Analyseur de modele (Notation des setups)

Analysez les performances par note de setup : A+, A, B, C et trades non notes

L'Analyseur de modele sur la page Analyse montre comment vos trades performent en fonction des notes de qualite des setups. Cette fonctionnalite fonctionne en conjonction avec le systeme d'arbre de decision des strategies, qui attribue des notes (A+, A, B, C) aux trades en fonction de criteres que vous definissez.

Niveaux de notes

  • A+ (Meilleure note) -- Les setups de la plus haute qualite qui remplissent tous vos criteres. Ce devraient etre vos trades les plus performants.
  • A (Haute qualite) -- Setups solides qui remplissent la plupart des criteres. Trades encore a haute confiance.
  • B (Acceptable) -- Setups corrects qui remplissent les criteres minimaux. Peuvent manquer certains facteurs de confluence.
  • C (Basse qualite) -- Setups en dessous de la moyenne pris malgre le non-respect de la plupart des criteres.
  • Non note -- Trades sans note de setup, soit parce qu'aucune strategie n'a ete assignee, soit parce que la strategie n'a pas d'arbre de decision.
Analyseur de modele montrant les metriques de performance pour chaque note de setup

Metriques par note

Pour chaque niveau de note, l'Analyseur de modele affiche :

  • Nombre de trades avec cette note
  • Taux de reussite
  • PnL moyen
  • PnL total
  • R-multiple moyen

Ce qu'il faut rechercher

Le pattern ideal est : les notes A+ et A devraient avoir le taux de reussite et le PnL moyen les plus eleves, tandis que les notes B et C devraient progressivement sous-performer. Si vos trades de note C surpassent les trades A+, vos criteres d'arbre de decision ont peut-etre besoin d'etre affines.

L'Analyseur de modele n'est utile que si vous notez systematiquement vos setups. Prenez l'habitude d'assigner une strategie (avec un arbre de decision) a chaque trade pour que cette analyse ait suffisamment de donnees pour generer des insights significatifs.
Vous avez besoin d'au moins 20-30 trades par niveau de note pour tirer des conclusions statistiquement significatives. Les petits echantillons peuvent produire des resultats trompeurs.

Cet article vous a-t-il ete utile ?