如果你写过任何"策略回测"，并且跑出过漂亮得让自己心跳加速的收益曲线，那这篇文章大概率能戳到你——那条曲线里，常常藏着一个你根本没用到的秘密：未来数据。
现象
一个"确认型"策略（典型结构是：先出现信号 A，再等条件 B 确认后入场）回测出了非常漂亮的收益与胜率。曲线平滑、回撤可控，怎么看都像是一个能直接上线的策略。但真实运行后，表现却和回测差了一大截。
问题不在代码有没有报错，而在于：回测里的某些条件，在做决定的那一刻根本还不知道。
根因
这是典型的前视偏差（look-ahead bias）：用"未来几天"的信息，去决定"今天"的动作，但收益却从今天开始算。
举个最容易理解的例子。策略逻辑是"今天出现买入信号，且未来三天涨幅超过 5%"，回测里就只统计"未来三天确实涨了的样本"，收益自然漂亮。可你在今天做决定的时候，根本不知道未来三天会不会涨——这个条件是不可知的。
类似的写法还有很多：
- 用"当日收盘价"做决策，但下单时点在开盘；
- 用"整月数据"里的极值做筛选，但复盘按天结算；
- 用"事后才知道是否有效"的过滤条件（比如"这个信号后来确实兑现了"）来筛样本。
这类偏差能贡献 40%~65% 的虚高表现。修正之后，超额表现往往完全消失——也就是说，你看到的"策略"，其实只是数据泄露的幻觉。
解决
核心只有一句话：任何"确认 / 过滤 / 验证"型的条件，先问一句"这个条件在做决定的那一刻已知吗？"
# 错误：用未来才知道的信息决定今天
if signal_today and returns_future_3d > 0.05:
enter(day=t)
# 正确：把动作时点移到"该条件成立的时点"
# 条件在 t+3 才已知，那就在 t+3 才能动作
if signal_today and returns_between(t, t+3) > 0.05:
enter(day=t + 3) # 决策与执行都发生在信息已知之后
具体做法分三步：
- 给每个条件标注"信息可见时点"。把回测里用到的每一个变量，都标注它最早在哪个时间点可以获得。
- 决策时点只能晚于或等于信息可见时点。如果某条件要三天后才成立，那么动作最早也只能发生在第三天。
- 重跑对照。修正前后各跑一次，看收益差距。如果差距巨大（比如从年化 30% 掉到 3%），说明之前的"优势"就是泄漏出来的。
一个实用的自检清单：任何一处用了 .shift(-1)、[i+1]、future、next_、after 之类字样的地方，都值得停下来问一遍"当时看得到吗"。
延伸与预防
前视偏差最隐蔽的地方在于，它不只是"写错了"，而常常是"逻辑上就自带了未来"。防御它有个统一的心法：按时间顺序模拟真实运行——从最早的一天开始，每次只允许使用"截止到当天收盘为止"的数据，做一次决策，走一天，再进入下一天。这种"逐日推进"的回测框架虽然慢，但它天然杜绝了大部分的泄漏。
另外，要区分"前视偏差"和"过拟合"：过拟合是模型记住了噪声，前视偏差是模型偷看了答案。前者的修法是简化模型，后者的修法只有一条——把决策时点对齐到信息可见时点。任何一条漂亮的回测曲线，在相信它之前，都值得先接受这次"审问"。