Comment faire un backtesting efficace en trading ?
Le backtesting consiste à appliquer une stratégie à des données passées pour savoir si ses règles, appliquées sans exception, auraient produit une espérance positive. Bien fait, il évite de payer ses erreurs en argent réel. Mal fait, il donne une confiance injustifiée.
Par Africa Solutions · Mis à jour le 13 novembre 2026 · Catégorie : Trading
Ce que le backtesting prouve, et ce qu’il ne prouve pas
Un backtest ne prédit pas l’avenir : il montre le comportement d’un ensemble de règles dans des conditions passées. Il sert à éliminer les stratégies qui ne tiennent pas et à connaître l’ordre de grandeur du drawdown, des séries de pertes et de l’espérance. Il ne garantit rien sur les résultats futurs.
La méthode en sept étapes
- Écrire les règles : marché, période graphique, condition d’entrée, invalidation, objectif, heures de trading. Une règle ambiguë produit un test inutilisable.
- Choisir la période de test : assez longue pour contenir des phases de tendance, de range et de forte volatilité.
- Relever les configurations une par une, en faisant défiler le graphique vers la droite sans regarder la suite.
- Noter chaque transaction : date, entrée, invalidation, sortie, résultat exprimé en multiple du risque (R).
- Viser au moins 100 transactions : en dessous, les statistiques sont trop instables pour conclure.
- Calculer les mesures : taux de réussite, gain moyen, perte moyenne, espérance, profit factor, drawdown maximal, plus longue série de pertes.
- Confirmer en démonstration avant tout capital réel, sans modifier les règles.
Un exemple chiffré
Sur 120 transactions relevées, 48 sont gagnantes (40 %), avec un gain moyen de 2 R, et 72 sont perdantes, avec une perte moyenne de 1 R. L’espérance est de 0,40 × 2 − 0,60 × 1 = 0,2 R par transaction. Le profit factor, rapport des gains bruts aux pertes brutes, vaut (48 × 2) ÷ (72 × 1) = 1,33.
| Mesure | Résultat de l’exemple |
|---|---|
| Taux de réussite | 40 % |
| Ratio gain/perte moyen | 2 pour 1 |
| Espérance | +0,2 R par transaction |
| Profit factor | 1,33 |
| Plus longue série de pertes relevée | 8 |
Une espérance de 0,2 R reste fragile : après frais et glissement, elle peut disparaître. D’où l’importance de les inclure dans le test. Pour la formule détaillée, voir l’espérance mathématique.
Les trois biais qui faussent un backtest
- Le biais d’anticipation : utiliser, même sans le vouloir, une information qui n’était pas connue au moment de la décision.
- La sélection : ne retenir que les belles configurations et ignorer celles que l’on juge « mauvaises » après coup.
- Le sur-ajustement : régler tant de paramètres que la stratégie épouse le passé sans valeur pour l’avenir.
Optimiser une stratégie sans la sur-ajuster
Optimiser, c’est modifier un paramètre pour améliorer les résultats. Pour éviter le sur-ajustement, séparez les données : réglez sur une période, puis vérifiez sur une autre période que vous n’avez jamais utilisée. Si les résultats s’effondrent sur la seconde période, le réglage ne vaut rien. Changez un paramètre à la fois, gardez des valeurs rondes et privilégiez les stratégies dont les résultats restent corrects quand on modifie légèrement les paramètres.
Backtesting manuel ou automatique ?
Le test manuel est lent, mais il force à comprendre chaque configuration et convient aux stratégies discrétionnaires, notamment les repères visuels comme les cassures et les replis. Le test automatisé est plus rapide et plus rigoureux pour les règles purement mécaniques, mais il exige que tout soit codable. Beaucoup de traders commencent par un test manuel de 100 configurations, puis automatisent ce qui est codable. L’intelligence artificielle peut aider à structurer et à analyser les résultats : voir trading et IA.
Les erreurs fréquentes
- Tester sur trop peu de transactions.
- Oublier le spread, les commissions et le glissement.
- Modifier les règles après chaque série de pertes.
- Considérer le meilleur résultat comme le résultat attendu.
- Passer au réel sans étape de démonstration.
Construire un protocole de backtesting écrit
Avant le premier relevé, rédigez une fiche d’une page. Elle empêche de modifier les règles en cours de test.
| Rubrique | Exemple |
|---|---|
| Hypothèse | Après une cassure suivie d’un repli, le prix reprend la tendance |
| Marché et période | Un marché, période d’exécution d’une heure, contexte sur quatre heures |
| Données | Deux à trois ans, incluant tendance et range |
| Règles d’entrée et d’invalidation | Écrites en une phrase chacune |
| Objectif et sortie | Multiple fixe du risque |
| Coûts | Spread moyen et commission inclus |
| Critère de réussite | Espérance positive après coûts et drawdown inférieur à X R |
| Critère d’abandon | Espérance négative sur 100 configurations |
Choisir les données historiques
- Qualité : des données sans trous, avec les spreads réels si possible. Un spread fixe sous-estime les coûts aux heures calmes.
- Durée : assez longue pour contenir au moins une phase de tendance, une phase de range et une période de forte volatilité.
- Cohérence avec votre exécution : testez sur le marché et la période graphique que vous tradez vraiment.
- Division : réservez une partie des données (par exemple les six derniers mois) que vous ne regardez pas avant la fin du réglage.
Mesurer l’avantage statistique : un avantage est-il réel ou dû au hasard ?
Un taux de réussite mesuré sur peu de transactions est imprécis. Pour 100 transactions et un taux observé de 40 %, la marge d’incertitude est d’environ ±10 points (1,96 × √(0,4 × 0,6 ÷ 100) ≈ 9,6 %) : le vrai taux se situe plausiblement entre 30 % et 50 %. Un avantage statistique est plausible quand l’espérance reste positive après coûts, sur plusieurs périodes de marché et pour des réglages voisins, et pas seulement pour un réglage précis. Sur moins de 100 transactions, considérez le résultat comme une piste.
Analyser les drawdowns d’un backtest
Relevez le drawdown maximal en R, sa durée et la plus longue série de pertes. Puis changez l’ordre des transactions au hasard dans un tableur (cinq à dix fois) et regardez comment le drawdown varie : il est souvent plus profond que celui de la séquence historique. Votre limite personnelle doit être supérieure à ce drawdown dégradé. Voir le drawdown en trading.
Identifier le surajustement
- Les résultats s’effondrent sur la période de validation.
- Une petite modification d’un paramètre change complètement l’espérance.
- La stratégie comporte beaucoup de conditions pour peu de transactions.
- Le meilleur réglage est une valeur très précise (par exemple 13,7) et non une valeur ronde.
- Les gains reposent sur quelques transactions exceptionnelles.
Le remède : moins de paramètres, valeurs rondes, validation sur données non utilisées, puis démonstration.
Pour aller plus loin
Structurer votre pratique
Apprendre une méthode avec la gestion du risque au centre, mesurer vos résultats trade après trade, ou faire relire votre stratégie avant un challenge.
Le trading comporte un risque important de perte en capital. Les contenus sont éducatifs et ne constituent pas un conseil financier.
Questions fréquentes
Combien de transactions faut-il pour un backtest fiable ?
Au moins 100 transactions pour une première idée, davantage pour conclure. Avec peu de transactions, la chance pèse trop sur les résultats.
Comment optimiser une stratégie de trading ?
En modifiant un paramètre à la fois et en vérifiant sur une période de données différente de celle utilisée pour le réglage, pour éviter le sur-ajustement.
Le backtesting garantit-il des gains ?
Non. Il montre le comportement passé d’un ensemble de règles. Les marchés changent, et les frais et le glissement réduisent les résultats réels.
Peut-on faire un backtest sans programmer ?
Oui. Un test manuel sur graphique, avec un tableur pour noter chaque transaction, convient très bien pour une première validation.
Comment l’IA aide-t-elle le backtesting ?
Elle aide à structurer les résultats, à repérer des regroupements d’erreurs et à formuler des hypothèses à tester. Elle ne remplace pas le test sur données réelles.
Comment construire un protocole de backtesting ?
Rédigez une fiche : hypothèse, marché, données, règles, coûts, critère de réussite et d’abandon, avant de relever la première configuration.
Comment savoir si une stratégie possède un avantage statistique ?
Si l’espérance reste positive après coûts, sur plusieurs périodes et pour des réglages voisins, avec au moins 100 transactions.
Quelles données historiques utiliser pour un backtest ?
Des données complètes, avec spreads réels si possible, couvrant tendance, range et forte volatilité, sur le marché et la période que vous tradez.
Comment détecter le surajustement ?
Par une validation sur des données non utilisées pour le réglage : si les résultats s’effondrent, le réglage est sur-ajusté.