Qu'est-ce que le backtesting?
Le backtesting est la méthode générale utilisée pour voir dans quelle mesure une stratégie ou un modèle se serait comporté ex-post. Le backtesting évalue la viabilité d'une stratégie de trading en découvrant comment elle se déroulerait à l'aide de données historiques. Si le backtest fonctionne, les traders et les analystes peuvent avoir confiance pour l'utiliser à l'avenir.
Le backtesting peut être une étape importante dans l'optimisation de votre stratégie de trading. Pour en savoir plus sur l'utilisation des outils d'analyse de graphiques pour reconnaître les opportunités de trading rentables, consultez le cours d'Analyse technique sur l'Académie Investopedia.
Les bases du backtesting
Le backtesting permet à un trader de simuler une stratégie de trading en utilisant des données historiques pour générer des résultats et analyser le risque et la rentabilité avant de risquer tout capital réel.
Un backtest bien conduit qui donne des résultats positifs assure aux traders que la stratégie est fondamentalement saine et est susceptible de générer des bénéfices lorsqu'elle est mise en œuvre dans la réalité. Un backtest bien conduit qui donne des résultats sous-optimaux incitera les traders à modifier ou rejeter la stratégie. Les stratégies de trading particulièrement compliquées, telles que les stratégies mises en œuvre par des systèmes de trading automatisés, reposent fortement sur des backtests pour prouver leur valeur, car elles sont trop obscures pour être évaluées autrement.
Tant qu'une idée de trading peut être quantifiée, elle peut être testée à nouveau. Certains commerçants et investisseurs peuvent rechercher l'expertise d'un programmeur qualifié pour développer l'idée sous une forme testable. En règle générale, cela implique un programmeur codant l'idée dans le langage propriétaire hébergé par la plateforme de trading. Le programmeur peut incorporer des variables d'entrée définies par l'utilisateur qui permettent au trader de "modifier" le système. Un exemple de ceci serait dans le système de croisement à moyenne mobile simple noté ci-dessus. Le trader serait en mesure de saisir (ou de modifier) les longueurs des deux moyennes mobiles utilisées dans le système. Le trader pourrait effectuer un backtest pour déterminer quelles longueurs de moyennes mobiles auraient été les plus performantes sur les données historiques.
Points clés à retenir
- Le backtesting évalue la viabilité d'une stratégie de trading ou d'un modèle de tarification en découvrant comment il se déroulerait à l'aide de données historiques.Si le backtest fonctionne, les traders et les analystes peuvent avoir la confiance de l'utiliser à l'avenir.Un backtest bien conduit qui donne des résultats positifs garantit aux traders que la stratégie est fondamentalement saine et est susceptible de générer des bénéfices lorsqu'elle est mise en œuvre dans la réalité. Un backtest bien conduit qui donne des résultats sous-optimaux incitera les traders à modifier ou rejeter la stratégie.
Le scénario de backtesting idéal
Le backtest idéal choisit des données d'échantillonnage à partir d'une période pertinente d'une durée qui reflète une variété de conditions du marché. De cette façon, on peut mieux juger si les résultats du backtest représentent un échange de chance ou de son.
L'ensemble de données historiques doit inclure un échantillon vraiment représentatif des stocks, y compris ceux des entreprises qui ont finalement fait faillite ou ont été vendues ou liquidées. L'alternative, qui ne comprend que des données sur les stocks historiques qui existent encore aujourd'hui, produira des rendements artificiellement élevés dans les backtests.
Un backtest doit considérer tous les coûts de transaction, même s'ils sont insignifiants, car ceux-ci peuvent s'additionner au cours de la période de backtest et affecter considérablement l'apparence de la rentabilité d'une stratégie. Les traders doivent s'assurer que leur logiciel de backtesting tient compte de ces coûts. Les tests hors échantillon et les tests de performance avancés fournissent une confirmation supplémentaire de l'efficacité d'un système et peuvent montrer les vraies couleurs d'un système avant que l'argent réel ne soit en jeu. Une bonne corrélation entre les résultats des tests a posteriori, hors échantillon et des tests de performance avancés est essentielle pour déterminer la viabilité d'un système commercial.
Backtesting vs Forward Performance Testing
Les tests de performance avancés, également appelés opérations sur papier, fournissent aux commerçants un autre ensemble de données hors échantillon sur lesquelles évaluer un système. Le test de performance à terme est une simulation du trading réel et implique de suivre la logique du système sur un marché en direct. On l'appelle également le commerce de papier puisque toutes les transactions sont exécutées uniquement sur papier; c'est-à-dire que les entrées et sorties de transactions sont documentées avec tout profit ou perte pour le système, mais aucune transaction réelle n'est exécutée.
Un aspect important des tests de performance avancés est de suivre exactement la logique du système; sinon, il devient difficile, voire impossible, d'évaluer avec précision cette étape du processus. Les commerçants doivent être honnêtes au sujet de toutes les entrées et sorties commerciales et éviter les comportements comme les métiers de la cueillette des cerises ou ne pas inclure un commerce sur papier rationalisant que "je n'aurais jamais pris ce commerce." Si l'échange avait eu lieu selon la logique du système, il devrait être documenté et évalué.
La différence entre le backtesting et l'analyse de scénarios
Alors que le backtest utilise des données historiques réelles pour tester l'adéquation ou le succès, l'analyse de scénario utilise des données hypothétiques qui simulent divers résultats possibles. Par exemple, l'analyse de scénario simulera des changements spécifiques dans les valeurs des titres du portefeuille ou des facteurs clés se produisent, tels qu'un changement du taux d'intérêt. L'analyse de scénario est couramment utilisée pour estimer les variations de la valeur d'un portefeuille en réponse à un événement défavorable, et peut être utilisée pour examiner un scénario théorique le plus défavorable.
Quelques pièges du backtesting
Pour que les backtests fournissent des résultats significatifs, les traders doivent développer leurs stratégies et les tester de bonne foi, en évitant autant que possible les biais. Cela signifie que la stratégie doit être développée sans s'appuyer sur les données utilisées dans le backtesting. C'est plus difficile qu'il n'y paraît. Les traders élaborent généralement des stratégies basées sur des données historiques. Ils doivent être stricts sur les tests avec des ensembles de données différents de ceux sur lesquels ils forment leurs modèles. Sinon, le backtest produira des résultats lumineux qui ne veulent rien dire.
De même, les commerçants doivent également éviter le dragage de données, dans lequel ils testent un large éventail de stratégies hypothétiques par rapport au même ensemble de données, ce qui produira également des succès qui échoueront sur les marchés en temps réel, car il existe de nombreuses stratégies invalides qui pourraient battre le marché une période de temps spécifique par hasard.
Une façon de compenser la tendance au dragage de données ou à la cueillette de cerises est d'utiliser une stratégie qui réussit dans la période de temps pertinente ou dans l'échantillon et de la tester à nouveau avec des données d'une période différente ou hors échantillon. Si des backtests en échantillon et hors échantillon donnent des résultats similaires, ils sont généralement valables.
