投資人會因心理預期股價走勢而進場、退場 , 有些投資人會依據想法寫策略然後進行回測 , 但更多投資人是根據歷史資料做統計。程式交易離不開統計 , 即便統計出的數據無法完全驗證到實際的走勢上 , 但其勝率、期望值等仍為大部分投資人參考的重要依據。
正因為如此，所以也有人將程式交易稱之為「統計學」，透過回測的統計資料 , 驗證策略的可行性及表現。既然用到統計 , 那麼一定會牽扯到統計檢定及機率。曾永政 (阿政) 先生的文章中已經說明了「檢定」也許會放棄一個能獲利的策略 , 卻節省了更大的錯誤嘗試成本。
除此之外，機率也是相當重要的一個概念，假設回測結果測得一勝率，那麼可以假設我用該策略，每次進場的勝率都是相同的。但問題是我們常常以較少的次數去判定回測勝率的準度，忽略了機率的概念；另外一方面，過多的次數又有可能造成策略實際上已是負期望值，卻太慢發現的問題，目前我也還想不到解答，也許有高手能提供協助。
統計在程式交易的意義
程式交易是系統交易的一種實現方法，多了一些統計上的方法來檢驗交易的方法是否有獲利的可能，也多了一些方法可以讓我們為未來必然會出現的挫折早做準備。
我幾乎可以說程式交易的計畫內容都 base on 統計。統計的數學理論可以給我們更強的信心去進行投機冒險，但卻不能給出什麼保證。一如統計的有效性檢定，P值。最常聽到的：95% 機率否定該假設的成立───這是什麼意思，有多少人想過？95% 的機率否定假設，也意味著我們有 5% 的機率放棄了一個正確的假設（無法證明它是對的，並不代表它是錯的）！
我們有可能因為統計上的檢定而放棄了一個其實有獲利能力交易策略，但得到更大的錯誤嘗試成本的節省，而且是很高的效益對換。
交易策略的規則、定義必須嚴謹。因為，不如此無以量化，不量化無以統計，不統計無從得知期望值，也無法權衡出交易計畫所有必備的細節設定。在這階段，我們必須保持正確的要求，但對於策略的執行卻又得容許它可能在不夠正確的未來中執行。
想清楚了這些統計上所隱含的意義，才能知道我們取捨了什麼，而不是追求絕對的正確。
