ai trading couverture guide captain trading

L’ AI trading se définit par l’utilisation de l’intelligence artificielle dans les processus d’analyses des données de marché, afin obtenir des idées d’investissement ou directement afin d’ agir à notre place. L’utilisation de l’ IA en bourse a révolutionné le secteur financier et le monde du trading en le rendant plus efficace. Si l’ IA trading a gagné en popularité ces dernières années, et que de nombreux traders et investisseurs l’adoptent, c’est pour une bonne raison : les Résultats !

l’ AI Trading implique généralement l’utilisation d’algorithmes et de techniques d’apprentissage automatique pour analyser de vastes quantités de données et identifier des modèles et des tendances sur le marché. 

Grâce à un programme informatique, le risque d’erreurs entre l’intention et la pratique, celles qu’on appelle aussi les erreurs humaines, peut être considérablement réduit !

La précision est également un atout indéniable du trading aidé par l’ intelligence artificielle ! 

Bref, vous l’aurez compris; se passer de l’ intelligence artificielle sur les marchés en 2024, c’est au moins dommage, si ce n’est pas un considérable manque à gagner.

C’est pourquoi la communauté de Captain Trading a débuté le développement de systèmes automatisés dédiés à la prise de décision sur les marchés financiers.

Dans ce guide sur l’AI Trading, nous vous proposerons donc, en plus d’un état des lieux sur le sujet, un tableur qui vous permettra de prendre des trades sur BTC et ETH, selon un algorithme fait maison par un membre de notre Discord Trading Pro !

⚠️ Attention, si vous vous intéressez directement à notre stratégie automatisée, veuillez noter qu’elle est mise au point pour fonctionner avec zoomex. Dès lors, si vous l’utilisez sur des plateformes de trading différentes, vous aurez également des résultats différents. Cela s’explique parce que il s’agit d’une stratégie à la limite du trading haute fréquence. Dès lors, les moindres différences sur les mouvements du marché peuvent avoir un impact considérable !

Au programme :

  1. Qu’est ce que le trading via Intelligence Artificielle ?!
  2. Les principaux usages de l’IA dans le trading
  3. Les Atouts de l’intelligence artificielle sur les machés financiers
  4. Algo Trading : les catégories
  5. IA Trading et Machine Learning
  1. La Sheet en action
  2. Démo Live
  3. Statistiques
  4. Contexte
  5. Explication des setups
  6. Comment placer un ordre

AI Trading : le Guide !

AI trading Définition

L’ AI trading, également connu sous le nom de trading algorithmique ou algo trading. Il s’agit d’une méthode d’exécution de transactions sur les marchés financiers à l’aide d’algorithmes informatiques. Ces algorithmes analysent de plus ou moins grandes quantités de données, telles que l’évolution historique des prix, les tendances du marché et les indicateurs économiques, afin d’identifier des modèles et de prendre des décisions en matière de négociation.

Récemment l’utilisation des intelligences artificielles en bourse a gagné du terrain en raison de sa capacité à analyser de grandes quantités de données rapidement et avec précision, ce qui lui permet d’identifier des modèles ou prendre des décisions plus rapidement que l’homme ne pourrait jamais l’espérer.

Les IA destinées au Trading ont considérablement évolué au fil des ans, avec l’utilisation d’algorithmes d’apprentissage automatique de plus en plus sophistiqués. L’utilisation de l’IA dans le trading a tout bonnement permis aux traders de prendre de meilleures décisions en analysant de grandes quantités de données rapidement et avec précision.

En outre, l’IA a permis à certains traders d’automatiser leurs stratégies de trading, ce qui leur permet de profiter des opportunités du marché 24 heures sur 24 et 7 jours sur 7. Ceci je vous en ai déjà donné un échantillon en première partie !

Bien entendu, les intelligences artificielles sont utilisées sur les marchés traditionnels mais aussi dans le trading de crypto monnaie.

AI Trading, les principaux usages et technos

  1. l’apprentissage automatique,
  2. le traitement du langage naturel
  3. l’analyse de données massives : le big data
  4. Exécution automatique des ordres

Les algorithmes d’apprentissage automatique sont utilisés pour analyser de grandes quantités de données afin d’identifier des modèles et de prendre des décisions de trading à plus long terme.

Le traitement du langage naturel permet d’analyser des articles de presse et d’autres sources d’information afin d’identifier les tendances et les opportunités du marché.

L’ analyse de données massives (big data) est utilisée pour analyser de grandes quantités de données afin d’identifier des modèles et des tendances sur le marché.

Outre ces 3 principaux aspects, les plateformes de négociation par IA utilisent également des algorithmes avancés pour exécuter les transactions automatiquement. Ces algorithmes sont conçus pour tirer parti des opportunités du marché dès qu’elles se présentent, ce qui permet aux traders de prendre de meilleures décisions sans délai et ainsi accroître leur rentabilité.

Dans l’ensemble, le trading d’IA est un domaine qui évolue rapidement et qui offre toute une série d’avantages aux traders. En utilisant des algorithmes et des technologies avancés, les traders peuvent analyser de grandes quantités de données rapidement et avec précision, identifier les tendances et les opportunités du marché, et automatiser leurs stratégies de trading pour tirer parti des opportunités du marché 24 heures sur 24 et 7 jours sur 7.

AI Trading : les atouts

Il existe de multiples raisons pour lesquelles les investisseurs et traders peuvent être attirés par l’intelligence artificielle, on en déjà cité quelques uns mais cela peut aller beaucoup plus loin ! Voici quelques-uns des avantages spécifiques de l’utilisation de l’intelligence artificielle dans la négociation :

  • Réduction des temps de recherche
  • Automatisation
  • Amélioration des prévisions et des rapports
  • Réduction des coûts
  • Technologie évolutive
  • Absence d’émotions
  • Rapidité d’exécution des transactions 
  • Back Testing efficace

Dans l’ensemble, l’ AI trading ou trading assisté assisté par une intelligence artificielle, présente une très grande valeur ajoutée sur les marchés financiers !

Algo Trading : les différents types de trading algorithmique

Analyse quantitative

L’analyse quantitative peut s’appliquer à l’analyse technique et fondamentale. Il s’agit d’une approche populaire de la négociation algorithmique.. Elle consiste à utiliser des modèles mathématiques et des techniques statistiques pour identifier des modèles et des tendances dans les données du marché. Un trader peut utiliser ces modèles pour développer des stratégies de trading qui tirent parti des inefficacités du marché et d’autres opportunités.

Par exemple, l’ analyse de régression est une technique d’analyse quantitative très répandue. D’ailleurs, si vous avez fait une école de commerce, le terme devrait vous parler surtout si je précise “régression linéaire” n’est ce pas ?!

L’étude de régression est une approche statistique utilisée pour explorer la connexion entre les variables dépendantes et indépendantes. Autrement dit, elle sert à analyser comment la variable indépendante influence la variable dépendante.

Cette technique consiste à analyser la relation voire la corrélation entre deux ou plusieurs variables afin d’identifier des modèles et des tendances et tirer parti des projections !

Trading Haute Fréquence

Le trading à haute fréquence (HFT) est un type de trading algorithmique qui consiste à exécuter des transactions à très haute vitesse. 

Les stratégies HFT reposent sur un algo trading sophistiqué mais aussi sur des réseaux de transferts de données à très grande grande vitesse afin d’ exécuter des transactions en quelques fractions de seconde. Cette rapidité est essentielle ce qui 

Les stratégies HFT sont conçues pour tirer profit des petits mouvements de prix sur le marché. Dès lors, en tant que trader, utiliser le HFT pour exécuter rapidement et efficacement d’importants volumes de transactions, peut par ailleurs réduire les frais de façon considérable et ainsi obtenir la rentabilité sur des créneaux qui ne sont pas rentables sans cela. 

En effet, le High Frequency Trading , “c’est” : 

  1. Volume de transaction important 
  2. Quantité d’ ordres très important
  3. Rentabilité faible mais régulière

Il est donc essentiel de ne pas se planter lorsqu’il s’agit de calculer le breakeven point !

J’ai retrouvé un reportage que j’avais visionné il y a quelque temps sur le trading haute fréquence. Si c’est un sujet qui vous passionne, il est pas mal pour connaître les enjeux de cette stratégie !

” En 2 minutes, il peut y avoir jusqu’à 2 millions de transactions “

Arbitrage 

Les stratégies d’ arbitrage consistent à tirer profit des différences de prix entre deux ou plusieurs marchés. 

L’une des stratégies d’arbitrage les plus répandues est l’arbitrage statistique. Cette stratégie consiste à identifier les actifs dont les prix sont mal évalués les uns par rapport aux autres, puis à acheter et à vendre ces actifs pour réaliser un profit. 

L’arbitrage statistique est conçu pour tirer parti des inefficacités du marché et d’autres opportunités.

Ce terme, si je ne me trompe pas de public, vous avez déjà dû en entendre parlé plus d’une fois donc on va pas non plus s’étendre mais simplement en rappeler une bonne définition ! L’ Arbitrage était une activité incroyablement lucrative il y a encore 2 ou 3 ans sur le marché des cryptos. D’ailleurs, pour ceux qui s’en souviennent encore, c’est comme cela que SBF avait commencé à faire fortune via Alameda Research !

Aujourd’hui l’ arbitrage, en ce qui concerne le marché des cryptos, doit encore être rentable mais il est certainement devenu bien plus compétitif !

Par le passé, il suffisait d’être inscrit sur quelques plateformes crypto à travers le monde, avoir des fonds importants, acheter sur les plateformes ou il y avait un déséquilibre du marché penchant vers l’offre et vendre sur les plateformes ou le déséquilibre penche dans le sens inverse.

Les guerres, par exemple, ont provoqué ces dernières années des opportunités d’arbitrage importantes sur des plateformes locales pour n’importe qui mais c’est également un métier et certains ne font que çà !

Dès lors, s’agissant d’un marché dont la compétitivité est exponentielle, l’ AI Trading est devenu indispensable dans la pratique de l’ arbitrage sur les marchés financiers. 

IA TRADING et Machine Learning

Les modèles prédictifs 

Les modèles prédictifs sont certainement utilisés depuis que les gens disposent d’informations, de données et d’une méthode pour les interpréter. Cela dit, la modélisation prédictive moderne aurait débuté dans les années 1940, lorsque les gouvernements ont utilisé les premiers ordinateurs pour analyser les données météorologiques entre autres … 

Au cours des décennies suivantes, les capacités des logiciels et du matériel informatique se sont accrues, ce qui a permis de stocker de grandes quantités de données et d’y accéder plus facilement à des fins d’analyse.

La connectivité internet a facilité l’accumulation, la diffusion et l’examen de vastes quantités de données par quiconque y a accès. Par conséquent, la modélisation s’est développée pour couvrir presque tous les domaines du commerce et de la finance. Par exemple, il est parfaitement courant dans le monde du marketing de voir l’utilisation de la modélisation prédictive. Bien entendu et c’est ce qui nous intéresse les analystes financiers l’utilisent aussi pour estimer les tendances et les événements sur le marché boursier.

Utilisations des modèles prédictifs

L’analyse prédictive se sert de prédicteurs ou de traits identifiés pour élaborer des modèles dans le but d’atteindre un résultat.

L’analyse prédictive peut être utilisée de centaines, voire de milliers de façons. Par exemple, les investisseurs s’en servent pour repérer les tendances du marché des actions ou des titres individuels qui pourraient signaler des occasions d’investissement ou des moments de décision.

Un des modèles les plus couramment employés par les investisseurs est la moyenne mobile d’un investissement, qui adoucit les fluctuations de prix pour les aider à identifier les tendances sur une période définie. En outre, l’auto régression est utilisée pour établir une corrélation entre les valeurs passées d’un investissement ou d’un indice et ses valeurs futures.

La modélisation prédictive est également un outil précieux pour les investisseurs en matière de gestion des risques, car elle permet d’identifier les résultats potentiels de divers scénarios. Par exemple, les données peuvent être ajustées pour prédire ce qui pourrait arriver si une condition fondamentale venait à changer.

Les diverses formes de modélisation prédictive

Il existe plusieurs formes distinctes de modélisation prédictive qui peuvent être employées pour analyser la majorité des jeux de données afin de dévoiler des informations sur des événements à venir.

Modèles prédictifs de classification

Les modèles de classification font appel à l’apprentissage automatique pour répartir les données en catégories ou classes selon des critères déterminés par l’utilisateur. Il existe plusieurs types d’algorithmes de classification, dont voici quelques exemples :

Régression logistique : Une estimation de l’occurrence d’un événement, généralement une classification binaire telle qu’une réponse oui ou non.

Arbres décisionnels : Une suite de réponses oui/non, si/non, ou d’autres résultats binaires présentés dans une visualisation appelée arbre décisionnel.

Arbre de décision : Un algorithme qui combine des arbres de décision non apparentés à l’aide de la classification et de la régression.

Réseaux Neuronaux : Modèles d’apprentissage automatique qui scrutent d’énormes volumes de données pour déceler des corrélations qui ne se manifestent qu’après l’analyse de millions de points de données.

Bayésien naïf : système de modélisation qui s’appuie sur le théorème de Bayes pour établir la probabilité conditionnelle.

Les modèles de Clustering | Regroupement en français

Le clustering est une technique qui permet de regrouper des points de données. Dès lors, les analystes de clusters partent du principe que les données appartenant à des groupes similaires doivent avoir les mêmes caractéristiques et que les données appartenant à des groupes différents doivent avoir des propriétés très différentes. Les algorithmes de regroupement les plus courants sont les suivants :

  • K-Means / Moyenne: K-means est une technique de modélisation qui utilise les klusters pour identifier les tendances centrales de différents groupes de données.
  • Mean-Shift: Dans le modèle du Mean-Shift, la moyenne d’un groupe est déplacée par l’algorithme de manière à identifier les “bulles” ou les maxima d’une fonction de densité. Lorsque les points sont représentés sur un graphique, les données semblent être regroupées autour de points centraux appelés centroïdes.
  • DBSCAN ou Density-based Spatial Clustering With Noise : DBSCAN est un algorithme qui regroupe les points de données sur la base d’une distance établie entre eux. Ce modèle établit des relations entre les différents groupes afin d’occulter les valeurs aberrantes. Toutefois il existe d’autres spécifiques dédiés à cela !

Modèles de Valeur Aberrantes ou Outlier Models

Il est tout à fait normal qu’une série de données comporte des valeurs aberrantes. Le problème est que ses valeurs exceptionnelles peuvent de façon relativement injustifiées modifier nos prédictifs. C’ est pourquoi il est important de pouvoir se séparer des valeurs aberrantes.

  • Isolation Forest ou forêt d’isolement en français : Un algorithme qui détecte des points de données peu nombreux et différents dans un échantillon.
  • Déterminant de la covariance minimale (MCD): La covariance est la relation de changement entre deux variables. Le MCD mesure la moyenne et la covariance d’un ensemble de données qui minimise l’influence des valeurs aberrantes sur les données.
  • LOF ou Local Outlier Factor : Un algorithme qui identifie les points de données les plus proches et leur attribue des scores, ce qui permet d’identifier les points les plus éloignés comme des valeurs aberrantes.

Les modèles de série chronologiques

Couramment utilisée avant d’autres types de modélisation, la modélisation des séries temporelles utilise des données historiques pour prévoir des événements. 

Voici 2 des modèles de séries temporelles les plus courants :

  • ARIMA: Le modèle de moyenne mobile intégrée autorégressive utilise l’auto régression, l’intégration (différences entre les observations) et les moyennes mobiles pour prévoir les tendances ou les résultats.
  • Moyenne Mobile : La moyenne mobile utilise la moyenne d’une période donnée, par exemple la MA50 et la MA200 avec respectivement 50 ou 200 jours, afin de lisser les fluctuations.

J’espère que cette ouverture sur l’ AI Trading ou l’usage d’intelligence artificielle dans le trading vous plait car la suite arrive dès la semaine prochaine dans notre Newsletter offerte chaque samedi !

En attendant, si vous cherchez des plans de trading pédagogiques et réguliers, c’est dans la Newsletter Pro et le Discord Pro que ça se passe !

IA Crypto Trading en mode Scalping !

A des fins de recherche, nous avons décidé de vous partager cette stratégie créée de A à Z par un membre de la communauté. Hésitez pas à nous faire part des résultats de vos tests en commentaire ! Elle est relativement facile à utiliser mais il vous faut absolument un peu d’entrainement avant de passer en réel !

Partir d’une simple stratégie pour monter un Screener

Il existe une multitude de façon de monter un système de trading automatisé, mais aussi de nombreux niveaux d’automatisations, on peut vouloir tout automatiser (prise de décisions jusqu’à l’exécution de l’ordre) ou simplement s’apporter un outil personnel et complémentaire tout en continuant d’intervenir manuellement sur le marché.

Stratégie Automatisée communautaire

A partir de ce point, on va passer la main à un de nos étudiants qui va vous présenter un modèle automatisé qu’il a développé basé sur les disparités USD/USDT pour capter des opportunités de trade sur une très courte timeframe.

Aujourd’hui, je vais vous présenter un screener sur Zoomex basé sur une stratégie simple, qui a pour but de vous proposer des entrées ainsi que des setups de trades en scalp. L’idée est de choper des mouvements sur de très courtes time frame pour limiter au maximum son exposition.

Vous avez tous le détail de mon raisonnement, n’hésitez pas à me ping sur discord si vous avez des questions ou des suggestions d’améliorations 🙂

Démo Live

Voici une démonstration de l’utilisation du screener !

Statistiques des Tests au 27/04/24

  • environ 1 config toutes les 3 minutes (toutes fiabilités confondues)
    En moyenne (l’échantillon est faible, donc pas forcément représentatif)
  • 5% de fort
  • 16% de moyen
  • 43% de faible
  • 36% de kamikaze

Success rate : 64% toutes sensibilités confondues

Echantillon : 403 Configurations

Contexte

La corrélation USD/USDT

En théorie, 1 USD = 1 USDT, toutefois des divergences temporaires peuvent parfois apparaitre. Plusieurs raisons peuvent expliquer cela :

  • Liquidité
  • Volatilité
  • Influences extérieures (fiabilités en l’USDT ou USD)

L’objectif de ma stratégie est de repérer ces divergences et d’en tirer profit.

Les contrats perpétuels et inverse perpétuels

Ce sont des contrats à terme, sans date d’expiration, on peut donc garder une position ouverte indéfiniment, tant que l’on peut couvrir les frais afférents à ce contrat.

Avantage ? Ils nous permettent de spéculer sans avoir à posséder le sous-jacent en question.

Dans notre stratégie, on utilise les inverse perpétuels comme un outil de couverture, enfin, dernier point non négligeable, les contrats perpétuels nous permettent aussi d’utiliser des leviers

* Disclaimer : Les leviers sont dangereux, restez humble, où vous risquez de vous faire laver 🙂

Choix de la plateforme

Pour notre stratégie, on va privilégier l’utilisation de Zoomex.

Zoomex propose des PERP et Inverse PERP pour BTC, ETH, XRP et EOS

Parfait pour notre stratégie, on peut jouer sur les corrélations USD/USDT sur ces paires.

big data algo trading intelligence artificielle

Hedging ou Couverture

Simplement dit, le hedging consiste à ouvrir une position Long et une position Short sur le même asset, pour se couvrir en cas de mouvement inverse à celui anticipé.

Typiquement : 1 Long, 1 short

  • Si le cours chute, on couvre le long avec le short
  • Si le cours monte, on couvre le short avec le long

Stratégie : Rentrons dans le vif du sujet !

Comme dit précédemment, on va monter une stratégie simple se basant sur les divergences USD/USDT, utiliser les contrats perp et inverse perp à notre avantage, avec un soupçon de levier par dessus 🙂

La corrélation USD/USDT

1 USD = 1 USDT, la plupart du temps.. la corrélation USD/USDT est extrêmement forte, et les périodes de divergences bien que très courtes, restent existantes.

ai trading crypto

Ici sur le screen de Zoomex, on peut constater un micro-écart de 8.4 points entre BTCUSDT et BTCUSD.

En partant du postulat de corrélation USD/USDT deux conclusions sont possibles :

  • USDT pourrait rejoindre USD à la hausse
  • USD pourrait rejoindre USDT à la baisse

La question est donc, comment savoir qui va rejoindre qui ?

L’analyse technique, à la rescousse

On sait que les divergences USD/USDT ont lieu sur de très courtes timeframes, on peut donc utiliser un peu d’analyse technique sur BTCUSDT afin de dégager une tendance.

A noter : d’autres méthodes d’analyse technique, d’autres indicateurs sont utilisables, ici, je vais vous proposer des indicateurs simples, vous pouvez complexifier, modifier ou altérer à votre guise l’analyse technique que je vous propose, le but est de comprendre la stratégie dans son ensemble.

Corrélation d’indicateurs techniques

Pour notre exemple, on va utiliser la corrélation d’indicateurs techniques pour induire la direction (USDT vers USD ou USD vers USDT).

Les élus sont : MACD / RSI, / Bande de Bollinger et EMA

Un amalgame de ces indicateurs techniques pour définir une intention de tendance (de très court terme) sur BTCUSDT, ce consensus nous permet alors, de nous donner une idée d’une potentielle orientation du marché sur cette paire. On joue littéralement sur des probabilités.

La logique de notre stratégie

  • Si BTCUSDT < BTCUSD
  • Si l’Analyse technique suggère une hausse sur BTCUSDT
  • Alors, BTCUSDT devrait rejoindre/dépasser BTCUSD

Prise de position suggérée :

  • Long Perp BTCUSDT, avec levier pour augmenter l’espérance de gain
  • Short Inverse Perp BTCUSD, sans levier (pour couverture)

A contrario :

  • Si BTCUSDT > BTCUSD
  • Si l’analyse technique suggère une baisse sur BTCUSDT
  • Alors, BTCUSDT devrait rejoindre/descendre en dessous de BTCUSD

Prise de position suggérée :

  • Short Perp BTCUSDT, avec levier pour augmenter l’espérance de gain
  • Long Inverse Perp BTCUSD, sans levier (pour couverture)

Considérations importantes

  • Basis risk : Les positions ne se couvriront pas totalement si le rapport USD/USDT ne se normalise pas
  • Les couts de transactions : Dans ce genre de stratégie, où les profits sont fragiles, il faut impérativement considérer les fees de la plateforme ! Une trade peut sembler intéressante, mais une fois les frais déduits, elle n’en valait pas la peine
  • La volatilité : Les cryptos sont hyper volatile, les conditions marché peuvent être extremes, et la liquidité peut avoir un gros impact sur vos trades, prudence est mère de sureté
  • Votre PnL dépend de votre levier, de votre analyse et de votre propension au risque, à nouveau, soyez prudent

⚠️ Enfin, point important à garder en tête, les mouvements que l’on cherche sont sur des timeframes extrêmement courtes, placer correctement 2 ordres en quelques secondes est un défi, allez-y progressivement et entrainez vous !

Faiblesse de cette stratégie

La grande faiblesse de cette stratégie réside dans la réactivité dont vous aurez besoin. Entre l’analyse des éléments que l’on a cité plus haut, le setup des 2 trades et l’execution, il va y avoir du sport !

Pour les plus téméraires d’entre vous, je vous préparé une cheat sheet, qui vous propose des setup basés sur cette stratégie. Vous l’avez déjà vue passé, elle est tout en haut de cet article ! Ce que vous n’avez peut être pas remarqué est qu’elle se met à jour automatiquement !

Elle est constitué comme suit :

  1. La fiabilité : Compris entre Kamikaze et Elevé, la fiabilité vous informe sur le risque du setup proposé
  2. La direction : Haussière/baissière
  3. Le produit : Perp ou inverse Perp
  4. Le ticker : BTC/ETH/XRP ou EOS
  5. Last Traded Price de Zoomex
  6. Type d’ordre : Long ou Short
  7. TP : Take Profit
  8. SL : Stop Loss

Tous les éléments du document parlent d’eux-mêmes, mais des précisions sont nécessaires pour certains d’entres eux :

  • Le Last Traded Price, est le dernier prix tradé sur la plateforme Zoomex pour le produit (perp ou inverse perp), il est mis à jour toutes les minutes.
  • Les TP et SL sont suggestifs, vous pouvez les affiner à votre guise. Toutefois sachez qu’ici ils sont indexés sur l’ATR, les frais de la plateforme et sont automatiquement mis à jour selon l’évolution des conditions marché

⚠️ L’objectif n’est pas de vous donner des signaux mais plus de potentielles entrées sympas sur ce genre de setup !

Comment placer un ordre sur Zoomex ?

Zoomex est une plateforme crypto hyper intuitivie et simple d’accès. C’est la raison pour laquelle je l’ai utilisée pour y développer ma stratégie. C’est aussi la plateforme que je favorise pour le trading de futures donc forcément çà facilite les choses …

Vous n’avez pas de compte ? Créez en un via ce lien pour soutenir Captain Trading et la création de nouvelles formations et stratégies de trading automatisées 🙂

Il n’y a pas de KYC donc en 5 min vous pouvez directement appliquer la strat. De plus, elle sera bien appliquée puisqu’elle est calculée selon la price action et les frais de Zoomex

Une fois connecté, rendez-vous sur la page d’accueil et sélectionnez derivatives pour accéder aux Perp et Inverse Perp

acheter crypto sur zoomex

Une fois cliqué sur USDT Perpetual, vous devriez accéder à la page vous permettant de placer des ordres

acheter bitcoin sur zoomex

Configuration Zoomex

A nouveau, ceci est mon setup d’autres setup existent, je vous présente ce qui me convient

Margin mode et levier

Personnellement, je modifie de margin mode en isolated et je trade avec levier x10. Pourquoi ?
Les cryptos étant extrêmement volatile et notre stratégie s’axant sur des mouvements très sensibles à la volatilité et aux bruits, je trade avec une petite size en accord avec mon money management personnel, donc un levier x10 est totalement acceptable.

De plus, vu que la stratégie nous oblige à intervenir très rapidement sur le marché, le moins de facteur j’ai à considérer, le plus je suis efficace (on peut pas toujours être à 100%).

isolated mode zoomex

Concernant le type d’ordre, je choisis des ordres marché pour les mêmes raisons, plus facile à exécuter, moins de “réflexion”, je normalise même l’order value, histoire de savoir très rapidement mon exposition sur chaque trade.

En résumé, vous pouvez choisir de paramétrer chacun des éléments ci-dessus à votre guise (marge, levier, type d’ordre) selon vos préférences. Pour rappel avec un gros levier, vous risquez de vous faire raser rapidement.

effet de levier ai trading

Take profit et Stop Loss

Toutes bonne stratégie à son Take profit et son Stop Loss, sur Zoomex, vous pouvez gérer ces paramètres en cliquant sur la coche TP/SL.

ai trading sur zoomex

Puis vous n’avez qu’à choisir le sens de la trade (long ou short), remplir le take profit et le stop loss (en vous basant sur ceux du cheat sheet, ou par d’autres valeurs plus personnelles) puis confirmer la trade.

Votre ordre long est désormais en place. Il vous suffit de faire de même (sur les inverse perp) pour placer le short 🙂

⚠️ Ce qui suit est très IMPORTANT pour les débutants ⚠️

Pour les plus débutants parmi vous, voici les réglages que je vous suggères ainsi que la manière d’utiliser le sheet le temps de vous faire les dents :

  • Ne tradez que BTC et ETH
  • Ne passez que les ordres Long et Short 1, pas l’ordre de couverture – Vous n’aurez pas le temps de placer les deux correctement
  • Order size à 70 – Sans couverture, vous ne risquez pas grand chose, donc rien de terriblement impactant si vous vous plantez
  • Ne prenez que les fiabilités Moyenne et Haute
  • Ajustez vos trades en fonction du moment où vous êtes entré – si vous voyez que vous pouvez remonter votre SL, faites le ! A l’inverse sur le TP, ne soyez pas trop gourmand

Enfin, et plus généralement, l’idéal est de laisser la sheet en vue sur un de vos écrans ou en mode réduit, afin d’être prêt à intervenir via Zoomex sur BTC et ETH. Préremplissez vos order size, et déroulez 🦾!

Vous verrez que ca fonctionne par cycle : calme > ça bombarde > calme > ça bombarde > etc

Conclusion

Chaque stratégie de trading a un objectif et des variables, celle que je vous ai présenté aujourd’hui, a pour but de vous accompagner sur du scalping et tirer des profits réduits mais ultra réguliers. Elle ne conviendra pas à tous les profils, mais on peut dire avec certitude qu’elle rempli son objectif.

Si l’intelligence artificielle en bourse et l’ AI trading vous intéresse, n’hésitez pas à me faire des retours dans le Discord Pro, ou en commentaire de cet article, je serais ravis de répondre à vos questions 🙂

Enfin un grand merci à Captain Trading de me donner l’opportunité de vous présenter mon travail, on travaille souvent seul et avoir le soutien de l’équipe fait toujours plaisir !

@+ sur le discord !