Analyse walk-forward
L'analyse walk-forward est une procédure de backtesting qui choisit les paramètres sur une fenêtre d'entraînement, les fige, les évalue sur la fenêtre de test qui suit et qui n'a servi à aucun choix, puis avance les deux fenêtres chronologiquement et recommence. La concaténation des fenêtres de test correspond à ce que la stratégie aurait rendu avec des paramètres qu'elle pouvait réellement connaître à ce moment-là.
Senzoukria · Glossaire · Mis à jour en septembre 2026
La procédure, étape par étape
- Fixez à l'avance la longueur d'entraînement, la longueur de test, la grille de paramètres et la règle de sélection (par exemple, le meilleur résultat net après coûts).
- Sur la première fenêtre d'entraînement, parcourez la grille et retenez une configuration selon la règle de sélection.
- Figez cette configuration et rejouez-la sur la fenêtre de test qui suit immédiatement.
- Faites glisser les deux fenêtres et recommencez jusqu'à épuisement des données.
- Publiez la concaténation des fenêtres de test, chacune avec la configuration retenue pour elle, coûts et trades perdants compris.
Pourquoi c'est plus solide qu'une optimisation unique
Une optimisation unique sur tout l'historique retient la configuration qui colle à cet historique, et sa courbe de capital est ensuite mesurée sur les données mêmes qui l'ont choisie. Le walk-forward sépare les deux gestes : la sélection se fait sur le passé, la mesure sur ce qui lui succède. Les paramètres qui ne collent qu'au bruit sont en général retenus sur une tranche et échouent sur la suivante, et cet échec apparaît dans le résultat concaténé au lieu d'être masqué.
La comparaison entre la performance in-sample et hors échantillon d'une tranche à l'autre se résume souvent par l'efficacité walk-forward : la part du résultat d'entraînement qui survit dans les fenêtres de test. C'est un diagnostic, pas un certificat.
Les choix qui façonnent le résultat
| Choix | Arbitrage |
|---|---|
| Nombre de tranches | Plus de tranches donnent plus de fenêtres hors échantillon, mais des périodes d'entraînement plus courtes |
| Part d'entraînement | Une part plus large colle mieux et teste moins ; une part plus faible teste davantage sur des ajustements plus minces |
| Entraînement ancré ou glissant | Les fenêtres ancrées partent d'un début fixe ; les fenêtres glissantes gardent une longueur fixe et oublient les données anciennes |
| Règle de sélection | Elle doit être fixée avant le run ; la changer après avoir vu les résultats réintroduit un biais de sélection |
Dans Senzoukria
Le panneau Backtest automatique de l'écran Replay dispose d'un interrupteur intitulé Walk-forward — chercher la meilleure configuration. Son aide énonce la méthode : les paramètres sont choisis sur le début de chaque tranche, puis évalués sur la fin, qui n'a servi à aucun choix, et le résultat affiché est la concaténation de ces morceaux jamais vus. Le nombre de Tranches et la Part d'entraînement se règlent dans le panneau, et Paramètres à balayer définit la grille ; le panneau estime le nombre de combinaisons multiplié par les tranches ainsi que la durée attendue avant que vous ne lanciez le walk-forward.
Le rapport liste chaque tranche avec sa période d'entraînement, sa vraie période de test et la configuration retenue, et affiche une efficacité walk-forward assortie d'une lecture en une ligne : la stratégie tient hors de ses propres données, elle perd une bonne partie de son avantage hors échantillon, ou l'essentiel du résultat était du sur-ajustement. Un graphique In-sample contre out-of-sample trace la courbe que l'optimiseur a vue face à celle que vous auriez réellement eue.
Erreurs fréquentes
- Relancer le walk-forward avec une autre règle de sélection jusqu'à ce que l'efficacité devienne présentable.
- Lire la courbe in-sample comme le résultat.
- Utiliser des tranches si courtes que chaque fenêtre de test ne contient qu'une poignée de trades.
- Considérer la dernière fenêtre de test comme intouchée alors que des décisions ont déjà été ajustées sur elle.
Voir aussi
Cette page dans d’autres langues
Questions fréquentes
- Quelle différence entre walk-forward et découpage entraînement/test ?
- Un découpage unique réserve une seule période plus tardive, une seule fois. Le walk-forward répète ce découpage tout au long de l'historique : la stratégie est évaluée sur plusieurs périodes qu'elle n'a jamais vues, chacune avec des paramètres choisis juste avant elle. Cela tire davantage de preuves hors échantillon des mêmes données et montre si les paramètres retenus dérivent d'une tranche à l'autre.
- Qu'est-ce que l'efficacité walk-forward ?
- Elle compare la performance obtenue sur les fenêtres de test à celle obtenue sur les fenêtres d'entraînement qui ont choisi les paramètres. Une stratégie dont le résultat hors échantillon conserve l'essentiel du résultat in-sample est dite tenir ; une stratégie qui n'en garde presque rien colle surtout au bruit. Le chiffre dépend du découpage et de la règle de sélection : il se lit avec eux.
- Le walk-forward empêche-t-il le sur-ajustement ?
- Il l'expose plus qu'il ne l'empêche. Si l'analyste continue de changer la grille, les tranches ou la règle de sélection après avoir vu le résultat hors échantillon, ces fenêtres deviennent des données d'entraînement sous un autre nom. La procédure fonctionne quand ses propres réglages sont fixés avant le run et que chaque run est consigné.