Существуют два основных подхода к разработке автоматизированных торговых стратегий. Первый подход базируется на априорных принципах и концепциях, определяемых разработчиком стратегии. Каждый элемент стратегии такого рода создается на основе предположений, вытекающих из экономических знаний, фундаментальных оценок инвестиционных активов, экспертных оценок, предположений о динамике рынка, закономерностей технического анализа и многих других факторов. Результатом формализации этих знаний, оценок и предположений является разработка комплекса торговых правил, составляющих основу торговой стратегии. Используя терминологию, предложенную Робертом Пардо, мы будем называть такой подход научным.

В предельном случае научный подход предполагает полный отказ от использования процедуры оптимизации. Все торговые правила и параметры торговой системы определяются исключительно исходя из знаний, предположений и прогнозов разработчика. Очевидно, вероятность создания прибыльной стратегии в условиях полного отказа от оптимизационной настройки системы на исторических данных крайне низка. Насколько нам известно, научный подход в чистом виде практически не используется в реальной торговле.

Альтернативный подход основывается на полном отказе от использования осмысленных априорных закономерностей и знаний в процессе разработки автоматизированных торговых стратегий. Этот подход предполагает массированное использование компьютерных технологий. В упрощенном виде его можно охарактеризовать, как поиск таких алгоритмов покупки и продажи активов, которые позволяют максимизировать задаваемые разработчиком функции полезности. Алгоритмы выбираются из большого числа готовых библиотек либо создаются самим разработчиком. При этом механизм построения алгоритмов не задается каким-либо разумным образом, основанным на предварительных предположениях, и не ограничивается никакими внесистемными соображениями. Выбор торговых алгоритмов осуществляется исключительно на основе их тестирования на исторических временных рядах. Получаемая в результате торговая стратегия представляет собой набор правил, лишенный определенной экономической и поведенческой логики. Следуя терминологии Роберта Пардо, мы будем называть такой подход эмпирическим.

В предельном случае эмпирический подход основывается исключительно на оптимизации и целенаправленном поиске таких комбинаций алгоритмов и параметров, которые принесли бы максимальную прибыль (минимальный убыток либо удовлетворяли требованиям любой другой функции полезности) в прошлом. На сегодняшний день существует множество высокотехнологичных разработок, позволяющих осуществлять эффективный и достаточно быстрый поиск оптимальных алгоритмов и параметров, удовлетворяющих требованиям эмпирического подхода. В качестве примера можно привести нейронные сети и генетические методы, позволяющие находить оптимальные решения за счет построения самообучающихся систем.

Как правило, торговые стратегии, созданные на основе эмпирического подхода, показывают превосходные результаты в ходе тестирования на исторических временных рядах, однако приводят к провальным результатам в реальной торговле. Причиной этого является чрезмерная заоптимизированность (overfitting). Не спасает даже применение анализа на условно-будущем периоде (walk-forward), поскольку наличие большого числа степеней свободы при построении стратегии позволяет выбрать такой набор правил, который позволит получить приемлемые результаты не только на оптимизационном периоде, но и на условно-будущем периоде, не задействованном в ходе оптимизации (подробнее об этом будет рассказано в главе, посвященной бэктестингу). Поэтому практическое использование эмпирического подхода в его чистом виде весьма рискованно и малоприменимо в реальной торговле.