Le pair trading, de la sélection à la décision.

1. Partir d’un lien économique

Choisissez des actifs dont vous pouvez expliquer le lien : sociétés aux activités proches ou fonds aux expositions comparables. Vérifiez liquidité, horaires, devise et possibilité d’emprunter la jambe vendeuse. Le secteur commun motive l’analyse ; il ne prouve pas un équilibre.

Le pair trading regroupe plusieurs méthodes. La méthode de distance compare les trajectoires normalisées. La cointégration teste une relation pondérée entre les prix. PairScanner présélectionne les candidats par corrélation des rendements quotidiens avant de tester leur cointégration.

2. Distinguer corrélation et cointégration

La corrélation décrit les mouvements conjoints des rendements. Ceux-ci peuvent être corrélés alors que la relation entre les prix dérive. PairScanner teste les log-prix avec la méthode d’Engle–Granger et estime un coefficient de couverture, β.

L’hypothèse nulle est l’absence de cointégration. Une faible p-value constitue un indice contre cette hypothèse, sous les conditions du test ; ce n’est pas la probabilité d’échec de la paire. Tester beaucoup de paires produit de fausses découvertes : le scanner expose aussi une correction par q-value et un contrôle chronologique. Documentation du test d’Engle–Granger.

3. Lire le spread et le Z-score

Spread = log(A) − β × log(B)
Z = (spread − moyenne glissante) / écart-type glissant

PairScanner utilise normalement 60 séances pour le Z-score glissant. Avec un β positif, un Z négatif indique que A est relativement bas face à B dans le modèle estimé ; l’inverse vaut pour un Z positif. Une valeur autour de ±2 est un seuil courant d’analyse, pas une instruction de trading.

Le coefficient estimé sur les log-prix décrit une sensibilité relative. Ce n’est pas un nombre d’actions. Allouer le même montant aux deux jambes ne reproduit pas automatiquement cette couverture. Examinez sens de la paire, pondération, exposition au marché et stabilité du modèle.

4. Examiner une période ultérieure

Un bon ajustement sur les données ayant servi à choisir la paire peut être trompeur. Dans les études publiées, le contrôle chronologique estime β sur les 70 % d’observations les plus anciennes, le fige, puis examine la période suivante. Chaque étude précise ses dates, ses tests et ses limites.

Satisfaire un contrôle statistique ne démontre pas la rentabilité d’une stratégie. Un backtest de trading doit intégrer les moments exécutables d’entrée et de sortie, les frais, le financement, l’emprunt et la taille des positions. Choisir un exemple après lecture du résultat introduit un biais de sélection, même lorsqu’un contrôle ultérieur est présenté.

5. Comparer trois conclusions différentes

Ces études ont été figées en septembre 2026. KO/PEP ne satisfait pas le seuil initial de cointégration. MBB/SPMB satisfait les contrôles présentés avec un Z proche de zéro. KMI/WMB associe un contrôle satisfait et un écart plus marqué. Ces lectures historiques ne sont pas des signaux actuels.

6. Ajouter le contexte et définir la sortie

Lisez les dépôts des émetteurs et recherchez les actualités pouvant expliquer la divergence. Une hausse du nombre d’articles signale une variation de couverture médiatique ; elle n’établit pas la cause du mouvement. Vérifiez si l’événement précède ou suit l’horodatage des données.

Définissez une condition de sortie, une durée maximale et une limite de perte avant toute position. Examinez l’exposition de toutes les paires : acheter le même titre dans plusieurs d’entre elles peut concentrer le risque. Conservez les idées rejetées comme les idées retenues.

Consultez les définitions des métriques ou découvrez le parcours dans le scanner.