<< Sommaire QC | Précédent : QC-Py-Cloud-08-ValueFactor-ZScore <<

Option Wheel — Le paradoxe du win-rate eleve

Source : Projet etudiant ESGF 2026 (QC 31846074), anonymise et adapte. Type : doc cloud — résultats obtenus sur QuantConnect Cloud.

Objectifs d’apprentissage

  1. Comprendre la stratégie Wheel : cycle put nu -> assignment -> covered call -> cession.
  2. Distinguer win-rate eleve et esperance de gain positive (le piege fondamental).
  3. Analyser le risque de queue : pourquoi une stratégie qui gagne 90% du temps peut etre perdante.
  4. Interpreter un drawdown catastrophique (-100%+) et son origine (concentration, levier implicite).

Prerequis : Options de base (call/put, strike, premium), QC-Py-06-Options-Trading.

Duree estimee : 35 min

1. Concept : La stratégie Wheel

Le Wheel (roue) est une stratégie d’options income populaire chez les investisseurs particuliers. Elle vise a generer un revenu regulier par la vente d’options, en faisant “tourner” un cycle.

Le cycle en 4 étapes

  (1) Vendre PUT nu (cash-secured)          (3) Vendre COVERED CALL
      sur un sous-jacent que l'on                 sur les actions detenues
      est pret a acheter                          pour generer un revenu
            |                                          ^
            v                                          |
  (2) Si assigne : acheter 100 actions        (4) Si call exerce : vendre
      au strike (devenir actionnaire)            les actions -> retour a (1)

La promesse

  • Revenu regulier : on encaisse les premiums (time decay theta).
  • Win-rate eleve : la plupart des options expirent sans valeur (~70-85% si OTM).
  • Recuperation : si assigne, on garde les actions et on vend des calls.

La realite cachee

Le piege : un win-rate de 85% ne veut rien dire si les 15% de pertes sont 10x plus grandes que les gains. La vente d’options a un profil de payoff asymetrique : petits gains frequents, pertes rares mais catastrophiques.

2. Le paradoxe du win-rate

Esperance mathematique

\[E[G] = p_{win} \times gain_{moyen} - p_{loss} \times perte_{moyenne}\]

Exemple typique d’un put OTM :

Scénario Probabilite P&L par contrat
Option expire sans valeur 85% +200$ (premium garde)
Option assignee (crash) 15% -1 800$ (achat a strike > marche)

\[E[G] = 0.85 \times 200 - 0.15 \times 1800 = 170 - 270 = -60\]$

Esperance NEGATIVE malgre un win-rate de 85% ! C’est le paradoxe fondamental.

Pourquoi c’est seduisant psychologiquement

  1. Renforcement positif frequent : on encaisse des premiums presque chaque semaine.
  2. Recence bias : les grosses pertes sont rares, donc oubliees.
  3. Illusion de competence : “ca marche”, donc on augmente la taille.
  4. Vente de volatilite : on parie que le marche sera calme — jusqu’a ce qu’il ne le soit plus.

Exercice 1 : Calculer l’esperance de gain

Implementez la fonction expected_value qui calcule l’esperance d’une vente de put, etant donnes la probabilite d’assignment, la premium et la perte moyenne si assigne.

# Exercice 1 : Calculer l'esperance de gain d'une vente de put
# TODO etudiant : implementer expected_value(p_assignment, premium, avg_loss) -> float
# Indice : E[G] = (1 - p_assignment) * premium - p_assignment * avg_loss
def expected_value(p_assignment, premium, avg_loss):
    return 0.0  # TODO etudiant : calculer l'esperance

3. Le code QC Cloud

La stratégie WheelTechSimple (projet QC 31846074) implemente le cycle sur 5 actions tech (NVDA, ORCL, CSCO, AMD, QCOM) :

class WheelTechSimple(QCAlgorithm):
    def Initialize(self):
        self.SetStartDate(2020, 1, 1)
        self.SetEndDate(2024, 12, 31)
        self.SetCash(50000)
        self.SetBenchmark("VGT")  # Tech ETF
        
        # Paramètres du wheel
        self.days_to_expiry = 30    # DTE cible
        self.otm_threshold = 0.05   # 5% OTM minimum
        self.max_exposure = 0.20    # 20% du capital par trade
        
        # Univers : 5 actions tech volatiles
        self.eq_names = ['NVDA', 'ORCL', 'CSCO', 'AMD', 'QCOM']

Logique du cycle

  • OnData verifie chaque action : si pas de position -> vendre put ; si on a les actions -> vendre covered call.
  • _sell_put : calcule le strike OTM, trouve le contrat, vend la quantite (max 20% cash).
  • _sell_covered_call : vend des calls couverts sur les actions detenues.
  • _find_option : filtre la chaîne d’options par DTE et strike.

4. Résultats QC Cloud — Le piege revele

Projet QC Cloud : 31846074 (VGT tech wheel, 2020-2024).

Metrique Valeur Benchmark VGT (~) Interpretation
Sharpe -0.51 ~0.70 Nettement negatif
CAGR 0% ~18% Aucun rendement
MaxDD -103.5% ~-30% Catastrophique (perte virtuelle totale)
PSR 0.004% > 50% Signal inexistant
Tradeable days 1258 — 5 ans de données

Diagnostic

Sharpe -0.51 : la stratégie detrui de la valeur. La vente de premiums ne compense pas les pertes d’assignment.

MaxDD -103.5% : anormal. Un drawdown théorique > 100% indique un levier implicite ou une concentration extreme : si plusieurs puts sont assignes simultanement pendant un crash (ex: COVID mars 2020, bear market 2022), le capital ne suffit pas a couvrir les achats forces au-dessus du marche.

CAGR 0% avec Sharpe negatif : le cash reste immobilise en collateral (cash-secured puts), generant peu de rendement, tandis que les assignments successifs erodent le capital.

Lecon : le wheel sur actions tech volatiles pendant une periode de crash (2020 COVID + 2022 bear market) illustre exactement le paradoxe. Les premiums etaient petits, les assignments frequents et couteux.

Exercice 2 : Identifier les scenarii defavorables

Le wheel perd de l’argent dans des conditions spécifiques. Identifiez les 3 principaux scenarii de perte et proposez une mitigation pour chacun.

# Exercice 2 : Identifier les scenarii de perte du wheel
# TODO etudiant : pour chaque scenario, decrire le mecanisme de perte + 1 mitigation
loss_scenarios = {
    "crash_concurrent": None,    # TODO etudiant : description + mitigation
    "action_devaluee": None,     # ex: action assignee qui continue de chuter
    "volatilite_implose": None,  # IV crush apres un evenement
}
# Indice : la diversification et le position sizing sont les premieres mitigations
print("Exercice a completer")
Exercice a completer

5. Lecons de gestion du risque

1. Le win-rate n’est pas une metrique de performance

Une stratégie a 90% de win-rate peut etre perdante. La vraie question est l’esperance et le rapport gain/perte. Un Sharpe positif est plus informatif qu’un win-rate eleve.

2. Le risque de queue est real

La vente d’options vend de l’assurance. Comme un assureur, on encaisse des petites primes jusqu’au sinistre — puis on paie gros. Les événements extremes (COVID, crash, faillite) surviennent plus souvent que le modèle gaussien ne le predit (fat tails).

3. La concentration tue

Le wheel sur 5 actions tech (NVDA, AMD, …) concentre le risque sectoriel. Un crash tech = assignments multiples simultanes = perte disproportionnee. Diversifier sur 20-50 sous-jacents non correlates reduit ce risque.

4. Le position sizing est critique

Vouloir “maximiser le revenu” pousse a vendre trop de contrats. La règle prudente : ne jamais risquer plus de 1-2% du capital par trade, et garder 50%+ de cash disponible pour les assignments.

5. Le regime de volatilite compte

Le wheel performe mieux en marche stable/haussier avec volatilite moderee. En bear market ou haute volatilite, les puts sont assignes et les covered calls limitent la recuperation. Adapter la taille au regime VIX.

Exercice 3 : Concevoir un wheel defensif

Proposez 3 modifications pour transformer ce wheel agressif en une stratégie plus defensive, en justifiant l’impact attendu sur le risque.

# Exercice 3 : Concevoir un wheel defensif
# TODO etudiant : 3 modifications avec justification de l'impact risque
defensive_modifications = {
    "diversification": None,  # TODO etudiant : ex: 20+ sous-jacents non correlates
    "position_sizing": None,  # ex: max 1% capital par trade
    "regime_filter": None,    # ex: desactiver si VIX > 30
}
# Indice : chaque modification reduit le revenu mais protege contre le risque de queue
print("Exercice a completer")
Exercice a completer

Conclusion : Le wheel n’est pas un revenu gratuit

Points cles

  1. Le wheel vend de l’assurance : revenu regulier en echange d’un risque de queue asymetrique.

  2. Win-rate != esperance : 85% de reussite peut cacher une esperance negative si les pertes sont 10x les gains.

  3. La concentration sectorielle amplifie le risque : le wheel sur tech pendant 2020-2022 a expose a des assignments multiples.

  4. Le drawdown > 100% revele un levier implicite : le collateral cash ne suffit pas quand plusieurs puts sont assignes simultanement.

  5. Le regime de volatilite est decisif : adapter la taille et la frequence au VIX, et non viser un revenu fixe.

Pour aller plus loin

  • Backtester avec regime filter : desactiver la vente de puts quand VIX > 30 ou trend SPY < 200-MA.
  • Comparer a un buy-and-hold : le wheel doit battre le benchmark APRÈS couts et taxes, pas juste en premiums brutes.
  • Diversifier l’univers : 20-50 sous-jacents non correlates vs 5 actions tech.

<< Sommaire QC | Précédent : QC-Py-Cloud-08-ValueFactor-ZScore <<

Retour au sommet