在量化投资领域，程序化交易策略可能会多种多样，但它们都有一个共同的特点：策略的收益，这让不同的程序化交易策略之间可以相互比较。然而，收益本身可以按不同的时间长度来衡量，比如每小时、每天、每月、每季度、每年，等等。因此，在对不同程序化交易策略的收益进行比较时，需要保证所采用的收益频率是一致的。

不同程序化策略的收益可以用很多指标来度量，比如平均年度收益。平均收益值仅仅是收益分布均值所在的位置。高平均收益可能比低平均收益更好，但是平均收益本身并不包含收益在均值周围分散程度的信息，而这一点对于很多风险厌恶型投资者而言是至关重要的。

收益懂得波动率衡量的是收益在平均收益周围周围的分散程度，一般用收益的标准差来表示。波动率，或者标准差，常常最为风险的代名词。然而，标准差只概括了对均值的平均偏离程度，它没有考虑那些可能导致多年收益毁于一旦的极端负面风险。

实际工作者常用的一个度量尾部风险的方法是观察历史数据中的最大损失值，这种方法称为最大回撤法。最大回撤记录的是上一个全局最大值之后，下一个全局最大值（超出前一个全局最大值）之前出现的最小值所带来的波峰到波谷的最低收益。过去任何一个时刻所记录的全局最大值称为“最高水位线”。最大回撤就是两个相邻最高水位线之间的最低收益。水位最低的回撤也就是最大回撤。

在预先设定的时间窗口和频率之下，平均收益、波动率和最大回撤是不同交易策略之间相互比较以及观察某个交易策略最主要的指标。除了平均收益、波动率和最大回撤之外，实际工作者有时还使用偏度和峰度来描述收益率的分布特征。与往常一样，偏度描述的是收益率分布相对于均值的位置，正的偏度表示收益在均值右侧居多，而负的偏度则表示大部分收益在均值左侧。峰度则指示收益分布的尾部是否是正态的，高的峰度值意味着存在“厚尾”，即出现极端正直或者负值的概率比正态分布的情形要高。