Backtest de notre robot de trading escoDAX™
Prochaine mise à jour : début janvier 2026.
Robot de trading escoDAX™
Backtest du 01.12.2022 au 30.11.2025
À gauche, sans réinvestissement des gains,
à droite, avec réinvestissement des gains.
De quelle façon optimisons-nous escoDAX™
Une méthode claire, transparente et pensée pour éviter la sur-optimisation
Optimiser un robot de trading ne consiste pas à chercher les “meilleurs chiffres” sur le passé.
Une stratégie trop parfaite historiquement s’effondre en réel.
Chez Escotrading, nous utilisons une approche structurée et professionnelle :
nous construisons un moteur solide,
nous adaptons finement les filtres au marché actuel,
puis nous vérifions la stabilité du robot sur plusieurs années.
Voici notre méthode exacte :
1. Construire d’abord le moteur (2021–2025)
Nous commençons par optimiser uniquement la structure interne du robot :
-
choix des indicateurs,
-
niveaux de stop-loss et take-profit,
-
horaires de trading,
-
logique long/short,
-
architecture globale du moteur.
Cette structure est optimisée sur une longue période (2021–2025), incluant plusieurs régimes de marché :
-
tendances fortes,
-
périodes calmes,
-
volatilité extrême,
-
phases irrégulières.
Objectif : une base qui fonctionne dans de nombreuses conditions.
2. Adapter les filtres au marché récent (2023–2025)
Les filtres ne font pas partie du moteur :
- ils servent à éviter les trades dans les mauvaises conditions (bougies incohérentes, volatilité anormale, marchés compressés, etc.).
- Ils doivent refléter le marché actuel, pas celui d’il y a quatre ans.
C’est pourquoi nous optimisons les filtres seulement sur une période récente et pertinente :
-
du 1ᵉʳ décembre 2022 au 28 novembre 2025,
-
période représentative du DAX moderne,
- volatilité actuelle des sessions européennes.
Objectif : protéger le moteur en fonction des conditions d’aujourd’hui.
3. Optimisation des 3 dernières années sans les filtres
Une fois que les filtres sont fixés, nous optimisons les indicateurs sur les trois dernières années sans les filtres, et surtout mois après mois (fenêtre glissante de 36 mois).
Cette étape consiste à :
-
optimiser les indicateurs sans aucun filtre,
-
répéter l’optimisation sur chaque fenêtre glissante de trois ans,
-
identifier les zones de paramètres qui reviennent régulièrement,
-
éliminer les zones instables,
-
sélectionner uniquement les familles récurrentes.
Objectif : choisir les paramètres structurels réellement robustes.
4. Sélectionner la dernière famille robuste
À partir des analyses mensuelles :
-
les derniers paramètres récurrents sont sélectionnés,
-
les autres sont éliminés,
-
le moteur final est figé.
Le moteur est désormais :
-
stable,
-
reproductible,
-
non modifié d’un mois à l’autre.
Un moteur fiable est un moteur figé.
5. Test hors-échantillon (2021–2022)
Pour vérifier que le robot n’est pas sur-optimisé, nous appliquons la version finale du moteur (structure + filtres) sur une période indépendante : 2021–2022, qui n’a jamais été utilisée lors de l’optimisation des filtres.
Nous vérifions :
-
cohérence du drawdown,
-
stabilité du comportement,
-
absence d’effondrement des performances.
Si le robot reste stable sur une période qu’il n’a jamais “vue”, il est robuste.
6. Validation finale sur la totalité (2021–2025)
La version finale du robot combine :
-
un moteur optimisé sur plusieurs années,
-
des filtres adaptés au marché récent,
-
une validation indépendante hors-échantillon.
Nous confirmons que la stratégie :
-
reste cohérente sur 5 ans d’historique,
-
résiste aux différents environnements du DAX,
-
et reflète fidèlement les conditions du marché actuel.
C’est cette combinaison qui donne à escoDAX™ sa stabilité unique.
Résumé de notre méthode
Nous appliquons un workflow en quatre grandes étapes :
1. Construire le moteur (2021–2025)
→ définir l’architecture : indicateurs, SL/TP, horaires, logique long/short.
2. Adapter le moteur au marché récent (2022–2025)
→ optimiser les filtres sur les conditions actuelles du DAX.
3. Vérifier la stabilité structurelle
→ analyser les 3 dernières années en fenêtre glissante, sans filtres,
repérer les paramètres récurrents, sélectionner les familles robustes
et figer définitivement le moteur.
4. Tester et valider la robustesse
→ tester la version finale sur une période indépendante (2021–2022),
puis vérifier la cohérence globale sur l’ensemble 2021–2025.
Cette approche évite la sur-optimisation,
tout en permettant au robot de rester performant dans le marché actuel.

