Simulation Monte Carlo : comment tester la robustesse d'une strategie de trading
Le probleme avec un backtest classique
Vous lancez un backtest. Votre strategie affiche +25 % sur un an. Excellent, non ? Pas si vite.
Un backtest classique vous donne un seul scenario : celui qui s'est reellement produit. Mais le marche aurait pu evoluer differemment. Les trades auraient pu arriver dans un ordre different. Cette performance de +25 % est-elle le fruit d'une strategie solide, ou d'un coup de chance lie a l'enchainement des trades ?
C'est exactement la question a laquelle repond la simulation Monte Carlo.
Qu'est-ce qu'une simulation Monte Carlo ?
Le principe est simple : au lieu de tester votre strategie une seule fois, vous la testez des milliers de fois en changeant l'ordre des trades a chaque simulation.
L'idee vient de Stanislaw Ulam, mathematicien du projet Manhattan, qui a compris que pour estimer des probabilites complexes, il suffisait de simuler le processus un grand nombre de fois et d'observer la distribution des resultats.
En trading, cela se traduit ainsi :
- On prend les trades reels du backtest (par exemple, 50 trades)
- On les melange aleatoirement (bootstrap resampling)
- On rejoue la strategie avec cet ordre different
- On repete 1 000 fois
- On analyse la distribution des resultats
Si votre strategie est solide, elle devrait etre profitable dans la majorite des scenarios, pas seulement celui qui s'est reellement produit.
L'algorithme utilise sur Strategy Arena
Notre implementation utilise le bootstrap resampling, une methode statistique robuste. Voici comment elle fonctionne en detail.
Etape 1 : Extraction des trades
On extrait le PnL en dollars de chaque trade du backtest original. Pas le pourcentage — le montant reel. C'est crucial pour les strategies comme le DCA ou la position fractionnee qui investissent des montants variables.
Trade 1: +150$
Trade 2: -80$
Trade 3: +220$
Trade 4: -30$
...
Trade 50: +95$
Etape 2 : Bootstrap (tirage avec remise)
Pour chaque simulation, on tire aleatoirement 50 trades parmi les 50 originaux, avec remise. Cela signifie qu'un meme trade peut etre tire plusieurs fois, et certains trades ne seront pas tires du tout.
C'est la cle du bootstrap : on cree des milliers de sequences de trades plausibles a partir des donnees reelles.
Etape 3 : Construction de la courbe d'equity
Pour chaque sequence de trades, on construit une courbe d'equity en partant du capital initial (10 000 $) et en ajoutant le PnL de chaque trade :
Capital = 10 000 $
Trade 1: +150$ → Capital = 10 150 $
Trade 2: +220$ → Capital = 10 370 $
Trade 3: -80$ → Capital = 10 290 $
...
On utilise un modele additif (on ajoute le PnL en dollars) plutot que multiplicatif (on multiplie par le rendement). Pourquoi ? Parce que le modele additif est plus realiste pour les strategies qui investissent un montant fixe par trade, comme le DCA qui investit la meme somme chaque semaine.
Etape 4 : Calcul des metriques par simulation
Pour chacune des 1 000 simulations, on calcule :
- Le capital final
- Le max drawdown (la plus grande chute entre un pic et un creux)
Etape 5 : Analyse de la distribution
On obtient 1 000 capitaux finaux et 1 000 max drawdowns. On calcule alors :
- Probabilite de profit : % de simulations qui finissent au-dessus du capital initial
- Probabilite de ruine : % de simulations qui perdent plus de 50 % du capital
- Percentiles : P5 (pire 5 %), P25, P50 (mediane), P75, P95 (meilleur 5 %)
- Score de robustesse : note sur 100 combinant probabilite de profit, consistance et survie
Le score de robustesse
C'est la metrique la plus importante. Il combine trois facteurs :
| Facteur | Poids | Ce qu'il mesure |
|---|---|---|
| Probabilite de profit | 40 % | La strategie gagne-t-elle plus souvent qu'elle ne perd ? |
| Consistance | 30 % | Les resultats sont-ils regroupes ou disperses ? |
| Survie | 30 % | La strategie evite-t-elle la ruine totale ? |
Interpretation :
- 80-100 : Strategie tres robuste, performante dans presque tous les scenarios
- 60-80 : Strategie solide avec une bonne probabilite de profit
- 40-60 : Strategie moyenne, resultats incertains
- 20-40 : Strategie fragile, la performance depend beaucoup de la chance
- 0-20 : Strategie dangereuse, forte probabilite de perte
Comment l'utiliser sur Strategy Arena
- Allez sur la page Backtest
- Selectionnez une strategie et un asset (BTC, ETH, SOL, etc.)
- Lancez le backtest
- Cliquez sur Monte Carlo dans les resultats
Vous verrez :
- Un histogramme des capitaux finaux (la "cloche" de probabilite)
- Des courbes d'equity echantillonnees (5 trajectoires possibles)
- Les percentiles (dans 95 % des cas, vous finirez entre P5 et P95)
- Le score de robustesse global
Exemple concret : CUDA Evolved sur BTC
Prenons la strategie CUDA Evolved, optimisee par GPU sur 100 000+ combinaisons :
- Backtest classique : +8.4 %
- Monte Carlo (1000 sims) :
- Probabilite de profit : 72 %
- Mediane : +6.1 %
- P5 (pire cas raisonnable) : -4.2 %
- P95 (meilleur cas raisonnable) : +19.8 %
- Score de robustesse : 68/100
La mediane (+6.1 %) est inferieure au backtest classique (+8.4 %). C'est normal : le backtest classique a beneficie d'un enchainement de trades favorable. La Monte Carlo nous donne une estimation plus realiste de ce qu'on peut attendre.
Pieges a eviter
Ne pas confondre Monte Carlo et backtest
Le Monte Carlo ne teste pas votre strategie sur de nouvelles donnees. Il teste ce qui se passerait si les memes trades arrivaient dans un ordre different. C'est un test de robustesse, pas de performance future.
Le biais de survie
Si votre strategie a tres peu de trades (moins de 10), la Monte Carlo n'est pas fiable. Il faut un echantillon suffisant pour que le bootstrap soit representatif.
L'overfitting reste invisible
Une strategie sur-optimisee (qui colle parfaitement aux donnees historiques) peut avoir un excellent score Monte Carlo tout en performant mal en live. La Monte Carlo teste la robustesse de la sequence de trades, pas la validite de la strategie elle-meme.
Conclusion
La simulation Monte Carlo est un outil puissant pour aller au-dela du simple backtest. Elle transforme une question binaire ("ma strategie a-t-elle marche ?") en une question probabiliste ("quelle est la probabilite que ma strategie marche ?").
Sur Strategy Arena, chaque backtest peut etre suivi d'une Monte Carlo en un clic. C'est l'un des rares outils gratuits a proposer cette analyse habituellement reservee aux hedge funds et aux quants professionnels.
Testez la Monte Carlo sur vos strategies preferees : Lancer un backtest