Faire un backtest trading consiste à appliquer les règles d’une stratégie à des prix passés pour voir ce qu’elle aurait donné, avant d’engager le moindre argent réel. C’est l’un des moyens les moins coûteux de découvrir qu’une idée est fragile, mais un bon résultat ne prouve pas que la stratégie fonctionnera à l’avenir. Un backtest répond à une question étroite : ces règles collaient-elles au passé ? Savoir si elles collent à l’avenir est une autre question.
En bref
- Un backtest applique des règles d’entrée et de sortie fixes à des prix historiques et enregistre les trades, les gains, les pertes et la plus forte baisse rencontrée.
- Sa principale utilité est d’écarter tôt les idées fragiles et de montrer la profondeur et la durée possibles des périodes de pertes.
- Son principal danger est le surapprentissage : plus vous essayez de variantes sur les mêmes données, plus il est probable que l’une d’elles paraisse bonne par pur hasard.
- Les frais, le glissement de prix et des données irréalistes peuvent rendre un backtest plus flatteur que le trading réel.
- Considérez le résultat comme une hypothèse à vérifier avec un petit montant ou en trading sur papier, jamais comme une prévision.
Dans cet article · 11 min de lecture
- Backtest trading : la définition en une phrase
- Comment faire un backtest trading, étape par étape
- Le chiffre qui montre à quel point un backtest peut tromper
- Backtest trading : les erreurs qui le rendent trop beau
- Avantages et limites du backtest
- Où se place Crypto Go Bot
- Comment commencer, pas à pas
- Liste de contrôle avant de croire un backtest
- À qui cela s’adresse
- Les termes clés
- Questions fréquentes
- Sources
Backtest trading : la définition en une phrase
Un backtest est une simulation qui applique une stratégie de trading à des données de marché historiques pour estimer ce qu’elle aurait donné. L’Autorité des marchés financiers (AMF) rappelle que, pour un placement en bourse, il y a peu de chances que de bonnes performances passées se renouvellent à l’identique, et que l’on ne doit pas s’appuyer sur elles pour estimer un rendement futur. La Commodity Futures Trading Commission (CFTC) impose dans sa règle sur la publicité qu’un résultat simulé soit accompagné d’un avertissement : il a des limites inhérentes, il ne représente pas un trading réel et il est conçu avec le recul. Cet avertissement résume bien la façon de lire n’importe quel backtest.
Quelques mots que vous retrouverez plus bas. Les données historiques sont l’enregistrement des prix passés (et parfois des volumes). Les données in-sample sont la partie de l’historique utilisée pour construire et ajuster les règles ; les données out-of-sample sont une partie mise de côté, que l’on n’a pas touchée pendant la conception. Le glissement de prix (slippage) est l’écart entre le prix attendu et le prix auquel l’ordre a réellement été exécuté.
Comment faire un backtest trading, étape par étape
La méthode est la même que vous la codiez, que vous utilisiez une plateforme dotée d’un outil de backtest ou même que vous la fassiez à la main sur un graphique :
- Écrivez les règles. Quand entrez-vous, quand sortez-vous, combien risquez-vous par trade, où est le stop loss (l’ordre qui ferme un trade perdant à un prix fixé) ? Une règle que l’on ne sait pas écrire avec précision ne peut pas être testée.
- Choisissez les données. Prenez une période assez longue pour contenir des marchés haussiers, baissiers et sans tendance. Vérifiez que les données sont propres et qu’elles couvrent bien les actifs que vous échangeriez.
- Lancez la simulation. Le logiciel applique les règles bougie après bougie et enregistre chaque trade hypothétique, ses frais et le solde dans le temps.
- Lisez les résultats. Regardez au-delà du profit final : le drawdown (la plus forte baisse entre un sommet et un creux), le nombre de trades, la part de trades gagnants et la plus longue série de pertes.
- Testez sur des données que les règles n’ont jamais vues. Gardez une période de côté, ou avancez dans le temps pas à pas (walk-forward), et observez si le comportement se maintient.
En crypto, un point pratique : les marchés tournent jour et nuit toute l’année, et l’historique de nombreuses cryptomonnaies est court. Un actif qui existe depuis deux ans vous apprend bien moins qu’un indice boursier suivi depuis des décennies. Un backtest sur une période courte et orientée dans un seul sens dit très peu de choses sur une autre phase du marché.
Le chiffre qui montre à quel point un backtest peut tromper
L’étude la plus connue sur ce problème est « Pseudo-Mathematics and Financial Charlatanism », de David Bailey, Jonathan Borwein, Marcos López de Prado et Qiji Zhu, publiée en 2014. Elle montre qu’en essayant assez de variantes d’une stratégie sur les mêmes données, on peut obtenir un backtest flatteur quelle que soit la valeur réelle de la stratégie. Dans leur exemple, après seulement 7 configurations indépendantes, la meilleure devrait afficher un ratio de Sharpe annualisé de 1 sur un backtest de 2 ans, alors que le résultat attendu sur de nouvelles données est nul. (Le ratio de Sharpe mesure le rendement par unité de risque ; 1 paraît honorable.) Avec 5 ans de données, la limite monte à 45 configurations.
En clair : plus votre historique est court, moins vous avez le droit d’essayer de choses avant que le gagnant soit probablement dû à la chance. Les auteurs notent aussi que la plupart des backtests n’indiquent pas combien de configurations ont été essayées, si bien que le lecteur ne peut pas juger du risque. C’est pourquoi, d’après notre expérience, l’habitude la plus utile est de tenir un compte écrit de chaque version testée.
Un second repère vient d’une étude de 2016 portant sur 888 algorithmes de trading construits sur la plateforme Quantopian. Selon le résumé de Quantpedia, les chercheurs ont constaté que des indicateurs de backtest très courants, comme le ratio de Sharpe, apportaient peu pour prédire la performance sur de nouvelles données (R² inférieur à 0,025, c’est-à-dire qu’ils n’expliquaient presque rien de la variation).
Backtest trading : les erreurs qui le rendent trop beau
| Erreur | Ce que cela signifie | Pourquoi le résultat est flatté |
|---|---|---|
| Surapprentissage | Ajuster les règles jusqu’à coller parfaitement au passé | Les règles mémorisent du bruit qui ne reviendra pas |
| Biais d’anticipation | Utiliser une information qui n’existait pas au moment du trade | La simulation « connaît » l’avenir |
| Biais du survivant | Ne tester que les actifs qui existent encore aujourd’hui | Les projets disparus manquent, donc la moyenne paraît meilleure |
| Coûts ignorés | Oublier frais, écarts de prix et glissement | De petits gains par trade peuvent disparaître une fois les coûts comptés |
| Trop peu de trades | Tirer des conclusions de quelques trades | Une courte série chanceuse ressemble à du talent |
Les coûts méritent une attention particulière pour toute stratégie qui trade souvent. Un gain d’une fraction de pour cent par trade peut être effacé par les frais et le glissement de prix, et un simulateur qui exécute chaque ordre au prix exact du graphique ne le voit pas. L’AMF explique d’ailleurs, dans son guide sur les scénarios de performance, que les simulations présentées dans le document d’informations clés se fondent sur le comportement passé du même placement et que les performances passées ne préjugent pas des performances futures, qui sont impossibles à prévoir en pratique.
Avantages et limites du backtest
Avantages. Il ne coûte aucun capital, il oblige à écrire des règles précises et il peut écarter une mauvaise idée en un après-midi. Il montre aussi ce que les mauvaises périodes auraient donné : une stratégie à bonne moyenne mais à 50 % de drawdown ne se vit pas comme une stratégie à 15 %. Enfin, il fournit une base de comparaison pour les résultats réels ultérieurs.
Limites. Le passé n’est qu’un chemin parmi tous ceux qui auraient pu se produire. Le marché peut se comporter autrement l’an prochain, d’autres opérateurs peuvent s’être adaptés, et votre propre comportement face à de vraies pertes n’est pas dans la simulation. Un backtest ne dit rien non plus des événements absents des données. D’après notre expérience, les stratégies qui déçoivent le plus en réel sont celles qui paraissaient les meilleures après le plus d’ajustements.
Le point de vue de John Bax
Dans Investisseur Paresseux, Investisseur Malin, John Bax explique que n’importe qui peut techniquement créer un bot de trading, mais qu’un bot qui fonctionne exige une connaissance approfondie des marchés et la capacité d’adapter la stratégie à des conditions toujours changeantes. C’est la leçon pratique du backtest : les conditions de votre période de test ne resteront pas les mêmes, et un jeu de règles n’est donc jamais « terminé ». Le livre est aussi clair sur le fait qu’aucun système ne peut garantir des profits, ce qui est le bon état d’esprit face à tout résultat simulé.
Où se place Crypto Go Bot
Crypto Go Bot n’applique pas un jeu de règles que vous ajustez sur un graphique de prix. C’est un bot à signaux : il suit le Smart Money, les flux on-chain de portefeuilles qui ont fait leurs preuves, lus comme Faible, Moyen ou Fort, et il ouvre des trades sur votre propre compte Kraken, avec take profit et stop loss placés comme de vrais ordres sur Kraken. Notre présentation du fonctionnement d’un bot de trading crypto explique la méthode. La leçon de cet article vaut pour n’importe quel bot ou service de signaux : demandez comment les résultats ont été mesurés, combien de versions ont été essayées et ce que valent les chiffres une fois les coûts inclus.
La même discipline s’applique aux règles de sortie que vous choisissez. Nos guides sur le stop loss et sur combien risquer par trade couvrent les réglages que vous testeriez, et notre article sur le grid trading présente une stratégie dont le backtest dépend fortement de la fourchette choisie. Les performances passées ne préjugent pas des performances futures, et les trades perdants font partie du trading.
Les dangers du surapprentissage des backtests (Marcos López de Prado) (en anglais)
Comment commencer, pas à pas
- Choisissez une idée simple et écrivez ses règles en quelques lignes, sortie comprise.
- Fixez à l’avance le nombre de versions. Une courte liste vaut mieux qu’un réglage sans fin.
- Coupez l’historique. Construisez sur la partie ancienne, vérifiez sur la partie récente, et ne revenez pas ajuster après avoir vu la vérification.
- Incluez les coûts. Utilisez des frais réalistes et ajoutez du glissement de prix pour les marchés rapides.
- Regardez le pire cas, pas seulement la moyenne : le drawdown, la plus longue série de pertes et le nombre de trades.
- Passez par le trading sur papier ou un très petit montant un certain temps avant de faire confiance aux règles.
- Tenez un journal de chaque version, de la période de données et du résultat.
Liste de contrôle avant de croire un backtest
- Je sais combien de versions des règles j’ai essayées.
- J’ai testé sur des données que les règles n’avaient pas vues.
- Les frais et le glissement de prix sont inclus dans les chiffres.
- L’échantillon contient assez de trades pour signifier quelque chose.
- Je peux accepter le drawdown affiché, en argent réel, sans changer mon plan.
À qui cela s’adresse
Le backtest est une compétence utile à toute personne qui veut examiner une idée de trading avec des preuves avant d’y mettre de l’argent.
- Débutant avec une première idée : écrire les règles et les tester sur des prix passés montre vite si l’idée mérite d’aller plus loin, à condition de voir le résultat comme un point de départ.
- Trader au comptant qui suit une méthode : un backtest aide à comparer des variantes d’entrée ou de sortie et à connaître la taille habituelle des séries de pertes avant d’en vivre une.
- Utilisateur d’un bot ou d’un service de signaux : savoir comment les backtests trompent aide à poser de meilleures questions sur les résultats annoncés par un outil.
- Investisseur prudent au budget limité : tester d’abord, puis trader petit, garde bas le coût d’une mauvaise idée, tant que l’argent peut être perdu sans gêner vos projets.
Les termes clés
- Backtest : simulation d’une stratégie sur des données de marché passées.
- Surapprentissage : ajustement d’une stratégie si précis aux données passées qu’elle échoue sur de nouvelles données.
- Out-of-sample : données mises de côté, non utilisées pour construire les règles.
- Drawdown : baisse entre un sommet et le creux suivant, en pourcentage.
- Glissement de prix (slippage) : écart entre le prix attendu et le prix réellement obtenu.
- Trading sur papier : trading en argent virtuel, en temps réel, pour voir comment les règles se comportent en direct.
Questions fréquentes
Qu’est-ce qu’un backtest en trading ?
C’est un test d’une stratégie de trading sur des prix historiques. On applique les règles aux données passées pour voir les trades qu’elles auraient produits et le résultat.
Comment faire un backtest d’une stratégie de trading ?
Écrivez des règles précises d’entrée, de sortie et de risque, choisissez une période de données longue et variée, lancez la simulation avec des coûts réalistes, puis vérifiez les règles sur des données qu’elles n’ont pas vues.
Un backtest peut-il prédire les profits futurs ?
Non. Il montre seulement comment les règles collaient au passé. Les régulateurs exigent que les résultats simulés soient présentés comme tels, car ils sont conçus avec le recul et ne représentent pas un trading réel.
Qu’est-ce que le surapprentissage dans un backtest ?
C’est ajuster les règles jusqu’à coller de trop près aux données passées. Plus vous essayez de versions sur les mêmes données, plus un résultat flatteur risque de n’être que de la chance.
De combien de données ai-je besoin pour un backtest en crypto ?
Il n’y a pas de chiffre fixe. Une période plus longue, avec des phases haussières, baissières et sans tendance, est plus instructive, et un historique court ne permet d’essayer que très peu de variantes.
Le backtest suffit-il avant d’utiliser un bot ?
Non. C’est un premier filtre. Faites-le suivre d’un petit montant ou de trading sur papier, et comparez toujours les résultats aux coûts et aux conditions réelles.
Crypto Go Bot utilise-t-il le backtest ?
Crypto Go Bot suit des signaux Smart Money lus dans les flux on-chain, et non un jeu de règles ajusté sur un graphique de prix. Les questions de cet article vous aident malgré tout à juger n’importe quel outil de trading, y compris la façon dont ses résultats sont mesurés.
Sources
- Wikipédia, Backtesting
- Bailey, Borwein, López de Prado et Zhu, Pseudo-Mathematics and Financial Charlatanism: The Effects of Backtest Overfitting on Out-of-Sample Performance, Notices of the American Mathematical Society, mai 2014
- Wiecki, Campbell, Lent et Stauth, All that Glitters Is Not Gold: Comparing Backtest and Out-of-Sample Performance on a Large Cohort of Trading Algorithms, résumé par Quantpedia, 4 mai 2016
- AMF, Les performances passées ne préjugent pas des performances futures : pourquoi cette mention ?, 13 février 2015
- AMF, Document d’informations clés : comprendre les scénarios de performance, 2 février 2023
- CFTC, 17 CFR 4.41, Advertising by commodity pool operators, commodity trading advisors, and the principals thereof
