BatchBacktesting

1. Aperçu

Pourquoi il existe. Un backtest par lots est un petit pipeline de données, et le projet garde chaque étape visible en Python plutôt que derrière un tableau de bord.

Cas d’usage. Comparer une stratégie sur plusieurs instruments avec les mêmes hypothèses enregistrées, puis lire côte à côte les CSV par instrument et agrégés.

3. Démarrage

Le README pointe vers un exemple publié plutôt qu’une installation en une commande ; le point d’entrée est le runner.

• Runner : src/BatchBacktesting.py — process_instrument choisit l’adaptateur de prix (actions ou crypto), nettoie les données et construit un Backtest.
• Stratégies : src/strategies.py.
• Outils d’analyse : src/analyse.py.
• Graphique AAPL EMA publié (2018-04-04 au 2023-04-03) : output/charts/EMA.

4. Fonctions et composants

5. Comment les stratégies décident

Croisement de moyennes mobiles exponentielles. La stratégie par défaut calcule des moyennes mobiles exponentielles de la clôture, EMAₜ = α · Pₜ + (1 − α) · EMAₜ₋₁ avec α = 2 / (n + 1) : 0,095 pour la moyenne sur 20 périodes et 0,025 pour celle sur 80, si bien que la courte réagit environ quatre fois plus vite. À chaque barre :

• quand l’EMA 20 passe au-dessus de l’EMA 80, la stratégie ferme toute position et achète, avec un stop à 90 % et un objectif à 125 % de la clôture ;
• quand l’EMA 80 passe au-dessus de l’EMA 20, elle ferme et vend à découvert, avec un stop à 110 % et un objectif à 75 %.

La moyenne sur 150 périodes est calculée mais jamais utilisée.

Ce qu’impliquent les sorties. Avec un stop à 10 % et un objectif à 25 %, un achat risque 10 pour gagner 25. Hors frais, il est à l’équilibre si plus de 10 / (10 + 25) ≈ 28,6 % des transactions atteignent l’objectif avant le stop. Chaque aller-retour paie aussi deux fois la commission de 0,2 %, ce qui relève un peu ce seuil. Comme le croisement suivant ferme d’abord la position, beaucoup de transactions se terminent sur un croisement plutôt que sur le stop ou l’objectif.

flowchart TD
  B["Nouvelle barre"] --> C1{"EMA20 passe au-dessus de l’EMA80 ?"}
  C1 -->|oui| L["Ferme la position, achète : SL 0,90 × clôture, TP 1,25 × clôture"]
  C1 -->|non| C2{"EMA80 passe au-dessus de l’EMA20 ?"}
  C2 -->|oui| S["Ferme la position, vend à découvert : SL 1,10 × clôture, TP 0,75 × clôture"]
  C2 -->|non| H["Conserve ; le courtier vérifie SL et TP"]

Les autres stratégies. src/strategies.py définit vingt-trois stratégies d’indicateurs (RSI, bandes de Bollinger, MACD, régression linéaire, ADX, OBV, Aroon, DEMA, ALMA, SMA …). La plupart suivent le même modèle, et quatorze d’entre elles utilisent les mêmes sorties 90/125 % et 110/75 %. Deux d’entre elles ne testent pas ce que leur nom suggère. Dans RSI, rsi30 et rsi70 sont des RSI calculés sur 30 et 70 barres, pas les niveaux 30 et 70 : la stratégie négocie les croisements entre trois courbes de RSI. BollingerBands n’utilise que la première colonne de pandas_ta.bbands, la bande inférieure.

Agrégation. process_instrument marque chaque résultat de Backtest.run() avec l’instrument et la stratégie, l’exécuteur les concatène en un CSV par stratégie, et analyse.py classe les instruments. get_max_return regroupe par instrument et prend max() colonne par colonne : la « meilleure » ligne mélange le meilleur rendement et la meilleure valeur de chacune des autres colonnes.

6. Architecture

flowchart TD
  I["Liste d'instruments et stratégie"] --> P["ThreadPoolExecutor"]
  P --> D["Télécharger et nettoyer l'historique"]
  D --> B["Backtest par instrument"]
  B --> R["Résultat avec instrument et stratégie"]
  R --> C["CSV par instrument"]
  R --> A["CSV agrégé par stratégie"]
  B --> H["Graphique HTML optionnel"]

7. Limites et points à vérifier

• Un instrument en échec renvoie None ; si tous échouent, la concaténation finale n’a aucun tableau.
• groupby("Instrument").max() dans analyse.py prend le maximum de chaque colonne séparément : une ligne de synthèse peut mélanger des métriques de runs différents. Choisissez une vraie ligne par rendement avant de citer son drawdown.
• Les paramètres par défaut n’incluent ni le slippage, ni la disponibilité des ventes à découvert, ni les titres radiés, ni les opérations sur titres.
• Les nombres de workers et les dates ci-dessus sont des valeurs par défaut du code et des dates d’exemple, pas un débit mesuré ni une plage fixe.

8. Liens

• Dépôt
• Exemple publié
• Workshop1, les notebooks d’initiation qui mènent à ce runner par lots

flowchart LR
  repo[("Dépôt GitHub")]
  local["Poste local<br/>Python"]
  repo -->|"cloner et lancer"| local