Le processus de développement d'un bon système de négociation programmé pour obtenir un certain profit est complexe et pose de nombreux problèmes. Par exemple, il est fréquent que les investisseurs soient très confiants dans la rentabilité de la stratégie avant d'utiliser une stratégie de négociation, car les courbes de rentabilité des tests historiques de la stratégie sont lisses vers le haut.
Le processus de conception d'un système de négociation programmé comprend deux parties, qui peuvent entraîner une suradaptation; la première partie de la conception du système de négociation consiste à former un système complet de règles de négociation. Il existe généralement deux méthodes de formation des règles de négociation: une méthode de top-down, basée sur des observations à long terme du marché, qui résume les règles, puis une méthode de conception quantitative, basée sur des règles, qui nécessite une longue expérience de négociation. Une méthode de conception quantitative, basée sur des règles, est basée sur des données du marché, qui analyse statistiquement les stratégies de formation de nouvelles caractéristiques du marché.
L'analyse des données mathématiques modernes sur les marchés financiers montre que la séquence de prix dans le temps comporte deux parties: la première est celle des objets déterminés, d'où l'on peut découvrir de plus en plus de règles; la seconde est celle des objets aléatoires, où il n'y a pas de règles de certitude, et où un phénomène n'est qu'une probabilité. Lorsque nous extraisons des règles de négociation d'un marché historique, nous avons besoin d'analyser la logique et l'homogénéité des règles de négociation, et les règles de négociation doivent être capables de refléter la régularité du marché, puis nous avons besoin d'une certaine logique.
Premièrement, l'augmentation de la capacité des échantillons de données d'historique de test pour éviter un trop grand nombre de transactions. Si les données d'historique de test sont faibles, alors que le système conçu fonctionne bien dans l'échantillon, les tests sur des périodes plus courtes sont peu convaincants et il est difficile de prédire la performance future du système.
Deuxièmement, lors du test, le système est divisé en un échantillon de données à tester, un échantillon à l'intérieur et un échantillon à l'extérieur. Le système est conçu pour utiliser des données à l'intérieur du échantillon, puis un système est testé avec des données à l'extérieur du échantillon.
Troisièmement, il n'est pas souhaitable d'avoir trop de paramètres de base, un système avec trop de paramètres est un système à plusieurs degrés de liberté, qui donne toujours un système beau après avoir optimisé plusieurs paramètres, mais la fiabilité de ce système est douteuse.
Quatrièmement, lors de l'optimisation des paramètres du système, nous devons examiner les paramètres proches des paramètres optimaux. Si les performances du système de paramètres proches sont nettement inférieures aux performances des paramètres optimaux, alors ce paramètre optimal peut être le résultat d'une sur-addition, mathématiquement appelée résolution aléatoire, qui est instable. Si les caractéristiques du marché changent légèrement, le paramètre optimal peut devenir le pire paramètre.
Cinquièmement, appliquer le système de négociation à d'autres variétés et observer son efficacité. Les systèmes de négociation polyvalents sont rares, mais les systèmes qui fonctionnent bien sur une variété peuvent au moins être rentables sur une autre variété. Si vous ne pouvez pas être rentable sur une autre variété, vous devez faire attention à son efficacité lors de son utilisation, c'est-à-dire si elle est trop adaptée aux conditions particulières d'une variété.