Quant Trading Academy, Module 1, Partie 2

Le backtesting est puissant mais facile à mal utiliser. Vous n'avez pas besoin de construire des backtests, mais vous devez comprendre ce qu'ils mesurent et comment les interpréter.

Qu'est-ce que le Backtesting

Un backtest applique des règles de trading à des données historiques et mesure ce qui se serait passé si elles avaient été suivies. Un backtest est une simulation du passé, pas un historique de trades réels.

Il répond à : "Si cette stratégie avait été appliquée à ces données, quels résultats aurait-elle produits ?" Il ne répond pas directement à : "Va-t-elle gagner de l'argent à l'avenir ?"

Les trois ennemis d'un Backtest fiable

Overfitting (Sur-ajustement)
L'overfitting se produit lorsqu'une stratégie est tellement ajustée aux données passées qu'elle mémorise l'histoire au lieu de trouver un vrai modèle. Testez assez de variantes et une version semblera exceptionnelle par hasard. L'antidote est la simplicité et la robustesse.

Biais d'anticipation (Look Ahead Bias)
Le biais d'anticipation survient quand le backtest utilise des informations qui n'auraient pas été disponibles au moment de la décision. Si un signal utilise la clôture d'une bougie et entre à cette même clôture, c'est de la triche. Vous ne connaissez la clôture qu'après la fin de la bougie.

Biais de Data Snooping
Le data snooping se produit quand le même jeu de données est réutilisé jusqu'à ce que de bons résultats apparaissent. Si vous testez beaucoup d'idées et ne montrez que les gagnantes, celles-ci peuvent simplement correspondre aux particularités de cet échantillon. Beaucoup de facteurs publiés échouent hors échantillon pour cette raison.

Le standard : Tests hors échantillon

La meilleure défense est le test hors échantillon : construisez la stratégie sur une période, puis testez-la sur une période distincte non vue.

Si une stratégie est construite sur des données de 2018 à 2022 et fonctionne sur des données de 2023 à 2024, ce second résultat est significatif. Une méthode plus forte est le walk-forward testing, où la stratégie est ré-optimisée de manière répétée sur des fenêtres glissantes et testée sur la fenêtre suivante non vue. Les stratégies qui survivent aux deux sont plus susceptibles de refléter des avantages réels.

Les limites honnêtes de tout Backtest

Même un backtest a des limites. Les coûts sont faciles à sous-estimer. Le slippage, les spreads et les mauvaises exécutions comptent. L'impact sur le marché est invisible : des positions plus grandes peuvent faire bouger le prix contre vous. Les données historiques ont des lacunes et des anomalies. Les marchés évoluent. Les participants, la structure et la réglementation changent. Les backtests sont utiles, mais ne sont pas des garanties.

Ce que les Backtests de Quant vous disent

Les configurations de Quant proviennent d'un backtesting systématique conçu pour réduire ces modes de défaillance. Une étiquette +EV reflète un modèle avec une espérance positive sur des données historiques, pas juste une configuration ajustée jusqu'à ce qu'elle paraisse bonne.

Le backtest est un a priori calibré, pas une certitude. Dans des conditions similaires, la configuration a historiquement produit des résultats positifs sur un échantillon significatif. La performance en direct différera. Les configurations individuelles perdront. Une mauvaise série n'est pas une preuve immédiate de dégradation. La vraie question est de savoir si cela ressemble toujours à une variance normale ou si les conditions ont changé systématiquement.

Quand remettre en question un signal

N'abandonnez pas un signal juste parce qu'il a eu une mauvaise série. Mais suivre un signal pour toujours, sans preuve, est tout aussi faux.

Le seuil doit être statistique, pas émotionnel. Demandez-vous : la structure du marché a-t-elle changé, la sous-performance est-elle matériellement pire que les drawdowns historiques, et y a-t-il une raison logique pour laquelle le signal a cessé de fonctionner ?

Si non, gardez la discipline. Si oui, faites une revue systématique, pas une sortie de panique. Quant surveille continuellement la santé des signaux.

Points clés

Un backtest montre ce qui se serait passé historiquement, pas les résultats en direct.
Les ennemis principaux sont l'overfitting, le biais d'anticipation et le biais de data snooping.
Les tests hors échantillon sont le meilleur outil de validation.
Tous les backtests ont des limites : coûts, impact sur le marché, données imparfaites et évolution du marché.
Les signaux +EV de Quant sont significatifs et rigoureux, mais ne sont pas des garanties.
Remettez en question un signal systématiquement, pas émotionnellement.