Postoje tri glavna pristupa strategijama backtestinga: korištenje podataka o stvarnim cijenama podijeljenih u tri skupine; bootstrap, koji koristi podatke o stvarnim cijenama, ali ih ponovno uzorkuje; i Monte Carlo simulacija. Postoje teorijska pitanja koja dijele graditelje sustava oko toga koja je metoda najbolja. Ono što je važno za trgovca je da ispravno koristi barem jednu od strategija backtestinga u svom sustavu prije nego što mu povjeri svoj trgovački kapital. Ključno pitanje u odabiru strategije backtestinga je broj generiranih trgovina; potrebno je najmanje 1,000 obrta u svakoj fazi rada graditelja sustava.
Korištenje podataka o stvarnim cijenama, podijeljenih u tri dijela, uobičajena je početna točka za većinu graditelja sustava. Sustav je kreiran korištenjem prve trećine podataka. U ovom trenutku, graditelj je pronašao algoritme za koje se čini da generiraju dovoljan profit uz dovoljno mali rizik da ponude dobre izglede. Druga trećina podataka koristi se za optimizaciju sustava.
Nakon što je sustav optimiziran, on će se primijeniti na preostalu trećinu podataka. To se zove testiranje izvan uzorka i to je mjesto gdje većina sustava ne uspijeva. Ako sustav i dalje ima dobre rezultate u najmanje 1,000 obrta, graditelj sustava ima održiv sustav. Ako sustav generira manje od 1,000 trgovanja u testiranju izvan uzorka, izrađivač bi trebao razmotriti drugu strategiju backtestinga.
Bootstrapping je metoda izvlačenja nekih podataka iz ukupnog skupa, testiranja, vraćanja podataka i izvlačenja više podataka ili ponovnog uzorkovanja i ponovnog testiranja. Idealan broj ponovnih uzoraka je nn, ili n na n-ti stepen, gdje je n broj podataka u izvornom uzorku. Za trgovca koji vjerojatno ima posla s najmanje 2,500 točaka podataka – 250 dana u godini kroz 10 godina – to nije praktično. Srećom, 100 ponovnih uzoraka pružit će visoku razinu povjerenja da će bootstrap uzorak odražavati izvorne podatke, čineći rezultate pouzdanim. Ako uzimanje 100 ponovnih uzoraka ne pruži potrebnih 1,000 trgovanja, trgovac mora nastaviti s ponovnim uzorkovanjem dok se taj cilj ne ispuni ako očekuje da će sustav, a ne samo ponovno uzorkovanje podataka, biti pouzdan.
Posljednja metoda backtesting strategija je Monte Carlo (MC) simulacija. Ova metoda koristi računalo za generiranje simuliranih podataka, a sustav se zatim testira na tim podacima. Prednost MC simulacije je u tome što se može stvoriti neograničene količine podataka, što omogućuje generiranje 10,000 trgovanja ili bilo koji drugi broj trgovina. Još jedna prednost je da je svaki novi skup podataka izvan uzorka. Ovo nudi mogućnost ponavljanja optimizacije i testiranja; jednostavno optimizirajte na ovom skupu podataka, a zatim primijenite te parametre sustava na sljedeće podatke koje računalo generira.
Nedostatak MC simulacije je taj što podaci možda nemaju potpuno istu funkciju distribucije vjerojatnosti koju imaju podaci trgovanja, što bi moglo iskriviti rezultate. U najboljem od svih mogućih svjetova, sve tri strategije backtestinga trebale bi se koristiti u procesu provjere sustava. Uspjeh u sva tri bi trebao ponuditi vrlo veliku vjerojatnost uspjeha u stvarnom svijetu trgovanja.