Ce que nous apporte le backtesting parallèle
Valider une stratégie prend bien plus de temps que la coder, et c'est précisément la validation que davantage de matériel permet d'accélérer.
QuantFX3 min de lecture
De l'idée à la production
Les idées sont prototypées en Python sur AWS et testées sur des données historiques tick par tick. Les résultats déterminent si une idée avance ou retourne en recherche. Celles qui méritent d'être conservées sont réécrites en C++20 pour la production, et seule une stratégie validée atteint le moteur en conditions réelles.
Une idée, des centaines d'exécutions
Un backtest isolé coûte peu. Une validation à laquelle nous ferions confiance en exige des centaines :
- Analyse walk-forward : calibrer sur une fenêtre, tester sur la suivante, puis avancer à travers les différents régimes de marché.
- Tests hors échantillon sur des données et des instruments que la logique n'a jamais vus.
- Balayages de paramètres, pour vérifier si les résultats reposent sur un plateau large ou sur un pic étroit.
- Rééchantillonnage Monte Carlo de l'ordre des trades, des coûts et du slippage, pour soumettre le profil de drawdown à des tests de résistance.
Sur une seule machine, ce travail transforme la recherche en file d'attente.
Chaque exécution est indépendante
Aucune de ces exécutions n'a besoin du résultat d'une autre. Chaque fenêtre walk-forward, chaque jeu de paramètres et chaque trajectoire Monte Carlo peut être confié à son propre nœud de calcul, si bien que la charge évolue de façon quasi linéaire avec le nombre de nœuds. Les limites sont le chargement des données au départ et la collecte des résultats à la fin.
- 2 000 backtests × 20 min
- 40 000 min
- 1 nœud de calcul
- environ 667 heures, soit environ 28 jours
- 64 nœuds de calcul
- environ 625 min, soit environ 10,4 heures
Les durées réelles dépendent de la complexité de la stratégie, de la résolution des données et des E/S.
Sur 64 nœuds de calcul, un balayage lancé le soir est terminé le lendemain matin. C'est pourquoi le tour d'amorçage que nous levons finance du calcul et du matériel, et non du capital de trading. La présentation pour les investisseurs en donne le détail.
Plus de tests, plus de façons de se tromper soi-même
La vitesse a un coût. Si nous pouvons tester 2 000 variantes en une nuit, nous pouvons aussi en trouver une qui paraît brillante par pur hasard. Les garde-fous doivent croître avec le cluster :
- Une période finale de réserve (hold-out) reste verrouillée pendant le développement et n'est utilisée qu'une seule fois.
- Le seuil d'exigence s'élève avec le nombre de variantes essayées. Nous consignons le nombre de configurations testées et jugeons la meilleure à l'aune de ce nombre.
- Une stratégie doit tenir sur de nombreuses fenêtres walk-forward successives. Un seul bon découpage ne prouve pas grand-chose.
- Nous privilégions les zones de paramètres aux performances régulières plutôt que le réglage isolé au meilleur score.
Avec le cluster, chaque stratégie candidate passe l'ensemble des contrôles.
Ce que les clients y gagnent
Des entreprises exploitent notre moteur sous leur marque ou nous confient le développement et l'exploitation de stratégies pour leur compte. Une boucle plus rapide raccourcit l'attente entre la demande d'une stratégie et une candidate validée. La revalidation sur des données récentes devient une tâche de routine, et les modifications de la logique d'exécution sont testées sur l'historique complet avant d'arriver en production.
Le moteur lui-même est décrit sur la page Technologie.