Cadre du backtest
Le moteur empirique. Rigoureux, prudent et conçu pour éviter les pièges classiques du backtest.
Composition point-in-time lorsque c’est possible ; biais du survivant réduit au minimum.
19 ans qui couvrent la crise financière mondiale, la crise de la dette européenne, le COVID et le rallye de l’IA.
Signaux de fin de mois, suivi quotidien du P&L jusqu’au rééquilibrage suivant.
Les données fondamentales ne sont utilisées qu’après la date de publication du 10-K.
Assez concentré pour refléter des convictions, assez diversifié pour rester stable.
Les actions de meilleure qualité reçoivent des poids plus importants.
Une précision sur l’univers du backtest (et pourquoi on ne peut pas rejouer le Russell 3000)
Le rendement annualisé de +13,7 %, le Sharpe de 0,73 et le drawdown maximal de −31 % proviennent du backtest historique 2007-2026, mené sur un échantillon d’actions américaines point-in-time (environ 5 000 entreprises-années) issu de SimFin. Cet échantillon inclut les tickers radiés de la cote et en faillite (aucun biais du survivant). Il est plus large que le S&P 500 (qui est l’indice de comparaison, pas l’univers investissable) mais plus étroit que le Russell 3000 au sens strict.
Pourquoi pas un backtest sur le Russell 3000 au sens strict ? Reconstituer l’historique exact du Russell 3000 exigerait la liste point-in-time des composantes de l’indice, c’est-à-dire qui faisait partie de l’indice à chaque date de rééquilibrage depuis 2007. Ces données sont propriétaires (FTSE Russell, plus de 10 000 $ par an environ). Les sources gratuites ne donnent que la composition actuelle, ce qui introduirait un biais du survivant. Nous avons retenu l’échantillon légèrement différent de SimFin comme l’alternative sans biais la plus proche.
Le portefeuille en direct (visible sur la page Live) tourne sur le Russell 3000 à partir d’aujourd’hui, alimenté par les fondamentaux gratuits de SEC EDGAR (qui remontent à 1993 via XBRL, le suivi sera donc reproductible). Son historique commence maintenant et s’étoffera mois après mois.
Pourquoi mensuel et pas hebdomadaire ?
Trois raisons, toutes académiques :
- Fréquence des données. Les données fondamentales (chiffre d’affaires, résultats, bilan) sont publiées chaque trimestre ou chaque année. Recomposer le portefeuille chaque semaine n’apporte aucune information fondamentale nouvelle : cela ajoute seulement du bruit.
- Convention de l’article QMJ. Asness, Frazzini et Pedersen (2019), comme l’ensemble de la littérature factorielle Fama-French / Carhart, utilisent un rééquilibrage mensuel. S’y tenir rend les résultats directement comparables à la recherche publiée.
- Coûts de transaction. Une rotation hebdomadaire multiplierait le nombre d’ordres par 4 à 5. Pour un particulier (5 à 15 points de base par aller-retour), cela coûterait 50 à 100 points de base de rendement par an, soit une bonne partie de l’alpha.
Un rééquilibrage quotidien ou intraday serait encore pire : les signaux momentum sont lents par construction (fenêtre de 12 mois moins le dernier mois). Les signaux de qualité le sont plus encore (fondamentaux annuels). Le rythme mensuel suit les données, pas le cycle de l’actualité.
Prévention des biais
- ✓Biais d’anticipation : fondamentaux utilisés avec un décalage de publication de 2 mois ; le momentum n’utilise que des cours antérieurs à la date du signal.
- ✓Biais du survivant : les tickers radiés de la cote restent dans l’univers lorsque les données existent.
- ✓Surapprentissage (data-snooping) : paramètres fixés ex ante d’après l’article QMJ ; aucune optimisation walk-forward.
- ✓Valeurs extrêmes : z-scores de rang en coupe transversale plutôt que valeurs brutes, robustes aux queues épaisses.
- !Coûts de transaction : non modélisés. Le lecteur doit retrancher environ 10 à 25 points de base par an pour un particulier, moins pour un institutionnel.