Les résultats du backtest sont excellents : pourquoi perd-on quand même de l’argent en réel ?
Une stratégie de trading peut afficher d’excellentes performances sur des données historiques : rendement annualisé élevé, beau taux de réussite et drawdown limité. Mais une fois que vous investissez réellement votre argent, vous constatez que les gains sont loin d’être aussi satisfaisants que prévu, voire que les pertes s’accumulent.
Le problème ne vient peut-être pas de l’inutilité du backtest, mais de quelques écarts faciles à négliger entre une simulation historique et le trading en conditions réelles.
Premièrement, les frais grignotent peu à peu les gains.
Si une stratégie génère de nombreuses transactions, des frais qui semblent minimes à chaque opération peuvent, une fois cumulés, modifier sensiblement le résultat final. C’est particulièrement vrai pour les stratégies dont la marge bénéficiaire par transaction est limitée : les coûts de transaction peuvent directement absorber l’avantage initial.
Deuxièmement, le slippage peut éloigner le prix d’exécution du prix attendu.
Un backtest peut supposer que les ordres sont exécutés au prix indiqué par le signal. Mais sur les marchés réels, la liquidité, la taille des ordres et les mouvements du marché peuvent entraîner un prix d’exécution différent. Cet écart peut être encore plus marqué lorsque les marchés sont très volatils.
Troisièmement, l’optimisation des paramètres peut donner l’illusion de performances exceptionnelles.
Si vous ajustez sans cesse les paramètres dans le seul but d’obtenir le rendement maximal sur une période historique donnée, vous risquez le surajustement. La stratégie peut sembler avoir compris les mécanismes du marché, alors qu’elle ne fait peut-être que s’adapter au bruit du passé.
Quatrièmement, les conditions de marché évoluent constamment.
Une logique de trading qui a fonctionné par le passé ne sera pas nécessairement efficace à l’avenir. Si les acteurs du marché, la liquidité ou la structure de la volatilité changent, les performances de la stratégie peuvent elles aussi évoluer.
Pour la tester de manière plus fiable, il est préférable de répartir les données en périodes d’entraînement, de validation et de test hors échantillon, de prendre en compte des frais et un slippage réalistes, puis d’observer les performances d’exécution dans le cadre d’un trading simulé. Même si la stratégie réussit ces tests, rien ne garantit qu’elle sera rentable à l’avenir.
L’intérêt du backtest n’est pas de prouver qu’une stratégie rapportera forcément de l’argent, mais de nous aider à repérer les situations dans lesquelles elle risque d’échouer.
Dans le prochain article, nous verrons comment déterminer, lorsqu’une série de pertes s’accumule, s’il s’agit d’un drawdown normal ou si la stratégie a perdu son avantage.
Une stratégie de trading peut afficher d’excellentes performances sur des données historiques : rendement annualisé élevé, beau taux de réussite et drawdown limité. Mais une fois que vous investissez réellement votre argent, vous constatez que les gains sont loin d’être aussi satisfaisants que prévu, voire que les pertes s’accumulent.
Le problème ne vient peut-être pas de l’inutilité du backtest, mais de quelques écarts faciles à négliger entre une simulation historique et le trading en conditions réelles.
Premièrement, les frais grignotent peu à peu les gains.
Si une stratégie génère de nombreuses transactions, des frais qui semblent minimes à chaque opération peuvent, une fois cumulés, modifier sensiblement le résultat final. C’est particulièrement vrai pour les stratégies dont la marge bénéficiaire par transaction est limitée : les coûts de transaction peuvent directement absorber l’avantage initial.
Deuxièmement, le slippage peut éloigner le prix d’exécution du prix attendu.
Un backtest peut supposer que les ordres sont exécutés au prix indiqué par le signal. Mais sur les marchés réels, la liquidité, la taille des ordres et les mouvements du marché peuvent entraîner un prix d’exécution différent. Cet écart peut être encore plus marqué lorsque les marchés sont très volatils.
Troisièmement, l’optimisation des paramètres peut donner l’illusion de performances exceptionnelles.
Si vous ajustez sans cesse les paramètres dans le seul but d’obtenir le rendement maximal sur une période historique donnée, vous risquez le surajustement. La stratégie peut sembler avoir compris les mécanismes du marché, alors qu’elle ne fait peut-être que s’adapter au bruit du passé.
Quatrièmement, les conditions de marché évoluent constamment.
Une logique de trading qui a fonctionné par le passé ne sera pas nécessairement efficace à l’avenir. Si les acteurs du marché, la liquidité ou la structure de la volatilité changent, les performances de la stratégie peuvent elles aussi évoluer.
Pour la tester de manière plus fiable, il est préférable de répartir les données en périodes d’entraînement, de validation et de test hors échantillon, de prendre en compte des frais et un slippage réalistes, puis d’observer les performances d’exécution dans le cadre d’un trading simulé. Même si la stratégie réussit ces tests, rien ne garantit qu’elle sera rentable à l’avenir.
L’intérêt du backtest n’est pas de prouver qu’une stratégie rapportera forcément de l’argent, mais de nous aider à repérer les situations dans lesquelles elle risque d’échouer.
Dans le prochain article, nous verrons comment déterminer, lorsqu’une série de pertes s’accumule, s’il s’agit d’un drawdown normal ou si la stratégie a perdu son avantage.