Re-optimisation: pourquoi la strategie brille sur lhistoire et fusionne dans le reel

Scénario familier : l'optimiseur a testé plusieurs centaines de combinaisons de paramètres, la meilleure affichait +300 % sur l'historique. La stratégie passe en trading réel — et au bout de quelques semaines, le compte est à perte. Le test n’a pas « cassé » et le marché ne s’est pas « emballé ». Il s’agit très probablement de sur-optimisation.

Qu’est-ce que la sur-optimisation

L’histoire du marché est composée de régularités et de bruit. Lorsque l’on teste beaucoup de paramètres sur un même segment historique, on finit par trouver une combinaison qui correspond parfaitement non pas à une régularité, mais au bruit — à des coïncidences aléatoires propres à ce fragment de données.

Cette stratégie ne « connaît » rien du marché. Elle a appris par cœur le passé — et s’effondre sur toutes nouvelles données. Plus il y a de paramètres et d’itérations de l’optimiseur, plus le risque d’obtenir un tel résultat augmente.

Signes qu’une stratégie est sur-ajustée

• Le résultat survit à un pic, pas à un plateau. Le meilleur jeu de paramètres donne +300 %, tandis que le voisin (valeur légèrement décalée) affiche déjà −20 %. Une régularité réelle est stable face à de petites variations de paramètres ; le bruit ne l’est pas.
• Peu de transactions. Avec 30–50 transactions, les statistiques ne signifient presque rien : quelques réussites chanceuses peuvent embellir n’importe quelle courbe.
• La totalité du profit provient de quelques transactions. En retirant une ou deux meilleures positions, il ne reste plus rien du résultat.
• Courbe trop parfaite. Une croissance régulière presque sans drawdown sur un marché volatil est un signal d’alerte plutôt qu’une raison de se réjouir.
• Pas d’explication « pourquoi ça fonctionne ». Si la stratégie n’a pas de raison claire de générer du profit (comportement des acteurs, structure du marché, coûts des autres), il y a de fortes chances qu’elle n’en ait pas vraiment.

Comment tester une stratégie honnêtement

Test hors échantillon (out-of-sample). L’hygiène de base : l’historique est divisé en deux parties. Sur la première, la stratégie est calibrée, sur la seconde uniquement vérifiée, sans possibilité de réglages. Le résultat sur la seconde partie est l’évaluation honnête.

Walk-forward. Variante plus rigoureuse : la fenêtre « calibrée sur cette période — testée sur la suivante » glisse sur toute l’histoire. La stratégie rencontre ainsi plusieurs fois des données qu’elle « n’a pas vues ». Si le résultat se maintient de fenêtre en fenêtre, c’est signe de régularité, pas de sur-ajustement.

Stabilité des paramètres. Il faut examiner non seulement le meilleur jeu, mais son environnement : si de petits décalages ne détruisent pas le résultat, c’est qu’on a trouvé un plateau et pas un pic aléatoire.

Conditions honnêtes de simulation. Commissions, slippage, financements, liquidité. Sans cela, même une bonne méthode teste la stratégie dans un monde imaginaire — alors qu’elle devra trader dans le réel.

Où cela est déjà intégré

XTester a été conçu précisément autour de cette problématique : le testeur doit aider à détecter la sur-optimisation, pas à la masquer. La séparation des données pour le test hors échantillon, la prise en compte honnête des coûts dans la simulation, les métriques pour évaluer la robustesse des résultats — tout cela fait partie du moteur, pas d’une surcouche.

L’accès anticipé est ouvert : xtester.pw.

Questions fréquentes

Combien d'historique est nécessaire pour un test ?
Il n’y a pas de chiffre unique — le plus important est le nombre de transactions et la diversité des conditions de marché : la stratégie doit passer par la tendance, la phase latérale et une forte volatilité. Une centaine de transactions environ sur différents régimes de marché en dit plus que des milliers de chandeliers d’une année calme.

Qu’est-ce qui est mieux : un simple découpage de l’historique ou le walk-forward ?
Le découpage est le minimum indispensable, le walk-forward est un test plus strict de la robustesse dans le temps. Si la stratégie est destinée à l’argent réel, le walk-forward vaut bien le temps investi.

La stratégie a échoué le test hors échantillon. Faut-il la corriger ou la jeter ?
Attention : « corriger » en ajustant les paramètres jusqu’à ce qu’elle passe, c’est la même sur-optimisation faite à la main. Il faut revenir à l’hypothèse : pourquoi la stratégie devrait-elle fonctionner ? Pas de réponse — pas de stratégie.