बैकटेस्टिंग में निर्दिष्ट नियम ऐतिहासिक डेटा पर एक एग्ज़ीक्यूशन मॉडल के तहत लागू किए जाते हैं। इससे यह अनुमान मिलता है कि उस मॉडल ने क्या पैदा किया होता—यह नहीं कि किसी रियल खाते ने निश्चित रूप से क्या कमाया होता।

1. ऐसे नियम लिखें जिन्हें कोई दूसरा व्यक्ति दोहरा सके

इंस्ट्रूमेंट, डेटा स्रोत, सेशन, सिग्नल टाइमिंग, एंट्री और एग्ज़िट ऑर्डर, क्वांटिटी तय करने का तरीक़ा, लागत और ट्रेड न करने की शर्तें तय करें। बताएँ कि कोई सिग्नल पूरा हो चुका बार इस्तेमाल करता है या नहीं। इवैल्यूएशन चलाने से पहले नियमों का वर्ज़न तय कर लें।

क्रॉसओवर के उदाहरण में, एवरेज का प्रकार और पीरियड, कौन-सा बार क्रॉस की पुष्टि करता है, और उसके बाद सबसे पहले ऑर्डर का समय निर्दिष्ट करें। “क्रॉसओवर पर खरीदें” कहने से फ़िल से जुड़े अहम अनुमान अनसुलझे रह जाते हैं।

2. उस डेटा की जाँच करें जिसे आप जान सकते थे

छूटे हुए बार, टाइमज़ोन बदलाव, कॉर्पोरेट-एक्शन एडजस्टमेंट और फ़्यूचर्स कॉन्ट्रैक्ट रोल की जाँच करें। आज तक बचे हुए स्टॉकों की मौजूदा सूची ज़रूरी नहीं कि ऐतिहासिक यूनिवर्स हो। इकोनॉमिक रिलीज़ और कंपनी के आँकड़े टेस्ट की तारीख के बाद संशोधित किए गए हो सकते हैं।

हायर-टाइमफ़्रेम वैल्यू और कन्फ़र्म हो चुके स्विंग पॉइंट, अगर बहुत जल्दी इस्तेमाल किए जाएँ, तो भविष्य की जानकारी ले आ सकते हैं। डेटा वर्ज़न और टेस्ट सेटिंग सुरक्षित रखें ताकि नतीजा दोबारा निकाला जा सके।

3. ऑर्डर और लागतों का मॉडल बनाएँ

जिस बार में टारगेट और स्टॉप दोनों हों, वह यह नहीं बताता कि पहले टारगेट हिट हुआ या स्टॉप। जहाँ उपयुक्त हो, ज़्यादा बारीक डेटा इस्तेमाल करें या अस्पष्टता के लिए एक सतर्क नियम दर्ज करें। लिमिट प्राइस को छू लेना उपलब्ध क्वांटिटी या फ़िल की गारंटी नहीं देता।

वास्तविक फ़ीस स्ट्रक्चर और प्रतिकूल फ़िल से जुड़े अनुमानों की एक तर्कसंगत रेंज शामिल करें। हर ऑर्डर, इंस्ट्रूमेंट और इवेंट के लिए उपयुक्त कोई सार्वभौमिक एक से दो टिक की स्लिपेज अनुमत सीमा नहीं है। TradingView का स्ट्रैटेजी दस्तावेज़ बताता है कि एक ब्रोकर एम्युलेटर ऑर्डर कैसे संभालता है और टेस्टिंग की क्या सीमाएँ हैं; दूसरे टूल अलग हो सकते हैं।

4. सिर्फ़ कुल नहीं, क्रम की भी समीक्षा करें

एंट्री और एग्ज़िट के टाइमस्टैम्प, फ़िल, क्वांटिटी, लागत, ओपन एक्सपोज़र और छोड़े गए या रिजेक्ट किए गए ऑर्डर के कारण दर्ज करें। विन रेट और प्रॉफ़िट फ़ैक्टर के साथ-साथ नेट एक्सपेक्टेंसी, ड्रॉडाउन और कुछ आउटलायरों पर निर्भरता की जाँच करें।

45% विन रेट पर, जहाँ औसत ग्रॉस मुनाफ़े वाले ट्रेड औसत नुकसान से दोगुने हों, उस मॉडल में पॉज़िटिव ग्रॉस एक्सपेक्टेंसी होती है। लागत या अलग रियलाइज़्ड पेऑफ़ इसे उलट सकते हैं। फ़िक्स्ड टारगेट अनुपात किसी देखे गए औसत मुनाफ़े वाले ट्रेड के बराबर नहीं होता।

5. इवैल्यूएशन को चयन से अलग रखें

नियम विकसित करने के लिए डेटा का एक हिस्सा और उनका इवैल्यूएशन करने के लिए एक अलग हिस्सा इस्तेमाल करें। दूसरे हिस्से पर बार-बार ट्यूनिंग करने से वह एक और डेवलपमेंट सेट बन जाता है। कितने वेरिएंट आज़माए गए, यह दर्ज करें और प्रतिकूल अवधियाँ भी शामिल करें।

100 ट्रेड का कोई भी थ्रेशोल्ड अपने आप सांख्यिकीय महत्व नहीं बनाता। ट्रेडों के बीच निर्भरता, पेऑफ़ की वेरिएबिलिटी और मार्केट कवरेज मायने रखते हैं। सैंपल साइज़ की अनिश्चितता देखें।

इसके बाद फ़ॉरवर्ड सिमुलेशन नए आ रहे डेटा पर टाइमिंग और ऑर्डर वर्कफ़्लो की जाँच कर सकता है। यह सिमुलेशन ही रहता है, और अच्छे नतीजे के लिए लाइव पैसे वाले ट्रायल की ज़रूरत नहीं होती। सुरक्षा या इम्प्लीमेंटेशन से जुड़ी समस्या आने पर, सिर्फ़ किसी गिनती तक पहुँचने के लिए जारी रखने के बजाय तुरंत रोक दें।