Éviter la sur-optimisation d’une stratégie sur ProRealTime

Pour éviter la sur-optimisation d’une stratégie sur ProRealTime, on ne juge jamais un réglage sur la période qui a servi à le choisir. Le manuel ProBacktest (version 6.1.0 du 1^er décembre 2025) décrit l’outil prévu pour cela : la méthode Walk Forward, qui optimise sur une première période, teste sur la suivante, et compare les deux par un ratio, le WFE. La plateforme mesure l’écart ; elle ne rend pas la stratégie gagnante, et des résultats passés, réels ou simulés, ne préjugent pas des résultats futurs.

Qu’est-ce que la sur-optimisation d’une stratégie sur ProRealTime ?

La sur-optimisation est le défaut d’une stratégie dont les réglages collent si bien à une période passée qu’ils en ont épousé les accidents, et non une régularité du marché. Le résultat est beau sur cette période, et sur elle seulement.

Prenez un tailleur qui coupe un costume sur vous, immobile, au millimètre. Le costume vous va à merveille debout. Il gêne dès que vous levez le bras. Une stratégie sur-optimisée est ce costume : coupée sur les cours d’hier.

Le manuel ProBacktest en donne le signe : il y a risque de sur-optimisation quand les rendements des périodes de test sont « largement inférieurs » à ceux des périodes d’optimisation.

Comment fonctionne l’optimisation des variables dans ProBacktest ?

L’optimisation des variables fait tourner le même système avec plusieurs valeurs de ses réglages, puis classe les résultats. Une variable est ici un nombre que l’on laisse ouvert dans le code, la longueur d’une moyenne mobile par exemple, pour que la plateforme l’essaie à plusieurs valeurs. Le manuel prend cet exemple, où deux moyennes mobiles ont pour longueurs n et m :

AVGm = ExponentialAverage[m](Close)
AVGn = ExponentialAverage[n](Close)
IF AVGm CROSSES OVER AVGn THEN
    BUY 100 SHARES AT MARKET
ENDIF
IF AVGm CROSSES UNDER AVGn THEN
    SELL 100 SHARES AT MARKET
ENDIF

Exemple repris tel quel du manuel ProBacktest, page 29. Il illustre l’optimisation de deux variables ; ce n’est pas une stratégie à suivre.

En clair : le code calcule deux moyennes mobiles exponentielles du cours de clôture, achète cent titres quand l’une croise l’autre à la hausse, et les revend au croisement inverse. Les lettres n et m attendent leur valeur : l’optimisation la leur donnera.

D’après le manuel, chaque variable se déclare par le bouton « Ajouter » de la section « Optimisation des variables », avec quatre champs : son nom dans le programme, une valeur fixe, une valeur minimale et une valeur maximale entre lesquelles elle varie, et un « Pas », l’intervalle entre deux valeurs essayées.

Le résultat est un « Rapport d’optimisation ». Dans l’exemple du manuel, il donne cinq statistiques pour chaque combinaison essayée : le gain, le gain en pourcentage du capital initial, le nombre de transactions, le pourcentage de positions gagnantes et le gain moyen par position.

Pourquoi la meilleure ligne du rapport d’optimisation de ProBacktest ne prouve-t-elle rien ?

Parce qu’elle a été choisie après coup, sur la période même qui la flatte. Essayez assez de combinaisons, et l’une d’elles finira en tête par simple chance. Le rapport désigne ce gagnant, sans dire s’il gagnerait deux fois.

Le manuel le signale lui-même, dans une note placée sous le rapport : les valeurs optimales des variables d’un système peuvent changer, pour un même instrument, selon l’unité de temps ou l’historique utilisé. La meilleure valeur appartient à la période qu’on lui a montrée.

Deux lectures aident à garder la tête froide, et elles sont de moi, non du manuel. La colonne « Transactions » : un gain bâti sur une poignée de positions repose sur peu de chose. La liste entière : les combinaisons voisines de la meilleure lui ressemblent-elles, ou trône-t-elle seule au milieu de résultats médiocres ?

Quels outils ProBacktest propose-t-il contre la sur-optimisation ?

Un outil, la méthode Walk Forward, avec son ratio et ses statistiques.

Comment la méthode Walk Forward de ProBacktest découpe-t-elle l’historique ?

En deux périodes qui se suivent. Sur la première, que le manuel appelle « période dans l’échantillon » ou « période d’optimisation », la plateforme cherche le meilleur jeu de variables. Sur la seconde, la « période hors échantillon » ou « période de tests », elle applique ce jeu tel quel, sans plus rien régler. Puis elle avance dans le temps et recommence, autant de fois qu’on le lui demande.

Le manuel distingue deux façons d’avancer. En mode non ancré, les périodes d’optimisation ont des points de départ différents : la fenêtre glisse. En mode ancré, elles partent toutes du même point : la fenêtre s’allonge.

Que mesure le ratio WFE de la méthode Walk Forward ?

Le WFE, pour Walk Forward Efficiency, divise le gain annualisé de la période de test par le gain annualisé de la période d’optimisation. Annualisé veut dire ramené à une année, pour comparer deux périodes de longueurs différentes sur une même base.

Le manuel rapporte quelques repères chiffrés, et je les cite pour ce qu’ils sont. Il écrit que la période d’optimisation représente « souvent » 70 % de la période totale et la période de test 30 % ; deux pages plus loin, que « la recherche suggère » 80 % et 20 %. Il écrit aussi que, selon « les différentes études menées sur cette méthode », une stratégie peut être considérée comme robuste si au moins trois périodes de test sur cinq affichent un WFE supérieur à 50 %.

Deux répartitions dans le même manuel : c’est assez dire qu’aucune n’est la bonne. Ce sont des usages rapportés, pas des garanties.

Comment lancer une analyse Walk Forward dans ProBacktest, d’après le manuel ?

En quatre gestes, que je reprends du manuel sans les avoir relevés un à un dans la version 13. Dans la Complète version 13, relevée à l’écran le 12 novembre 2026, le bouton des indicateurs, en haut du graphique, ouvre une fenêtre dont l’onglet « ProBacktest & Trading automatique » liste vos systèmes ; le bouton « Backtester mon système de trading » y figure, en bas. Le menu « Graphiques » porte aussi une entrée « ProBacktests ».

Il indique de cliquer sur la clé à molette, en haut à gauche de la fenêtre « ProBacktest & Trading Automatique », de définir les variables, puis d’activer la méthode par le bouton « Actif ». On y choisit le mode, ancré ou non ancré, le nombre de répétitions et la longueur des deux périodes. On lance enfin l’analyse par le bouton « Backtester mon système de trading ».

Après le calcul, le manuel décrit une courbe des gains et pertes, un rapport détaillé, et une partie « Statistiques Walk Forward » qui compare les périodes pour chaque répétition.

Le test des systèmes fait partie des versions Complète et Premium : la page « Nos offres » cite le backtesting dans la Complète, et le comparatif coche l’AutoTrading pour ces deux versions (relevé du 12 novembre 2026).

Ouvrir un compte démo gratuit

Que faire quand la méthode Walk Forward de ProBacktest révèle un risque de sur-optimisation ?

Le manuel répond que la plateforme permet d’ajuster les paramètres (variables, niveaux de stops et de limites, période de trading) et de relancer le processus autant de fois que nécessaire.

J’y ajoute une précaution, qui est de moi. Chaque relance vous fait regarder une fois de plus les périodes de test. À force de retoucher jusqu’à ce qu’elles sourient, on règle la stratégie sur elles aussi. Comptez vos relances, et tenez pour une réponse honnête le cas où l’idée ne passe pas.

Un backtest, optimisé ou non, décrit le passé : des résultats passés, réels ou simulés, ne préjugent pas des résultats futurs. Le trading automatique exécute une stratégie sans la rendre gagnante et n’écarte pas le risque de perte. Le trading d’instruments à effet de levier peut exposer à des pertes supérieures aux dépôts.

Questions fréquentes sur la sur-optimisation avec ProRealTime