交易模型的系统程序化
作为职业基金管理者，其投资行为必须具有一定的逻辑性和科学性，投资决策要求客观、迅速，不能带有模糊不清的分析和主观判断，而系统化的交易决策模型可以通过现代计算机技术将传统的交易方式转换成为数学模型，并通过大量的信息和数据进行检验分析，评估交易模型的可行性，从而做到严格的定性和定量，保证了投资决策的科学性。
交易模型系统程序化的步骤：a.确定交易模型的交易原则，进出场的信号确定、资金使用比例、风险控制原则等，如KD低位交叉为买入信号，高位交叉为卖出信号；b.确定交易模型中的参数和自变量，如KD指标中的天数等；c.将交易模型程序化，按计算机语言将交易模型转换公式，使交易模型的检验过程能通过计算机进行客观的检验。
交易模型的模拟检验
模拟是对建立的系统或决策問題的数学或逻辑模型进行试验，以获得对系统行为的认识或帮助解决决策問題的过程。模拟的主要优点在于检验交易模型中的問題或系统的任何假设模型化的能力，使它成为最灵活的工具。判断交易模型是否有实用价值，最简单、最可靠的途径是通过在尽量多的市场里，进行长时间的测试。为了减少交易模型的检测成本，检测先从模拟开始。交易模型检验的基本原则是“模拟实战”，一切条件都要接近实战条件，使检验结果尽可能真实，因为只有这样才能使交易模型有真正的使用价值。
1.突发事件
在检验过程中一定要包含有突发事件(包括涨跌停板)，因为除了要检验交易模型在正常情况下的运作情况，还要有应付突发事件的能力，不能因为是“小概率”事件而忽略了突发事件的影响，应遵循“模拟实战”的基本原则。一个成熟的交易模型，即使不能捕捉到突发事件带来的超额利润，也应该有能力抵抗突发事件带来的风险。
2.检验的信息和数据
对于数据分析交易模型，需要有完善的信息数据库，信息的来源随着科技的发达，互联网的不断应用，信息的收集比以前方便了许多，因此要整理完善好信息数据库相对较容易。对于技术分析交易模型，由于期货基金运作的是期货品種，期货品種的数据有它的独特性，欧美期货的数据有各自不同的特点，如伦敦金属的期货数据没有出现“断层现象”，使用计算机检验就不会有問題，而國内的期货数据源袭了美式期货数据，不同的交易合约换月时会出现“数据断层”，不能像股票一样使用简单的除权处理，因此要通过交易模型的检验首先对数据进行处理。
实际合约数据：按照实际的合约交易数据，缺点是十分明显的，因为國内期货合约目前只有1年的周期，因此在检验时数据周期就显得太短了，而且在相当长的交易时间内合约的成交量并不活跃，流动性小，不具有代表意义。
即月连续数据：按合约交割日连接，连接起来形成连续数据。这样产生的连续数据优点是具有实际交易性，但在实战交易中会产生差别，交割前成交不活跃，缺乏代表性，像上海铜一般都是交割月后第四、五个合约成交活跃；缺点则是会产生“断层现象”，对检验结果产生重大的失真。
价差调整连续数据：按照一定的规则，在进入交割前一定时间内连接随后的合约数据，这里的时间参数X，要根据不同品種来确定，上海铜要比大连大豆和郑州小麦的时间参数X要大，将调整时两个合约的价差累计下来，最后将累计价差加减到数据列中，得出最终的期货数据。特别注意的是，经过调整的期货数据可能会出现负值，要做相应的数据调整，但这不会影响使用计算机检测的交易结果。优点是能长时间反映价格变化水平；缺点是数据不能直接应用于实际交易中，需要通过转换。
权重连续数据：按照固定的时间连接随后的合约数据，同时按近月大、远月小或是按成交量与持仓量的比重计算连续价格，随着时间的推移，较近的合约的权重越来越小，而远月的权重越来越大。优点是消除了数据“断层现象”，可以选取多个活跃月份，这样就可以更真实地贴近实战交易；缺点也是数据不能直接应用于实际交易中，需要通过转换。
以上四種数据处理方式各有所长，要根据使用者的情况选用。对于短线使用者，实际合约数据较好，而对于中长线的使用者连续数据才能真实反映实际中长期的盈亏情况，并进行计算机的检测。在对交易模型的检测中，为了保证检验结果的可靠性和稳定性，需要足够的统计样本数据，按照统计学的大样本要求，样本数量要多于30个。以短线为主的交易模型，数据时间不能短于1年的分时数据，使用日线数据检测的不能少于3年以上，数据分析交易模型的数据要求要经历一个以上的循环周期。
