Look-ahead Bias es un error temporal de evaluación por el que información disponible más tarde se utiliza en una decisión, entrenamiento o selección de reglas anterior. No es la medición posterior del resultado de una predicción ya realizada.
QuantConnect describe Look-ahead Bias como decidir con información que solo estaría disponible después. Nuestra pregunta de control es: ¿qué podía saber realmente el procedimiento al tomar esta decisión? No basta con que un dato pertenezca al mismo día natural. El momento del acontecimiento, su publicación, su recepción y el envío de la orden pueden diferir. Hay que acreditar la disponibilidad de cada entrada y la secuencia de operaciones; una tabla correctamente ordenada no constituye por sí sola esa prueba. [2]
El modelo temporal de LEAN entrega un dato completado según su EndTime. Nuestra consecuencia: el cierre definitivo, máximo, mínimo y volumen de todo un período no deben gobernar una decisión anterior dentro de ese período. Con varios marcos temporales, cada serie necesita su propia regla de disponibilidad. Desplazar una fila puede corregir un error concreto, pero no sustituye la comprobación de husos horarios, finalización del período y retrasos de la fuente. Usar un valor anterior ya conocido difiere de usar el valor definitivo posterior de la vela en curso. [1]
La documentación de FRED distingue la información sobre el pasado disponible hoy de la conocida durante un período histórico; ALFRED permite seleccionar el período de disponibilidad correspondiente. Nuestro requisito metodológico: si usamos un dato revisado posteriormente, debemos conservar su versión de entonces y su publicación. La fecha del período económico no sustituye la fecha de publicación. Ni siquiera una versión histórica acredita por sí sola la disponibilidad intradía precisa; esta debe comprobarse aparte. Una corrección posterior no puede introducirse silenciosamente en una decisión anterior. [3]
scikit-learn exige aprender las transformaciones únicamente con los datos de entrenamiento y aplicar después la misma transformación aprendida a la prueba. Nuestro control temporal abarca normalización, imputación de valores ausentes, selección de características y objetivos de entrenamiento. El resultado de un período futuro puede servir para evaluar después una predicción; no debe utilizarse para crearla antes ni para seleccionar la regla. En el reentrenamiento continuo solo pueden entrar objetivos ya conocidos en ese momento. [4]
TradingView explica que su emulador de intermediario utiliza supuestos sobre el movimiento dentro de una vela al trabajar con datos OHLC históricos. Nuestra distinción: el máximo y mínimo registrados no determinan por sí solos el orden real de todos los precios y órdenes. La prueba debe separar la generación de la señal, el envío y la posible ejecución. Elegir una entrada o salida según un extremo conocido después es un problema distinto de un modelo de costes meramente optimista. Datos más detallados pueden afinar la comprobación, pero no garantizan ejecuciones reales. [5]
Freqtrade compara resultados de pruebas repetidas y cambios en indicadores o señales; también advierte sobre acceder a filas futuras y agregar toda la tabla. Por ello, nuestra auditoría examina el origen de cada cálculo, no solo la sintaxis del desplazamiento. La documentación limita expresamente la comprobación a las señales activadas durante la prueba. Un resultado limpio de la herramienta no valida las ramas no recorridas. Debe leerse junto con la cobertura y la configuración de la simulación; algunas configuraciones de órdenes limitadas pueden generar falsos hallazgos. [6]
TradingView distingue Look-ahead Bias de Overfitting, la adaptación de las reglas a datos de desarrollo específicos. Nuestra conclusión: una prueba temporalmente válida también puede resultar de una búsqueda extensa del ganador. A la inversa, una regla sencilla puede contener una filtración de información futura. Tras corregirla hay que recalcular los resultados y registrar el cambio; no puede conservarse el informe rentable original. La diferencia entre resultados históricos y posteriores no identifica por sí sola si la causa fue un error temporal, un cambio de mercado u otro supuesto. [5]
NFA advierte de la diferencia entre resultados hipotéticos y operaciones reales. Nuestro registro reproducible incluye por ello las versiones de datos y reglas, la disponibilidad de las entradas, el estado de la cuenta, la secuencia de órdenes y los costes declarados. La auditoría debe poder reproducir la decisión utilizando únicamente información disponible entonces. Paper Trading puede aportar registros adicionales en curso, pero por sí solo no garantiza la correcta preparación de datos ni liquidez real. Eliminar un error demostrado no promete rentabilidad futura. [7]
Ganar con conocimiento futuro no es una estrategia disponible
Para obtener la imagen más completa, lee esta entrada junto con Backtesting, Overfitting, Walk-forward Analysis, Survivorship Bias, Paper Trading. También enlazan con esta entrada Walk-forward Analysis, Overfitting, Survivorship Bias, On-chain Analysis.
01¿Basta con desplazar todos los indicadores una fila?+
No. El desplazamiento puede eliminar un uso concreto de un valor futuro, pero no resuelve automáticamente husos horarios, publicaciones retrasadas, revisiones ni preparación de datos. Lo decisivo es acreditar la disponibilidad de cada entrada en ese momento.
02¿Usar un resultado futuro para evaluar siempre es un error?+
No. El resultado conocido después es necesario para evaluar una predicción realizada antes. El error surge si esa información futura entra en la decisión, entrenamiento o selección de reglas anterior.