概念进阶抽样估计与假设检验
前视偏误
也叫：look-ahead bias、未来函数
用预测时还拿不到的信息建模，回测结果会虚高。
核心讲解
前视偏误（look-ahead bias）指在建模或回测时，使用了做预测那一刻其实还无法获得的信息。这类信息在真实决策时点尚未出现，却被“穿越”到了过去，让模型看起来比实际更准。
最常见的触发点是财务数据的滞后。上市公司年报通常不在当年年底公布，往往要等到次年4月，之后还可能修正。如果分析师把全年财务数据当成当年12月31日就已到手，那么数据到手的时间就被提前了。
原书的例子很直观：其他变量和股价在12月31日可得，但财务数据要到次年4月才公布。用它去预测未来3个月的股价，等于用4个月后才知道的信息去预测3个月后的事，违背基本的时间逻辑。模型看似预测效果很好，实际是“开了天眼”。
现实中规避的办法是坚持时点数据纪律：回测的每一步只能调用当时真实可得的公开信息，财报要按实际公布日入库，而不是按报告期记账。
费曼版：用大白话再讲一遍
好比你看一场已经结束的比赛录像再去下注，胜负早就知道，押哪边都能赢。可现实中下注时，你并不知道结果。如果回测时允许自己“看录像下注”，再漂亮的胜率也不能当真。
要点
- 前视偏误＝用了预测时点还拿不到的信息。
- 典型来源是财报滞后：年报常到次年4月才公布。
- 后果是回测业绩虚高、无法复制到实盘。
- 防范靠时点数据：只用手头当时真正可得的信息。
常见误区
- 以为只要数据本身真实就没问题，忽略了“什么时候能拿到”同样关键。
- 把用报告期数据做回测当成理所当然，没按实际公布日对齐。
- 以为模型在历史上表现好就一定可靠，其实前视偏误下的“好”是假象。