Trois outils honnêtes, pas un test de retour magique#

Tôt ou tard, tout le monde construisant un processus autour de la recherche AI se pose la même question : "Est-ce que cela fonctionne vraiment ?"

Valarn vous offre trois outils distincts pour explorer cette question au fil du temps — mais il est important d'être lucide sur ce que chacun d'eux représente. Aucun d'eux n'est une prédiction, un taux de réussite ou un historique. Ils répondent à des questions différentes, et les confondre conduit à de mauvaises conclusions.

Mode Backtest — exécutez la recherche complète à partir de d'une date passée, sans regard en avant.
Le test de retour de prix mécanique — testez une règle de trading transparente sur des prix passés.
Précision de la recherche — voyez comment la position de recherche d'un rapport a vieilli après coup.

Prenons-les un par un.

1. Mode Backtest : Exécutez la recherche à partir d'une date passée#

Le Mode Backtest fixe une date de transaction historique et exécute l'analyse multi-agents complète comme si aujourd'hui était cette date. Les agents ne voient que les informations qui existaient à ou avant la date que vous choisissez.

Pour l'utiliser : ouvrez Exécuter l'analyse, développez Paramètres avancés, trouvez la section Mode d'exécution, et activez Mode Backtest. Un champ Date de transaction apparaît. Le texte d'aide le dit clairement — "Les agents n'utiliseront que les données disponibles à ou avant cette date."

Sous le capot, cette date circule à travers les agents : les dépôts SEC sont lus à cette date, la fenêtre d'actualités et de sentiment se termine à cette date, et les données macro reflètent ce qui était connu à l'époque. Il n'y a pas de regard sur ce qui s'est passé ensuite.

Ce que vous obtenez est un rapport de recherche normal, à partir de cette date — la même vue de recherche, confiance, agents, et débat que vous verriez lors d'une exécution en direct. Il n'y a pas de panneau séparé "score" ou "était-ce correct ?", car ce n'est pas à cela que sert cet outil. Il répond à une question plus étroite et plus honnête : comment les agents auraient-ils encadré cette configuration à l'époque, étant donné uniquement ce qui était connaissable alors ? Cela le rend utile pour comprendre le processus de recherche, étudier un point d'inflexion historique, ou comparer comment une entreprise se présentait alors par rapport à maintenant.

2. Le test de retour de prix mécanique : Testez une règle sur des prix passés#

Complètement séparé de l'AI, Valarn inclut un test de retour de prix classique — une simulation d'une règle de trading simple et transparente sur les prix historiques d'une action. Vous le trouverez dans la section Backtest de tout rapport, et comme son propre hub sous Backtest dans la barre latérale, avec des onglets pour Laboratoire de stratégie, Action unique, Portefeuille, et Écran.

Choisissez une stratégie — Valarn Composite, Acheter & Conserver, Tendance (50 jours), Croisement MA, Réversion à la moyenne RSI, ou Évasion sur 52 semaines — et Valarn l'exécute sur les prix quotidiens historiques et rapporte les métriques quant habituelles : rendement total, rendement excédentaire par rapport à un indice de référence, CAGR, ratio de Sharpe, drawdown maximum, taux de réussite, facteur de profit, une courbe d'équité, et une liste de transactions. Il fonctionne sur des données de prix publiques gratuites, et il y a un résumé optionnel "Expliquer avec AI" sur les plans payants.

Une mise en garde est plus importante que tous ces chiffres, et Valarn l'indique clairement sur le panneau : la stratégie "Valarn Composite" est un proxy transparent et étiqueté — PAS une répétition du score de recherche AI. Un test de retour de prix vous indique comment une règle mécanique se serait comportée sur des prix passés. Il ne vous dit pas comment la recherche AI de Valarn aurait performé, et ce n'est pas un conseil. Traitez-le comme une simulation éducative d'une règle, rien de plus.

3. Précision de la recherche : Comment une position a vieilli#

La chose la plus proche de "la recherche a-t-elle tenu ?" est la carte Précision de la recherche sur un rapport — et remarquez ce qu'elle ne fait pas : elle ne note jamais un signal comme juste ou faux.

Au lieu de cela, elle montre comment la position de recherche de ce rapport a vieilli depuis sa publication — à 1, 5, 30, et 90 jours — à la fois en termes absolus et par rapport au S&P 500 et au secteur de l'action. Chaque fenêtre porte une étiquette simple et honnête : bien vieilli, mixte, mal vieilli, ou trop tôt pour évaluer.

Valarn est délibéré à propos de ce cadrage et le dit sur la carte elle-même : il s'agit de la façon dont une position "a vieilli ... calibrage, pas performance." (Des résumés de calibrage à l'échelle de l'organisation sont disponibles sur les plans Enterprise.)

L'avertissement mérite d'être répété, car c'est le point : il s'agit uniquement de surveillance de la qualité et de calibrage de la recherche. Les résultats passés ne prédisent pas les résultats futurs, et ils ne constituent pas un enregistrement de la performance d'investissement ou des retours d'un utilisateur.

Utiliser les trois ensemble#

Utilisés honnêtement, ces outils vous aident à construire un jugement calibré sur la façon de lire la recherche de Valarn — pas un système de trading :

Mode Backtest vous montre le processus de recherche sur des configurations historiques, sans regard rétrospectif.
Le test de retour de prix montre comment des règles mécaniques transparentes se sont comportées sur des prix passés — clairement séparées de l'AI.
Précision de la recherche montre, au fil du temps, si une position avait tendance à bien vieillir — en tant que calibrage, jamais en tant qu'historique.

Ce que aucun d'eux ne fait, c'est promettre un taux de réussite, une "précision du signal", ou un retour futur. Même une vue de recherche bien fondée semblera incorrecte une part significative du temps — les marchés sont incertains, et faire semblant du contraire serait malhonnête.

La conclusion#

Le backtesting dans Valarn concerne la compréhension, pas la preuve. Exécutez la recherche à partir d'une date passée pour voir comment les agents raisonnent avec des données précises pour la période. Utilisez le test de retour de prix mécanique pour vérifier la validité de règles simples — en gardant à l'esprit que ce n'est pas l'AI. Et surveillez la Précision de la recherche au fil du temps pour calibrer le poids qu'une position donnée mérite.

Chacun de ces outils est éducatif et descriptif — une façon de penser plus clairement à la recherche, pas une garantie de ce qui se passe ensuite.

Backtesting & Research Accuracy in Valarn : Trois façons honnêtes de tester la recherche