Jälkitestausstrategioissa on kolme yleistä lähestymistapaa: käyttämällä todellisia hintatietoja, jotka on jaettu kolmeen ryhmään; bootstrap, joka käyttää todellisia hintatietoja, mutta ottaa niistä uudelleen näytteitä; ja Monte Carlon simulointi. On teoreettisia kysymyksiä, jotka jakavat järjestelmän rakentajat siitä, mikä menetelmä on paras. Elinkeinonharjoittajalle on tärkeää, että hän käyttää oikein ainakin yhtä järjestelmän jälkitestausstrategioita ennen kuin luottaa kauppapääomaansa. Kriittinen kysymys jälkitestausstrategian valinnassa on luotujen kauppojen määrä; vähintään 1,000 kauppaa tarvitaan järjestelmänrakentajan työn jokaisessa vaiheessa.
Todellisten hintatietojen käyttö, joka on jaettu kolmeen osaan, on tavallinen lähtökohta useimmille järjestelmärakentajille. Järjestelmä luodaan käyttämällä ensimmäistä kolmannesta tiedoista. Tässä vaiheessa rakentaja on löytänyt algoritmeja, jotka näyttävät tuottavan tarpeeksi voittoa pienellä riskillä tarjoamaan hyvät näkymät. Toinen kolmasosa tiedoista käytetään järjestelmän optimointiin.
Kun järjestelmä on optimoitu, sitä sovelletaan jäljellä olevaan kolmannekseen tiedoista. Tätä kutsutaan näytteen ulkopuoliseksi testaukseksi, ja useimmat järjestelmät epäonnistuvat. Jos järjestelmällä on edelleen hyviä tuloksia vähintään 1,000 1,000 kaupassa, järjestelmänrakentajalla on toimiva järjestelmä. Jos järjestelmä tuottaa alle XNUMX kauppaa otoksen ulkopuolisessa testauksessa, rakentajan tulisi harkita toista jälkitestausstrategiaa.
Bootstrapping on menetelmä piirtää joitain tietoja koko joukosta, testata, laittaa tiedot takaisin ja piirtää lisää tietoja tai ottaa uudelleen näytteenotto ja testata uudelleen. Ihanteellinen määrä näytteitä on nn tai n n: nteen potenssiin, missä n on alkuperäisen otoksen tietojen määrä. Kauppiaalle, joka todennäköisesti käsittelee vähintään 2,500 datapistettä – 250 päivää vuodessa 10 vuoden aikana – se ei ole käytännöllistä. Onneksi 100 uutta näytettä antavat korkean luottamuksen siihen, että käynnistysnauha -näyte heijastaa alkuperäisiä tietoja ja tekee tuloksista luotettavia. Jos 100 näytteen ottaminen ei tuota tarvittavia 1,000 XNUMX kauppaa, elinkeinonharjoittajan on jatkettava näytteenottoa, kunnes tämä tavoite on saavutettu, jos hän odottaa järjestelmän luotettavan luotettavuuden sijaan vain tietojen uudelleen näytteenottoa.
Viimeinen menetelmä jälkitestausstrategioille on Monte Carlon (MC) simulointi. Tämä menetelmä käyttää tietokonetta simuloidun datan tuottamiseen, ja järjestelmä testataan sitten näiden tietojen perusteella. MC -simulaation etuna on, että voidaan luoda rajattomasti dataa, jolloin voidaan luoda 10,000 kauppaa tai mikä tahansa muu määrä kauppoja. Toinen etu on, että jokainen uusi tietojoukko on poissa näytteestä. Tämä tarjoaa mahdollisuuden tehdä toistuvia optimointi- ja testausajoja; yksinkertaisesti optimoida tämä tietojoukko ja sitten soveltaa näitä järjestelmäparametreja seuraavaan tietoon, jonka tietokone luo.
MC -simulaation haittapuoli on, että tiedoilla ei ehkä ole täsmälleen samaa todennäköisyysjakaumatoimintoa kuin kaupankäyntitiedoilla, mikä voi vääristää tuloksia. Parhaassa mahdollisessa maailmassa kaikkia kolmea jälkitestausstrategiaa tulisi käyttää järjestelmän tarkastusprosessissa. Kaikkien kolmen menestyksen pitäisi tarjota erittäin suuri todennäköisyys menestyä reaalimaailman kaupassa.