Saisonnalité Analyse

6 Sources de Données

Nous agrégeons les données OHLCV quotidiennes pour chaque symbole, remontant jusqu'à 10+ ans lorsque disponibles. Les données sont regroupées par mois calendaire, trimestre et jour de la semaine pour révéler des modèles récurrents sur plusieurs périodes.

Lignes d'Années Superposées

Le graphique de saisonnalité superpose le rendement cumulé YTD de chaque année comme une ligne distincte. Lorsque les lignes se regroupent, le modèle est fort. Des lignes divergentes révèlent des années qui ont rompu la norme saisonnière — souvent liées à des événements macro.

Taux de Réussite + Amplitude

Le taux de réussite montre la fréquence à laquelle un mois a clôturé positivement. Le rendement moyen montre l'amplitude. Un taux de réussite de 75% avec +2% en moyenne est plus fiable que 50% avec +15% en moyenne — ce dernier étant influencé par une seule année exceptionnelle.

Modèle Saisonnier (Superposition)

Chaque ligne colorée représente le rendement cumulé d'une année calendaire. La ligne blanche en gras est la moyenne sur toutes les années de la période sélectionnée. Lorsque les lignes individuelles se regroupent étroitement autour de la moyenne, le modèle saisonnier est fiable. Une large dispersion signifie que le modèle est bruyant — influencé par une ou deux années exceptionnelles.

La ligne pointillée verticale marque la position actuelle dans le calendrier. Les lignes à droite montrent ce que la saisonnalité prédit pour le reste de l'année.

Graphique à Barres des Rendements Mensuels

Les barres vertes indiquent les mois qui ont historiquement clôturé positivement en moyenne ; les barres rouges sont les mois historiquement négatifs. La ligne violette du taux de réussite sur l'axe droit montre le pourcentage d'années où ce mois était positif — souvent plus utile que la moyenne, car un seul mois à +100% peut fausser considérablement la moyenne.

Recherchez les mois où à la fois la barre est verte et le taux de réussite est supérieur à 60%. Ce sont les fenêtres saisonnières les plus rentables.

Trimestriel & Jour de la Semaine

Les données trimestrielles agrègent trois mois en un seul chiffre de performance — utile pour identifier des régimes saisonniers larges (ex : "rallye du Q4" ou "creux estival"). Les modèles jour de la semaine capturent la microstructure intra-semaine : rééquilibrage institutionnel le lundi, activité retail le week-end, et effets d'expiration d'options le vendredi.

Carte Thermique Multi-Actifs

La carte thermique compare les modèles saisonniers des 10+ principales crypto-monnaies simultanément. Recherchez les colonnes vertes verticales (mois où le marché a tendance à monter) et les colonnes rouges (faiblesse généralisée du marché). Les cellules individuelles qui divergent révèlent des avantages saisonniers spécifiques à un actif — par exemple, un altcoin avec un fort février lorsque le marché est typiquement faible.

Passé ≠ Futur

Les performances passées ne garantissent pas les résultats futurs. Les modèles saisonniers sont des tendances statistiques, pas des certitudes. Un mois avec 80% de taux de réussite historique aura encore des années perdantes. Utilisez toujours la saisonnalité comme un indicateur parmi d'autres, avec l'action des prix, les fondamentaux et la gestion des risques.

Historique Limité

Les crypto-monnaies ont beaucoup moins d'historique que les actifs traditionnels. BTC a ~12 ans de données fiables ; la plupart des altcoins ont 3-5 ans. Les petits échantillons signifient que les moyennes peuvent changer radicalement avec une seule année exceptionnelle. Préférez des fenêtres de 5A+ pour des modèles plus stables.

Changements de Régime

Les événements macro (changements de politique de la Fed, régulation, cygnes noirs) peuvent annuler les modèles saisonniers. Les cycles de halving Bitcoin créent leur propre rythme de 4 ans qui peut amplifier ou annuler la saisonnalité calendaire. Vérifiez toujours si le régime macro actuel correspond à la période historique couverte par les données.