任何交易可以在历史数据上测试。在测试完成之后，总结性的结果和一些特性会在 报告 标签显示。报告允许对不同智能交易进行对比，对于相同而不同输入数据的智能交易进行对比。本文将会详细解析测试报告中的数字意义。

以下方测试报告结果为范例进行解析:

'Ticks modelled'显示模型次序的大小。 每一个记录的次序代表柱的当前或另一时刻状态 (OHLCV)。 不同柱的状态取决于时间范围，模型方法，和从较小时间段内的柱的历史数据。

ModellingQuality = ((0.25*(StartGen-StartBar) + 
 0.5 *(StartGenM1-StartGen) + 
 0.9 *(HistoryTotal-StartGenM1)) / (HistoryTotal-StartBar))*100%;

位置:

StartBar - 开始测试柱的数字。模型开始于最小的第101个柱或者测试水平初始日期相关的柱;

对于最近时间范围数据库模型的开始和最近时间范围数据模型的开始存在重量系数0. 25的区别;

对于最近时间范围数据库模型的开始和最近时间范围数据模型的开始在原有分钟内存在重量系数0. 5的区别；

Expected Payoff = (ProfitTrades / TotalTrades) * (GrossProfit / ProfitTrades) - 
 (LossTrades / TotalTrades) * (GrossLoss / LossTrades)

位置:

在图表的下方会给出测试的最大借款价值的基本状态。总的最大借款价值会以粗箭头标出。

Short positions (won %) - 卖空仓位总数额和其中赢利百分比（卖空仓位/卖空仓位总数*100%）；

Long positions (won %) - 看涨仓位总数额和其中赢利百分比（看涨仓位/看涨仓位总数*100%）；

Profit trades (% of total) - 赢利交易总数和交易总数的百分比（赢利交易/交易总数*100%）；

Loss trades (% of total) - 亏损交易总数和交易总数的百分比（亏损交易/交易总数*100%）；

Maximum consecutive wins (profit in money) - 在这一系列赢利总数和交易的赢利系列中最大连续盈利；

Maximum consecutive losses (loss in money) - 在这一系列亏损总数和交易的亏损系列中最大连续损失；

((0.25*(3042-2371) + 0.5*(3917-3042) + 0.9*(4190-3917)) / (4190-2371))*100% =
((0.25*671 + 0.5*875 + 0.9*273) / 1819)*100% = 46.78%