Vous disposez maintenant des principaux éléments nécessaires pour évaluer votre trading de manière objective.
Vous avez une stratégie.
Vous avez un algorithme personnel de trading.
Vous savez comment construire et tenir un journal de trading, organiser vos statistiques et effectuer un Backtesting structuré ainsi qu’un Forward Testing sur Demo.
Vous avez également vu comment des idées de gestion de position telles que les Partial Profits et Break-even peuvent être testées sans les transformer en décisions impulsives.
La dernière étape de ce chapitre consiste à relier tous ces éléments dans un processus d’amélioration continue.
C’est là que le Backtesting avancé devient important.
L’objectif va désormais au-delà de la pratique de la reconnaissance des setups et de la vérification de votre capacité à suivre l’algorithme.
Nous voulons également nous appuyer sur un ensemble de preuves suffisamment significatif pour mieux comprendre la stratégie :
Dans quelles conditions fonctionne-t-elle bien ?
Dans quelles conditions sa performance diminue-t-elle ?
Quelles variables ont réellement un impact ?
Et à quel moment les données justifient-elles de tester un changement ?
Le Backtesting avancé ne consiste pas à prouver que la stratégie fonctionne.
Il consiste à découvrir ce que les données révèlent réellement sur la stratégie et sur votre manière de l’exécuter.
Ne Cherchez Pas la Confirmation. Cherchez les Preuves.
L’une des erreurs les plus dangereuses en Backtesting consiste à rechercher des éléments qui confirment ce que nous voulons déjà croire.
Si nous apprécions une stratégie, il devient facile de remarquer surtout les trades gagnants les plus clairs.
Nous pouvons accorder moins d’attention aux pertes.
Nous pouvons négliger les sessions au cours desquelles aucun setup valide n’est apparu.
Nous pouvons excuser des trades qui ne respectaient pas entièrement l’algorithme.
Ou nous pouvons réinterpréter des situations ambiguës après avoir déjà pris connaissance du résultat.
C’est le biais de confirmation.
Une fois qu’il entre dans le processus de testing, les statistiques commencent à décrire les attentes du trader plutôt que la stratégie réellement testée.
L’objectif doit être inverse.
Étudiez les pertes.
Étudiez les sessions No Trade.
Étudiez les setups valides qui ont perdu, sans supposer que la perte révèle à elle seule un défaut.
Étudiez les situations dans lesquelles vous avez mal reconnu le setup ou mal exécuté le trade.
Et étudiez les conditions dans lesquelles la performance semble changer.
L’objectif n’est pas de remettre la stratégie en cause systématiquement.
Il est de la comprendre.
Un élément de preuve qui remet en question une hypothèse est souvent plus utile qu’un nouvel exemple qui la confirme.
Un Seul Trade Vous Apprend Très Peu
Un seul trade peut nous apprendre quelque chose sur l’exécution.
Il nous apprend très peu sur la performance statistique d’une stratégie.
Il en va de même pour un petit groupe de trades.
Dix ou vingt observations peuvent faire apparaître des questions qui méritent d’être étudiées, mais elles sont généralement insuffisantes pour tirer des conclusions solides sur la performance sous-jacente d’une stratégie.
Les petits échantillons peuvent être fortement influencés par la séquence particulière de gains et de pertes qui s’est produite.
C’est pourquoi nous ne jugeons pas la stratégie après une journée, une semaine ou une courte série de gains ou de pertes.
Nous évaluons les tendances qui se dégagent d’un échantillon suffisamment significatif et pertinent.
Il n’existe pas de nombre universel de trades qui rende automatiquement une conclusion fiable. La quantité de données nécessaire dépend de la stratégie, de sa fréquence, de la variabilité des résultats, du marché testé et de la question à laquelle nous essayons de répondre.
Pour une stratégie active, cela peut finir par représenter des centaines d’observations documentées et, avec le temps, potentiellement davantage.
Mais l’objectif n’est pas d’atteindre un nombre impressionnant.
Il est d’accumuler suffisamment de données comparables pour que les variations à court terme soient moins susceptibles de dominer la conclusion.
Nous n’essayons pas de prouver que le dernier trade était bon.
Nous essayons de comprendre le comportement du processus sur un grand nombre de trades.
Le Backtesting Doit Préserver l’Incertitude
L’une des façons les plus simples de produire des résultats de Backtesting irréalistes consiste à analyser un graphique tout en sachant déjà ce qui va se passer ensuite.
Une fois les bougies futures visibles, des décisions qui étaient incertaines en temps réel peuvent soudainement paraître évidentes.
Un événement de Liquidity paraît plus clair.
Un CHoCH semble plus facile à reconnaître.
Le meilleur FVG semble plus facile à sélectionner.
Et un trade qui aurait dû être évité peut devenir étonnamment facile à justifier une fois le résultat connu.
C’est le hindsight, c’est-à-dire le biais rétrospectif.
Le Backtesting avancé doit préserver autant que raisonnablement possible l’incertitude réelle de la décision.
Utilisez Replay Mode ou un autre environnement de simulation historique permettant de masquer l’évolution future du prix.
Progressez dans la session de manière séquentielle et prenez vos décisions uniquement à partir des informations qui auraient été disponibles à ce moment-là.
Ne révélez pas les bougies futures pour résoudre une incertitude.
Si un setup n’est pas clair sur le moment, notez cette incertitude.
Cette information est utile.
L’objectif n’est pas de rendre le graphique historique facile à interpréter.
Il est de déterminer si votre algorithme reste clair lorsque vous ne savez pas ce qui va se passer ensuite.
Le Processus de Backtesting Avancé
La Leçon 4 a établi les bases d’un Backtesting correct.
À ce stade, le même processus discipliné reste en place, mais l’objectif devient plus approfondi.
Avant de commencer le test, sélectionnez le marché, la période, la session, la version de la stratégie, les setups éligibles, le Risk et les règles de gestion.
Progressez ensuite dans la session historique comme si elle se déroulait en temps réel.
Le processus de la stratégie reste le suivant :
Filtres → Liquidité → CHoCH → Structure requise du setup → Displacement → Configuration FVG → Exécution
Appliquez les mêmes News Filter, Session Filter et règles de fenêtre de trading qui appartiennent à la version de la stratégie testée.
Si les conditions ne sont pas présentes :
No Trade.
Si un setup valide apparaît, calculez le Risk, déterminez Position Size, appliquez le Stop Loss structurel et le Take Profit prédéfini, puis exécutez conformément à la version de l’algorithme testée.
Après la clôture du trade, enregistrez-le, réévaluez la structure du marché et poursuivez la session.
Ne vous précipitez pas simplement pour accumuler des trades.
Un nombre plus réduit d’observations soigneusement évaluées est plus utile qu’une grande base de données construite à partir de décisions incohérentes.
Utilisez Replay Mode
Un environnement Replay permet de masquer l’évolution future du prix et oblige à prendre les décisions de manière séquentielle.
TradingView Bar Replay peut être utilisé lorsque la fonctionnalité nécessaire est disponible avec votre plan et les données de marché utilisées.
Des environnements dédiés au Backtesting, tels que FXReplay, peuvent également être utilisés lorsque cela est approprié.
La plateforme précise est secondaire.
C’est le principe qui compte :
N’utilisez pas d’informations qui n’auraient pas été disponibles au moment de la décision.
Choisissez une session historique.
Commencez avant la fenêtre de trading concernée.
Progressez dans le graphique étape par étape.
Analysez le marché exactement comme vous le feriez pendant une session normale.
Ne sautez pas en avant pour vérifier si le setup gagne et n’accélérez pas les passages difficiles simplement parce que le résultat n’est pas encore clair.
La qualité de la décision compte davantage que la vitesse du Replay.
Traitez le Test Comme un Véritable Processus de Décision
Le testing historique ne comporte pas la même pression émotionnelle et financière que l’exécution en conditions réelles.
Cette différence ne peut pas être complètement éliminée.
Mais le processus de décision doit malgré tout être pris au sérieux.
Utilisez les mêmes règles de Risk.
Calculez Position Size.
Utilisez les mêmes Filtres et classifications de setups.
Appliquez le même Stop Loss structurel et le même Take Profit prédéfini, ou exactement le modèle de gestion alternatif que vous êtes en train de tester.
Respectez les mêmes fenêtres de trading et les mêmes conditions No Trade.
Ne prenez pas un setup en Replay simplement parce qu’aucun capital réel n’est en jeu.
Si vous rejetteriez le trade selon votre algorithme habituel, rejetez-le également en Backtesting.
Sinon, le test mesure une stratégie différente de celle que vous avez l’intention d’exécuter.
Documentez Chaque Observation
N’enregistrez pas uniquement les gagnants et les perdants.
Le journal doit conserver les informations nécessaires pour comprendre comment le résultat a été produit.
Pour chaque trade pertinent, enregistrez les champs établis précédemment dans ce chapitre, notamment :
Date ;
session de trading ;
heure d’Entry ;
instrument ;
Setup ;
durée du trade ;
Risk ;
distance du Stop Loss ;
Risk-to-Reward Ratio ;
résultat du trade ;
Qualité de l’Exécution ;
observations personnelles.
Conservez des captures d’écran avant et après l’Exécution lorsque cela est utile.
Enregistrez les sessions No Trade.
Et faites la distinction entre :
Valid Trade
No Trade
Recognition or Execution Error
Cette séparation est essentielle.
Un trade valide peut perdre.
Un trade invalide peut gagner.
Une session No Trade correctement identifiée peut représenter une bonne exécution.
Et un setup valide manqué peut révéler un problème de reconnaissance, même s’il n’existe aucun résultat financier.
Le journal doit capturer le processus de décision, et pas seulement le P&L.
Avec le temps, ces données deviennent plus utiles que la mémoire.
Quand Envisager de Modifier la Stratégie ?
Généralement plus tard que ne le suggère l’envie de la modifier.
Deux ou trois pertes consécutives peuvent sembler importantes.
Elles ne constituent pas, à elles seules, une preuve que l’algorithme doit être modifié.
Une courte série de gains ne prouve pas non plus qu’une nouvelle règle est supérieure.
Modifier l’algorithme après chaque courte séquence nous empêche de constituer un échantillon stable de la même stratégie.
La bonne question n’est pas :
« Les derniers trades ont-ils perdu ? »
Mais :
« Un ensemble suffisamment significatif de données comparables révèle-t-il une faiblesse récurrente ou une opportunité qui mérite d’être testée ? »
Les statistiques doivent donc être examinées périodiquement et dans leur contexte, plutôt que d’être utilisées pour repenser la stratégie après chaque résultat.
L’algorithme doit évoluer.
Il ne doit pas dériver.
Que Faut-il Optimiser ?
Optimiser ne signifie pas tout modifier.
Souvent, la première question à poser est de savoir si le problème vient réellement de la stratégie ou si l’exécution manque de régularité.
Vos statistiques peuvent faire apparaître des questions telles que :
Une classification de setup obtient-elle des résultats différents d’une autre ?
La performance varie-t-elle de manière significative selon les fenêtres de trading ?
Certaines catégories de Liquidity se comportent-elles différemment dans l’environnement testé ?
Certaines erreurs se concentrent-elles sur une partie particulière de l’algorithme ?
Une règle de Break-even précisément définie améliore-t-elle ou réduit-elle l’expectancy ?
Les Partial Profits améliorent-ils la distribution globale des résultats ?
Un instrument se comporte-t-il suffisamment différemment pour justifier des règles distinctes?
Ce sont des questions qui peuvent être testées.
« Peut-être devrais-je modifier la stratégie » ne l’est pas.
Une optimisation utile commence par une observation précise et la transforme en une hypothèse précise.
Optimisez Progressivement, Pas Radicalement
Supposons que vous modifiiez simultanément la hiérarchie de Liquidity, la règle d’Entry, le Stop Loss, le Take Profit et le déclencheur de Break-even.
Les nouveaux résultats peuvent s’améliorer ou se détériorer, mais vous ne saurez pas quel changement a produit la différence.
Lorsque cela est possible, modifiez une seule variable importante à la fois.
Définissez la référence.
Définissez le changement proposé.
Maintenez les autres conditions pertinentes suffisamment constantes.
Effectuez le Backtesting de l’alternative.
Enregistrez les résultats.
Comparez le nouvel échantillon avec la référence.
Décidez ensuite si les données justifient le changement.
Le processus peut être résumé ainsi :
Baseline → Observation → Hypothèse → Changement Contrôlé → Retest → Comparaison → Conserver ou Rejeter
Si les données ne justifient pas le changement, rejetez-le.
Un test d’optimisation qui échoue n’est pas du travail perdu.
Il a empêché une règle non soutenue par les données d’entrer dans votre algorithme de trading.
N’Optimisez Pas le Passé
L’objectif de l’optimisation n’est pas de modifier les règles jusqu’à ce que toutes les pertes historiques disparaissent.
Si nous modifions continuellement une stratégie jusqu’à ce qu’elle explique parfaitement le même échantillon historique, nous pouvons créer des règles excessivement ajustées à ces observations particulières, sans qu’elles deviennent pour autant plus utiles dans des conditions futures.
Un changement proposé doit répondre à un problème récurrent, et non simplement éliminer des trades dont nous savons déjà qu’ils ont perdu.
Demandez-vous si la règle aurait pu être définie avant que ces résultats ne soient connus et si elle peut être appliquée avec régularité à de futurs exemples.
Lorsque cela est possible, testez une règle proposée sur des observations historiques supplémentaires qui n’ont pas servi à la créer.
Lorsque les données disponibles le permettent, conserver un échantillon historique de confirmation distinct réduit le risque d’adapter continuellement la règle aux mêmes observations.
Le processus peut ensuite se poursuivre par un Forward Testing sur Demo avant que la règle ne fasse partie de l’exécution normale :
Observation → Hypothèse → Test Historique → Échantillon Historique de Confirmation Distinct → Forward Testing sur Demo → Conserver ou Rejeter → Mise à Jour de l’Algorithme si Justifiée
Cela ne garantit pas les performances futures.
Cela fournit simplement des preuves plus solides que le fait de modifier continuellement une règle jusqu’à ce qu’elle corresponde au même échantillon historique.
Votre Stratégie Peut Devenir Plus Personnelle Avec le Temps
À mesure que votre base de données s’enrichit, vous pouvez découvrir que certaines conditions correspondent mieux que d’autres à votre exécution et à l’environnement que vous avez testé.
Un trader peut préférer moins d’opportunités avec des conditions plus sélectives.
Un autre peut utiliser un ensemble plus large de setups valides tout en acceptant un Win Rate et une distribution des résultats différents.
Un trader peut constater qu’une règle de gestion testée améliore l’expectancy.
Un autre peut constater que le modèle de référence avec Stop Loss fixe et Take Profit prédéfini fonctionne mieux dans son processus.
L’objectif n’est pas de modifier la stratégie Xcelerate Trade simplement pour la rendre plus personnelle.
L’objectif est de permettre à des preuves suffisamment solides, issues d’un testing contrôlé, d’orienter progressivement votre algorithme personnel de trading.
Une personnalisation sans données suffisantes est un changement non validé.
Une personnalisation soutenue par un testing contrôlé est une optimisation.
Que Signifie Réellement une Stratégie Profitable ?
Un Win Rate élevé ne suffit pas à rendre une stratégie profitable.
C’est l’une des raisons pour lesquelles nous avons introduit l’expectancy plus tôt dans l’Académie.
Une stratégie avec un Win Rate plus faible peut malgré tout avoir une expectancy positive si ses gains moyens réalisés sont suffisamment élevés par rapport à ses pertes moyennes réalisées.
Une stratégie avec un Win Rate très élevé peut malgré tout obtenir de mauvais résultats si ses pertes occasionnelles sont disproportionnées.
Le Win Rate, les gains moyens réalisés, les pertes moyennes réalisées, les caractéristiques du Risk-to-Reward, les coûts de trading, la fréquence, la régularité de l’exécution et les règles de gestion interagissent tous entre eux.
La question centrale est de savoir si la stratégie démontre une expectancy positive sur un échantillon suffisamment significatif et pertinent, selon des règles qui peuvent réellement être exécutées avec régularité.
Même dans ce cas, une expectancy historique positive ne garantit pas les résultats futurs.
Les conditions de marché, l’exécution et les coûts peuvent évoluer.
C’est pourquoi les statistiques font partie d’un processus de revue continu et ne constituent pas quelque chose que nous calculons une fois avant de l’oublier.
Acceptez les Pertes Comme Faisant Partie du Processus
L’optimisation ne doit jamais devenir une tentative d’éliminer toutes les pertes.
Un setup valide et correctement exécuté peut perdre, et une stratégie avec une expectancy positive peut connaître des séries de pertes.
L’objectif est de maintenir les pertes sous contrôle dans le cadre de Risk tout en évaluant l’ensemble du processus sur l’échantillon pertinent.
Avant de considérer une perte comme une preuve que quelque chose doit changer, classez-la correctement.
S’agissait-il d’un trade valide qui a perdu ?
S’agissait-il d’une erreur d’exécution ?
S’agissait-il d’une erreur de reconnaissance ?
La version de la stratégie a-t-elle été appliquée correctement ?
Ne modifiez pas une règle valide simplement parce qu’elle a produit un résultat qu’elle pouvait parfaitement produire : une perte.
Évaluez le Processus, Pas Seulement le Résultat
Après une session de trading, demandez-vous :
Ai-je suivi l’algorithme ?
Ai-je correctement identifié la Liquidity pertinente ?
Ai-je correctement appliqué les Confirmations requises ?
Ai-je correctement classé le setup ?
Ai-je exécuté conformément aux règles ?
Ai-je respecté le plan de Risk ?
Ai-je géré la position conformément au modèle prédéfini ?
Ai-je correctement documenté la session ?
Une session profitable avec une mauvaise exécution n’est pas une preuve de bon processus.
Une session perdante avec une exécution correcte n’est pas automatiquement la preuve d’un problème.
C’est pourquoi la qualité de l’exécution et le résultat financier restent deux champs distincts dans le journal.
L’algorithme définit ce que vous avez l’intention de faire.
Le journal enregistre ce que vous avez réellement fait.
Les statistiques révèlent les schémas récurrents.
Le Backtesting vous permet d’étudier ces schémas.
L’optimisation contrôlée vous permet de tester si un changement les améliore.
C’est ainsi que le processus devient mesurable plutôt qu’émotionnel.
La perspective Xcelerate Trade
Ce chapitre a commencé par une idée simple :
La performance en trading ne peut pas être comprise à partir de la mémoire, des émotions ou de résultats isolés.
Elle doit être documentée, mesurée, examinée et améliorée à partir de données.
Le journal vous indique ce que vous avez réellement fait.
Les statistiques montrent ce qui s’est produit de manière répétée.
L’algorithme personnel de trading définit ce que vous avez l’intention de faire.
Le Backtesting vous permet d’examiner ce processus dans des conditions historiques contrôlées.
Le Forward Testing sur Demo montre dans quelle mesure vous êtes capable de l’appliquer à mesure que de nouvelles informations apparaissent.
Et l’optimisation contrôlée permet au processus d’évoluer sans transformer chaque résultat à court terme en une nouvelle règle.
Ensemble, ces éléments forment une boucle complète de développement de la performance :
Algorithme → Exécution → Journal → Revue → Statistiques → Hypothèse → Testing → Ajustement Fondé sur les Preuves → Algorithme
À ce stade, votre progression dépend de plus en plus non pas de la quantité d’informations supplémentaires que vous pouvez accumuler, mais de votre capacité à appliquer, mesurer et affiner avec régularité ce que vous savez déjà.
Ne recherchez pas une stratégie parfaite.
Construisez un processus que vous pouvez exécuter avec régularité.
Documentez-le honnêtement.
Mesurez-le sur un échantillon significatif.
Remettez vos hypothèses en question.
Ne modifiez les règles que lorsque les données justifient de tester un changement.
Et lorsqu’un changement est testé, assurez-vous qu’il mérite sa place dans l’algorithme.
Une stratégie vous donne des règles.
Un processus de trading professionnel vous donne un moyen de déterminer si ces règles continuent d’être soutenues par les preuves.
C’est le véritable objectif du Chapitre 8.
Vous n’apprenez plus simplement à identifier un trade.
Vous apprenez à évaluer votre propre trading comme un système.
Dans le prochain chapitre, nous poursuivrons ce processus et continuerons la transition entre le développement structuré de la stratégie et son application dans des conditions de trading de plus en plus réalistes.
À bientôt dans le prochain chapitre.