Pairs trading Forex & arbitrage statistique : comment ça fonctionne en 2026

Ce qu’est réellement le pairs trading sur le Forex

Sur les actions, une « paire » désigne deux titres du même secteur. Sur le Forex, une paire est composée de deux paires de devises — quatre devises au total — vous tradez donc l’écart entre deux écarts. Lorsque le dollar se renforce, EURUSD et GBPUSD baissent tous les deux ; la relation entre eux est bien plus stable que chacune des paires prise isolément. Le pairs trading isole cette relation et ignore le dollar.

Figure 1 — Deux paires de devises structurellement liées sont combinées en un écart unique ; son z-score pilote une règle mécanique d’entrée et de sortie.

C’est le lien structurel qui rend la stratégie viable. Sans raison économique pour que deux paires évoluent ensemble — devise de base commune, exposition commune aux matières premières, régime commun de sentiment de risque — une corrélation historique n’est qu’une coïncidence, et elle se rompra dès la première mise à l’épreuve. Le pairs trading fait partie de la grande famille des stratégies d’arbitrage Forex ; contrairement à l’arbitrage de latence ou à l’arbitrage triangulaire, il exploite une inefficience statistique plutôt qu’une inefficience de prix ou de vitesse, c’est pourquoi il tolère une exécution plus lente mais exige un contrôle du risque bien plus rigoureux.

L’écart, la cointégration et le z-score

Le point de départ est le test de cointégration. Deux séries de prix X et Y sont cointégrées s’il existe une constante β telle que l’écart Z = X − β·Y soit stationnaire — il présente une moyenne et une variance stables dans le temps, et les écarts reviennent à la moyenne. La corrélation seule ne suffit pas : deux séries peuvent être fortement corrélées et pourtant diverger définitivement. La cointégration est la propriété plus forte qui justifie réellement un pari sur le retour à la moyenne.

La procédure standard est la méthode en deux étapes d’Engle-Granger : régresser X sur Y pour estimer β, puis tester la présence d’une racine unitaire dans la série des résidus Z avec le test de Dickey-Fuller augmenté (ADF). Si le test ADF rejette l’hypothèse nulle de racine unitaire (généralement à p < 0.05), un écart à retour à la moyenne existe. À partir de l’écart, vous calculez son z-score — le nombre d’écarts-types qui séparent actuellement l’écart de sa moyenne — et c’est ce que vous tradez.

Figure 2 — La règle de trading mécanique. On entre sur l’écart lorsqu’il s’étire au-delà de ±2 écarts-types, on clôture lorsqu’il revient vers la moyenne, et on est stoppé au-delà de ±3 (la relation est rompue).

La règle est volontairement mécanique :

Les seuils d’entrée à ±2 et de sortie à ±0.5 sont conventionnels, et non dérivés. En production, ils sont optimisés par paire sur des données walk-forward — mais ce schéma est le point de départ universel. La difficulté ne réside pas dans la règle ; elle consiste à s’assurer que l’écart est réellement cointégré et que la couche d’exécution ne dévore pas l’avantage.

Sélectionner des paires candidates qui tiennent en réel

L’approche naïve — balayer toutes les combinaisons de symboles Forex liquides et garder les plus cointégrées — est la raison la plus fréquente pour laquelle les stratégies de pairs trading fonctionnent en backtest et échouent en réel. Avec 35 paires majeures et croisées, il existe 595 paires candidates ; à p < 0.05, environ 30 d’entre elles apparaîtront « cointégrées » par pur hasard. Le data-mining de la cointégration trouve précisément ces coïncidences.

L’approche robuste part de la structure économique et n’utilise les données que pour filtrer. Construisez des groupes de candidats pour lesquels il existe une vraie raison de co-mouvement, puis testez :

Le risque de jambe : là où la couche d’exécution tue l’avantage

Voici la partie que la plupart des tutoriels sur le pairs trading omettent. Un signal de pairs trading ouvre deux positions simultanées. Si les deux jambes ne sont pas exécutées au même instant, vous êtes exposé au risque de jambe — une exposition directionnelle nue dans l’intervalle entre le premier et le second remplissage. Sur une stratégie qui vise 0.5 à 1.0 pip d’avantage de retour à la moyenne par trade, même 200 ms de latence entre les jambes sur un écart qui bouge vite peuvent effacer l’avantage avant que la seconde jambe ne soit exécutée.

Figure 3 — Si les deux jambes ne sont pas exécutées ensemble, la position est exposée directionnellement pendant toute la durée de l’intervalle. Sur un avantage inférieur au pip, cet intervalle fait la différence entre une stratégie rentable et une stratégie à l’équilibre.

Trois variables d’exécution déterminent si le pairs trading survit en production — et aucune d’elles n’apparaît dans les avis standard sur les courtiers :

• Latence d’appariement entre les deux jambes. Si les deux jambes passent par le même moteur d’appariement, la latence est symétrique et gérable. Les paires inter-courtiers — une jambe sur la plateforme A, l’autre sur la plateforme B — subissent un différentiel de latence non atténué que l’infrastructure des particuliers ne peut pas combler.
• Asymétrie du slippage. Un courtier qui exécute plus souvent contre le trader qu’en sa faveur taxe à la fois l’entrée et la sortie sur les deux jambes — quatre exécutions taxées par aller-retour. Sur un avantage inférieur au pip, cette seule asymétrie peut rendre la stratégie perdante.
• Élargissement du spread au moment des signaux. Les signaux de pairs trading se déclenchent précisément pendant les tensions de corrélation, et les courtiers élargissent les spreads exactement à ces moments-là. Un élargissement du spread de 30% au moment du signal se traduit directement par un P&L par trade inférieur de 30%.

Ces variables sont mesurables à partir d’un relevé de trading, mais la plupart des traders particuliers ne les mesurent jamais avant d’engager leur capital. Nous avons publié en open source une méthodologie et une boîte à outils précisément pour cela — consultez la boîte à outils d’audit de l’exécution des courtiers Forex (BEQI), qui note la latence d’appariement, l’asymétrie du slippage et l’élargissement du spread à partir de votre propre relevé. Le même décalage de temps d’exécution qui casse l’arbitrage de latence s’applique, en double, au pairs trading : voir pourquoi les backtests sensibles à la latence ne survivent pas en production.

Quand le pairs trading fonctionne — et quand il ne fonctionne pas

La réponse honnête pour 2026 est que le pairs trading fonctionne toujours, mais uniquement dans des conditions étroites. La stratégie n’est pas morte ; c’est sa version issue du data-mining qui l’est.

D’après notre expérience du déploiement de stratégies d’arbitrage statistique chez des courtiers Forex pour particuliers, le mode d’échec le plus courant est le choix du courtier, et non la conception de la stratégie. Une stratégie de pairs trading correctement conçue chez un courtier à mauvaise exécution perd quand même de l’argent ; la même stratégie sur une plateforme rapide et symétrique fonctionne toujours. Mesurez la plateforme avant de faire confiance au backtest — notre guide des courtiers pour l’arbitrage Forex indique ce qu’il faut rechercher.

Le pairs trading face aux autres familles d’arbitrage

Le pairs trading est l’une des six familles de stratégies d’arbitrage Forex. Chacune exploite une inefficience différente et exige une infrastructure différente — comprendre la place du pairs trading permet de clarifier ce qu’il exige et ce qu’il n’exige pas.

À retenir : le pairs trading est le plus tolérant à la latence de la famille de l’arbitrage, ce qui le rend accessible aux traders sans infrastructure en colocation. Mais cette tolérance est relative — le risque de jambe compte toujours, et la stratégie remplace le risque de vitesse, qui domine l’arbitrage de latence et le trading sur annonces, par un risque statistique (rupture de corrélation). Vous n’avez pas besoin d’être le plus rapide ; vous devez être le plus discipliné dans la sélection des paires et la gestion du risque de régime.

Gestion du risque : quand les corrélations se rompent

Le pairs trading fonctionne parce que les corrélations sont stables. Il cesse de fonctionner lorsque les corrélations se rompent — et elles se rompent brutalement, pas progressivement. Trois épisodes que tout trader de paires devrait intégrer à son backtest :

• Banque nationale suisse, janvier 2015. Le plafond du CHF a été abandonné ; EURCHF a bougé d’environ 30% en quelques minutes. Toutes les corrélations des paires liées au CHF se sont rompues simultanément.
• Aversion au risque liée au COVID, mars 2020. Les devises matières premières se sont découplées les unes des autres, les flux d’aversion au risque l’emportant sur les fondamentaux relatifs. L’écart AUDUSD/NZDUSD, normalement stable, a bougé de quatre écarts-types en deux séances.
• Changements de régime de politique monétaire de la Banque du Japon, 2022–2023. Toutes les corrélations des croisements JPY se sont réinitialisées deux fois en 18 mois. Des paires qui fonctionnaient en 2021 ont perdu de l’argent en 2023 avec des paramètres identiques.

La réponse en matière de gestion du risque est structurelle, et non paramétrique : un stop strict dès que |z| > 3 pendant plus de deux séances ; une taille de position qui diminue à l’approche des grands événements des banques centrales ; aucune nouvelle entrée dans les 24 heures précédant une publication programmée à fort impact ; et un nouveau test walk-forward chaque trimestre, les paires non cointégrées étant retirées plutôt que réoptimisées.

Une règle pratique de dimensionnement des positions lie la taille à la volatilité propre de l’écart et à la distance du stop :

# Taille de position en pairs trading
position_size = (E × R) / (|β| × 3 × σ)

  E = capital du compte (equity)
  R = risque par trade en fraction du capital (généralement 0.5%–1%)
  β = coefficient de cointégration (pente de la régression)
  σ = écart-type historique de l'écart Z
  3 = seuil de z pour le stop

La pondération par β maintient les deux jambes neutres en valeur plutôt qu’en nombre de contrats. Pour les portefeuilles multi-paires, plafonnez le notionnel total de toutes les paires ouvertes et limitez les positions simultanées à quelques relations de cointégration distinctes — au-delà, vous ne diversifiez plus, vous vous concentrez sur le facteur commun qui relie les paires.

Plateformes pour le pairs trading et l’arbitrage statistique

L’endroit où vous exécutez une stratégie de pairs trading compte presque autant que les paires que vous choisissez. Une plateforme d’arbitrage statistique doit bien faire quatre choses : fournir des cotations synchronisées pour les deux jambes, envoyer les deux ordres avec un délai minimal entre eux, tester la stratégie avec un risque de jambe réaliste, et vous permettre de suivre l’écart et le z-score en temps réel.

Le courtier compte autant que la plateforme : spreads bruts sur les deux jambes, swaps supportables pendant l’attente du retour à la moyenne, couverture autorisée sur le compte et exécution sans rejets de type last look. Nous listons les vérifications dans ce qu’il faut rechercher chez un courtier pour l’arbitrage statistique.

Tester les stratégies de pairs trading dans des conditions d’exécution réalistes

Si les backtests de pairs trading surestiment l’avantage en réel, c’est parce que les testeurs de stratégie standard supposent des exécutions à latence nulle et un spread fixe — les deux hypothèses que violent le risque de jambe et l’élargissement au moment du signal. Une stratégie de pairs trading doit être testée dans des conditions qui incluent les deux.

SharpTrader Optimizer a été conçu pour cela. Il effectue les backtests sur de véritables flux de ticks historiques plutôt que sur des approximations par barres, vous permet de définir un temps d’exécution des ordres réaliste en millisecondes et de voir comment il modifie les résultats, et applique un spread historique variable à chaque tick — avec un slippage modélisé indépendamment à l’ouverture et à la clôture de chaque jambe. Pour une stratégie à deux jambes, cela signifie que le backtest reflète la fenêtre de risque de jambe et l’élargissement au moment du signal décrits dans les figures 2 et 3, au lieu de faire comme s’ils n’existaient pas. Une heatmap de performance sur 24 heures montre également à quelles heures de trading l’écart d’une paire donnée revient le plus nettement à la moyenne.

Questions fréquentes