Backtesting

Un article de Wikipédia, l'encyclopédie libre.
Aller à : navigation, rechercher

Le backtesting ou test rétro-actif de validité consiste à tester la pertinence d'une modélisation ou d'une stratégie en s'appuyant sur un large ensemble de données historiques réelles. Il peut être appliqué à tout ensemble de données, mais est le plus souvent utilisé dans les sciences sociales et les sciences naturelles qui produisent des données mesurables et nécessitent une approche statistique. En finance, il permet de vérifier la validité et la rentabilité d'une stratégie d'investissement[1]. Le plus souvent la quantité de données nécessaires implique qu'elles soient centralisées dans une base de données, afin que le processus puisse être informatisé.

Backtesting en finance et en économie[modifier | modifier le code]

Choix de stratégies d'investissement ou de spéculation sur les marchés financiers[modifier | modifier le code]

Dans l'application de ces techniques aux marchés des capitaux, le backtesting est un type spécifique de tests historique qui détermine la performance d'une stratégie financière, si elle avait été effectivement utilisée pendant des périodes passées et dans les mêmes conditions du marché. Le backtesting utilisant des données réelles, il est plus performant que des tests effectués sur des séries de données artificiellement simulées. Alors que le backtesting ne permet pas de prédire comment une stratégie fonctionnera dans les conditions futures, son principal avantage réside dans la compréhension de la vulnérabilité d'une stratégie grâce à son application à des conditions réelles effectivement rencontrées dans le passé. Cela permet au concepteur d'une stratégie d'«apprendre de ses erreurs», sans avoir à le faire avec de l'argent réel.

Un élément clé du backtesting qui le différencie des autres formes de tests historique vient de ce qu'il calcule la performance si la stratégie avait réellement été appliquée dans le passé. Cela nécessite que le test reproduise les conditions du marché de l'époque en question afin d'obtenir un résultat précis. Des exemples de ces conditions de marché comprennent le suivi de cours, l'achat et la vente d'actions qui n'existent plus, ou l'utilisation d'indices de marché selon leur composition originelles, plutôt que leur composition actuelle. Historiquement, ces tests ont été utilisés par des institutions et des gestionnaires de fonds professionnels, en raison du coût d'acquisition de ces ensembles de données ou jeux de test. Toutefois, avec l'avènement des échanges boursiers sur internet, et la mise à disposition de bases de données plus accessibles, le backtesting est devenu une option pour les investisseurs ou spéculateurs occasionnels, et peut être ainsi inclus dans l'offre commerciale proposée par les courtiers en ligne.

Différents types de stratégies du marché des capitaux peuvent être back-testées, telles que les stratégies d'allocation d'actifs, les stratégies d'identification de signaux, des stratégies de négociation. D'autres types de stratégies se prêtent moins au backtesting, telles que les stratégies d'achats ou de ventes programmées pour de grandes quantités de titres au meilleur prix en répartissant les interventions sur une période de plusieurs heures, jours ou semaines. Cela vient du fait que la vente d'une grande quantité d'un même titre affecte le prix d'échange de ce titres, et génère une décorrélation des conditions d'origine, en venant perturber la rétroactivité. Comme ces tests portent sur l'exactitude de la corrélation et de la rétroactivité, le backtesting n'est pas approprié pour de telles stratégies.

Supervision bancaire[modifier | modifier le code]

La supervision bâloise des risques bancaires s'appuie sur la détermination des montants de risque financiers d'un ensemble de portefeuilles, la Value at risk. Ces valeurs sont calculées en simulant des probabilités d'évolution de marché, modèles généralement propres aux banques — on parle alors de modèles internes — qui doivent être validés par utilisation de backtesting.

Limites[modifier | modifier le code]

L'un des problèmes rencontrés est l'absence de données passées en situation totalement critique, et donc la nécessité d'estimer le risque pour les valeurs limites. Escanciano and Olmo ont souligné en 2010 que l'utilisation de procédures standards de backtesting dans des simulations de Monte-Carlo était susceptible de fausser considérablement l'estimation du niveau de risque obtenu, et ont proposé des révisions de la méthode standard de backtesting[2]

Backtesting et modélisation climatique[modifier | modifier le code]

Cette section ne cite pas suffisamment ses sources (septembre 2012). Pour l'améliorer, ajouter en note des références vérifiables ou les modèles {{Référence nécessaire}} ou {{Référence souhaitée}} sur les passages nécessitant une source.

Le backtesting joue un rôle essentiel dans l'évaluation des modèles météorologiques et climatiques. Par exemple, pour composer une nouvelle théorie de la formation des cyclones, un modèle peut être back-testé avec les conditions réelles qui ont précédé et accompagné les ouragans réels. Si le modèle prévoit avec précision l'emplacement, la force, la trajectoire et de la durée d'un événement passé, il gagne ainsi en crédibilité pour les prévisions futures. Dans le domaine de la modélisation du climat, le backtesting joue un rôle particulièrement important en raison de l'ampleur et de la durée des événements climatiques. L'utilisant des données historiques pour tester de nouvelles idées et théories permet d'être évaluer leurs performances théoriques dans un délai raisonnable.

Maillage et effet Papillon[modifier | modifier le code]

Les difficultés pour valider un modèle réside dans la définition du maillage des données disponibles et testées, et dans la prise en compte de l'ensemble des paramètres variables discriminants. En raison de l'effet papillon, une très minime variation de données, d'une taille inférieure à celles des mailles des séries de données retenues, est susceptible de générer des divergences s'amplifiant avec le temps, de la même manière que le maillage du modèle lui-même[3].

Notes et références[modifier | modifier le code]

  1. http://www.traderpack.fr/backtesting
  2. (en) J.Carlos Escanciano et Jose Olmo, « Backtesting parametric Value-at-Risk with estimation risk », Journal of Business & Economic Statistics, vol. 28, no 1,‎ 2010, p. 36-51 (DOI 10.1198, résumé)
  3. Caractérisation de la variabilité interne des modèles régionaux de climat Philippe Lucas-Picher, Thèse de doctorat, Université du Québec à Montréal, août 2008

Lien externe[modifier | modifier le code]

Sujets connexes[modifier | modifier le code]

Simulation de phénomènes