Le backtesting donne confiance｜du calme en perte latente

À peine une petite perte latente apparaît qu'on a déjà coupé. En repensant plus tard, si l'on n'avait pas coupé là, ça serait monté exactement comme prévu — une situation que presque tout trader vit au moins une fois.

Cette « sortie trop précoce » ne se produit pas par faiblesse mentale. C'est un problème de structure : parce que la base du jugement n'est pas mise en mots, on laisse la perte latente, ce facteur d'inquiétude, tirer le jugement à elle.

Autrement dit : qui a vérifié son propre modèle en backtesting et su mettre en mots le critère de sortie peut, même en perte latente, distinguer « ici le scénario n'est pas encore effondré ». Cet article explique, sous l'angle de l'ordonnancement des observations passées, comment le nombre de backtests crée un critère de jugement et devient ainsi le socle pour aller chercher le ratio risque/rendement qui vous revient réellement.

Si vous abordez le Chart Replay ou le backtesting pour la première fois, lire d'abord Qu'est-ce que le Chart Replay | s'entraîner au trading d'actions sur des graphiques passés aide à saisir le socle.

Pourquoi la « sortie trop précoce » se produit-elle

Juste après l'entrée, le cours va à contre-sens et une perte latente apparaît. En suivi de tendance comme à contre-tendance, c'est tout à fait normal. Le problème, c'est que chez vous, il n'est pas établi jusqu'où c'est dans le prévu et à partir d'où c'est hors du prévu.

Regarder une perte latente avec un critère flou ne laisse comme matière de jugement que « l'inquiétude ». Couper en suivant l'inquiétude fige naturellement la perte là. Et si le cours monte ensuite comme prévu, il ne reste que le regret « je n'aurais pas dû couper ». À force de répéter cela, la confiance dans le trading lui-même s'érode aussi.

La « confiance » dont on parle ici n'est pas un optimisme sans fondement. Elle désigne l'état où vous savez comment ce modèle a bougé par le passé et où il s'est effondré. Avoir ou non ce savoir départage largement la résistance à la perte latente.

La confiance ne naît pas de la volonté mais du « nombre de backtests »

La confiance en son propre modèle ne s'acquiert pas par des discours de volonté. Elle ne naît que lorsqu'on vérifie le même modèle bien des fois et qu'il s'accumule en données sous la main.

Vivre 100 fois la même configuration dans le seul trading réel demande des années. Mais en backtesting, on peut observer le même modèle plus de 100 fois en quelques jours. Même une configuration comme un krach, qui en réel ne vient qu'une fois tous les quelques années, se répète autant qu'on veut en backtesting jusqu'à s'y habituer. Cette capacité à « accumuler du volume d'expérience sans être lié au temps » est la clé pour bâtir la confiance par le backtest.

En accumulant les backtests, sur votre modèle, ce qui suit devient visible en chiffres et en mots concrets :

• À quelle fréquence ce modèle a fonctionné par le passé (taux de réussite passé)
• Le rapport entre le gain quand ça fonctionnait et la perte quand ça ne fonctionnait pas (ratio risque/rendement)
• À quelle évolution du cours vous avez jugé « ce modèle s'est effondré » (condition de sortie)
• Combien de perte latente vous portiez après l'entrée avant que ça bouge comme prévu

Une fois cela mis en mots et en chiffres, le jugement au moment de la perte latente passe de « l'inquiétude » à « l'abord avec le critère ». La perte latente actuelle est-elle dans la fourchette prévue vécue maintes fois, ou a-t-elle touché la condition de sortie ? Si vous pouvez comparer, la nécessité de couper dans la panique disparaît.

Le graphique ci-dessous illustre comment la dispersion du jugement (la mesure dans laquelle, dans des configurations semblables, le jugement oscille entre couper et tenir) se calme à mesure qu'augmente le nombre de backtests du même modèle. C'est une pure illustration conceptuelle et ne montre aucune performance particulière.

Plus le nombre de backtests augmente, plus grandit le stock de « cette configuration, je l'ai déjà vue ». Face à des configurations toutes inédites on s'inquiète ; face à des configurations familières on réagit avec calme. Ce n'est pas un talent particulier, simplement une question de volume d'expérience. Et une configuration qui en réel ne vient qu'une fois tous les quelques années, en backtesting on la répète autant qu'on veut.

Une fois le « modèle » fixé, le critère de sortie devient aussi des mots

Le socle de la confiance est un « modèle » net. Un modèle, c'est la mise en mots des conditions dans lesquelles vous entrez et de celles dans lesquelles vous sortez.

Si le modèle est flou, le critère de sortie se décide aussi à l'humeur du moment. Si le modèle est solide, la sortie se juge sur un seul point : « le scénario s'est-il effondré ? ». Ce n'est pas la taille de la perte latente elle-même, mais le fait d'avoir touché ou non la condition que vous aviez fixée d'avance et qui permet de dire ‹ ce modèle s'est effondré ›, qui décide de couper ou non.

L'important ici : on ne nie pas la coupe elle-même. Si le scénario s'est effondré, il faut couper. Le problème, c'est « couper par peur de la perte latente alors que le scénario n'est pas effondré ». Si le modèle est en mots, on peut séparer ces deux cas.

La sortie trop précoce ronge le « ratio risque/rendement réel »

Pourquoi la sortie trop précoce est-elle dommage ? Parce que vous laissez échapper le ratio risque/rendement que votre modèle possède réellement.

Supposons un modèle qui « se déploie fortement quand il fonctionne, mais porte en chemin une certaine perte latente ». Si vous coupez à chaque fois sur la perte latente de mi-parcours, vous ne faites qu'empiler de petites pertes avant le déploiement et n'attrapez jamais la partie décisive « se déployer fortement ». La qualité du modèle, vous l'annulez de vos propres mains.

Le graphique ci-dessous illustre comment, pour un même modèle, le timing de clôture change entre « couper tôt sur perte latente » et « tenir jusqu'à l'effondrement du scénario ». Les valeurs sont des exemples d'illustration.

« R » est le ratio du multiple de rendement obtenu par rapport au risque (la marge de perte tolérée prise au départ). Aller chercher ou non le ratio risque/rendement propre au modèle dépend de votre capacité à ne pas couper au milieu de la perte latente et à attendre jusqu'à la condition de sortie fixée. Et ce « pouvoir attendre », c'est la confiance accumulée en backtesting qui le soutient.

Pour le répéter, il ne s'agit pas de « tenir coûte que coûte ». Il s'agit de pouvoir exécuter le jugement évident — couper si la condition de sortie est touchée, attendre sinon — non par émotion mais par critère.

Bâtir la confiance avec le cycle vérifier → modèle → enregistrer

Concrètement, comment la bâtir ? La marche à suivre est simple.

1. En backtesting, tester le même modèle bien des fois. Avec du capital virtuel, répéter seulement la configuration que vous voulez vérifier. Une configuration où, en réel, on ne peut qu'attendre, se fait passer des dizaines de fois d'un coup en backtesting.
2. Mettre en mots la condition d'entrée et la condition de sortie (définition de l'effondrement du scénario). Non « à peu près », mais en mots que vous pourrez vous-même relire plus tard.
3. Enregistrer les trades testés et les regrouper avec des Strategy Tags. Les mettre dans un état où, à travers les trades du même modèle, taux de réussite, ratio risque/rendement moyen et tendance de sortie s'agrègent. La façon d'enregistrer est traitée en détail dans Tenir un journal de trading | continuer le bilan avec les Strategy Tags.
4. Regarder l'agrégation et vérifier le contour du modèle. Quand une tendance comme « ce modèle a porté en moyenne autant de perte latente en chemin avant de se déployer » devient visible, vous réagissez avec calme en réel face à la même perte latente.

Le backtest n'est pas un « entraînement à deviner » mais un « entraînement à connaître son propre modèle ». Le passé a bougé ainsi, mais la prochaine fois ne sera pas forcément identique. Ce que vous forgez ici, c'est la capacité à juger selon un critère fixé même sans voir l'avenir, et à pouvoir faire le bilan ensuite.

Plus vous tournez ce cycle, plus s'accroissent les mots et les données sur votre modèle. Cela devient le socle pour, face à la perte latente, comparer sans panique avec le critère — c'est-à-dire la « confiance venant du nombre de backtests ».

Par ailleurs, l'AI Analysis d'ENTRIQ est une fonction qui, à partir des données et notes de trades passés ainsi accumulées, met en mots les tendances observées. Elle ne prédit pas l'évolution future du cours ni ne recommande d'acheter ou de vendre : elle aide seulement au bilan du passé.

Pour finir, reprécisons ce que « confiance » signifie dans cet article. La confiance n'est pas « se persuader que ça va tomber juste », mais « l'état où vous savez où ce modèle s'effondre ». C'est justement parce que vous pouvez mettre en mots où il s'effondre que vous ne vous laissez pas presser par une perte latente non effondrée et pouvez affronter le ratio risque/rendement qui vous revient. Cet état, le nombre de backtests le construit.

Foire aux questions

Q. Vais-je gagner en accumulant les backtests ? Non. Le backtest ne garantit pas le gain. Ce qu'elle vous fait acquérir, c'est « l'état où vous savez comment votre modèle a bougé et pouvez juger par critère même en perte latente ». Nul ne connaît la suite du marché, et rien ne garantit que les tendances passées se poursuivent.

Q. Cela veut-il dire qu'il vaut mieux endurer la perte latente et tenir ? Non. L'idée de l'article est de pouvoir exécuter la réaction « couper si le scénario s'effondre, juger selon le critère sinon » non par émotion mais par critère fixé d'avance. Si la condition de sortie est touchée, il faut couper.

Q. Comment fixer mon « propre modèle » ? En testant en backtesting la même condition d'entrée de façon répétée et en mettant en vos mots la condition d'entrée et la condition de sortie, tout en observant les configurations qui ont fonctionné et celles qui se sont effondrées. Pas besoin d'être parfait d'emblée ; on fixe le contour en accumulant backtest et enregistrement.

Q. Je suis mentalement faible et je coupe vite. Puis-je corriger cela par la volonté ? Nous recommandons une approche qui l'atténue non par la volonté mais par la mise en mots du critère de jugement. Avec un critère permettant de séparer la perte latente en « dans ou hors du prévu », les cas où l'on coupe par la seule peur diminuent. Ce critère, ce sont le backtest et l'enregistrement qui le créent.

Q. Combien de backtests faut-il pour que ça devienne de la confiance ? Il n'y a pas de bon nombre précis. Cependant, avec quelques cas, la tendance du modèle n'apparaît pas. Même dans l'agrégation par Strategy Tag, il est important de ne pas prendre les chiffres au pied de la lettre tant que l'échantillon est petit. Règle de base : augmenter le nombre d'essais avec le backtesting sur capital virtuel et lire la tendance seulement une fois une quantité suffisante accumulée.

※ Cet article explique une méthode d'entraînement pour revenir sur ses trades passés et saisir son propre modèle. Il ne montre pas la performance d'une méthode particulière ni des gains futurs. Tous les chiffres des figures de l'article sont des exemples destinés à illustrer l'écran et la façon de penser. Il ne garantit pas l'évolution du marché ; les décisions d'investissement relèvent de votre propre responsabilité.

Reproduce this validation yourself

With ENTRIQ's chart replay, you can trade through past charts using the same rules.