Chargement du statut du marché boursier américain…
➜
COMMENT DÉMARRER
Terminez la configuration complète du système en quelques minutes.
Ouvrir le guide de démarrage rapide →
Catalogue public · DEVIOLAB

CATALOGUE DE STRATÉGIES

Explorez les stratégies algorithmiques, comparez leurs performances et ouvrez l’historique complet de chaque modèle.
Chaque stratégie algorithmique correspond à un agent de trading réel (Trading Bot) créé par l’équipe DevioLab à partir de tests sur données historiques. Elle peut être utilisée pour le trading automatisé via API sur les plateformes prises en charge, notamment Binance, ou uniquement comme Signal Bot avec notifications Telegram et email.
2 · Ticker
⌕
FILTRES
Toutes les conditions sélectionnées fonctionnent ensemble
Aperçu de la stratégie sélectionnée

JASMYUSDT

Marché crypto · Binance
JASMY 215000 +49320.96% 1TRAD-UFM6
Recommandé par DevioLab · Core 1 iRecommandation principale de DevioLab : un profil plus protégé, plus régulier et plus stable, centré sur le contrôle du risque et du drawdown.
Recommandé par DevioLab · Core 2 iRecommandation plus agressive de DevioLab : accepte un risque plus élevé et des drawdowns plus profonds en échange de rendements potentiellement supérieurs.
322Transactions
74.8%Taux de réussite
+2.34%Transaction moyenne
+17.71%Meilleure transaction
-29.86%Pire transaction
+1,132.4%Annualisé
Profil analytique de la stratégie · c6b666408d4560ba

Analyse quantitative de la stratégie algorithmique JASMY · JASMY: structure des rendements et profil de risque sur données 15 minutes

Cette étude quantitative approfondie évalue les performances historiques simulées de la stratégie d'arbitrage algorithmique sur JASMY, basée sur une unité de temps de 15 minutes. Avec un taux de réussite de 75,16 % sur 318 transactions fermées et un facteur de profit de 5,0, la stratégie affiche un score DevioLab de 80,58, la classant première parmi les modèles évalués pour cet actif. L'analyse démontre une répartition équilibrée des gains, où les trois meilleures transactions ne représentent que 4,27 % du profit brut total. La durée moyenne de détention des positions s'établit à 28,36 heures, ce qui inscrit la logique décisionnelle dans un horizon de court terme adapté aux bots de trading et agents automatisés. Malgré ces indicateurs favorables, le risque historique demeure caractérisé par une perte maximale ponctuelle de 29,86 %, égale au drawdown maximum enregistré.

Analyse au 31.08.2026. Les données de la stratégie sont mises à jour séparément.
Lire l’analyse complète

Profil de la stratégie

La stratégie algorithmique analysée pour l'actif JASMY opère sur un horizon temporel de 15 minutes et s'impose comme la configuration de référence dans le classement DevioLab pour ce jeton, occupant le premier rang avec un score de 80,58. Évaluée sur une période simulée de 4,74 ans débutant le 22 novembre 2021 et s'achevant le 19 août 2026, elle totalise 318 transactions complétées. Le modèle affiche un rendement cumulé brut de 49 320,96 % sur la totalité de l'historique, ce qui équivaut à un taux d'analytique annualisé théorique de 1 081,75 %. Cette architecture décisionnelle a été conçue pour servir de moteur logique à des robots de trading ou des agents automatisés exécutant des ordres de manière systématique. L'examen des métriques fondamentales révèle un équilibre marqué entre la fréquence des interventions et le niveau d'exigence des critères de prise de position, évitant le sur-trading tout en maintenant une présence régulière sur les marchés de crypto-actifs.

Rythme de trading et durée des positions

Le comportement temporel de la stratégie se caractérise par une détention moyenne des positions de 28,36 heures, tandis que la valeur médiane de cette durée s'élève à 19,50 heures. Ce décalage modéré indique que si la majorité des ordres se dénouent en moins d'une journée, certaines phases d'expansion entraînent un maintien des positions sur plus de 24 heures. La fréquence des clôtures s'établit en moyenne à un arrêt tous les 5,46 jours, avec une médiane entre deux sorties de 3,47 jours. À l'échelle annuelle, l'algorithme génère environ 67,08 transactions, soit 5,68 opérations par mois actif. Ces statistiques montrent que la stratégie ne relève pas du scalping à haute fréquence, mais plutôt d'un suivi de tendance court terme sur graphique 15 minutes. La cadence mesurée des débouclements permet aux bots de trading gérant cet algorithme d'espacer les prises de risque tout en captant des mouvements significatifs.

Qualité des résultats historiques

Sur le plan de la qualité statistique des exécutions, la stratégie comptabilise 239 transactions gagnantes contre 79 perdantes, soit un taux de victoire de 75,16 %. La performance moyenne par transaction s'élève à +2,37 %, tandis que la valeur médiane ressort supérieure à +3,00 %. Une médiane plus élevée que la moyenne témoigne d'une distribution où les gains ne sont pas tirés artificiellement vers le haut par quelques anomalies statistiques isolées. Ce constat est renforcé par la part des trois plus grands gagnants dans le profit brut total, qui ne représente que 4,27 %. La régularité de la captation de valeur s'illustre également par un facteur de profit de 5,0, signifiant que la somme des gains bruts est cinq fois supérieure à la somme des pertes brutes. Le meilleur trade historique a enregistré une hausse de +17,71 %, confirmant que la rentabilité repose sur une multitude de gains modérés et récurrents plutôt que sur des opportunités rares.

Risque, drawdown et comportement lors des séries perdantes

L'évaluation du risque révèle une vulnérabilité ciblée qu'il convient d'analyser en profondeur. Le drawdown maximum historique s'élève à 29,86 %, une valeur rigoureusement identique à la pire transaction enregistrée par l'algorithme (-29,86 %). Cette coïncidence statistique indique que l'amplitude maximale de dépréciation subie par le portefeuille simulé découle principalement d'un unique événement de perte sévère plutôt que d'une longue accumulation de défaillances successives. En effet, la plus longue série de pertes consécutives s'établit à seulement 5 transactions, à comparer avec une série maximale de 19 victoires d'affilée. Le ratio entre la perte maximale et le gain moyen souligne la nécessité pour les agents de trading automatisés d'intégrer une gestion stricte du capital, car la concrétisation d'une perte extrême peut neutraliser les profits accumulés sur plusieurs trades victorieux.

Évolution temporelle et stabilité annuelle

La décomposition annuelle des données met en évidence une évolution contrastée mais globale positive au fil des cycles de marché. En 2021, sur une fenêtre partielle, l'algorithme enregistre 15 trades avec un taux de réussite de 66,67 % et une somme de rendements de +24,22 %. L'année 2022 accélère l'activité avec 70 trades, 71,43 % de succès et un gain cumulé de +174,44 %. En 2023, la précision augmente à 84,62 % sur 39 transactions pour un total de +136,03 %. L'exercice 2024 constitue la période la plus prolifique avec 88 opérations, un taux de réussite de 84,09 % et un cumul de +275,66 %. En 2025, la stratégie maintient un volume soutenu de 81 trades pour +107,92 % de gain cumulé et un taux de victoires de 70,37 %. Enfin, la séquence simulée pour 2026 affiche 25 trades, 60,00 % de succès et +35,89 %. Cette continuité annuelle démontre la capacité du modèle à traverser différentes phases de marché.

Période récente depuis le 1er juin 2024 versus historique complet

L'analyse spécifique de la fenêtre récente ouverte le 1er juin 2024 fournit un éclairage crucial sur l'actualité de la stratégie. Durant cet intervalle, l'algorithme a complété 159 transactions, ce qui représente exactement 50 % de l'ensemble des trades réalisés sur les 4,74 ans d'historique. La somme des rendements fermés sur cette période atteint +301,16 %. Cette concentration de l'activité sur la période récente montre un resserrement du rythme de déclenchement des signaux par rapport aux premières années de l'échantillon. La cohérence entre les résultats récents et la trajectoire globale confirme que le comportement de la stratégie ne repose pas sur des paramètres obsolètes, mais conserve une dynamique active sur les structures de prix récentes de JASMY.

Forces et limitations

Parmi les forces majeures de cette stratégie figurent un taux de réussite élevé de 75,16 %, un facteur de profit robuste de 5,0 et une répartition particulièrement homogène des gains bruts, réduisant la dépendance aux événements exceptionnels. L'efficacité du modèle sur la période récente apporte également un gage de pertinence statistique. En revanche, la principale limitation réside dans l'écart béant entre la perte maximale subie (-29,86 %) et le gain moyen par trade (+2,37 %). Cette dissymétrie implique qu'une mauvaise exécution ou un dérapage lors d'un mouvement adverse brutal peut impacter lourdement la performance de court terme. De plus, les contraintes liées aux frais de réseau, au glissement d'exécution (slippage) ou à la liquidité ne sont pas intégrées dans ces séries statistiques brutes.

Conclusion analytique DevioLab

En conclusion, la stratégie algorithmique évaluée sur JASMY présente un profil quantitatif de haute tenue, justifiant son classement au premier rang du benchmark DevioLab pour cet actif avec une note globale de 80,58. Sa structure de rendement, caractérisée par une médiane supérieure à la moyenne et une faible concentration sur les plus gros gagnants, témoigne d'un avantage statistique intrinsèque sur l'unité de temps 15 minutes. Toutefois, la gestion du risque impose une vigilance particulière face aux pertes extrêmes ponctuelles. Pour les concepteurs de robots de trading et d'agents d'exécution automatisés, ce modèle constitue une base décisionnelle cohérente, à condition d'être couplé à des règles rigoureuses d'allocation du capital et d'atténuation du risque de queue.

Périmètre des données et méthodologie

Les résultats présentés dans cet article proviennent d'une simulation historique d'ordres fermés sur la paire JASMY, couvrant la période du 22 novembre 2021 au 19 août 2026. L'ensemble des métriques, incluant les pourcentages de rendement, le taux de réussite, le facteur de profit et le drawdown, est calculé exclusivement à partir des transactions simulées clôturées. La date de début d'historique marque uniquement le lancement de l'échantillon de données et ne saurait être interprétée comme la date d'émission ou de cotation initiale de l'actif. Ces données sont fournies à des fins d'analyse quantitative et de recherche historique. Elles ne constituent en aucun cas une garantie de performance future ni un conseil en investissement.

Analyse complète de la stratégie