Du déclenchement de la liquidation à un revenu annuel de plus d'un milliard : comment Cai Jiamin utilise le trading quantitatif pour traverser les marchés haussiers et baissiers

12 ans, Cai Jiamin n’avait que 20 HKD pour son déjeuner. Il mangeait un bento à 12 HKD dans une petite boutique près de l’école, lui laissant chaque jour 8 HKD, rêvant qu’un jour il pourrait dépenser librement comme ses camarades. Ce désir l’a poussé à étudier la loterie Mark Six de Hong Kong, tentant de gagner le jackpot de 8 millions HKD avec 5 HKD, en vain. Mais cet étudiant pauvre n’a pas abandonné. Il s’est tourné vers le trading d’actions, et après deux comptes remis à zéro à 16 et 19 ans, il a finalement trouvé sa voie de profit — le trading quantitatif. Aujourd’hui, Cai Jiamin gère un fonds quantitatif de 160 millions, capable de réaliser des profits stables en marché haussier comme en marché baissier. Son histoire est une parfaite illustration de comment les données peuvent vaincre les faiblesses humaines.

La révélation après deux comptes remis à zéro : pourquoi le trading quantitatif est une perte de temps mais pas d’argent

À 16 ans, Cai Jiamin a effectué sa première opération à effet de levier élevé avec un compte emprunté. Il a investi 40 000 HKD dans des certificats à effet de levier et des turbo, tentant de s’enrichir rapidement avec un levier de 10x ou 20x. Résultat : en un instant, le compte est passé de 40 000 à quelques centaines de HKD. Ce soir-là, le jeune pensait même que son compte avait été piraté, ne sachant pas comment faire face à cette catastrophe.

Une conversation dans un parc avec un ami a changé sa perspective. Une phrase de l’ami — “Tu n’as pas d’enfants à nourrir, pas de famille à prendre en charge, donc 3 ou 4 mille ou 300 HKD dans ton compte, ça ne fait pas de différence pour toi” — lui a ouvert les yeux. Cai Jiamin a compris que la jeunesse était le meilleur moment pour expérimenter avec l’effet de levier.

À 19 ans, il a tout repris. En suivant des cours particuliers, il a accumulé 150 000 HKD, mais en tradant des options et des contrats à terme, il a de nouveau tout perdu en une nuit. Ce coup dur fut encore plus profond, mais aussi plus éclairant. Cai Jiamin a commencé à réfléchir calmement : pourquoi, après avoir lu tant de nouvelles, étudié tant de graphiques, analysé tant d’indicateurs techniques, ne pouvait-il pas réaliser des profits stables ?

La réponse est venue d’une réalisation apparemment simple — il n’avait jamais vérifié si ses méthodes étaient réellement efficaces en utilisant des données historiques. Toutes ses décisions de trading reposaient sur des conseils d’autres, des recommandations de KOL ou son intuition, plutôt que sur des données concrètes. Ce changement de mentalité l’a conduit vers le monde du trading quantitatif.

Le principe central du trading quantitatif est clair : utiliser des données historiques pour backtester une stratégie, puis, après validation, investir avec de l’argent réel. Cela signifie que le temps consacré au backtest peut être considéré comme une perte de temps (cycle de test), mais jamais une perte d’argent. Contrairement au trading manuel, le trading quantitatif transforme des décisions émotionnelles en calculs rationnels, éliminant fondamentalement l’impact des fluctuations émotionnelles.

Stratégie CTA et gestion des risques : comment réaliser 240% de rendement en marché baissier

En mai 2020, le Bitcoin a connu sa troisième réduction de moitié. Cai Jiamin a observé que le volume et la taille du marché crypto s’élargissaient progressivement, et il a décidé d’appliquer ses stratégies quantitatifs traditionnels au trading du Bitcoin. À partir de mai 2021, il a commencé à investir dans le marché crypto avec ses stratégies, et en janvier 2023, son compte est passé de quelques millions à 100 millions HKD — un rendement d’environ 20 fois en un an et demi.

Le secret de cette réussite réside dans la stratégie CTA (trend following) qu’il utilise. Contrairement au trading à haute fréquence ou à l’arbitrage, la stratégie CTA se concentre sur la direction du marché : elle utilise des signaux de prix horaires pour déterminer quand acheter ou vendre à découvert. Quand Cai Jiamin pense que le marché va monter, il ouvre une position longue ; quand il prévoit une baisse, il passe en position courte. Ce trading purement directionnel a l’avantage — de pouvoir générer des profits dans n’importe quel environnement de marché.

Prenons l’exemple du marché baissier de 2022. La plupart des traders ont choisi d’attendre ou de couper leurs pertes, mais Cai Jiamin a utilisé une stratégie short pour réaliser un rendement annuel de 240%. C’est là la force du trading quantitatif par rapport à la simple détention : détenir du Bitcoin ne rapporte que dans un marché haussier, mais le trading quantitatif, via des stratégies de couverture comme la vente à découvert, peut aussi faire des profits en marché baissier.

Cependant, la stratégie CTA n’est pas sans risque. Cai Jiamin admet que cette stratégie peut subir une baisse de 20-30%, voire plus. En comparaison, le drawdown du trading à haute fréquence est généralement inférieur à 1%, et celui de l’arbitrage entre 3-5%. Cela signifie que Cai Jiamin doit faire face à une épreuve psychologique importante — lorsque les investisseurs voient leur compte chuter de 20-30%, la panique peut s’installer.

La solution consiste à gérer ses attentes et à s’appuyer sur des données. Cai Jiamin explique en détail aux investisseurs les caractéristiques de la stratégie CTA, en montrant un cycle complet “perte puis gain” dans ses données historiques. Lorsqu’un investisseur voit un exemple où “perte de 30% puis rebond pour atteindre un nouveau sommet de 100%”, sa perception de la volatilité change.

Les indicateurs clés pour mesurer l’efficacité d’une stratégie sont principalement deux : le Sharpe ratio (rendement ajusté au risque) et le Calmar ratio (rendement annuel divisé par le maximum drawdown). Cai Jiamin insiste particulièrement sur le fait de ne pas donner un poids excessif à un seul facteur. Il y a eu un facteur qui a très bien performé, et il a voulu lui donner plus de la moitié du poids dans le portefeuille. Mais quand ce facteur a échoué, tout le portefeuille a connu une grande volatilité. La leçon : adopter une stratégie d’équilibrage des facteurs — donner à chaque facteur un poids similaire, pour que l’échec d’un seul n’impacte pas gravement l’ensemble.

De la finance traditionnelle au marché crypto : migration et innovation stratégiques de Cai Jiamin

Le parcours quantitatif de Cai Jiamin ne commence pas dans le marché crypto. Pendant ses études universitaires, il a appris la programmation par lui-même, participé à plusieurs compétitions de trading quantitatif et gagné des prix. Ces résultats lui ont permis d’intégrer une société de trading propriétaire, puis un fonds spéculatif renommé, où il a travaillé environ cinq ans dans la finance traditionnelle.

Cette expérience lui a apporté deux grandes leçons : d’abord, une vision plus fine des données. Dans un hedge fund, l’équipe gère des actions, des matières premières, des devises, etc. Cai Jiamin a appris à examiner les données sous plusieurs angles, plutôt que de se fier à une seule source d’information. Ensuite, la gestion des attentes des clients. C’est une chose qu’on ne peut pas apprendre en trading seul chez soi. Si un fonds affiche un rendement annuel de 50%, mais que le client a été informé d’un objectif de 20-30%, alors un rendement de 30-40% à la fin sera une surprise agréable, et il sera prêt à continuer à investir ou à augmenter ses fonds. Ce qui peut sembler une “réduction” de l’objectif a en réalité une grande valeur à long terme.

En migrant du marché traditionnel au marché crypto, Cai Jiamin a constaté une chose importante : la plupart des stratégies sont transférables entre différentes classes d’actifs. Une simple stratégie de tendance (par exemple, croisement de la moyenne mobile 20) fonctionne aussi bien sur Bitcoin, actions américaines ou matières premières. Mais il a aussi observé deux différences clés : le marché traditionnel a des heures d’ouverture et de fermeture, ce qui peut entraîner des gaps nocturnes ; alors que le marché crypto fonctionne 24h/24, sans ces phénomènes.

Plus important encore, le marché crypto possède des dimensions de données uniques. Données on-chain (flux de portefeuilles, entrées/sorties sur les exchanges, mouvements des baleines), sentiment communautaire, indices de sentiment on-chain, etc. Ces sources d’informations n’existent pas dans la finance traditionnelle. Cai Jiamin exploite ces différences pour développer des stratégies exclusives applicables uniquement dans la crypto.

La crise et l’opportunité de l’IA : maintenir une différenciation compétitive

Lorsque ChatGPT et autres outils d’IA ont émergé, Cai Jiamin a d’abord été enthousiaste. Il a constaté que l’IA apportait deux grands bénéfices : d’une part, la génération de signaux. Son équipe utilise des modèles d’apprentissage automatique pour entraîner différents facteurs et données, permettant à l’IA de produire automatiquement des signaux d’achat ou de vente à découvert. Sur le marché réel, ces stratégies pilotées par l’IA continuent de générer des profits. D’autre part, l’efficacité de la programmation. Ce qui prenait 10 heures pour coder peut maintenant se faire en 5-10 minutes avec DeepSeek.

Mais il souligne aussi une inquiétude : la compétition s’intensifie car tout le monde utilise les mêmes outils. Si tous les fonds quantitatifs adoptent des modèles d’apprentissage automatique similaires, l’avantage compétitif s’amenuise. Il revient sur l’évolution de l’IA dans le trading — en 2021-2022, l’effet était faible ; en 2023, avec la montée de l’IA, les stratégies IA ont commencé à produire des signaux efficaces ; en 2024-2025, les résultats continuent de s’améliorer. La raison : l’effet d’auto-réalisation — plus de traders utilisent ces outils, plus le marché réagit, renforçant ainsi leur efficacité.

Pour rester compétitif dans l’ère de l’IA, Cai Jiamin prône : faire ce que les autres ne font pas, regarder des données que les autres ignorent. Beaucoup se concentrent encore sur les graphiques et les prix, lui se tourne vers les données on-chain et l’analyse de sentiment. Beaucoup utilisent des modèles d’apprentissage automatique génériques, lui préfère des algorithmes sur mesure. C’est cette capacité à voir plus loin, à exploiter des données plus riches, qui sera la clé de la différenciation dans les années à venir — pas des outils plus puissants, mais une vision de données plus unique.

La voie de la croissance pour les jeunes traders : échanger du temps contre de l’argent et de l’expérience

En regardant son propre parcours, Cai Jiamin donne un conseil clé aux jeunes traders : utiliser le temps pour gagner de l’argent. La jeunesse offre l’avantage d’avoir beaucoup de temps et une grande tolérance à l’erreur. Pendant ses études, il a appris la programmation, participé à des compétitions, fait du trading simulé, et a consacré trois à six mois à tester ses stratégies pour voir si elles étaient rentables — un investissement bien moindre que celui d’un trader plus âgé.

Les expériences de pertes ont aussi changé sa mentalité. Après plusieurs pertes, il a développé une attitude de “trading sans ego” — il ne se réjouit pas quand il gagne, ne se décourage pas quand il perd. Cette stabilité émotionnelle est la base de décisions rationnelles. Il dit : “Les traders qui gagnent aiment le trading lui-même, pas l’argent.” C’est aussi pour cela qu’il s’est tourné vers l’enseignement et le partage, car l’amour du trading dépasse la simple recherche de profits.

Lorsqu’on lui demande s’il existe des génies du trading innés, Cai Jiamin répond clairement : il n’y a pas de génie inné, seulement un apprentissage acharné. Rester rationnel, ne pas se laisser emporter par ses émotions ; corriger ses biais cognitifs rapidement ; rester humble et continuer à apprendre — voilà la clé pour traverser les cycles de marché et bâtir un système de trading indépendant.

De l’étudiant pauvre de 12 ans au gestionnaire d’un fonds quantitatif de plusieurs milliards, Cai Jiamin prouve que la clé pour réussir dans un marché volatil n’est ni la chance ni le génie, mais le respect des données, la crainte du risque, et la persévérance dans l’apprentissage. C’est cette philosophie qui fait que le trading quantitatif dépasse le trading traditionnel.