程序化策略失效还是正常失误究竟该如何判断？如果失效的话，是应该完全放弃策略还是只需要调整参数呢？可藉由学术界的量化检验或实务界的经验规则，首先来了解一下统计检定，这是个较科学的方法，依据要检验的统计量，做均值、变异数与比例值的检定，用简单的话说，如果要确定该策略之‘历史回测过程报酬率序列’，例如，回测期间交易的报酬分别为10%,14%, 8%, -3%, 5%, -7% …，与‘运用策略以后的报酬率序列’(-2%, 5%, -6%,3%...)间有无「明显」(所谓明显通常意指95%的可能性)变差，则做所谓的「均值检定」;如果均值检定样本数(即前述的报酬率值数目)大于等于30采大样本检定，小于30采取小样本，通常均值检定采取小样本，因为如果要等到策略运用过程收集到30个样本，恐怕会连连亏损了。

再则，报酬在策略运用过程是依序产生的，检定时有2个报酬就可以了(验证是否失效)，但在样本不足时此统计方法也不会妄下定论，所以，只要顺着产生的报酬数据依序带入检定，检查是否碰到临界值(失效的界线)或P值(依然维持原有绩效的可能性)，就可以决定是否放弃该交易模型了。同理，可以用比例检定胜率是否改变，或者用变异数检定检定风险特性是否改变。

实务界的规则，根据RobertPardo的建议是这样的，如果一个交易系统是经过良好的design,良好的最佳化，没有over-fitting的情形：

1.如果此系统是用2年的历史数据且都有不错的历史表现而设计出来的，应该会有6-12个月的生命周期。

2.如果此系统是用5年的历史数据且都有不错的历史表现而设计出来的，应该会有1-2年生命周期。

因为时空背景不同，所以这个答案可以参考，却不能一概而论，但提供一个可以接受的观念，「回测期间与可用期间成正比」，一般做短线、当冲、高频交易，回测只需取前几天。即，你周期使用的越小，平均的持仓时间越短，测试就可以用越短的数据来进行，这也是为什么日内交易一般测式一年的时间就够用，而隔日需要两年或以上的原因。

至于失效以后如何呢?

有些人认为应该修改参数或放弃策略。古期认为，要按照你建立策略的思路来分析对待。至于时间数列方法可否使用，因为是非定频时序数据，所以我认为除非这领域的方法有突破(而我不知道)，否则用处不大。而有些为了测试数据，胡乱用一些软件功能上的参数优化，我是坚决反对的，因为这样会过度优化参数，使得未来效用不大，甚至反效用。策略参数，思路的制定，我主张比历史经验，平常经验中提取。