Walk-forward : fenêtres, labels disponibles et égalités

L’analyse walk-forward répète sélection sur données antérieures et évaluation sur un bloc suivant. Elle évalue une procédure d’actualisation, pas seulement le dernier jeu de paramètres. Calendrier, candidats et arbitrage doivent être définis avant la lecture des résultats d’évaluation ; multiplier les fenêtres ne supprime pas le risque de sélection.

Définir toute la procédure avant le test

Fixez longueurs d’apprentissage et d’évaluation, intervalle de mise à jour, candidats, critère, égalités et absence de candidat acceptable. Maximiser le profit est un choix, pas une règle neutre. Déclarez aussi coûts, taille et exposition. Un taux de réussite supérieur à 75 % sur deux cents trades ou un profit factor supérieur à 3,5 ne diagnostique pas, à lui seul, un surajustement.

Les périodes d’apprentissage peuvent partager des données ; les marchés conservent des dépendances. Choisir la découpe après avoir vu ses scores sélectionne encore la procédure. Backtester une stratégie : prix, coûts et fuites de données prépare les contrôles de données et d’exécution avant de comparer ces découpages.

Un gap ne suffit pas si le label déborde

Modèle source à périodes régulières : label t utilise clôtures t+1 et t+2. Le test commence en période 10 ; l’ajustement a lieu après la clôture 9 et avant le début 10. Avec un gap de 1, dernier échantillon d’apprentissage 8 : son label réclame la clôture 10, encore inconnue. Avec gap de 2, le dernier échantillon 7 se termine à la clôture 9 et son label peut être disponible.

Le label doit être connu avant le test

Faites défiler horizontalement ou agrandissez le schéma pour lire les détails.

Le gap enlève des échantillons de fin d’apprentissage ; il ne découvre pas toutes les fuites. Vérifiez chaque dépendance : un prix d’entrée antérieur au test peut avoir un résultat de sortie calculé plus tard. La conclusion « deux périodes » appartient seulement à l’horizon et au calendrier stipulés, pas à toute stratégie.

Avancer les fenêtres sans réécrire le passé

Exemple source : apprendre sur 2018–2021, figer les paramètres, évaluer sur 2022. Ensuite apprendre sur 2019–2022, figer, évaluer sur 2023. Les données de 2022 peuvent entrer dans l’apprentissage suivant quand elles sont devenues historiques, sans modifier la première évaluation déjà datée. Conservez version choisie et instant de choix avec chaque bloc.

Assemblez les transactions hors échantillon chronologiquement. Un jeu final resté intact est utile seulement tant que son résultat ne guide plus de sélection. Si la conception change après consultation, déclarez une autre version et une nouvelle évaluation ; renommer le même bloc ne le rend pas à nouveau inconnu.

Fenêtre glissante ou ancrée

Glissante : longueur d’apprentissage fixe, ici 2018–2021, 2019–2022, 2020–2023. Ancrée ou croissante : départ constant, 2018–2021, 2018–2022, 2018–2023. Une mémoire courte retire de vieilles observations et réduit l’effectif ; une mémoire longue garde aussi des conditions anciennes. Ni l’une ni l’autre ne garantit adaptation rapide ou paramètres stables.

Aucune règle universelle n’assigne tendance à fenêtre glissante et retour à la moyenne à fenêtre croissante. La normalisation, sélection de variables et imputation doivent elles aussi être apprises seulement sur données autorisées. Appliquer une moyenne calculée sur toute l’histoire à la première fenêtre introduit de l’information future, même si les index de trades sont bien triés.

TimeSeriesSplit décrit des échantillons également espacés pour comparer des durées cohérentes. Des événements irréguliers nécessitent une vérification de calendrier distincte. Des trades chevauchants ou labels de durées différentes demandent plus qu’un nombre fixe de lignes retirées.

Lire l’efficacité walk-forward sans seuil magique

Dans la convention TradeStation, WFE compare rendement annualisé hors échantillon au rendement annualisé d’apprentissage, avec mêmes bases, coûts et exposition. Source : 10 %/20 %=0,5, soit 50 %. Mais −5 %/−10 %=0,5 aussi, alors que les deux périodes perdent. À dénominateur nul, le rapport est non défini. Au-delà de 1, il ne prouve pas automatiquement une fuite.

TradeStation présente 50 % comme repère empirique, pas comme une autorisation universelle d’engager du capital. Regardez résultats nets, drawdowns, couverture et sensibilité séparément. Un faible rapport ou un changement de paramètres de plus de 50 % demande une investigation ; il ne diagnostique pas tout seul l’ajustement au bruit.

Compter les blocs et conserver les égalités

Autres exemples source : 12 %/30 %=0,4 et 20 %/25 %=0,8. Ils n’établissent pas quelle stratégie possède un avantage durable. Avec 2018–2023, quatre ans d’apprentissage et un an de test décalé annuellement produisent deux évaluations complètes : 2022 et 2023. Cinq ans de données n’en donnent qu’une ; cinq tests annuels exigent neuf années au total.

Contre-exemple source : A et B sont à égalité en calibration à chaque étape ; la règle préfixée choisit A. Résultats nets OOS assignés, sans composition : A +5 puis −2, B −1 puis +6. La procédure choisie rapporte +3. Prendre le gagnant après chaque résultat donne +11 ; choisir B après inspection de toute son histoire donne +5. Ce sont trois expériences différentes, malgré le même tableau.

Cas EUR indépendant : règle d’égalité choisissant l’identifiant A avant test ; A fait +40 puis −20 EUR, B −10 puis +50. Procédure A : +20 ; sélection rétrospective de la meilleure ligne de chaque fenêtre : +90. L’écart de 70 EUR est le résultat de la sélection inventée après observation, pas une amélioration exécutable démontrée.

Ce que la procédure ne résout pas

Définissez le traitement des positions ouvertes à la frontière : clôture avec coûts ou gestion conservée selon une règle. Ne supprimez pas pertes latentes et solde pour recommencer proprement chaque fenêtre. Résolvez les tests qui chevauchent des expositions afin de ne pas compter deux fois le même capital. Le drawdown de la courbe OOS jointe n’est pas la moyenne des drawdowns séparés.

Gardez périodes sans trade et concentration du résultat dans certaines fenêtres. Comparez à une référence non actualisée choisie auparavant, sur mêmes données, frais et taille. Un bloc historique réservé, une observation démo future et une simulation de Simulation de Monte-Carlo répondent à des questions différentes ; aucune ne couvre tous les coûts et régimes à venir.

Le mode Forward MT5 réserve une partie tardive de l’intervalle historique pour vérifier des configurations sélectionnées. Ce n’est pas automatiquement une chaîne walk-forward à multiples fenêtres, ni une observation prospective d’un compte démo. Une durée de trois à six mois ou un drawdown simulé sous 25 % n’est pas une permission universelle de déployer.

Un plan d’essai documenté

1. Fixez calendrier, horizon des labels, données disponibles, critère et départage des égalités ; archivez tous les candidats.
2. Sur 2018–2023, construisez explicitement les deux blocs complets prévus, sans fabriquer cinq résultats à partir de six ans.
3. Enregistrez paramètres et version avant chaque bloc, puis tous les résultats nets et périodes vides ; rapprochez les positions traversant une frontière.
4. Calculez le rapport seulement avec dénominateur interprétable, puis analysez la courbe jointe et l’incertitude. Toute nouvelle sélection de calendrier exige une autre évaluation.

Monte-Carlo : chemins, quantiles et règles d’arrêt prolonge l’analyse par des chemins conditionnels et règles d’arrêt. Conservez les limites de cette simulation : une permutation des résultats historiques ne crée pas une nouvelle histoire de marché.