FITB · Fifth Third Bancorp
Stock Universe · marché actions mondialAnalyse de la stratégie algorithmique FITB · FITB: un modèle à faible fréquence et haute précision sur unités de 15 minutes
Cette analyse quantitative examine les performances historiques de la stratégie d algorithmique sur l action FITB. Évaluée sur une période de plus de sept ans couvrant 59 transactions clôturées, la stratégie affiche un taux de réussite exceptionnel de 81,35 % et un facteur de profit de 5,00. Malgré l utilisation d un intervalle de temps intraday de 15 minutes, l algorithme adopte une approche patrimoniale à faible fréquence avec une durée moyenne de détention de 681,58 heures (environ 28,4 jours) et seulement 8,37 transactions par an. La rentabilité cumulée simulée atteint +4943,43 %, sans dépendance excessive envers un petit nombre de gains isolés, les trois meilleures transactions ne représentant que 23,59 % du profit brut total. Cependant, la présence d une perte maximale individuelle de -24,99 % et d un drawdown maximum de 25,38 % rappelle la nécessité d une gestion rigoureuse des risques lors de son intégration dans des systèmes d exécution automatisés.
Analyse au 01.11.2026. Les données de la stratégie sont mises à jour séparément.Lire l’analyse complète
1. Profil de la stratégie
La stratégie d automatisée développée pour FITB repose sur un cadre quantitatif opérant sur des données en bougies de 15 minutes. Malgré cette granularité temporelle fine, le modèle ne cherche pas à capturer de micro-fluctuations intraday. Il s agit d un système d investissement systématique positionnel conçu pour identifier des mouvements de tendance d ampleur sur l action FITB. Sur l ensemble de l historique analysé, du 16 septembre 2019 au 2 octobre 2026 (soit environ 7,05 ans), la stratégie a généré un total de 59 transactions complétées, obtenant un score DevioLab de 80,75 et se classant au premier rang pour cet actif. Le rendement cumulé historique s élève à +4943,43 %, traduisant une performance annualized simulée de 182,88 %. La structure des résultats montre une asymétrie nette en faveur des gains: 48 positions gagnantes contre seulement 11 positions perdantes, soit un taux de réussite de 81,36 %. Ce profil fait de cette logique décisionnelle un candidat robuste pour alimenter des bots de trading automatisés recherchant une sélectivité élevée plutôt qu un volume important d exécutions.
2. Rythme de trading et durée des positions
L étude de la cadences des opérations révèle un comportement fortement patient. Avec une moyenne de 8,37 transactions par an et 1,28 transaction par mois actif, l algorithme fait preuve d une grande discipline de filtrage. Les positions restent ouvertes pendant des périodes prolongées: la durée moyenne de détention s élève à 681,58 heures (environ 28,4 jours), tandis que la durée médiane s établit à 479,25 heures (environ 20,0 jours). L écart entre la moyenne et la médiane indique que certaines positions gagnantes sont conservées au-delà de plusieurs mois pour maximiser la capture de tendance. De plus, le délai moyen entre deux sorties de position est de 41,43 jours (35,03 jours en médiane). Ces métriques démontrent que la stratégie n est aucunement un système de scalping ou de trading haute fréquence, mais plutôt un robot de trading positionnel qui exploite la précision des signaux 15 minutes pour ajuster ses points d entrée tout en laissant mûrir ses positions sur le moyen terme.
3. Qualité des résultats historiques
La qualité de la distribution des profits constitue l un des points forts les plus marquants de ce modèle quantitatif. Le facteur de profit s établit à 5,00, signifiant que la somme des gains bruts est cinq fois supérieure à la somme des pertes brutes. Le gain moyen par transaction s élève à +7,76 %, tandis que le gain médian se situe à +5,64 %. Cette proximité entre moyenne et médiane atteste d une régularité solide dans la performance des trades gagnants, évitant l écueil des stratégies dépendantes d un unique coup de chance. De plus, la concentration du profit brut dans les trois meilleures transactions n est que de 23,59 %. Même si la meilleure transaction a enregistré une progression remarquable de +53,35 %, la rentabilité globale reste largement distribuée sur l ensemble des 48 trades profitables. Cette répartition homogène renforce la crédibilité statistique de l agent de trading sur le long terme.
4. Risque, drawdown et comportement lors des pertes
L analyse de la trajectoire de risque met en lumière une asymétrie marquée entre la fréquence des pertes et leur sévérité ponctuelle. Le pire trade historique affiche une perte de -24,99 %, une valeur extrêmement proche du drawdown maximum enregistré par la stratégie, qui s établit à 25,38 %. Cela indique que le drawdown majeur de la stratégie a été quasi intégralement provoqué par une seule position défavorable plutôt que par un enchaînement prolongé de mauvaises opérations. En effet, la plus longue série de défaites consécutives n a jamais dépassé 2 transactions, alors que la plus longue série de victoires s élève à 19 transactions consécutives. Cette capacité à éviter les spirales de pertes consécutives est une caractéristique protectrice essentielle pour un robot de trading. Néanmoins, l ampleur de la perte maximale individuelle exige une attention particulière concernant la taille des positions et l exposition du capital.
5. Comportement dans le temps et stabilité annuelle
La décomposition annuelle des résultats confirme la constante efficacité de l algorithme à travers différents régimes de marché sur l action FITB. En 2020, la stratégie enregistre 10 transactions pour 9 victoires (90 % de réussite) et un profit cumulé de +178,24 %. L année 2021 affiche un sans-faute parfait avec 8 transactions sur 8 gagnantes (100 %) et +66,40 % de gain. En 2022 et 2023, malgré une baisse du taux de réussite (75 % puis 55,56 %), le cumul annuel reste largement positif avec respectivement +37,76 % et +46,11 %. L année 2024 retrouve un taux de réussite de 100 % sur 7 transactions (+45,16 %). En 2025, la stratégie enregistre 4 victoires sur 7 trades (57,14 %) pour +28,21 %, avant de signer à nouveau une excellente performance en 2026 avec 9 victoires sur 10 trades (90 %) et +55,77 %. La constante positivité du bilan annuel sur sept exercices témoigne d une stabilité temporelle remarquable.
6. Période récente depuis le 01/06/2024 par rapport à l historique complet
Sur la fenêtre récente allant du 1er juin 2024 au 2 octobre 2026, la stratégie a clôturé un total de 21 transactions, générant un gain cumulé simulé de +116,42 %. Cette sous-période représente plus du tiers des 59 transactions totales de l historique, indiquant un rythme d exécution légèrement plus soutenu ces derniers temps sans pour autant altérer la nature sélective du système. La performance sur cette période récente montre que l algorithme conserve son efficacité opérationnelle face aux conditions de marché contemporaines. Le gain cumulé de +116,42 % obtenu sur un peu plus de deux ans s inscrit en parfaite cohérence avec le taux de rendement annuel historique, prouvant que le modèle ne souffre pas d un dégradement récent de son avantage statistique.
7. Forces et limites
Parmi les forces majeures de cette stratégie pour FITB figurent son taux de réussite élevé de 81,36 %, son facteur de profit exceptionnel de 5,00 et la faible concentration de ses gains (23,59 % pour le top 3). La stabilité des résultats d une année sur l autre et la rareté des séries défavorables (maximum 2 pertes consécutives) facilitent son exécution psychologique et technique au sein d un agent automatisé. En contrepartie, la principale limitation réside dans le faible nombre total de transactions (59 trades en 7 ans), ce qui constitue un échantillon statistique modéré. De plus, la sévérité du pire trade (-24,99 %) démontre que lorsqu un échec survient, il peut entamer significativement le capital si la gestion des risques n est pas calibrée pour supporter un drawdown ponctuel de 25,38 %.
8. Conclusion analytique DevioLab
Au terme de cette évaluation quantitative, la stratégie FITB 0 +4943.43% 1TRAD-EFT5 s impose comme une solution décisionnelle hautement performante et équilibrée. Obtenant le rang 1 pour le ticker FITB avec un score DevioLab de 80,75, elle démontre la possibilité d allier la précision temporelle des graphiques 15 minutes à une philosophie de détention à moyen terme. L algorithme privilégie la qualité des entrées sur la quantité d exécutions, ce qui en fait un modèle particulièrement adapté à une mise en œuvre via un robot de trading automatisé. Les investisseurs et concepteurs de systèmes quantitatifs devront toutefois prendre en compte la durée de détention moyenne de près d un mois et prévoir une gestion de position rigoureuse pour absorber les pertes ponctuelles les plus larges.
9. Périmètre des données et méthodologie
Les conclusions présentées dans cet article reposent exclusivement sur l analyse statistique des transactions fermées de la stratégie entre le 16 septembre 2019 et le 2 octobre 2026. Les pourcentages exprimés reflètent les performances simulées hors frais de courtage, glissement de prix (slippage) ou contraintes de liquidité réelles. Cette étude constitue une recherche historique quantitative et ne saurait être interprétée comme un conseil en investissement ou une garantie de performances futures. La mention d outils automatisés, de bots ou de robots de trading fait référence au contexte d application théorique de la logique algorithmique et n implique pas l existence d une infrastructure d exécution en direct non documentée dans les données source.