni stop, une position achetée sur un repli peut rester ouverte pendant toute une baisse de fond.

Comment tester une stratégie de retour à la moyenne sur ProRealTime ?

Le code ci-dessous teste un retour à la moyenne par z-score dans ProBacktest : achat quand la clôture passe à plus de deux écarts-types sous sa moyenne de 20 barres, sortie au retour à la moyenne ou après dix barres, avec un stop de protection en pourcentage, désactivé par défaut. Il fonctionne sur toute unité de temps et tout instrument. Aucun résultat de backtest n’est donné ici : le code n’a pas encore été contrôlé à l’écran.

// Retour à la moyenne par écart-type (z-score), version acheteuse
// ProBacktest, graphique journalier ; exemple sur un indice, un ETF ou une action
DEFPARAM CumulateOrders = False

Periode = 20 // moyenne et écart-type sur 20 barres
Seuil = 2 // entrée à plus de 2 écarts-types sous la moyenne
DureeMax = 10 // sortie forcée après 10 barres
PerteMax = 0 // stop de protection en % ; 0 = aucun

Moyenne = Average[Periode](Close)
EcartType = STD[Periode](Close)
IF EcartType > 0 THEN
   Z = (Close - Moyenne) / EcartType
ELSE
   Z = 0
ENDIF

// Achat : cours anormalement bas par rapport à sa moyenne
IF NOT LongOnMarket AND Z < -Seuil THEN
   BUY 1 SHARE AT MARKET
   SET STOP %LOSS PerteMax
ENDIF

// Sortie : retour à la moyenne, ou délai dépassé
IF LongOnMarket AND (Close >= Moyenne OR BarIndex - TradeIndex >= DureeMax) THEN
   SELL AT MARKET
ENDIF

Chaque instruction suit les manuels officiels de ProBuilder et de ProBacktest (version 6.1.0 du 1er décembre 2025). Average[N](Close) est la moyenne arithmétique des N dernières clôtures et STD[N](Close) leur écart-type, la même fonction que le manuel utilise pour construire les bandes de Bollinger. Le test EcartType > 0 évite une division par zéro sur un marché resté immobile. SET STOP %LOSS place un stop de protection à un pourcentage de perte, frais non compris ; SET STOP %LOSS 0 le désactive. TradeIndex donne la barre du dernier ordre exécuté : BarIndex – TradeIndex compte donc le nombre de barres écoulées depuis l’entrée, comme dans l’exemple du manuel qui ferme une position au bout de trois barres.

Le test d’une telle stratégie demande deux précautions. Les frais d’abord : une stratégie de retour à la moyenne vise de petits écarts, et le spread et la commission en absorbent une part importante, ce que les frais de ProBacktest permettent de simuler. L’horizon ensuite : les paramètres de 20 barres et de 10 barres placent le test à l’horizon de quelques semaines en journalier, celui où les études trouvent des retournements, mais sur un graphique hebdomadaire, les mêmes paramètres tomberaient dans l’horizon du momentum. Le reste de la plateforme est présenté dans le guide ProRealTime d’andlil.com.

Que change une stratégie de retour à la moyenne pour un trader ?

Pour un trader, une stratégie de retour à la moyenne change d’abord la psychologie du trade. Elle demande d’acheter quand le marché baisse fort et de vendre quand il monte fort, c’est-à-dire d’agir contre l’émotion du moment ; elle paraît confortable parce qu’elle « achète bon marché », et elle devient très inconfortable quand le cours continue de baisser après l’entrée. Le profil des gains suit la règle de sortie : des gains plafonnés par la distance à la moyenne, et des pertes qui ne sont limitées que par le stop ou le délai.

Elle change ensuite la lecture du marché. Un retour à la moyenne n’a de sens que dans un marché qui oscille ; dans un marché en tendance, chaque « excès » peut devenir le début d’un mouvement plus long. Beaucoup de traders combinent donc les deux approches : ils ne prennent les retours à la moyenne que dans le sens de la tendance de fond, ou réservent cette stratégie aux phases de range, et la suspendent quand le marché sort de sa fourchette.

Ce que j’en disais sur le forum

« Les hedge fund n’interviennent que sur les bornes hautes et basses. C’est là où il y a de l’argent à se faire. Les petits interviennent partout même en milieu de range. »

Benoist Rousseau sur le forum, le 17 août 2017, dans la file de day trading et de scalping du jour, à propos du « principe de l’élastique »

Quelles sont les limites d’une stratégie de retour à la moyenne ?

La première limite d’une stratégie de retour à la moyenne est la confusion entre l’effet statistique et l’effet de marché. Une série dont une partie est aléatoire produit mécaniquement des retours vers la moyenne après les valeurs extrêmes ; cela ne garantit pas qu’un gain soit possible une fois payés le spread et les frais. Les retournements à une semaine et à un mois sont réels dans les études, mais Jegadeesh et Titman eux-mêmes rappellent qu’ils peuvent refléter la fourchette achat-vente et le manque de liquidité, précisément ce qu’un trader paie à chaque transaction.

La deuxième est le risque de queue. Une stratégie qui achète les baisses gagne souvent de petites sommes et peut perdre beaucoup en une fois, quand une baisse ne s’arrête pas : un écart de deux écarts-types peut devenir un écart de cinq. Le délai maximal et le stop limitent ce risque, mais chaque sortie forcée transforme un trade censé « revenir » en perte réalisée, et ce coût fait partie du résultat.

La troisième est la dépendance à l’horizon et au régime de marché. Les études le montrent : le même principe gagne à une semaine, perd entre trois et douze mois, et regagne à plusieurs années. Une stratégie réglée sur une période de range peut échouer dès que le marché entre en tendance. Les paramètres se choisissent donc sur une période et se vérifient sur une autre, et les résultats de recherche cités ici, établis surtout sur des actions individuelles américaines avant 1990, ne se transposent pas d’office à un future sur indice en intraday. Les produits à effet de levier amplifient ce risque : comme le rappelle le manuel de ProRealTime, un système de trading peut exposer à une perte supérieure à l’investissement initial.

Questions fréquentes sur le retour à la moyenne