你在下午五点交卷，老师却把晚上公布的标准答案塞进你的草稿，再夸你答得准。听起来荒唐，但电价模型的历史回测里，类似的“时间穿越”可能很隐蔽：天气档案会按模型启动时间标记一轮预报，而这轮预报真正对外可用，往往已经是几小时后；档案里留下的，还可能是发布后继续修订过的最终版本。
这篇 arXiv 预印本研究的不是某种更强的预测算法，而是更基础的问题：模型当年究竟能看到什么。作者 Abdelkrim Alfalah 检查了英国电力市场使用的商业天气档案，并主张在拟合模型之前，先按时间戳审计整条数据管道。下文数字均来自这一篇尚未获得独立交叉印证的研究。
一个时间戳，不等于数据已经到手
电力会在交付前经过多轮拍卖。英国的日前拍卖在交付前一天关闸，首次日内拍卖稍晚关闸。“关闸”就是订单停止提交的截止时刻。风电、光伏和用电需求都受天气影响，因此交易者和电价模型会不断吸收新的天气预报。
问题在于，一轮预报至少有三个时间：天气模型开始运行的 issue time，客户第一次看见结果的 publication time，以及数值停止变化的 finalisation time。商业档案通常按第一个时间索引，但真正决定交易者能否使用数据的是后两个时间。
论文分析了十种天气模型配置的 128,656 次预报运行，覆盖英国 2022 至 2026 年的日前与首次日内拍卖。不同配置从启动到发布的中位延迟约为 2.75 至 6.72 小时；最终定稿还可能更晚。作者曾每 60 秒轮询一次供应商接口，直接观察三轮新预报何时出现。其间一轮 GFS 预报的最终时间戳在随后 100 分钟内更新了 77 次，最后距离启动时间 5.3 小时。
如果研究者只查询“关闸前启动的最新一轮”，就可能拿到当时根本没有发布的预报。论文称，在两个关闸点中的至少一个，十种配置里有六种在超过 99% 的交付日上都会发生这种情况。这里的“超过 99%”不适用于所有配置和两个关闸点，而是限定在这六种配置各自对应的至少一个关闸点。
夏天会突然把回测弄脏
第二个陷阱来自时区。拍卖按照英国本地时间运行：冬季是 GMT，夏季是 BST，也就是 UTC+1；天气档案则使用 UTC。若程序把本地关闸时间当成全年固定的 UTC 时间，夏季的信息边界就会错开一小时。
GFS 在日前关闸点的结果最直观。按照论文统计，用“关闸前最新启动”这条朴素规则，冬季选到尚未发布预报的比例只有 0.6%，夏季却达到 99.8%。只拿冬季样本做检查，数据管道看起来几乎干净；换到夏季，同一规则几乎天天“偷看未来”。
发布时间本身还会漂移。论文发现，四种 ECMWF 配置的发布延迟在 2024 年下半年经历变化，2025 年的中位延迟比此前缩短约 0.6 至 1.4 小时；ICON 的部分运行则逐渐变慢。因此，“统一减去几小时”并不能永久解决问题。今天安全的时间边界，明天可能已经越线。
交易系统通常还需要留出处理数据和提交订单的时间。这个 action margin 看似只是几分钟，却可能让系统错过刚发布的一轮预报，只能退回上一个周期。论文的一个例子是：在夏季日前拍卖中，给 ICON 留出 5 分钟操作余量，就可能使所用预报从约 2.8 小时前的运行退回到约 8.8 小时前，相差完整六小时。
泄漏不一定让数字更漂亮
这类问题叫 前视偏差（look-ahead bias）：训练或回测时使用了决策当下尚不可得的信息，相当于让模型偷看未来。它还会造成训练与上线不一致——历史训练吃到较新的预报，真实运行时却只能拿到较旧版本。
作者进一步比较了错误选取的输入与关闸时可重建的输入。两者不只是标签不同：风电和光伏预报的平均差异可达到对应平均实况的约 2% 至 7%，风电差异可达数百兆瓦；需求预测也存在约 1% 至 2% 的差异。
但泄漏并不保证回测更好看。论文报告，不同变量、天气模型、关闸点和季节下，错误输入带来的表观准确率变化落在约 -9% 至 +24% 之间。换句话说，它有时让结果显得更准，有时反而更差。尤其不能把区间上端直接表述成“最高提升 24%”：负值的具体指标方向仍需结合论文定义理解。真正的问题不是成绩一定虚高，而是回测测到的已不再是当时可执行的决策。
先审时间，再训练模型
论文建议建立 point-in-time 数据：对每个历史时点，保留当时真正可见的版本，而不只保存今天看来最完整的最终值。回测——把预测规则放回历史时期重演——只有在这种信息边界下才可信。
具体到天气预报，作者比较了三种选择方式：按启动时间选最新运行；按实际发布时间选当时已经出现的运行；以及更保守地，只选关闸前已经定稿的运行。第二种可以排除“尚未发布”的确定性泄漏，但档案中的值仍可能是后来修订的；第三种更容易复现，却可能排除当时已发布、只是尚未完全定稿的信息。
这也是论文最值得迁移到其他时序系统的判断：时间正确性不是上线前打一次勾，而是数据管道会随发布时间、时区规则、供应商处理流程和版本保存方式不断变化的动态属性。先检查“当时是否真的可见”，再讨论模型精度，顺序不能反。
局限与未知
- 研究使用一家商业数据供应商的档案；主要数字与结论均来自单篇 arXiv 预印本，材料未说明同行评审或独立复现情况。
- 档案没有保存预报发布后、最终定稿前的全部中间版本，因此无法精确还原交易者当时看到的每一个数值；部分最终时间戳也缺失。
- 输入差异的比较集中在 2024 至 2026 年、三种确定性配置，并采用零操作余量；对下游电价模型表现的实际影响仍待测量。