回测漂亮，可能是偷看未来

你做一张历史考试卷，分数很高。但后来发现，你不是突然变聪明了，而是在答题时不小心看到了标准答案。量化回测里也有类似问题：策略在历史数据上看起来很会赚钱，可能不是发现了市场规律，而是研究流程用了当时还不知道的信息。这个问题叫 look-ahead bias，前视偏差。最近两篇材料把它放在了同一张桌上：一篇来自期权实证研究，指出一些“好得不像真的”收益可能来自偷看未来；另一篇把“不能偷看未来”写成一个可检查的形式化条件，试图让回测流程从靠纪律，走向靠证明。

本文事实主要来自 Jefferson Duarte 等的 RFS 期权研究摘要，以及 Xavier Fonseca 的 arXiv 论文全文材料。两者共同支持的核心很窄：前视偏差会美化回测或评估结果。期权收益、Sharpe、illiquidity 等具体结论只由 Duarte 等一篇材料支持；形式化检查器和不可判定性等结论只由 Fonseca 一篇材料支持。

漂亮结果，先问它有没有看过答案

回测，就是把一个交易策略放回历史里跑一遍，看它如果当时运行会怎样。问题在于，“如果当时运行”这句话要求很严：每一个历史时点的决策，只能使用那个时点已经可得的信息。

前视偏差破坏的正是这一点。比如，一个策略在 2020 年 1 月建仓，却用了后来才发布、后来才修订、或者后来才被确认干净的数据。它在历史里看起来像有预见能力，实际只是回测系统把未来递给了它。

Duarte 等的论文题目很直接：Too Good to Be True。按摘要，他们发现，期权研究中许多交易策略呈现出很高的平均收益和 Sharpe ratios。Sharpe ratio 是衡量“每承担一单位波动风险，赚到多少超额收益”的指标。它越高，策略看起来越漂亮。但作者说，其中一些看似“good deals”的结果，来自 look-ahead biases。

偏差从哪里来？摘要给出的机制是数据过滤。期权报价常有极端价格、低流动性和录入噪声，研究者会过滤掉看起来可疑的观测值。清洗数据本身不是问题。问题在于，如果你在组合形成时用了当时不可获得的信息，去判断哪些观测该删，就等于事后把坏样本剔除了。策略留下的是被未来信息修剪过的历史。

所以，异常高的 Sharpe ratios 在这里不是罪证，而是警报。Duarte 等说，它们可能作为前视偏差的潜在指标。注意是“潜在指标”：高 Sharpe 不必然意味着偷看未来，但它足够让研究者停下来检查。

期权研究里的警示

Duarte 等还给出两个更具体的期权结论。按摘要，他们认为，与既有文献不同，illiquidity，也就是流动性不足，在股票期权中并没有被强烈定价。换句话说，期权流动性差这件事，未必像一些早期研究暗示的那样，能稳定解释更高的预期收益。

他们还认为，事实上只有少量股票特征与 option expected returns，也就是期权预期收益，相关。这里的含义很克制：不是说所有期权因子研究都错了，而是说一旦把前视偏差这类流程问题处理干净，原来看起来很多的规律，可能会缩水。

这对量化研究很重要。量化策略常常从“历史上有效”开始。如果历史有效是因为未来信息混进了过去，后面的优化、组合、风控都会建在软地基上。你可以把参数调得更精致，把图画得更漂亮，但策略上线后面对的是没有答案的当下。

把“别偷看”变成可检查条件

Fonseca 的论文处理的是另一层问题：有没有办法不靠研究者逐项自查，而是让系统检查一个回测或 agentic trading pipeline 是否“无前视”？

Pipeline 可以理解为一条数据加工流水线：读取数据、对齐时间、做窗口统计、拼接数据、生成特征、最后做交易决策。Agentic trading pipeline 则加入了会检索、推理、调用工具的交易代理。这样的系统越复杂，信息从哪里流到哪里，就越难靠肉眼看清。

Fonseca 的核心说法是：look-ahead-freedom，也就是“无前视”，其实可以写成 temporal non-interference。Non-interference 原本是信息安全里的概念，意思是低权限输出不能被高权限秘密输入影响。放到回测里，“高权限秘密”换成了“未来信息”，“低权限输出”换成了“当前决策”。如果 2020 年 1 月的决策会因为 2020 年 2 月才知道的数据变化而改变，那就发生了干扰，也就是偷看未来。

这一步的好处是，它把一句经验规则变成了一个形式化性质：对任意决策时点，未来不可得的信息不能影响当时的决策。

论文还强调一个关键区分：availability time 和 reference time。前者是数据什么时候变得可用，后者是数据描述哪个时间点。比如一条财务数据可能描述去年四季度，但它的可用时间是后来披露那天。回测真正该看的是可用时间，而不是它描述的时间。

坏消息：不是所有流程都能被证明干净

Fonseca 的论文给了一个边界。按作者表述，如果数据的可用性可以依赖数据值本身，那么 look-ahead-freedom 是不可判定的，而且是 Pi-0-1-hard。通俗说，就是不存在一个通用程序，能对所有这类 pipeline 都判断“它绝对没有偷看未来”。

这也解释了为什么很多检测方法只能发现问题，不能证明没有问题。论文说，泄漏可以递归枚举，也就是如果确实有泄漏，理论上可以找到见证；但 freedom，也就是“完全无泄漏”，不能递归枚举。换句话说，检测器没报警，不等于流程干净。

好消息是，作者认为真实回测里常见的一大类流程仍然可以检查。这个片段叫 value-independent fragment，可以粗略理解为：数据什么时候可用，由数据源的日程、时间戳、披露规则决定，而不是由数据数值本身决定。在这个范围内，论文给出一个 type-and-effect system。Type-and-effect system 可以理解为一种静态检查规则：类型记录数据是什么，effect 记录这个结果最晚依赖到什么可用时间。

如果一个决策发生在时间 $t$ ，检查器要确认所有能影响它的值，最晚都在 $t$ 前已经可用。论文称这个系统是 sound，也就是接受的 pipeline 可以保证无前视；并且在线性时间内可判定。材料还列出它覆盖的常见操作，包括 windowing、resampling、joins、point-in-time/vintage reads，以及 agentic retrieval。

为什么这值得现在看

这两篇材料放在一起，有一个现实提醒：漂亮回测越来越不够用了。期权研究里，Duarte 等指出，一些异常收益和高 Sharpe 可能来自用未来信息过滤噪声数据。工程流程里，Fonseca 则主张，不能只靠“我们很小心”来管理前视偏差，而要把数据可用时间写进 pipeline 的规则里。

这对研究团队的含义很直接。第一，数据清洗不是中性动作。删掉可疑观测时，必须问一句：这个判断在当时能不能做？第二，评估指标不是独立证据。Sharpe 很高时，除了兴奋，还要检查它是不是被流程偏差抬高。第三，复杂系统需要机器可读的时间纪律。尤其当 pipeline 包含复权、重采样、数据库 vintage read，甚至 agentic retrieval 时，人工 code review 很难覆盖所有信息通道。

Fonseca 的框架有意思，也在于它把“时间戳”拆得更细。很多回测出错，不是因为研究者不知道日期，而是把“这条数据描述哪天”和“这条数据哪天能被知道”混为一谈。对市场来说，后者才是决策边界。

局限与未知

Duarte 等的期权结论目前在本材料中只来自论文摘要。摘要没有披露具体策略、样本、收益数字或清洗规则细节，本文不能展开到复现实验层面。
Fonseca 的检查器表现、线性扩展、独立 oracle 未发现 accepted pipeline 泄漏、以及能抓到 planted leak 等说法，均为论文作者声称。材料没有第三方代码审计或外部复现。
两篇材料不能互相证明彼此的细节。S1 支持期权研究中的实证警示，S2 支持形式化验证框架；它们共同说明的是同一件事：偷看未来会让回测和评估显得过于漂亮。