Le dimensionnement de position au-delà de la règle du 1% : fraction fixe, Kelly et ajustement à la volatilité

Vous connaissez déjà la règle dont part cet article : risquer 1% à 2% des capitaux propres du compte par trade, et déduire la taille de position en divisant ce risque en dollars par la distance entre l'entrée et le stop. Ce calcul, les multiples de R et les preuves sur la corrélation vivent tous dans gérer le risque en crypto, et le placement du stop lui-même vit dans où placer votre stop-loss crypto. Cet article prend les deux comme entrées et pose la question suivante : étant donné un budget de risque et une distance de stop, quel modèle de dimensionnement les transforme en un nombre, et que fait chaque modèle à votre courbe de capital.

Pourquoi la fraction fixe et le montant fixe divergent, et lequel vous voulez vraiment

Les deux modèles prennent le même budget de risque. La fraction fixe recalcule le risque en dollars à partir des capitaux propres courants avant chaque trade. Le montant fixe le fige une fois, généralement depuis les capitaux propres de départ, et l'y laisse. La différence n'est pas cosmétique et elle ne se compense pas dans la durée.

Une comparaison détaillée sur huit trades

Partez de $10,000, risquez 2% par trade, et supposez que chaque trade se résout soit à −1R, soit à +2R. La séquence est de cinq pertes suivies de trois gains. Le trader à montant fixe mise $200 à chaque fois ; le trader à fraction fixe mise 2% de ce qu'il reste de capitaux propres.

Rejouez les mêmes huit résultats dans l'ordre inverse et les deux modèles terminent exactement sur les mêmes chiffres : $10,167.88 et $10,200. Les capitaux propres finaux de la fraction fixe sont un produit de multiplicateurs par trade et ceux du montant fixe une somme de montants par trade, et aucune de ces deux opérations ne se soucie de l'ordre.

Ce qui se passe sur une série qui ne s'arrête pas

Les modèles ne se séparent véritablement que lorsque la série perdante est assez longue pour compter.

Ce que ces exemples vous disent réellement

La fraction fixe ne peut pas atteindre zéro, et c'est une propriété de la multiplication, pas une propriété de la discipline. Multiplier par 0.98 un nombre illimité de fois produit un nombre qui décroît vers zéro sans jamais y arriver. Le montant fixe soustrait une constante, et la soustraction, elle, arrive : à 2% d'un départ de $10,000, la cinquantième perte consécutive tombe exactement sur zéro. L'indépendance à l'ordre vaut pour les deux modèles jusqu'à ce point, puis elle cesse de valoir pour le montant fixe, car une séquence qui atteint zéro se tronque et il ne reste rien pour trader les résultats restants. Cette troncature est toute la portée de l'affirmation « ne peut pas être ruiné ». Ce n'est pas une affirmation selon laquelle la fraction fixe vous protège : 36% de votre capital de départ après cinquante pertes n'est pas une issue survivable en pratique, c'est simplement une issue non nulle.

Le prix de ce plancher est une récupération plus lente, et le tableau des huit trades montre exactement où vous le payez. La fraction fixe est en avance de $39.21 au creux du drawdown et en retard de $32.12 à la fin de la récupération, parce qu'elle a misé $180.78 sur le premier trade gagnant là où le trader à montant fixe misait $200. Elle réduit le risque dans la faiblesse par construction, ce qui veut dire qu'elle le réaugmente tardivement dans la force. La version la plus nette : dix pertes puis dix gains, tous exactement à ±1R et 2% de risque, laissent le trader à montant fixe précisément à $10,000 et le trader à fraction fixe à $9,960.07, car 0.98 × 1.02 = 0.9996 et ce manque se compose dix fois. Un aller-retour symétrique coûte 0.4% au dimensionneur à fraction fixe et ne coûte rien à celui à montant fixe.

Le choix est donc un énoncé sur ce que vous attendez ensuite, pas sur la supériorité d'un modèle. Utilisez la fraction fixe quand le compte est ce que vous capitalisez et que vous comptez trader la même stratégie pendant des années : elle vous met à l'échelle automatiquement à mesure que les capitaux propres croissent et elle supprime la décision de savoir quand augmenter la taille. Utilisez le montant fixe quand le compte est une allocation fixe que vous alimentez ou ponctionnez depuis une source extérieure, quand vous êtes dans une période d'évaluation définie, ou quand l'avantage de la stratégie se mesure en R et que vous voulez que ce soit le nombre de trades, et non la trajectoire des capitaux propres, que l'échantillon teste.

Le critère de Kelly : ce qu'il optimise, et pourquoi le Kelly plein n'est pas une cible

L'article de Kelly de 1956 répond à une question plus étroite que ne le suppose la plupart des gens. Il ne maximise pas la richesse espérée. Il maximise le taux de croissance exponentiel du capital, défini comme la moyenne de long terme du logarithme du multiple de richesse, et Kelly dit explicitement que maximiser la richesse espérée revient à tout miser, ce qui vous laisse « ruiné avec une probabilité de un » si vous continuez de jouer.

Pour un pari où vous risquez une fraction f de vos capitaux propres, gagnez avec une probabilité p, et où un gain paie b fois ce que vous avez risqué, la fraction optimale est :

f* = (p × b − q) ÷ b, où q = 1 − p.

Trois hypothèses portent ce résultat, et chacune est fragile en crypto. Kelly traite p et b comme des paramètres connus, pas comme des estimations avec des erreurs types. Il exige des issues indépendantes et identiquement distribuées, ce que des trades pris dans le même régime ne sont pas. Et il suppose que la distribution que vous avez spécifiée est la vraie, alors qu'un modèle à deux issues ou log-normal n'a aucune place pour les journées où un actif bouge de cinq à dix fois son amplitude récente — précisément les journées sur lesquelles la décision de dimensionnement se joue.

Un exemple détaillé sur un taux de réussite crypto réaliste

Prenons une stratégie de suivi de tendance avec un taux de réussite de 40% et des gagnants qui rapportent en moyenne 2R, une distribution dont le guide de gestion du risque montre qu'elle est confortablement profitable, avec une espérance de gain de 0.40 × 2 − 0.60 = +0.20R par trade.

Kelly plein : f* = (0.40 × 2 − 0.60) ÷ 2 = 0.20 ÷ 2 = 0.10. Risquez 10% des capitaux propres à chaque trade.

C'est cinq à dix fois la règle des 1–2%, et c'est la bonne réponse à la question que Kelly a posée. Changez maintenant un seul nombre.

Ce que fait une erreur de cinq points sur le taux de réussite

Supposons que vous ayez backtesté la même stratégie et mesuré un taux de réussite de 45% au lieu de 40%, une erreur bien à l'intérieur du bruit d'échantillonnage de quelques centaines de trades.

Kelly plein : f* = (0.45 × 2 − 0.55) ÷ 2 = 0.35 ÷ 2 = 0.175. Risquez 17.5% des capitaux propres.

Une surestimation de cinq points du taux de réussite a relevé la taille recommandée de 75%, et vous a placé à 1.75 fois la vraie fraction de Kelly. Voici ce que cela coûte, calculé sur la vraie distribution à 40%.

Le trader qui a surestimé le taux de réussite de cinq points termine avec moins que celui qui a délibérément divisé par deux, sur une stratégie qui fonctionne réellement. Poussez un peu plus loin et cela devient pire que « moins » : à 20% des capitaux propres, soit deux fois le vrai Kelly, le taux de croissance vaut 7% de l'optimum, et au-delà d'environ 20.4% il devient négatif. Une stratégie strictement profitable, mal dimensionnée, perd de l'argent.

Pourquoi l'erreur est asymétrique, en une ligne

La figure 1 est tout l'argument. Le traitement continu de Kelly par Thorp donne le taux de croissance à une fraction c du Kelly plein comme c × (2 − c) du maximum, et c'est cette courbe qui est tracée.

Lisez-la en trois étapes, avec les paramètres tels qu'ils sont tracés.

1. Repérez c = 1 sur l'axe horizontal. La courbe y culmine à 100%. C'est le Kelly plein, et c'est un maximum, ce qui signifie que la courbe est plate autour de lui : à c = 0.75 et c = 1.25 le taux de croissance vaut encore 93.8%. Se tromper légèrement sur la taille ne coûte presque rien.
2. Comparez c = 0.5 et c = 1.5. Les deux affichent 75%. Sous-parier de moitié et sur-parier de moitié coûtent exactement la même croissance. Pris isolément, cela paraît symétrique.
3. Suivez maintenant la courbe au-delà de c = 2 et cherchez une image miroir à gauche. À c = 2 le taux de croissance est nul ; à c = 2.5 il vaut −125% et continue de chuter. Aucune valeur de c du côté gauche ne produit un taux de croissance négatif ; la courbe s'approche simplement de zéro quand c s'approche de zéro. Sous-parier est borné par le fait de ne rien faire. Sur-parier n'est borné par rien. Cette asymétrie explique pourquoi une estimation d'avantage dont vous n'êtes pas sûr doit être révisée à la baisse plutôt qu'à la hausse, et c'est la forme mathématique de l'observation de Thorp selon laquelle les rendements excédentaires prévus ont plus de chances d'être trop élevés que trop faibles.

La courbe est le résultat log-normal. Sur l'exemple discret à deux issues ci-dessus, le demi-Kelly conserve 76% du taux de croissance plutôt qu'exactement 75%, et le point de croissance nulle se situe à 2.04 fois Kelly plutôt qu'exactement 2. Même forme, constantes légèrement différentes.

Le Kelly fractionnaire, et le chiffre de drawdown qui compte

Thorp donne trois résultats pour un pari à une fraction c du montant de Kelly, et c'est le troisième qui tranche l'argument :

• Le taux de croissance évolue comme c(2 − c) du maximum. Le demi-Kelly en conserve les trois quarts.
• L'écart-type du taux de croissance évolue comme c, donc le demi-Kelly est exactement deux fois moins volatil dans le modèle continu et 0.51 fois aussi volatil sur l'exemple discret ci-dessus.
• La probabilité que votre capital soit un jour réduit à une fraction x de sa valeur de départ vaut x élevé à la puissance 2m/s². Au Kelly plein cet exposant vaut 1 : la probabilité de voir un jour votre compte réduit de moitié est donc exactement un demi.

En substituant les expressions du Kelly fractionnaire pour la croissance et l'écart-type dans ce troisième résultat, l'exposant devient 2/c − 1. La chance de voir un jour le compte réduit de moitié est donc de 1 sur 2 au Kelly plein, 1 sur 8 au demi-Kelly, et 1 sur 128 au quart de Kelly, face à des taux de croissance de 100%, 75% et 44% du maximum. C'est cet échange que décrit réellement le conseil « utilisez le Kelly fractionnaire » : abandonner un quart du taux de croissance achète une réduction par quatre de la probabilité de perdre un jour la moitié du compte.

La figure 2 trace cette probabilité sur le même axe horizontal que la figure 1, afin que les deux courbes puissent être lues l'une contre l'autre.

Lisez les deux figures ensemble, car aucune ne constitue l'argument à elle seule.

1. Prenez c = 0.5 sur les deux. La figure 1 donne 75% du taux de croissance maximal. La figure 2 donne 12.5% de chances de perdre un jour la moitié du compte.
2. Déplacez les deux à c = 1. La croissance récupère ses derniers 25%, et la probabilité de perdre la moitié passe à 50% — quatre fois plus élevée pour ce dernier quart.
3. Allez maintenant à c = 1.5 et comparez avec c = 0.5. La figure 1 affiche 75% aux deux points, exactement comme noté plus haut. La figure 2 affiche 12.5% au premier et 79.4% au second. Taux de croissance identique, plus de six fois la probabilité de ruine. Chaque fois que vous pariez au-dessus du Kelly plein, il existe un pari plus petit offrant la même croissance espérée pour une fraction du drawdown, et c'est pourquoi la région à droite de c = 1 n'est jamais l'endroit rationnel où se tenir.

Les deux figures relèvent du modèle continu, ce qui les rend directement comparables entre elles. Lues face à l'exemple discret à deux issues, les constantes se décalent comme elles se décalaient pour le taux de croissance : la forme tient, les chiffres exacts non. Utilisez les courbes pour la forme de l'arbitrage et le tableau détaillé ci-dessus pour l'arithmétique d'un pari donné.

Ce que cet exemple vous dit réellement

Kelly est un diagnostic, pas une taille. Sa véritable sortie est le nombre 10%, qui dit deux choses à la fois : cet avantage est assez grand pour qu'un risque de 1% laisse de la croissance sur la table, et votre estimation de cet avantage devrait être exacte à une fraction de point de pourcentage près pour que 10% soit défendable. Utilisez-le pour vérifier le risque que vous avez déjà choisi. Si votre règle se situe au-dessus du Kelly plein sur vos propres statistiques mesurées, vous sur-pariez une stratégie qui fonctionne.

Traitez ensuite le demi-Kelly comme un plafond plutôt que comme une cible. Thorp recommande de choisir f entre la moitié de la fraction de Kelly estimée et l'estimation elle-même, ce qui plafonne la pénalité de croissance à 25% tout en protégeant contre une estimation erronée. Sur l'exemple 40% / 2R, cela fait un risque de 5%, encore bien au-dessus de la règle conventionnelle, et le conventionnel 1–2% correspond au quart de Kelly ou moins, défendable précisément parce que personne ne connaît son vrai taux de réussite à cinq points près.

Le dimensionnement ajusté à la volatilité : la variable qui casse une règle de pourcentage uniforme

C'est la partie que la plupart des conseils de dimensionnement en crypto omettent, et c'est celle qui décide si le risque que vous avez écrit est le risque que vous avez pris.

Le même 1% n'est pas le même risque

Deux positions sur un compte de $10,000, toutes deux dimensionnées pour risquer 1%, soit $100. Le trader applique un stop uniforme de 5% sur les deux, parce que 5% est ce que dit la règle.

• BTC à $100,000, avec un average true range à 14 jours de $2,000, soit 2% du prix. Un stop à 5% se situe à 2.5 ATR de l'entrée.
• Un altcoin de capitalisation moyenne à $2.00, avec un ATR à 14 jours de $0.16, soit 8% du prix. Un stop à 5% se situe à 0.625 ATR de l'entrée.

Les deux positions risquent $100. Aucune ne le risque avec la même probabilité. Un stop placé à moins d'une amplitude quotidienne moyenne est touché par une séance ordinaire sans la moindre nouvelle ; un stop à 2.5 amplitudes ne l'est pas. La perte attendue par trade est le montant risqué multiplié par la probabilité de le réaliser, et une règle de pourcentage uniforme ne contrôle que le premier terme.

La conséquence est pire qu'un mauvais stop. Comme l'altcoin est stoppé bien plus souvent, le taux de réussite mesuré de la stratégie sur cet actif est déprimé par un artefact de la règle de dimensionnement plutôt que par quoi que ce soit tenant à l'actif, ce qui injecte ensuite un mauvais chiffre dans tout ce qui précède.

Convertir une distance de stop en une taille, en unités de volatilité

Fixez plutôt le stop en unités de volatilité. Où le placer en premier lieu relève de où placer votre stop-loss crypto ; prenez 1.5 × ATR(14) comme entrée et laissez la taille en découler.

Une remarque d'unités d'abord. L'ATR en pourcentage du prix est l'indicateur de volatilité utilisé dans cette sous-section, et ce n'est pas la même statistique que l'écart-type des rendements quotidiens : c'est une moyenne d'amplitudes quotidiennes plutôt qu'une dispersion de clôtures, et elle affiche habituellement une valeur plus élevée. Elle est utilisée ici parce qu'elle est stable, comparable entre actifs, et disponible sur n'importe quel graphique de plateforme. Chaque résultat ci-dessous est un rapport entre deux actifs : le choix de l'indicateur déplace donc les notionnels absolus et non le dimensionnement relatif.

Les notionnels diffèrent d'un facteur 4.0, qui est exactement l'inverse du rapport de volatilité : 8% ÷ 2% = 4. Ce n'est pas une coïncidence et c'est tout le propos de cette section. Une fois le stop mesuré en unités de volatilité, le dimensionnement par ATR est un dimensionnement inversement proportionnel à la volatilité, avec un stop attaché.

La même idée sans stop

Les positions que vous détenez sans stop ferme (une allocation au comptant, un panier, un suivi de tendance lent) utilisent la même formule écrite directement :

Notionnel de la position = (volatilité quotidienne cible des capitaux propres, en dollars) ÷ (volatilité quotidienne de l'actif)

Ici le terme de volatilité est l'écart-type des rendements quotidiens plutôt que l'ATR, car la mise à l'échelle en racine du temps ci-dessous est une propriété d'un écart-type et non d'une amplitude moyenne. En visant 0.5% d'un compte de $10,000, soit $50 de mouvement quotidien par position :

• BTC avec un écart-type de rendement quotidien de 2.0% : $50 ÷ 0.02 = $2,500 de notionnel, ce qui s'annualise à environ 38% par 2.0% × √365.
• L'altcoin à 8.0% : $50 ÷ 0.08 = $625 de notionnel, soit environ 153% annualisés.

Même rapport de 4:1. Les montants en dollars diffèrent de la version ATR parce que le risque maintenu constant est différent (fluctuation quotidienne plutôt que perte au stop), mais le dimensionnement relatif est identique, car les deux valent un sur la volatilité.

La même règle appliquée à un portefeuille, pas à un trade

L'effet est plus facile à voir sur trois positions que sur une. Détenez BTC à 2% par jour, SOL à 5%, et un altcoin de capitalisation moyenne à 8%, sur le même compte de $10,000 avec 1% de risque chacun. Comparez un stop uniforme de 5% sur les trois à un stop à 1.5 ATR sur les trois, et mesurez ce que chaque position apporte au mouvement quotidien du portefeuille.

Le portefeuille à stop uniforme annonce trois risques égaux de 1% et livre un portefeuille où une seule position représente plus de la moitié du mouvement quotidien. Le portefeuille mis à l'échelle de la volatilité le partage exactement en trois, et cette égalité n'est pas approximative : le notionnel de chaque position est le risque en dollars divisé par 1.5 fois sa volatilité, si bien que notionnel multiplié par volatilité donne les mêmes $66.67 pour chaque actif, par construction. Le portefeuille à stop uniforme porte aussi plus de notionnel au total, $6,000 contre $5,500, tout en produisant 50% de mouvement quotidien en plus, $300 contre $200. Plus d'exposition pour un portefeuille moins bien équilibré : c'est la combinaison précise que la règle uniforme n'arrête pas de produire.

Choisir la fenêtre de calcul, et pourquoi la volatilité récente est prédictive

La raison pour laquelle tout ceci fonctionne tient à une propriété de la volatilité plutôt qu'à une propriété du modèle. Harvey et ses coauteurs ouvrent leur étude du ciblage de volatilité par là, directement : la volatilité est persistante, ou se regroupe en grappes, et une volatilité élevée sur le passé récent tend à être suivie d'une volatilité élevée dans le futur proche. C'est cette observation qui rend une estimation rétrospective utilisable comme entrée prospective, et c'est la conclusion empirique qui soutient toute l'approche.

Leur propre estimateur est fondé sur des rendements carrés pondérés exponentiellement, à demi-vie de 20 jours et de 90 jours. En pratique, l'arbitrage se présente ainsi :

• Fenêtre courte (10 jours, ou une demi-vie de 20 jours). Réagit vite, et fait tourner la position souvent. Chaque redimensionnement est un aller-retour dans la grille de frais, que la section suivante chiffre.
• Fenêtre longue (60 jours, ou une demi-vie de 90 jours). Tailles stables et rotation faible, au prix d'un décalage de plusieurs semaines après un changement de régime.
• Pondération exponentielle plutôt que fenêtre plate. Supprime l'artefact où un vieux choc isolé sort de la fenêtre glissante et où la position saute pour une raison qui ne s'est pas produite aujourd'hui.

Le mode de défaillance : le modèle vous dimensionne au plus gros juste avant la rupture

Le ciblage de volatilité est lent par construction, car l'estimation ne peut inclure que des mouvements déjà survenus. Prenez une période de mouvements quotidiens de 2.00%, puis une seule journée à 10%, et regardez ce que fait chaque estimateur.

Chacune de ces coupes intervient après la journée à 10%, laquelle a été subie à la taille d'avant le choc. Et comme la volatilité se regroupe en grappes, le régime élevé dans lequel la position se trouve désormais est précisément là où vit la queue épaisse. La protection du modèle arrive avec un mouvement de retard, en permanence, et aucune fenêtre de calcul ne corrige cela : une fenêtre plus courte arrive plus tôt et coupe davantage, mais elle coupe aussi sur du bruit et paie des frais pour le privilège.

Ce que cet exemple vous dit réellement

Cessez d'exprimer le risque en pourcentage du prix et commencez à l'exprimer en multiple de l'amplitude propre à l'actif. Un stop à 5% est un instrument différent sur BTC et sur un altcoin de capitalisation moyenne. Un stop à 1.5 ATR est le même instrument sur les deux, ce qui est la seule condition sous laquelle comparer vos résultats entre actifs a un sens.

Attendez-vous à ce que le notionnel paraisse faux, car il est censé l'être. Une position BTC à 33% des capitaux propres à côté d'une position altcoin à 8% paraît à l'envers pour quiconque lit le notionnel comme du risque. Elle est correcte : les deux positions portent le même risque, et l'altcoin est plus petit précisément parce qu'il bouge plus.

Ne traitez pas la taille issue de la cible de volatilité comme un plancher quand la volatilité s'envole réellement. Le modèle continuera de vous donner une taille après une rupture de régime, parce qu'il n'a pas vu assez du nouveau régime pour le savoir. Associez-le à une règle ferme qui ne dérive pas de l'estimation : un notionnel maximal, un nombre maximal de positions simultanées, ou tout simplement ne pas trader les deux premiers jours après un gap général du marché.

Dimensionnement conscient de la corrélation : dix positions à 1% peuvent n'être qu'une position à 10%

La couche du trade est maintenant réglée. La couche du portefeuille la défait si vous l'ignorez.

Dix positions sur altcoins risquant chacune 1% ne sont dix risques indépendants de 1% que si les altcoins sont indépendants. Ils ne le sont pas. Le guide de gestion du risque le calcule à partir de vraies clôtures quotidiennes : la corrélation moyenne par paires entre BTC, ETH, SOL, AVAX et XRP était de 0.22 sur une fenêtre calme de deux semaines et de 0.95 sur une fenêtre de panique. À 0.95, les dix positions sont, pour les besoins du dimensionnement, une seule position portant dix fois le budget de risque — et elle sera une seule position le jour où cela comptera.

Le correctif utilisable n'est pas une matrice de covariance. C'est un budget au niveau au-dessus du trade :

1. Regroupez votre univers en grappes de corrélation, définies par ce sur quoi les actifs se négocient plutôt que par des étiquettes sectorielles. Le bêta grandes capitalisations, les jetons d'écosystèmes L1, les jetons de gouvernance DeFi et les memecoins forment typiquement quatre grappes ; dans un drawdown elles convergent vers une seule, ce qui justifie l'étape suivante.
2. Attribuez à chaque grappe un budget de risque, et traitez la grappe comme la position. Si votre règle par position est de 1%, plafonnez la grappe autour de 2%, pas de 10%.
3. Répartissez le budget de la grappe entre ses membres. Quatre positions altcoin à l'intérieur d'un budget de grappe de 2% reçoivent 0.5% chacune, pas 1% chacune.
4. Plafonnez le risque total toutes grappes confondues à un chiffre que vous pouvez nommer à l'avance, car dans un véritable événement de désendettement les grappes convergent aussi.

Le ciblage de volatilité interagit avec cela d'une façon qui mérite d'être nommée : des actifs corrélés ont une volatilité corrélée, si bien qu'un pic de volatilité coupe toutes les positions de la grappe à la fois. C'est le mécanisme qui fait son travail, et cela signifie aussi que tout votre portefeuille se redimensionne le même jour, ce qui est un événement de liquidité de votre propre fabrication si la grappe est peu liquide.

Le plancher des petits comptes : quand réduire la taille bascule en espérance négative

Le ciblage de volatilité dit de réduire la taille quand la volatilité monte. Deux contraintes distinctes disent qu'il existe un point au-delà duquel vous devriez vous arrêter.

Contrainte un : le coût évolue comme un sur la distance de stop

Le coût aller-retour est un pourcentage du notionnel, et le notionnel est votre risque divisé par la distance de stop. Le coût mesuré en unités de votre risque vaut donc :

Coût aller-retour en part de 1R = (frais aller-retour + slippage) ÷ distance de stop

La grille spot standard de Binance est de 0.100% maker et 0.100% taker pour un Regular User, vérifiée le 6 août 2026. Entrer et sortir en taker fait 0.20%, et supposons 0.05% de plus en aller-retour d'écart et de slippage, soit 0.25% du notionnel.

Confrontez cela à la stratégie précédente, avec une espérance brute de +0.20R. Le point d'équilibre est là où le coût égale l'espérance : 0.25% ÷ 0.20 = un stop de 1.25%. Plus serré que cela et une stratégie authentiquement profitable devient perdante, sur les seuls frais publiés, avant que quoi que ce soit ne tourne mal. Notez ce dont cela ne dépend pas : la taille du compte. Un stop serré est cher à toutes les tailles de compte, et c'est la raison pour laquelle les stratégies de scalping ont besoin soit de rabais maker, soit d'un avantage brut bien plus grand.

Contrainte deux : la position minimale de la plateforme

Celle-ci dépend bien de la taille du compte. D'après les règles publiques de trading des perpétuels USDⓈ-M de Binance, lues le 6 août 2026 :

• BTCUSDT : pas de lot de 0.001 BTC, notionnel minimum de 50 USDT. À un prix du BTC de $100,000, c'est le pas de lot qui est la contrainte active, à $100 de notionnel.
• ETHUSDT : pas de lot de 0.001 ETH, notionnel minimum de 20 USDT.
• SOLUSDT : pas de lot de 0.01 SOL, notionnel minimum de 5 USDT.

Votre notionnel correct est (fraction de risque × capitaux propres) ÷ distance de stop. En posant cela égal au plancher de la plateforme et en résolvant, on obtient le plus petit compte capable de dimensionner le trade correctement :

Capitaux propres minimaux viables = (notionnel minimum de la plateforme × distance de stop) ÷ fraction de risque

À 1% de risque sur les perpétuels BTCUSDT avec un plancher de $100 : un stop de 3% exige $300 de capitaux propres, et un stop de 6% en exige $600. En dessous, la plus petite position que la plateforme acceptera risque plus que votre règle ne l'autorise. Un compte de $250 contraint au minimum de $100 avec un stop de 6% risque $6, soit 2.4%, pas 1%.

Ce que cela vous dit réellement

Les deux contraintes évoluent en sens inverse, et c'est là le résultat. Quand la volatilité monte, le stop calé sur la volatilité s'élargit, ce qui abaisse le notionnel correct et relève simultanément les capitaux propres minimaux nécessaires pour trader, car la formule ci-dessus est proportionnelle à la distance de stop. Le petit compte est pris en tenaille des deux côtés au moment précis où le modèle lui dit d'être prudent.

Si le dimensionnement discrétionnaire ne fonctionne pas à la taille de votre compte, l'alternative honnête n'est pas une version plus petite de la même chose. C'est un calendrier non discrétionnaire, sans stop et sans aucune décision de dimensionnement, ce à quoi sert le DCA.

Les paliers de levier plafonnent votre modèle au-delà d'un certain notionnel

Chaque modèle ci-dessus produit un notionnel. Au-delà d'un certain notionnel, c'est la plateforme, et non votre modèle, qui décide de ce qui est possible.

Binance énonce la règle directement dans sa documentation sur les futures USDⓈ-M : l'effet de levier maximal disponible dépend de la valeur notionnelle de la position, et les positions plus grandes n'autorisent qu'un levier plus faible. Le taux de marge de maintien monte selon les mêmes tranches. D'après le tableau de levier et de marge publié par Binance, lu le 6 août 2026 :

Deux choses en découlent, et aucune ne porte sur le chiffre de levier affiché.

L'échelle des paliers est bien plus serrée sur les altcoins que sur le BTC. SOLUSDT sort de sa tranche supérieure à 50,000 USDT de notionnel ; BTCUSDT tient sa tranche supérieure jusqu'à 300,000. Un trader qui fait grossir une seule idée sur altcoin rencontre la contrainte six fois plus tôt que ne le suggérerait le même montant en dollars sur BTC.

C'est le taux de marge de maintien qui change votre risque, pas le plafond de levier. Doubler le notionnel à l'intérieur d'une grille de marge de maintien croissante rapproche le prix de liquidation même si vous ne touchez jamais au sélecteur de levier, ce qui peut placer la liquidation à l'intérieur d'un stop correctement placé à l'ancienne taille. Les mécanismes correspondants se trouvent dans comment fonctionne le trading avec effet de levier en crypto ; c'est la conséquence en matière de dimensionnement qui a sa place ici.

Vérifier cela avant de concevoir une règle de taille demande trois lectures. Ouvrez la page levier et marge de la plateforme pour le symbole que vous tradez, pas pour BTC, et notez le notionnel auquel il change de tranche. Comparez-le à la plus grosse position que votre modèle peut produire, c'est-à-dire votre budget de risque maximal divisé par votre distance de stop plausible la plus serrée. Recalculez ensuite le prix de liquidation au taux de marge de maintien de la tranche dans laquelle vous atterririez plutôt que de celle où vous êtes aujourd'hui, et confirmez qu'il reste au-delà de votre stop.

Pourquoi une règle de dimensionnement ne peut jamais sauver une stratégie perdante

C'est la chose la plus couramment mal comprise à propos du dimensionnement de position, alors elle est énoncée sans détour : le dimensionnement change la forme de la distribution des rendements. Il ne change pas le signe de l'avantage.

La formule de Kelly le prouve dans ses propres termes. Prenez un taux de réussite de 30% avec des gagnants à 2R : f* = (0.30 × 2 − 0.70) ÷ 2 = −0.05. Une fraction optimale négative est la façon dont la formule vous dit qu'il n'existe aucun montant positif à miser. L'espérance vaut 0.30 × 2 − 0.70 = −0.10R par trade, et multiplier un nombre négatif par n'importe quelle taille positive le laisse négatif. Chaque modèle de dimensionnement de cet article est un multiplicateur appliqué à l'espérance par trade. Aucun n'est un terme additif.

Ce que le dimensionnement contrôle réellement, c'est la trajectoire : la profondeur des drawdowns, la durée de la récupération, la question de savoir si la capitalisation est assez rapide pour compter, et si vous êtes encore solvable quand l'avantage se manifeste. Cela vaut beaucoup. Ce n'est pas un avantage.

Trois pièges supplémentaires propres au backtest des règles de dimensionnement :

Une règle de dimensionnement est calibrée sur l'échantillon même qui a produit l'estimation de l'avantage. Le multiple d'ATR, la fenêtre de calcul, la fraction de Kelly et le budget de grappe sont tous des paramètres, et chacun est choisi après avoir vu les résultats. La figure 1 explique pourquoi c'est plus dangereux ici qu'ailleurs : le paramètre que vous risquez le plus de surajuster est le rendement moyen, et son erreur est punie de façon asymétrique.

Une règle réglée sur un régime échoue au suivant. Une cible de volatilité calibrée sur un échantillon en tendance est calibrée sur une période où hausse de la volatilité et baisse des prix coïncidaient — l'effet de levier que Harvey et ses coauteurs documentent pour les actions. Dans un marché heurté, la même règle redimensionne en permanence, paie à chaque rotation le frein des frais de la section précédente, et n'a rien à montrer en échange.

Testez la règle contre un avantage révisé à la baisse, pas contre celui que vous avez calibré. Rejouez-la avec le taux de réussite amputé de cinq points, ou le rendement moyen réduit d'un quart, et voyez si elle tient encore. Si elle ne fonctionne qu'à l'estimation que vous avez mesurée, vous avez calibré l'estimation plutôt que validé la règle. Tout le catalogue des défaillances dans lequel cela s'inscrit se trouve dans pourquoi la plupart des traders crypto perdent de l'argent.

Mettre le tout ensemble : la décision de dimensionnement, dans l'ordre

Conclusion

La règle du 1% est un budget de risque. Tout ce qui est dans cet article porte sur ce que vous faites de ce budget une fois admis qu'il ne produit pas, à lui seul, une taille de position.

La fraction fixe et le montant fixe constituent un choix sur la capitalisation, et l'arithmétique est sans ambiguïté : la fraction fixe décroît vers zéro sans y arriver et récupère plus lentement, le montant fixe arrive à zéro et récupère plus vite, et un aller-retour symétrique coûte 0.4% au dimensionneur à fraction fixe et rien à celui à montant fixe. Kelly répond à une question qui vaut la peine d'être posée, à savoir quelle est réellement la taille de cet avantage, et renvoie un nombre que personne ne devrait trader, car une erreur de cinq points sur un taux de réussite déplace la taille recommandée de 75% et ampute la croissance réalisée de plus de la moitié. Le demi-Kelly abandonne un quart de la croissance, divise la volatilité par deux, et fait passer la probabilité de perdre un jour la moitié du compte d'une chance sur deux à une chance sur huit. C'est cet échange qui justifie l'existence du Kelly fractionnaire.

La variable qui casse réellement un dimensionnement naïf en crypto est la volatilité. Un stop en pourcentage uniforme appliqué à un actif qui bouge de 2% par jour et à un actif qui bouge de 8% par jour produit deux positions au risque annoncé identique et aux probabilités de le réaliser complètement différentes ; corriger cela signifie mesurer le stop en unités de volatilité et laisser le notionnel en sortir, proportionnel à un sur la volatilité. La volatilité réalisée récente est véritablement prédictive parce que la volatilité se regroupe en grappes, et c'est ce même regroupement qui fait que le modèle vous dimensionne toujours avec un mouvement de retard lors d'une rupture de régime.

Trois contraintes bornent ensuite tout le système. Des positions corrélées ne font qu'une position quand cela compte : budgétez donc au niveau de la grappe. Les frais évoluent comme un sur la distance de stop, donc en dessous d'un stop d'environ 1.25% aux frais spot standard, une stratégie gagnant 0.20R par trade ne gagne rien. Les minimums de plateforme et les paliers de levier plafonnent le modèle respectivement par le bas et par le haut.

Et la contrainte qui les surclasse toutes : rien de tout cela ne crée un avantage. Chaque modèle ici est un multiplicateur de l'espérance par trade. Trompez-vous de signe et aucune sophistication de dimensionnement ne change la destination, seulement la durée du voyage.

Foire aux questions

Sources et lectures complémentaires

Sources primaires pour les mathématiques et les paramètres de plateforme ci-dessus :

• J. L. Kelly Jr., "A New Interpretation of Information Rate", Bell System Technical Journal 35 (1956), 917–926, la dérivation originale de la fraction de mise optimale pour la croissance, y compris l'affirmation que maximiser la richesse espérée laisse le parieur ruiné avec une probabilité de un
• Edward O. Thorp, "The Kelly Criterion in Blackjack, Sports Betting, and the Stock Market", qui couvre les résultats de croissance et de volatilité du Kelly fractionnaire, ainsi que la formule de probabilité de drawdown
• Harvey, Hoyle, Korgaonkar, Rattray, Sargaison and Van Hemert, "The Impact of Volatility Targeting", Journal of Portfolio Management 45(1), 2018, qui couvre le regroupement de la volatilité et l'effet de la mise à l'échelle par la volatilité sur les ratios de Sharpe et les queues, sur plus de 60 actifs
• Binance — leverage and margin of USDⓈ-M futures
• Binance — USDⓈ-M perpetual leverage and margin tiers
• Binance — trading fee schedule

Articles CoinBeaver liés :

• Gérer le risque en crypto : un cadre pratique pour les traders
• Stratégie de stop-loss crypto : où placer votre stop
• Comment fonctionne le trading avec effet de levier en crypto
• Le DCA en crypto
• Pourquoi la plupart des traders crypto perdent de l'argent

Cet article a une vocation éducative et ne constitue ni un conseil financier ni un conseil en trading. Tous les soldes de compte, taux de réussite, valeurs d'ATR et niveaux de prix des exemples détaillés sont des chiffres illustratifs choisis pour montrer le mécanisme, et non des données de marché ou la description des résultats d'une stratégie réelle. Les résultats de Kelly et du Kelly fractionnaire sont des propriétés des modèles énoncés, pas des prédictions sur un quelconque marché. Les grilles de frais des plateformes, les tailles d'ordre minimales et les paliers de levier et de marge changent sans préavis ; les chiffres Binance ci-dessus ont été lus le 6 août 2026 et doivent être revérifiés sur votre propre plateforme avant de dimensionner une position.