伴随着我国金融市场的不断发展，尤其是股票和期货的日新月异，越来越多的投资者开始建立自己的交易系统来指导自己的投资行为。但很多投资者在设计和使用交易系统时往往会遇到的这样一个问题：为什么自己的交易系统在使用历史数据检测时表现优异，但是用于实战的时候就表现平平，甚至亏损呢？
普通的分析者在分析这个问题时主要将原因归结为投资者没有严格执行交易系统，或者认为历史数据准确度低等等。但事实上一个至关重要且被很多人忽视的原因是，此交易系统在检测时使用了不恰当的检测方法，也就是说，投资者所看到的交易系统在历史数据中的表现优异很可能只是一个假象，这样的系统在实战中的表现不尽如人意便也是情理之中。
通常设计程序化交易系统的步骤是这样的。第一，制定一个交易模型，交易模型中含有若干参数；然后根据历史数据优化这些参数；选定参数之后利用历史数据中检验交易系统的表现。一般情况下，问题主要出现在第二步和第三步――模型设计者可能在优化参数和检测系统的过程中使用的是相同的数据集！这一点初看起来貌似并无问题，但是，具有比较丰富数学知识的人可以告诉你，这种错误是致命的，最后很有可能使得在历史数据中表现越好的系统在实战中表现越糟糕。
笔者认为解决这个问题的办法在于，交易者需要把历史数据分成两份，一份用于优化参数，另外一份用于检测模型的效果。如果交易者的模型在这种情况下依然能有比较优异的表现，那么这个模型在实战中的效果就比较能够得到保证了。
交易者使用程序化交易系统进行交易，如果系统不能有效的经受住历史的检验，那么这样的系统投入到实战中也不过只是让交易者叫更多的学费罢了。
