Je vais tester statistiquement votre stratégie de trading contre un null aléatoire

La plupart des backtests se contentent de demander « ces règles ont-elles généré des gains sur cet historique ». Ce critère est bien trop faible. Les entrées aléatoires le dépassent constamment, tout comme des règles qui jettent un œil discret sur les données futures ou qui suivent simplement la dérive du marché. Je teste les stratégies comme le font les chercheurs en quantitatif : contre un null aléatoire apparié.

Ce que vous obtenez :

- Vos règles codées dans un backtest Python reproductible

- Test de permutation Monte Carlo : votre stratégie bat-elle les entrées aléatoires avec la même fréquence de trades et la même durée de détention ? (la méthode Timothy Masters)

- Séparation hors échantillon et balayage de paramètres, pour s’assurer qu’il ne s’agit pas d’un réglage magique unique

- Commissions et glissement réalistes modélisés, là où la plupart des stratégies retail échouent silencieusement

- Pour les traders prop : Monte Carlo de vos statistiques contre les règles de drawdown progressif de votre firme, transformé en une probabilité de réussite ou d’échec

- Un rapport écrit en français simple de tout ce qui précède

Attention : la plupart des stratégies échouent à ce test. C’est justement la valeur de l’exercice. Vous découvrez cela pour quelques centaines de dollars plutôt que pour quelques comptes perdus. Je rapporte ce que disent les statistiques, pas ce que vous espérez entendre. Il s’agit de recherche et d’éducation, pas de conseil financier.