ストラテジー(売買戦略)作成後の検証は『パフォーマンスレポート』の分析による「バックテスト」と『オプティマイザー』による「最適化」があります。ストラテジーの性質により検証作業のなかで最適化が占める割合は変わってきますが、バックテストと同様、最適化はストラテジーの検証作業からは外すことができないものです。

作成中のシステムが裁量トレードと経験値に基づいて構築されており、使用しているパラメータが少なければ、最適化の時間は少なくて済む可能性が高いですが、システム作成の目的が資産曲線を始めとして、一般的なパフォーマンス項目が優秀になるルール自体を探すことにあれば、最適化の組み合わせ数と、計算に掛かる時間はとてつもなく多くなります。

しかし、トレードシグナルは最適化機能に複数のアルゴリズムを備えているため、システムの性質に合わせた最適化を行うことができます。この特徴のおかげでバックテストと最適化から成る検証の過程はとてもスムーズです。最適化アルゴリズムは次の4つを搭載しています。

総当たりで特定のパラメータの範囲をすべて分析したいときに役立ちます。例えば、複数のパラメータのすべての組み合わせ結果の値を求めたいときなどです。時には何万通りも最適化する必要があります。

パラメータの項目を絞り、遺伝的アルゴリズムを利用して高速に最適化する方法です。オプティマイザーは結果の上位だけを表示します。これによって、計算時間と表示時間を短縮することができます。

トレードシグナルの遺伝的アルゴリズムは自然界に存在する自然淘汰と同様の動きから近似解を探索します。そのために遺伝子、染色体、適合、母集団等の概念を使用します。発想的にはモンテカルロのようなランダムソートに似た働きです。しかしモンテカルロが検索を故意に行うのに対し、遺伝的アルゴリズムの目的は適応度の高い固体（トレードシグナルでいうと最適化の条件、つまり組み合わせ条件）を持つ、母集団を探し出すことです。このようにすると、初期母集団の染色体より最新の母集団の染色体がよりよいものになります。そして最新の母集団の中でベストの染色体を最善の解とみなします。

検証期間をずらしながら複数に区切り、さらにその1つ1つの期間をイン・サンプルとアウト・オブ・サンプルで分け、ぞれぞれの期間を最適化します。複数の検証期間を使用するのでその結果の信頼性は高まります。