Template Intermédiaire - Stratégie Momentum avec Alpha Framework

Description

Ce template implémente une stratégie de momentum ranking sur les actions du S&P 500. L’algorithme sélectionne les 100 plus gros composants du SPY par pondération, calcule leur momentum sur 90 jours, et investit de maniere égale dans ceux dont le momentum est positif. Un trailing stop à 5 % protège chaque position.

Période de backtest : Janvier 2021 - Décembre 2024 Capital initial : 100 000 USD (compte marge Interactive Brokers) Rebalancement : Mensuel (premier jour de bourse du mois)

Concepts de l’Alpha Framework

QuantConnect décompose une stratégie en 4 modules indépendants, ce qui permet de modifier un composant sans toucher aux autres :

Module Role Classe utilisée
AlphaModel Generer des signaux (Insights) haussiers/baissiers MomentumAlphaModel (custom, MomentumPercent 90j)
PortfolioConstructionModel Convertir les Insights en allocations cibles EqualWeightingPortfolioConstructionModel
RiskManagementModel Ajuster ou liquider des positions selon le risque TrailingStopRiskManagementModel(0.05)
ExecutionModel Envoyer les ordres au marché ImmediateExecutionModel

Flux de données

Donnees de marche
    |
    v
AlphaModel.update()  -->  Liste d'Insights (direction, duree, magnitude)
    |
    v
PortfolioConstructionModel  -->  Allocations cibles (% du portefeuille)
    |
    v
RiskManagementModel  -->  Ajustements (trailing stop, max drawdown)
    |
    v
ExecutionModel  -->  Ordres envoyes au courtier

Fichiers

Fichier Description
main.py Algorithme complet : classe MomentumAlphaModel + IntermediateMomentumAlgorithm

Modifications suggérées

Voici des pistes pour personnaliser et améliorer la stratégie :

1. Modifier la période de lookback

Changer lookback=90 dans MomentumAlphaModel (ex: 60, 120 ou 252 jours). Un lookback plus court réagit plus vite mais génère plus de turnover.

2. Ajouter un filtre RSI

Combiner le momentum avec un filtre RSI pour éviter d’acheter des titres en zone de surachat :

# Dans on_securities_changed :
self.rsi[sym] = algorithm.RSI(sym, 14, Resolution.DAILY)

# Dans update, ajouter la condition :
if indicator.current.value > 0 and self.rsi[symbol].current.value < 70:
    insights.append(...)

3. Filtrage sectoriel

Utiliser security.Fundamentals.AssetClassification.MorningstarSectorCode pour concentrer la stratégie sur certains secteurs (technologie, santé, etc.) ou pour diversifier en limitant le nombre de titres par secteur.

4. Changer le modèle de construction de portefeuille

Remplacer EqualWeightingPortfolioConstructionModel par : - InsightWeightingPortfolioConstructionModel : pondère par la magnitude des Insights - MeanVarianceOptimizationPortfolioConstructionModel : optimisation Markowitz - RiskParityPortfolioConstructionModel : parité de risque (voir exemple Sector-Momentum)

5. Ajuster le trailing stop

Modifier le seuil de 5 % ou combiner avec MaximumDrawdownPercentPerSecurity(0.10) pour une gestion du risque en couches.

Concepts QC couverts par ce template

  • Universe Selection : filtrage dynamique via universe.etf() et callback de filtre
  • Alpha Framework : les 4 modules (Alpha, PCM, Risk, Exécution)
  • Indicateurs intégrés : MomentumPercent (MOMP) avec enregistrement automatique
  • Insights : signaux avec direction, durée (Expiry.END_OF_MONTH) et confiance
  • ScheduledEvent : déclenchement périodique (date_rules.month_start)
  • Warm-up : période de chauffe pour initialiser les indicateurs avant le trading
  • BrokerageModel : simulation réaliste Interactive Brokers avec frais et marge

Pour aller plus loin

  • Consulter les notebooks QC-Py-17 (Alpha Framework) et QC-Py-19 (Risk Management)
  • Etudier l’exemple Sector-Momentum pour le momentum dual avec parité de risque
  • Etudier l’exemple Trend-Following pour combiner plusieurs indicateurs
  • Documentation officielle : https://www.quantconnect.com/docs/v2/writing-algorithms/algorithm-framework
Retour au sommet