很多投资策略(包括基本面分析、技术分析、非直接或套利策略)都依靠统计指标来确定投资信息数据之间的关系，并最终形成投资决策。这一大类方法包括了本文所介绍的绝大多数投资方法，比如平均利差(固定收益)、回归模型(被普遍应用)、广义自回归条件异方差模型(Garch模型)(多因素的短期预测，尤其是波动率),甚至包括对风险的定义。这些技术本质上似乎是很合乎逻辑的，并且趋于得到满意的结果。
这些技术也并不都是假定数据是正态分布的，但是很多都是以此为基础的。这个假设对于很多资产来说都是合适的，但是对于其他一些资产来说则是不可行的。
非参数投资策略(nonparametric investment techniques)在决定投资关系的内在过程时，不做任何假设，包括不假设价格和收益率的分布形态。相反地，非参数投资策略依靠一系列的方法来确认应该买入或卖出的证券。这里举个非参数投资策略的例子。
先从几个因素入手，对备选的投资项目进行评级，然后选出应该买卖的证券。具体来说，假定我们用市盈率来进行证券评级，根据得到的结果，将所有证券分为3到5个集合，并选出最优组(市盈率最低)和最差组(市盈率最高),然后加入第二个评级标准，假定这个指标是股息率，根据股息率的评级结果在前面的组内再分成3到5个子集。
这样市盈率最低组中的一些最优证券(股息率最高的)和市盈率最高组中的一些最差证券(股息率最低的)就被确定下来，接下来就可以买入最优股票，卖空最差股票了。决策过程中的评级标准可以是基本面分析数据，也可以是技术分析数据。这些数据可以是非连续的，也可以是非数字的。这些数据可能对标准金融市场数据进行了新的应用。
一些对冲基金愿意花费很多资源去收集原始数据(比如说Home Depot停车场有多少个空位；在美联储的玻璃窗外是否有一长排的投资者在等候竞标；投资公司的营业部每天出售的入场券的数量-不论入场的投资者是否买卖证券),采用非参数投资策略有很多理由。首先，很多非参数投资策略的方法能够获得非常好的收益回报。
其原因是，非极限数据点可能是不可预计的，但是极限数据点是可以预计的。而且以非参数方法得到的结果为基础，投资者能够获得标准统计方法无法获得的数据。其次，以这种方法进行投资得到的收益与传统投资组合收益的相关性不大。
也许低相关性正是非参数方法与传统的统计分析方法有着根本不同的原因。最后，非参数方法的独特性以及在直觉上吸引人的特点，使它更容易被投资者和市场所接受.
