En trading algorithmique, les backtests sont essentiels pour évaluer une stratégie. Mais ils peuvent devenir un piège dangereux quand on cherche à « trop bien faire ». Ce piège s’appelle : la sur-optimisation.
⚠️ Qu’est-ce que la sur-optimisation ?
La sur-optimisation (ou overfitting, en anglais) désigne le fait d’avoir ajusté une stratégie de trading tellement précisément à des données historiques, qu’elle fonctionne très bien… uniquement dans le passé.
Elle capte des bruits de marché, des coïncidences ou des patterns temporaires — mais aucune logique robuste ou reproductible dans le futur. Résultat ? Le backtest est excellent, mais la performance réelle est catastrophique.
🔬 Comment repérer une stratégie sur-optimisée ?
Voici quelques signes typiques :
- Des performances exceptionnelles uniquement en backtest, jamais en réel
- Des paramètres ultra-précis (ex : “EMA 17.3 croise EMA 43.8”…)
- Un drawdown anormalement faible
- Une sensibilité extrême : un petit changement dans les paramètres fait s’effondrer les résultats
🧪 Les tests anti-sur-optimisation : Systematic Permutation
Chez Lab-IA-CODE, nous utilisons des tests avancés comme le Systematic Parameter Permutation (SPP). Ce test permet de :
- Faire varier légèrement les paramètres d’une stratégie
- Observer si la stratégie reste stable et performante dans une zone autour des paramètres initiaux
- Détecter si les résultats ne sont que le fruit d’un hasard ou d’un réglage trop spécifique
💡 Une stratégie robuste doit fonctionner dans une zone d’efficacité, pas sur un point précis uniquement.
🛡️ Comment éviter la sur-optimisation ?
- Simplifiez vos stratégies : moins il y a de règles, plus c’est robuste
- Travaillez avec des plages de paramètres, pas des chiffres exacts
- Testez toujours vos bots sur des données hors-échantillon (out of sample)
- Utilisez des tests comme le SPP ou des walk-forward tests
✅ Une stratégie robuste > une stratégie parfaite en backtest
Le but n’est pas d’avoir le backtest le plus impressionnant, mais le système le plus stable en conditions réelles. Une stratégie légèrement moins performante sur le papier, mais constante, sera toujours plus rentable à long terme.
🧠 Le vrai trading algorithmique, ce n’est pas chercher à impressionner avec des chiffres, mais à construire des systèmes solides face à l’imprévisible.