想象你每分钟拍一次窗外，却用接下来一小时是否下雨作标签。9:31和9:32两张照片对应的“一小时”几乎是同一段天气。分钟特征预测小时收益也一样：9:31—10:31与9:32—10:32共享绝大部分价格路径。两行数据看似是两个样本，实际并非两次独立观察；若直接混入训练和验证，模型的精度与样本量都可能显得过于漂亮。
怎么处理，取决于模型如何使用。一种办法是按固定间隔取预测点，换来更少但更干净的样本；若实际交易确实每分钟更新预测，也可以保留全部数据，但训练、检验和绩效统计必须承认相邻误差彼此相关。据 Finance Research Letters，多步预测的相邻目标共享未来观测，即使模型正确，短于预测期限的误差也可能存在序列相关。
验证时可用 purging——删掉标签区间与测试集重叠的训练样本——并配合 embargo，在测试区间后留出缓冲；据 Wiley《Advances in Financial Machine Learning》，这能降低验证泄漏。但它不会把重叠标签变成独立证据。原帖只提出了问题，未给出实验或最佳方案；真正要避免的，是把“每分钟一行”误当成“每分钟多一份新信息”。