Qu'est-ce qu'un backtest ?
Un backtest consiste à appliquer rétrospectivement les règles d'une stratégie à des données historiques, comme si on l'avait suivie à l'époque. On reconstitue les décisions qu'elle aurait prises (achats, ventes, pondérations), puis on mesure ce qu'elles auraient donné : rendement annualisé, drawdown maximal, volatilité, régularité.
L'objectif n'est pas de « prouver » qu'une stratégie gagne, mais de filtrer les mauvaises idées à coût nul avant d'engager du capital. Un backtest sérieux répond à une question modeste : « cette approche aurait-elle survécu aux marchés du passé, frais inclus, sans tricher sur l'information disponible ? »
Les métriques qui comptent
| Métrique | Ce qu'elle mesure | Pourquoi elle compte |
|---|---|---|
| CAGR | Rendement annualisé composé | La performance, mais isolée elle ne dit rien du risque pris |
| Drawdown max | Pire perte du pic au creux | Le test psychologique : tiendrez-vous pendant la baisse ? |
| Sharpe | Rendement par unité de volatilité | Compare des stratégies à risque différent |
| Alpha | Surperformance vs un indice de référence | Bat-on vraiment le marché, ou suit-on la hausse générale ? |
Toujours comparer à un benchmark. Une stratégie à +12 %/an n'impressionne pas si l'indice de référence a fait +14 % sur la même période. Un backtest sans ligne de comparaison (un ETF large, par exemple) est presque toujours destiné à flatter.
Les 4 biais qui font mentir un backtest
La plupart des backtests amateurs — et beaucoup de backtests vendus — sont faux non par malhonnêteté mais par négligence méthodologique. Quatre biais font l'essentiel des dégâts :
- Look-ahead bias — utiliser une donnée pas encore disponible au moment de la décision (un résultat publié en mars employé pour décider en janvier). C'est le biais le plus destructeur : il rend tout brillant sur le papier et inutilisable en réel. Parade : décaler chaque donnée à sa date de disponibilité réelle.
- Biais de survie — ne tester que les sociétés encore cotées aujourd'hui, en oubliant celles qui ont fait faillite ou ont été radiées. On ne mesure alors que les survivantes, ce qui gonfle artificiellement le rendement. Parade : un univers historique incluant les valeurs délistées, à leur dernier cours connu.
- Surapprentissage (overfitting) — optimiser les paramètres jusqu'à ce que la stratégie « marche » sur le passé… par pur hasard. Plus on essaie de variantes, plus on finit par en trouver une belle par chance. Parade : walk-forward + deflated Sharpe ratio (ci-dessous).
- Coûts ignorés — un backtest brut, sans frais ni slippage, peut afficher le double de la performance réelle, surtout sur les small caps peu liquides. Parade : modéliser les coûts titre par titre.
La parade : validation walk-forward
La validation walk-forward est le test le plus proche de la réalité. On découpe l'historique en fenêtres successives : on calibre la stratégie sur une période passée, on la teste sur la période suivante qu'elle n'a jamais vue, puis on avance la fenêtre et on recommence.
L'avantage est décisif : à chaque instant simulé, la stratégie ne « connaît » que le passé, exactement comme un investisseur réel. Une stratégie qui ne brille qu'optimisée a posteriori sur l'ensemble des données s'effondre en walk-forward — et c'est précisément ce qu'on veut détecter avant d'engager du capital.
La parade : deflated Sharpe ratio
Même en walk-forward, un danger subsiste : si vous testez 100 stratégies, la meilleure paraîtra excellente par hasard. Le deflated Sharpe ratio (DSR) corrige ce biais de sélection en intégrant le nombre d'essais réalisés.
Le principe : chaque variante testée « consomme » un essai comptabilisé. Plus on a cherché, plus la barre de significativité monte. Un Sharpe qui semblait probant après 50 tentatives peut ne plus l'être une fois déflaté. C'est une discipline contraignante — on ne peut pas tester à l'infini puis garder le plus beau résultat sans le payer statistiquement — mais c'est ce qui sépare une méthode d'un récit a posteriori.
Le calculateur : l'érosion par les coûts
Pour mesurer combien un backtest brut peut surévaluer la réalité, faites varier la performance théorique, la rotation du portefeuille et le coût par transaction (frais + slippage). Sur small caps peu liquides, le slippage seul dépasse souvent les frais affichés.
À forte rotation, les coûts peuvent absorber un tiers ou plus de la performance théorique. C'est la première raison pour laquelle un backtest flatteur ne se reproduit jamais en réel.
Du backtest à la réalité : le paper trading
Un backtest, même irréprochable, reste une mesure sur le passé. La structure du marché peut évoluer et l'edge se dégrader. C'est pourquoi un protocole sérieux ne s'arrête pas au backtest : il enchaîne sur une validation en conditions réelles.
- Paper trading — la stratégie tourne en temps réel, ses décisions sont enregistrées avant la clôture, et les résultats sont mesurés exactement comme en réel. Aucun risque de réécrire l'histoire.
- Cohortes successives — on exige que plusieurs périodes indépendantes confirment le backtest avant d'envisager du capital réel.
- Règles d'arrêt prédéfinies — des kill-switches (alpha négatif prolongé, drawdown excessif) suspendent la stratégie sans débat émotionnel.
Backtest et track record du screener
Cette discipline est exactement celle appliquée au screener Small Caps. La stratégie de sélection est validée en walk-forward sur un univers historique incluant les valeurs délistées (pas de biais de survie), coûts modélisés titre par titre, et chaque changement de méthode incrémente le compteur d'essais du deflated Sharpe ratio.
- Pas de chiffre flatteur isolé — la performance est toujours présentée avec un benchmark (indice de référence) et ses réserves statistiques.
- Track record public en temps réel — au-delà du backtest, les prédictions sont enregistrées avant clôture et les résultats nets de coûts sont publiés et auditables.
- Gates avant production — aucune version n'est promue sans franchir la validation walk-forward et le DSR.