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

STRKUSDT

Marché crypto · Binance
STRK 215000 +27067.03% 1TRAD-MVQ5
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.
68Transactions
82.4%Taux de réussite
+9.47%Transaction moyenne
+52.06%Meilleure transaction
-15.50%Pire transaction
+20,865.1%Annualisé
Profil analytique de la stratégie · 11a69a65b3457dcf

Analyse de la strategie STRK sur 15m: Taux de reussite de 82.35 % et Profit Factor de 5.00 pondérés par une inactivite recente

Analyse detaillee de la strategie algorithmique appliquee au jeton STRK sur l unite de temps 15 minutes. Affichant un rendement cumule simule de +27067.03 % et un score DevioLab de 77.10, le modele se classe au premier rang pour cet actif. Son profil statistique se distingue par une precision elevee de 82.35 % sur 68 transactions executees, un profit factor de 5.00 et une excellente repartition des gains, ou les trois meilleures operations ne reprèsentent que 19.11 % du profit brut. Néanmoins, l examen montre que la totalité de ces positions s est concentree sur le debut de la periode d observation, sans aucune transaction clôturee enregistree depuis le 1er juin 2024.

Analyse au 14.08.2026. Les données de la stratégie sont mises à jour séparément.
Lire l’analyse complète

1. Profil de la strategie

La strategie algorithmique evaluee ici opère sur le jeton STRK dans une unite de temps de 15 minutes (15m). Dans le classement etabli par DevioLab pour cet actif, le modele occupe le premier rang avec un score de 77.10. L historique des donnees simulees couvre une periode allant du 20 fevrier 2024 au 14 aout 2026, soit l equivalent de 2.48 annees d analyse. Sur cette etendue, la strategie a genere un rendement cumule de +27067.03 %, correspondant a une performance annualisee simulee de +20865.12 %. L echantillon total compte 68 transactions completées, dont 56 se sont soldees par un gain et 12 par une perte, soit un taux de reussite de 82.35 %. Le profit factor global s etablit a 5.00, traduisant un rapport tres avantageux entre les gains bruts et les pertes brutes. Ces chiffres dressent le portrait d une strategie particulièrement selective dont la frequence d intervention reste moderee mais dont l efficacite par position s est avelee historiquement tres elevee.

2. Rythme de trading et duree des positions

Bien que la strategie soit adossee a un graphique en bouches de 15 minutes, son rythme d execution est loin d etre frénétique. Avec un total de 68 transactions sur l ensemble de la periode d etude, le rythme moyen s etablit a 27.4 transactions par an. Les donnees detaillees sur la duree moyenne ou mediane de detention en heures ainsi que le delai entre deux sorties ne sont pas fournies dans cet echantillon statistique. Cependant, la combinaison d une unite de temps courte (15m) et d une frequence de 27.4 positions par an indique une grande selectivite des signaux. Le systeme ne cherche pas a multiplier les allers-retours quotidiens mais attend des configurations de marche bien precises avant de declencher une entree. Ce rythme modere suggère un filtre d entree strict qui elimine la majorité du bruit ambiant du marche des crypto-actifs.

3. Qualite des resultats historiques

L analyse de l esperance de gain montre une coherence remarquable entre le gain moyen et le gain median. La transaction moyenne affiche un rendement de +9.48 %, tandis que la transaction mediane s etablit a +8.67 %. Cet ecart reduit entre moyenne et mediane indique que la performance globale ne repose pas sur une poignee de gains aberrants, mais sur une distribution homogene des plus-values. La meilleure transaction de l historique s est soldee par un gain de +52.06 %, tandis que la pire transaction a enregistre une perte de -15.50 %. De plus, la part des trois plus grands gagnants dans le profit brut total n est que de 19.11 %. Cette faible concentration confirme que la rentabilite du modele est largement diffusee parmi les 56 positions gagnantes, ce qui renforce la robustesse statistique de sa distribution de rendement par rapport aux strategies dont la performance depend exclusivement d un ou deux evenements exceptionnels.

4. Risque, drawdown et comportement lors des pertes

En matiere de risque, le drawdown maximum simule s etablit a 24.22 %. Ramene aux gains cumules, ce niveau de contraction du capital apparait contenu, mais il represente néanmoins une phase de baisse significative que l investisseur doit etre capable de supporter. Le comportement du modele lors des phases défavorables est caracterise par une serie de pertes maximales limitee a seulement 2 transactions consecutives. En comparaison, la plus longue serie de victoires s eleve a 12 transactions d affilee. Le pire trade individuel a enregistre une perte de -15.50 %, ce qui montre que la perte maximale unitaire reste sous contrôle par rapport au gain maximal (+52.06 %) et au gain moyen (+9.48 %). Le risque de perte en cascade semble ainsi historiquement refrène par la combinaison d un taux de reussite de 82.35 % et d une repartition stricte des echecs.

5. Comportement dans le temps et stabilite annuelle

L etude de la stabilite temporelle necessite une analyse prudente de l echantillon disponible. Dans ce jeu de donnees specifique, la repartition detaillee annee par annee (yearly breakdown) n est pas renseignee explicitement sous forme de tableau annuel. L historique general s etend du 20 fevrier 2024 au 14 aout 2026. L absence de ventilation annuelle detaillee impose de juger la stabilite a travers la dynamique globale des 68 transactions fermees. Si la performance globale affiche +27067.03 %, l etude de la repartition chronologique des transactions montre une repartition très irregulière dans le temps, la totalité des operations s etant deroulee sur une fenetre temporelle restreinte.

6. Periode recente depuis le 1er juin 2024 face a l historique complet

Un constat majeur se degage de l examen de la fenetre recente: le nombre de transactions clôturees depuis le 1er juin 2024 s etablit a exactement 0. Par consequent, la somme des rendements sur cette periode recente est nulle. Cela signifie que l ensemble des 68 transactions constituant l echantillon historique a ete execute entre le 20 fevrier 2024 et le 31 mai 2024. Toutes les metriques elogieuses de la strategie, notamment le taux de victoire de 82.35 %, le profit factor de 5.00 et le rendement de +27067.03 %, proviennent exclusivement de cette premiere phase d activite. Depuis le 1er juin 2024, le modele n a declenche aucun signal de sortie. Cette absence totale de transactions recentes constitue une limite analytique importante: la strategie n a pas prouve son efficacite dans les conditions de marche posterieures a mai 2024.

7. Forces et limites

Parmi les forces incontestables de la strategie figurent son taux de reussite tres eleve de 82.35 %, son profit factor solide de 5.00 et l excellente repartition de ses gains, attestee par une mediane (+8.67 %) tres proche de la moyenne (+9.48 %) et une faible concentration des trois meilleurs trades (19.11 %). La gestion du risque beneficiait egalement de series de pertes trè courtès (2 transactions maximum). A l inverse, la principale limitation réside dans l inactivite totale observee depuis le 1er juin 2024, ne fournissant aucun echantillon recent pour valider le comportement du modele dans le contexte de marche actuel. De plus, la taille globale de l echantillon reste modeste avec 68 transactions au total, et les parametres de duree exacte de detention ne sont pas renseignes dans le jeu de donnees.

8. Conclusion analytique de DevioLab

Au terme de cette analyse, la strategie algorithmique sur STRK 15m obtient un score DevioLab de 77.10 et se positionne au rang 1 pour cet actif. Sur le plan purement statistique, le modele montre une asymetrie rendement-risque exceptionnelle durant sa phase d activite, combinant un taux de reussite de 82.35 % avec un profit factor de 5.00. La structure de ses gains est sainement repartie sans dependance excessive envers des outliers. Cependant, l absence totale d operations depuis le 1er juin 2024 invite a la prudence. Cette etude s appuie sur des donnees de backtest simulees et ne constitue en aucun cas un conseil en investissement ou une garantie de performance future.

9. Perimetre des donnees et methodologie

Les statistiques analysees dans cet article proviennent des simulations historiques realisees par DevioLab pour la strategie appliquee a STRK sur l intervalle 15m entre le 20 fevrier 2024 et le 14 aout 2026. Les calculs reposent exclusivement sur les positions fermees. Les pourcentages de performance, les ratios de drawdown et le profit factor decrivent des executions simulees sans tenir compte de frais de transaction reels, du glissement de prix (slippage) ou des conditions de liquidite en direct. Ces resultats passes sont publies a des fins strictement analytiques et educatives et ne sauraient prejuger des resultats futurs.

Analyse complète de la stratégie