Un backtest utile suit un processus délibéré, pas seulement un rapide coup d'œil sur un graphique à la recherche d'une tendance qui semble fonctionner. Les étapes ci-dessous sont conçues précisément pour éviter le surajustement, le biais d'anticipation et les autres pièges abordés dans la leçon précédente — en sauter une a tendance à réintroduire exactement les problèmes que ce processus existe pour prévenir.
Écrire les règles au complet, avant de tester
Chaque condition d'entrée, condition de sortie, placement de stop-loss et règle de taille de position doit être suffisamment précise pour qu'une autre personne puisse la suivre mécaniquement. Si une règle fait appel au jugement (« sortir quand ça donne l'impression que l'élan faiblit »), elle ne peut pas être backtestée honnêtement — des règles vagues correspondent toujours mieux à l'historique qu'elles ne performeront en direct.
Utiliser des données historiques propres et complètes
Confirmer que la source de données n'a pas de lacunes, n'exclut pas les instruments radiés ou disparus, et reflète des prix réellement négociables plutôt qu'un indice théorique. Des données de piètre qualité invalident discrètement tout ce qui est construit par-dessus.
Tester dans plusieurs conditions de marché
Faire tourner la stratégie séparément sur des périodes de tendance, des périodes de range, des périodes de forte volatilité et des périodes calmes, pas seulement un seul long test combiné. Une stratégie qui ne fonctionne que dans un seul type de condition a besoin d'un plan pour ce qu'il faut faire quand cette condition prend fin — ou d'une reconnaissance honnête qu'elle est spécifique à cette condition.
Inclure des coûts réalistes dans chaque résultat
Appliquer le spread, une estimation raisonnable de la commission et une marge pour le glissement de prix à chaque transaction simulée. Une stratégie qui n'est rentable qu'avec des coûts nuls n'est pas une stratégie — elle n'est qu'à une erreur d'arrondi d'une perte.
Réserver des données intactes pour un test hors échantillon
Avant de construire ou d'ajuster la stratégie, mettre de côté une portion des données historiques qu'on ne consultera pas avant que les règles soient finalisées. Tester la stratégie terminée sur cette période intacte est ce qui se rapproche le plus, pour un backtest, de la simulation de données véritablement jamais vues.
Faire un test en avant sur un compte démo avant de risquer du capital
Une stratégie qui survit à un backtest rigoureux n'a toujours pas été testée sur des données réelles en temps réel. La faire tourner sur un compte démo pendant une période significative — dans des conditions de marché réelles, sans le bénéfice du recul — est l'étape que la plupart des traders sautent, et celle qui compte le plus.
Ce qu'il faut réellement mesurer
Un backtest qui ne rapporte que le rendement total passe à côté de la plupart de ce qui compte. Voici les statistiques qui valent la peine d'être suivies en parallèle :
Un exemple de courbe de capital — lire la perte maximale
Données illustratives. La courbe de capital est globalement à la hausse, mais la portion ombrée — un déclin de 28 % du sommet au creux — c'est à quoi ressemble réellement une « perte maximale » vécue en temps réel, pas seulement un chiffre dans un tableau.
| Mesure | Pourquoi elle compte |
|---|---|
| Nombre de transactions | Trop peu de transactions signifie que le résultat pourrait facilement relever du hasard, et non d'un avantage |
| Taux de réussite | Utile seulement en parallèle avec la taille moyenne des gains/pertes — un taux de réussite faible peut tout de même être très rentable |
| Gain moyen contre perte moyenne | Montre si les gains sont significativement plus importants que les pertes, ou s'ils couvrent à peine les coûts |
| Perte maximale | Le pire déclin du sommet au creux — vous indique ce qu'il faudrait supporter psychologiquement et financièrement |
| Plus longue série de pertes | Un aperçu réaliste de ce à quoi ressemble réellement une mauvaise période en pratique |
Quand arrêter de faire confiance à un backtest
Si une stratégie a nécessité de nombreuses rondes d'ajustement des paramètres pour finalement montrer un bon résultat, c'est un signe de surajustement, peu importe à quel point le chiffre final a l'air bon. Une stratégie construite sur une logique de marché simple et explicable, qui performe raisonnablement bien — pas parfaitement — dans plusieurs conditions et sur une période hors échantillon, est bien plus digne de confiance qu'une stratégie au résultat spectaculaire qui a nécessité un ajustement intensif pour y arriver.