１０）最適条件と利得の推定
それぞれの要因効果図を眺めながら、一番良い条件を決めます。
水準傾向が相反する場合は、優先したい条件を最適条件に選定します。
検証のため比較条件（中間的な条件）と最悪条件を決めます。これは、実験の検査を行うための手続きで、次の確認実験を行うために必要です。条件を決めたら利得を推定します。
右の表に決めた条件を記載しています。
最適条件の推定値は、
A2 + B3 + C1 + D1 + E3 + F3 + G3 + H3 – 7*Tavg
=1418+1510+1512+1354+1330+1291+1504+1360 – 7 * 1285.39 = 2281.6
同様に比較条件、最悪条件の推定値を計算します。それぞれの差が利得です。
計算した値が、その条件での推定値になります。
１１）確認実験
最適条件，比較条件，最悪条件のそれぞれで、シミュレーション計算を行います。その結果が推定値と合っていれば、再現性ありです。データをグラフにすると見やすいでしょう。絶対値よりも利得の再現性が重要なので、青い線と赤い線が平行な形になる（差が一定になる）かどうかに注目します。合計損益では、比較条件の実験値が異常ですが、最適条件と最悪条件との関係はバッチリです。それなりに再現性があったと見て良いでしょう。同様に他の評価項目についても確認実験の計算を行います。
VOL.1パーフェクトオーダーには、全ての評価項目について要因効果図と確認実験の図をつけています。
１２）目標値へのチューニング
最適条件を決める段階で、損益重視か勝率重視かなどバランスをとって決めているので、既に実施済みです。
１３）さらなる最適条件の追求
今回の結果を参考に、引き続きVOL.2，VOL.3･･･と継続して最適化の実験を行っていく予定です。VOL.1で取り上げた制御因子で、水準値をさらに変えたほうがよければ、その水準値で次の実験に組み込みます。結果が目標に達していないということは、制御因子が不十分ということなので、新しい制御因子を考えて取り入れていきます。
１４）技術情報の標準化
現時点の結果で、自分のトレードに取り入れると良いことがあれば、ルールとして定義します。