Comment éviter la sur-optimisation (curve fitting) dans les EA

« Mon backtest affichait 50 % annualisé, mais dès le passage en trading réel, les résultats n'ont fait que décliner » — dans le monde des EA, la cause la plus fréquente de cet échec est presque toujours le curve fitting (sur-optimisation ou overfitting).

Cet article explique pourquoi le curve fitting se produit, comment le détecter, et comment l'éviter dès la phase de conception.

Qu'est-ce que le curve fitting ?

Le curve fitting désigne le phénomène par lequel les paramètres et la logique d'un EA sont optimisés à l'excès pour correspondre à des mouvements de prix historiques spécifiques. Les données passées contiennent inévitablement des mouvements aléatoires et fortuits ; un paramétrage qui reproduit ces mouvements à la perfection sera incapable de s'adapter aux aléas futurs.

C'est exactement la même structure que le problème classique de machine learning : « surapprentissage sur les données d'entraînement, effondrement des performances sur les données de test ».

Pourquoi le curve fitting se produit-il ?

Les principales causes sont les suivantes.

Trop de paramètres

Avec dix, vingt paramètres ou plus, il suffit de les ajuster pour expliquer presque parfaitement n'importe quel mouvement passé. Cela ne fait que « retracer le passé » — cela ne capture pas l'essence réelle du marché.

Optimisations répétées sur les mêmes données

Réoptimiser encore et encore sur le même jeu de données conduit progressivement à s'adapter aux caractéristiques propres à ce jeu. Plus on procède par essais et erreurs (« ça ne marche pas non plus »), plus la probabilité de fonctionner sur les marchés futurs diminue.

Mauvais choix de métrique d'évaluation

Si l'objectif unique est de maximiser le profit total, des paramètres extrêmes ignorant le risque seront sélectionnés. Les solutions générant des profits grâce à un petit nombre de gros trades gagnants sont rarement reproductibles dans le futur.

Comment le détecter

Voici les signes révélateurs d'un curve fitting.

1. Des chiffres trop beaux pour être vrais

PF supérieur à 3,0, taux de réussite au-dessus de 80 %, rendement annuel dépassant 100 % — lorsqu'un EA affiche de tels chiffres, le curve fitting doit être suspecté. Très rares sont les EA capables de maintenir ce niveau sur la durée en trading réel.

2. Un nombre de trades insuffisant

Obtenir un PF de 2,0 sur quelques dizaines de trades n'a aucune valeur statistique. Sans au moins 200 trades, et idéalement 500 ou plus, l'évaluation elle-même n'est pas fiable.

3. Des résultats annuels très hétérogènes

En examinant la courbe de rendement annuel, on constate parfois qu'une seule année ressort spectaculairement, ou qu'une seule année enregistre de lourdes pertes. Un EA dont les résultats varient de façon extrême selon les années dépend trop des conditions de marché d'une période donnée.

4. Une dégradation sur la période récente

Si, sur dix ans de données, les performances se sont détériorées uniquement au cours des une ou deux dernières années, il est possible que la logique elle-même ne soit plus adaptée aux marchés actuels.

5. Une forte sensibilité aux paramètres

Si une variation de ±10 % du paramètre optimal entraîne un effondrement des résultats, c'est un signal d'alarme. L'EA ne tient que sur un « sommet étroit » : la moindre variation des conditions le fait tomber.

Comment l'éviter dès la conception

Il est bien plus efficace d'éviter le curve fitting dès le départ que de tenter de le corriger après coup.

1. Limiter le nombre de paramètres

Ne conserver que les paramètres ayant une signification logique dans la stratégie. L'approche « je le mets en paramètre tant qu'on peut le modifier » est à proscrire. En pratique, il est raisonnable de limiter l'optimisation à 3 à 5 paramètres.

2. Toujours réaliser une validation hors échantillon (out-of-sample)

Sur dix ans de données, optimiser sur les 7 premières années et valider sur les 3 dernières. N'adopter que les paramètres produisant des résultats équivalents sur les deux périodes.

3. Tester sur plusieurs paires et plusieurs unités de temps

Un EA qui ne gagne que sur XAUUSD H1 est potentiellement sur-optimisé pour ces conditions précises. Une logique produisant des tendances cohérentes sur EURUSD ou USDJPY présente généralement une robustesse supérieure.

4. Rendre la logique « explicable »

Il est essentiel de pouvoir expliquer, en termes de mécanismes de marché, pourquoi ce paramètre fait fonctionner cette logique. « Ça gagnait en backtest » ne constitue pas une raison valable pour que ça fonctionne dans le futur.

5. Optimiser « modérément »

Ne pas augmenter excessivement le nombre de générations, appliquer des filtres de nombre de trades et de DD maximum sur les métriques d'évaluation, adopter la valeur médiane parmi les meilleures solutions — ces pratiques consistant à « modérer l'optimisation » améliorent la résistance au curve fitting.

Le courage de choisir des chiffres « ordinaires »

Il est humain de vouloir sélectionner le meilleur résultat parmi ceux de l'optimisation. Pourtant, la plupart des traders long terme choisissent délibérément des paramètres produisant des chiffres ordinaires, non pas les meilleurs.

La raison est simple : des paramètres générant des chiffres ordinaires voient leurs performances se dégrader moins fortement si le marché évolue quelque peu. Des paramètres générant les meilleurs chiffres ne sont les meilleurs que dans les conditions où ils ont été optimisés.

Notre approche sur ce site

GOLD_EMA_ATR_EA (XAUUSD H1) est conçu selon les principes suivants.

• Seulement 3 paramètres soumis à l'optimisation (EMA courte, EMA longue, multiplicateur ATR)
• Sur 10 ans de données : optimisation sur les 7 premières années, validation sur les 3 dernières
• Adoption de la valeur médiane des solutions restant dans la plage « rendement annuel 1-3 %, DD maximum 5-10 % »
• Résultat : PF de 1,30 et rendement annuel de 1,7 % — des chiffres délibérément conservateurs

Précisément parce que les chiffres ne sont pas spectaculaires, la conception est robuste aux évolutions du marché.

Récapitulatif

Le curve fitting est le piège le plus dangereux dans l'utilisation des EA. Plus les résultats d'un backtest ressemblent à des « chiffres de rêve », plus la vigilance s'impose.

« Des chiffres ordinaires, maintenus durablement » — c'est la voie discrète mais fiable vers la réussite avec les EA.

Télécharger un EA gratuit

GOLD_EMA_ATR_EA est distribué gratuitement en tant qu'EA conçu pour éviter délibérément la sur-optimisation. Un rapport de validation détaillé est inclus.

Télécharger l'EA gratuit

Brokers recommandés

Pour se rapprocher en trading réel des résultats obtenus en backtest, le choix d'un broker offrant une excellente qualité d'exécution est primordial.

Voir la liste des brokers recommandés