随着我国股票和期货市场的不断发展，越来越多的投资者开始建立交易系统来指导自己的投资行为。很多投资者在设计和使用交易系统时常常遇到的一个问题是：为什么自己的交易系统在使用历史数据检测时表现优异，但是用于实战就表现平平呢？

　　一般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按照系统操作，历史数据准确度低等等。而实际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适当的检测方法，也就是说，你所看到的交易系统在历史数据中的高收益很可能只是一个假象，这样的系统在实战中的表现不能尽如人意便也不足为奇了。

　　设计程序化交易系统的步骤往往是这样的。首先，设计一个交易模型，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；确定参数之后在历史数据中检验交易系统的表现。一般而言，问题就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！这一点乍看起来貌似无可厚非，但是，具有比较丰富数学知识的人可以告诉你，这里的错误是致命的，它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差。

　　解决这个问题的办法在于，你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。如果你的模型在这种情况下还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。