Ada tiga pendekatan utama untuk strategi backtesting: menggunakan data harga aktual yang dibagi menjadi tiga kelompok; bootstrap, yang menggunakan data harga aktual tetapi mengambil sampel ulang; dan simulasi Monte Carlo. Ada masalah teoretis yang membagi pembangun sistem tentang metode mana yang terbaik. Yang penting bagi trader adalah dia menggunakan setidaknya salah satu strategi backtesting ke sistemnya dengan benar sebelum mempercayakan modal tradingnya padanya. Masalah penting dalam memilih strategi backtesting adalah jumlah perdagangan yang dihasilkan; setidaknya 1,000 perdagangan diperlukan di setiap fase pekerjaan pembuat sistem.
Menggunakan data harga aktual, yang dibagi menjadi tiga bagian, adalah titik awal yang biasa bagi sebagian besar pembuat sistem. Sistem dibuat menggunakan sepertiga pertama dari data. Pada titik ini, pembangun telah menemukan algoritme yang tampaknya menghasilkan keuntungan yang cukup dengan risiko yang cukup kecil untuk menawarkan prospek yang baik. Sepertiga kedua dari data digunakan untuk mengoptimalkan sistem.
Setelah sistem dioptimalkan, itu akan diterapkan ke sepertiga data yang tersisa. Ini disebut pengujian di luar sampel, dan di sinilah sebagian besar sistem gagal. Jika sistem masih memiliki hasil yang baik di setidaknya 1,000 perdagangan, pembuat sistem memiliki sistem yang layak. Jika sistem menghasilkan kurang dari 1,000 perdagangan dalam pengujian di luar sampel, pembuat harus mempertimbangkan strategi pengujian ulang lainnya.
Bootstrap adalah metode menggambar beberapa data dari kumpulan total, menguji, memasukkan kembali data, dan menggambar lebih banyak data, atau mengambil sampel ulang, dan menguji ulang. Jumlah ideal sampel ulang adalah nn, atau n pangkat ke-n, di mana n adalah jumlah data dalam sampel asli. Untuk pedagang yang kemungkinan berurusan dengan setidaknya 2,500 titik data — 250 hari setahun dalam 10 tahun — itu tidak praktis. Untungnya, 100 sampel ulang akan memberikan tingkat kepercayaan yang tinggi bahwa sampel bootstrap akan mencerminkan data asli, sehingga hasilnya dapat diandalkan. Jika mengambil 100 sampel ulang tidak memberikan 1,000 perdagangan yang dibutuhkan, pedagang perlu melanjutkan pengambilan sampel ulang hingga tujuan tersebut terpenuhi jika dia mengharapkan sistem, bukan hanya pengambilan sampel ulang data, dapat diandalkan.
Metode terakhir dari strategi backtesting adalah simulasi Monte Carlo (MC). Metode ini menggunakan komputer untuk menghasilkan data simulasi, dan sistem kemudian diuji pada data tersebut. Keuntungan dari simulasi MC adalah bahwa seseorang dapat membuat jumlah data yang tidak terbatas, memungkinkan seseorang untuk menghasilkan 10,000 perdagangan atau jumlah perdagangan lainnya. Keuntungan lain adalah setiap kumpulan data baru keluar dari sampel. Ini menawarkan kesempatan untuk melakukan pengoptimalan dan pengujian berulang; cukup optimalkan kumpulan data ini, lalu terapkan parameter sistem tersebut ke data berikutnya yang dihasilkan komputer.
Kerugian dari simulasi MC adalah bahwa data mungkin tidak memiliki fungsi distribusi probabilitas yang persis sama dengan yang dimiliki data perdagangan, yang dapat mengubah hasil. Di dunia terbaik yang mungkin, ketiga strategi backtesting harus digunakan dalam proses pemeriksaan sistem. Sukses di ketiganya harus menawarkan kemungkinan sukses yang sangat tinggi dalam perdagangan dunia nyata.