要从三个方面看：
这也是建立交易系统的一个基本要求，交易系统中的每个规则，都能逻辑自洽，确保进出场规则可以符合「截短亏损，让利润奔跑」的技术分析宗旨，确保头寸规则可以符合「在亏损时减少仓位，在盈利时增加仓位」的资金管理宗旨等等，这是第一步，从理论上让自己的系统达到符合盈利的客观要求。
一个不知根知底的男人无法托付终身，同样，一个没有经历过足量历史数据遍历的系统无法用于实盘交易。
一个理论上可以获利的系统，因为某些自己没有考虑到的因素，结果可能是负期望的，所以用历史数据滚动测试是开发交易系统必备的一个环节。
我们将用复盘软件进行测试（如果你可以把系统程序化的话则更加简单），这里面有几个要点：
以交易周期为基准点，提供足够的历史数据和交易数据，确保样本数据的有效性
对同一个系统进行多周期测试，举例来说，如果一个系统在 H1 周期上可以获利，但是在 H4 周期上不可获利，说明这个系统是非常值得怀疑的，在 H1 周期上的获利可能并不能代表系统盈利的本质性，换句话说，优势不显著
对同一个系统进行多市场测试，每个市场都有自己的特性，这个不假，在一个市场中获利颇丰可能在另外一个市场并不是如此，但是如果差距太大，说明这个系统也是非常值得怀疑的，优势不显著，一个好系统，微调规则后，就能适应不同的市场
历史测试可以帮助我们在实盘之前考量一个系统的能力性、可靠性、可用性，同时在系统设计中，通过一系列数据统计，帮助我们对系统的改进提供方向性和指导性。
根据陈旧历史数据测试（2010 年至 2017 年历史数据）内推设计出系统原型
根据较新的历史数据测试（2018 年数据）验证系统原型的绩效
根据未来的数据测试（2019 年数据）外推系统绩效
三个阶段互为循环，帮组系统原型的改进，只有通过内推和外推验证的系统，才是可以作为实盘操作的系统。
盈利，负盈利的系统是不能采用的
交易次数，交易次数过少的系统不具备样本意义，对未来的指示性很低，较少的交易次数也可能源于曲线拟合下的强过滤，交易次数的提高有三个方向：减少过滤（特别是那些因系统无法解释数据而强加上去的过滤）、使用较小的时间框架、交易多个市场，同时我们要警惕交易次数过高的非理性频繁交易行为
胜率，胜率过大的系统往往采用了「让亏损奔跑，截断利润」的策略，或者系统对亏损交易进行了强过滤，属于曲线拟合，胜率过小的系统往往缺乏稳定性，胜率的增加有三个方向：顺势，止损放在阻力支撑等较难突破的点位，剔除一般的交易点位
平均盈利和平均亏损，盈亏比，盈亏比过小的系统一般是负期望的，盈亏比过大的系统的盈利往往来源于寥寥几笔大盈利，这是需要我们重视的，这样的系统有极高的心态素质要求，其次，这样的系统常常缺乏稳定性，从理论上来讲，我们可以通过一次巨大盈利冲销多次小幅亏损，但实践表明，中等的胜率和中等的盈亏比的系统，更加具有统计意义上的稳定性，换句话说，这样的系统更加优秀，增加盈亏比通常有两个方法：让盈利的头寸盈利更多（让利润奔跑），让亏损的头寸亏损更少（截断亏损）
最大连续亏损（盈利）次数（额度），如果实盘连续亏损次数小于测试，我们应该坚定不移执行策略，如果实盘连续亏损次数大于测试，我们应该警惕系统失效（假性失效）和市场变化的可能性
最大盈利和最大亏损，如果最大盈利和平均盈利相差太大，则应该剔除这次最大盈利，一半不具备再现的可能性，如果最大亏损和平均亏损相差太大，则应重新考量资金管理策略对风险的抵抗能力，一般来说，单比最大亏损不能超过资金的 6%
最大回撤，历史数据测试会低估最大回撤，如果最大回撤过大，系统也是不稳定的，对心态要求极高，是不推荐的
健康的资金曲线，犹如一次价格上升趋势，在上升的过程中，虽然有回调，但是回调都不是很大，在回调后能突破新高，最大回撤、最大回撤恢复时间均能控制在历史数据范围内。
这样健康的资金曲线，能持续 N 时间，我们就可以姑且认为自己可以稳定盈利了，N 参数与交易频率、系统正期望反馈时间有关，比如一个 15 分钟交易系统，平均每天交易 3 次，系统正期望反馈时间在 1 个月，那么 N 取值在半年，一个 H4 交易系统，平均每月交易 10 次，系统正期望反馈时间在 3 个月，那么 N 取值在一年半。
联系客服
