为了制定自动化策略，量化机器人需要能够捕捉到可识别的、持续的市场低效率。算法交易策略遵循一套严格的规则，利用市场行为，一次性市场低效率的发生不足以围绕制定策略。此外，如果市场效率低下的原因无法确定，那么将无法知道策略的成功或失败是否是偶然的。考虑到上述情况，有许多策略类型可以为算法交易机器人的设计提供信息。其中包括利用以下（或其任意组合）的策略：

· 宏观经济新闻（如非农就业或利率变化）

· 基本面分析（如使用收入数据或收益发布说明）

· 统计分析（如相关或协整）

· 技术分析（如移动平均线）

· 市场微观结构（如套利或贸易基础设施）

初步研究侧重于制定适合您个人特征的策略。在制定策略时，个人风险状况、时间承诺和交易资本等因素都是需要考虑的重要因素。

然后，量化机器人可以开始识别上述持续的市场低效率。回测侧重于验证交易机器人，包括检查代码以确保它按照投资者的意愿行事，并了解策略在不同时间范围、资产类别或市场条件下的表现，尤其是在所谓的“黑天鹅”事件中比如2007-2008年的金融危机。

对于可以工作的机器人，投资者们将希望最大限度地提高其性能，同时最大限度地减少过拟合偏差。为了最大限度地提高绩效，首先需要选择一个能够捕捉风险和回报元素以及一致性（例如，夏普比率）的良好绩效衡量标准。

同时，机器人基于过去的数据过于接近时，就会出现过拟合偏差；这样的机器人会给人一种高性能的错觉，但由于未来永远不会与过去完全相似，它实际上可能会失败。使用更多数据进行训练、删除不相关的输入特征以及简化模型可能有助于防止过度拟合。