एक अच्छा प्रोग्रामेटिक ट्रेडिंग सिस्टम विकसित करने से लेकर इसका उपयोग करके एक निश्चित लाभ प्राप्त करने तक एक जटिल प्रक्रिया है, जिसमें कई समस्याएं होती हैं। उदाहरण के लिए, अक्सर निवेशक ट्रेडिंग रणनीति का वास्तविक उपयोग करने से पहले रणनीति की लाभप्रदता के बारे में बहुत आश्वस्त होते हैं क्योंकि रणनीति के ऐतिहासिक परीक्षण की आय घटता है। वास्तविकता के बाद, पूंजी की अवस्था नीचे की ओर मुड़ जाती है, जो किसी को भी खुश नहीं करती है। इस घटना का एक महत्वपूर्ण कारण अति-अनुरूपता है। तथाकथित अति-अनुरूपता का अर्थ है कि इस डेटा के लिए, वर्णन की सटीकता बहुत अधिक है, और नमूना डेटा के लिए, वर्णन की सटीकता बहुत खराब है।
प्रक्रियात्मक ट्रेडिंग सिस्टम के डिजाइन प्रक्रिया में दो भाग होते हैं, दोनों भागों में अत्यधिक अनुकूलन का कारण बन सकता है; ट्रेडिंग सिस्टम डिजाइन का पहला भाग एक पूर्ण ट्रेडिंग नियम प्रणाली का गठन करना है; ट्रेडिंग नियम बनाने के लिए आम तौर पर दो तरीके होते हैंः ऊपर से नीचे का तरीका बाजार की गतिविधियों के लंबे समय तक अवलोकन के आधार पर नियम को संक्षेप में प्रस्तुत करना है, फिर नियमों के आधार पर संख्यात्मक ट्रेडिंग रणनीति बनाना है, जिसके लिए लंबे समय तक ट्रेडिंग अनुभव की आवश्यकता होती है; नीचे से नीचे का तरीका बाजार डेटा से बाहर निकलना है, जो बाजार की विशेषताओं के गठन के लिए रणनीतियों का सांख्यिकीय विश्लेषण करता है; प्रक्रियात्मक ट्रेडिंग के उद्भव और कंप्यूटर प्रौद्योगिकी के विकास के साथ, जो कि स्वचालित रूप से एक पूर्ण ट्रेडिंग नियम प्रणाली का गठन करता है; नीचे से नीचे का तरीका बहुत अधिक व्यापक रूप से अपनाया जा सकता है; व्यापारियों द्वारा विकसित ट्रेडिंग सिस्टम के संयोजन का उपयोग करने के लिए ऐतिहासिक डेटा का उपयोग करके तेजी से परीक्षण किया जाता है; यदि ट्रेडिंग सिस्टम के ऐतिहासिक प्रदर्शन को देखा जाए, तो नए ट्रेडिंग सिस्टम के निर्माण की गति का वर्णन किया जाता है; ट्रेडिंग सिस्टम के परीक्षण के लिए सबसे अच्छा
आधुनिक गणित के वित्तीय बाजारों के डेटा विश्लेषण से पता चलता है कि समय की कीमतों के क्रम में दो भाग होते हैंः पहला भाग निश्चित वस्तुओं का होता है, जिनसे अधिक से अधिक निश्चित नियम ज्ञात किए जा सकते हैं; दूसरा भाग यादृच्छिक वस्तुओं का होता है, जिनमें निश्चितता के नियम नहीं होते हैं, और एक घटना केवल संभावना होती है। जब हम बाजार के ऐतिहासिक व्यवहार से व्यापार के नियमों का पता लगाते हैं, तो हमें नियम की तार्किकता और समानता का विश्लेषण करने की आवश्यकता होती है, और व्यापार के नियमों को बाजार की नियमितता को प्रतिबिंबित करने की आवश्यकता होती है, और एक निश्चित तर्कसंगतता की आवश्यकता होती है।
पहला, बहुत कम लेनदेन से बचने के लिए ऐतिहासिक परीक्षण डेटा के नमूने की क्षमता बढ़ाना। यदि ऐतिहासिक परीक्षण डेटा की मात्रा कम है, तो डिजाइन किए गए सिस्टम ने नमूने में अच्छा प्रदर्शन किया है, लेकिन कम समय के लिए परीक्षण आश्वस्त नहीं है, और सिस्टम के भविष्य के प्रदर्शन का अनुमान लगाना मुश्किल है। और कम लेनदेन अक्सर बहुत अधिक लेनदेन नियमों के प्रतिबंधों को बढ़ाने के कारण होता है, जो घाटे में लेनदेन पर अत्यधिक दबाव डालता है, एक विशिष्ट अति-अनुकूलन व्यवहार है।
दूसरा, परीक्षण के समय, परीक्षण किए गए डेटा के नमूने को इन-सैम्पल और आउट-सैम्पल में विभाजित किया जाता है, डिजाइन सिस्टम में इन-सैम्पल डेटा का उपयोग किया जाता है, और फिर आउट-सैम्पल डेटा के साथ परीक्षण किया जाता है, यदि प्रभाव बहुत कम हो जाता है, तो ऐसी प्रणाली फिट होने की संभावना है।
तीसरा, बहुत अधिक कोर पैरामीटर नहीं होना चाहिए, बहुत अधिक पैरामीटर वाला सिस्टम एक बहु-स्वतंत्रता वाला सिस्टम है, जो कई पैरामीटरों के अनुकूलन के बाद हमेशा एक सुंदर प्रणाली का उत्पादन करता है, लेकिन इस तरह के सिस्टम की विश्वसनीयता संदिग्ध है।
चौथा, सिस्टम के पैरामीटर को अनुकूलित करते समय, हमें सबसे अच्छे पैरामीटर के पास के पैरामीटर पर विचार करने की आवश्यकता होती है। यदि निकटतम पैरामीटर प्रणाली का प्रदर्शन सबसे अच्छे पैरामीटर के प्रदर्शन से बहुत अलग है, तो यह सबसे अच्छा पैरामीटर अत्यधिक समापन का परिणाम हो सकता है, जिसे गणित में विचित्रता के समाधान के रूप में जाना जाता है, जो अस्थिर है। यदि बाजार की विशेषताओं में थोड़ा बदलाव होता है, तो सबसे अच्छा पैरामीटर सबसे खराब पैरामीटर बन सकता है।
पांचवां, व्यापार प्रणाली का उपयोग अन्य किस्मों के लिए करें और इसकी प्रभावशीलता का निरीक्षण करें। सर्वशक्तिमान व्यापार प्रणाली दुर्लभ है, लेकिन एक किस्म पर अच्छा प्रदर्शन करने वाली प्रणाली, दूसरी किस्मों पर कम से कम लाभदायक हो सकती है। यदि दूसरी किस्मों पर लाभदायक नहीं है, तो इस प्रणाली का उपयोग करने के दौरान इसकी प्रभावशीलता पर ध्यान दिया जाना चाहिए, अर्थात क्या यह एक किस्म के विशेष बाजार के लिए अत्यधिक अनुकूल है।