模型的建立是一个秩序渐进的过程，需要不断探索改进。建模时有两个值得注意的地方。
第一，对建立模型者而言，当模型不可能解释过去某段时间内的价格行为时，也有积极意义。因为它意味着模型可能有考虑不周的地方，比如，遗漏了比较重要的影响因素，这将有助于建模提高模型质量。而且有时不寻常的价格行为，可能仅仅是受孤立事件的影响，这种情况下应该将异常数据剔除可能反而是更好的处理方式。
第二个值得注意的地方是必须分清实际数据与在此之前的估计值之间的差别。实际上与市场当时交易的价格匹配的是预估值，而非实际值。这说明在模型中如果采用过去的估计值而不用实际值，拟合效果可能会更佳。因而，在模型构建与验证时，观察预期的统计数据是否可以改善模型效果是值得的。