Backtesting
Définition : Le backtesting est une méthode qui consiste à tester une stratégie d’investissement ou de trading sur des données historiques pour évaluer sa performance passée. L’objectif est de vérifier si la stratégie aurait été rentable avant de l’appliquer en conditions réelles avec du capital.
Comment fonctionne le backtesting ?
Vous définissez des règles précises (signaux d’achat et de vente, taille de position, stop-loss) et vous les appliquez rétrospectivement sur un historique de données de marché. Le programme simule chaque transaction comme si elle avait été exécutée en temps réel, et produit des statistiques de performance.
Les métriques clés analysées sont : le rendement total, le drawdown maximum (perte maximale depuis un pic), le ratio de Sharpe (rendement ajusté du risque), le taux de trades gagnants et le profit factor (gains / pertes).
Métriques clés d’un backtest
| Métrique | Description | Seuil acceptable |
|---|---|---|
| Rendement annualisé | Performance moyenne par an | > rendement du benchmark |
| Drawdown maximum | Plus grande perte depuis un sommet | < 20-30 % pour la plupart des profils |
| Ratio de Sharpe | Rendement excédentaire / volatilité | > 1 (bon), > 2 (excellent) |
| Profit factor | Gains totaux / pertes totales | > 1,5 |
| Nombre de trades | Volume de transactions simulées | Assez élevé pour être statistiquement significatif |
Les biais du backtesting
Le backtesting est un outil puissant, mais truffé de pièges. Les résultats passés ne garantissent jamais les performances futures, et plusieurs biais peuvent fausser l’analyse :
Biais de suroptimisation (overfitting)
Ajuster les paramètres de la stratégie jusqu’à obtenir des résultats parfaits sur l’historique. La stratégie est alors « collée » aux données passées et échoue sur de nouvelles données. C’est le piège le plus courant.
Biais du survivant
Tester uniquement sur des actifs qui existent encore aujourd’hui, en excluant ceux qui ont fait faillite ou été retirés de la cote. Cela surestime systématiquement les performances.
Biais de look-ahead
Utiliser dans la simulation des informations qui n’étaient pas disponibles au moment de la décision (résultats financiers publiés après la clôture, révisions d’indicateurs économiques).
Analyst Tip : Un backtest fiable doit inclure les frais de transaction, le slippage (écart entre prix théorique et prix d’exécution), et utiliser un échantillon hors-période (out-of-sample) pour valider les résultats. Si votre stratégie ne fonctionne que sur la période optimisée, c’est du suroptimisation.
Ce qu’il faut retenir
- Le backtesting teste une stratégie sur des données historiques avant de risquer du capital réel.
- Les métriques clés sont le rendement, le drawdown, le ratio de Sharpe et le profit factor.
- Le suroptimisation (overfitting) est le piège principal — des résultats parfaits sur le passé ne se reproduisent presque jamais.
- Intégrez frais, slippage et testez sur une période out-of-sample pour valider.
- Le backtesting est nécessaire mais insuffisant : le paper trading complète l’approche avant le passage en réel.
Questions fréquentes
Le backtesting garantit-il des gains futurs ?
Non. Les conditions de marché changent constamment. Une stratégie performante sur 10 ans de données peut échouer si les conditions macroéconomiques, la volatilité ou la structure du marché évoluent. C’est un outil de validation, pas une garantie.
Quels outils utiliser pour faire du backtesting ?
Les plus courants sont TradingView (Pine Script), MetaTrader (MQL), Python (Backtrader, Zipline), et des plateformes spécialisées comme QuantConnect ou Amibroker. Le choix dépend de votre niveau technique et du type de stratégie.
Combien d’années de données faut-il pour un backtest fiable ?
Au minimum 5 à 10 ans pour capturer différents régimes de marché (hausse, baisse, range). Pour les stratégies intraday, quelques années suffisent mais avec un grand nombre de trades. L’essentiel est la diversité des conditions testées.
Quelle différence entre backtesting et paper trading ?
Le backtesting simule sur des données passées. Le paper trading simule en temps réel sans capital réel. Le paper trading intègre les conditions réelles d’exécution (latence, liquidité) que le backtesting ne capture pas toujours.
Comment éviter le suroptimisation ?
Limitez le nombre de paramètres, utilisez une période out-of-sample (données non utilisées pour l’optimisation), privilégiez des règles simples et robustes, et vérifiez que la stratégie fonctionne sur différents actifs et périodes.
Les informations présentées sont fournies à titre éducatif et ne constituent pas un conseil en trading ou en investissement. Le trading comporte un risque de perte en capital.