定義
前視偏差（Look-ahead Bias）是回測時用到「當下還拿不到」的資訊，讓歷史績效虛高、實盤卻複製不出來的系統性錯誤。 常見來源有兩種：一是財報還沒對齊申報日就被當成已知，季報通常在季底後一到兩個月才公告，季底當天直接拿來選股等於提前偷看；二是事後才被修正的數據被當成原始值使用。防範方法是使用以申報日對齊的 point-in-time 資料，讓每個交易日只看得到「那一天真正能取得」的版本；finlab 的財務資料預設即以申報日對齊，從源頭擋掉這個偏差。
公式與計算
前視偏差沒有公式，但「偷看了幾天」可以手算。台股月營收的法定公告期限是次月 10 日前（見 Python 量化交易教學），一般上市櫃公司的 Q1 季報截止日是 5 月 15 日（見台股財報發布日與截止日教學）。手算兩個例子：
- 回測在 3 月 31 日季度一結束就用 Q1 財報選股：偷看 4 月整月 30 天加上 5 月的 15 天，30 + 15 = 45，等於提前 45 天使用還不存在的公開資訊。
- 回測在 6 月 1 日就用 5 月營收：10 − 1 = 9，最多提前 9 天。
偷看的天數越長、市場對該資訊的反應越集中在公告日附近，回測虛高就越嚴重。
台股真實實例
- EPS 與 ROE 選股實測：本站 2020 年第一版研究採「每 60 天固定換股」，換股日與財報公布日無關，可能用到尚未公告的財報；2026 年重寫時把它列為方法問題，修正為「在財報法定公告截止日換股」，並用
index_str_to_date()確保公告前的數據不會被用到。 - 對齊時點的另一面是「太晚」：月營收公告漂移實測發現，月營收公告日是每月 1 至 10 日，用 finlab 預設的月底再平衡等於慢了約 20 天才反應公告資訊，超額報酬已被消耗大半；修正為
resample_offset='14D'，把換股日推到次月 14 日。 - 回測是什麼把前視偏誤列為讓回測比實際樂觀的五大陷阱之一：財報與月營收必須用「公布日當天才可得」的資料進場，把財報期間一結束就當成資料已到手，回測等於開了天眼。
用 finlab 計算
finlab 的財報與月營收資料用季別或月份當索引，呼叫 index_str_to_date() 就會把索引換成法定公告期限，之後再進回測（finlab 會自動引導登入）：
顯示程式碼
import finlab
from finlab import data, backtest
finlab.login()
close = data.get('price:收盤價')
# 月營收年增率：原始索引是月份，須對齊實際公告期限（次月 10 日）
rev_yoy = data.get('monthly_revenue:去年同月增減(%)')
rev_yoy = rev_yoy.index_str_to_date().reindex(close.index, method='ffill')
# 之後的每個交易日都只用「當天已公告」的營收選股
position = rev_yoy.is_largest(20)
report = backtest.sim(position, resample='ME', upload=False)價量資料（收盤價、成交量）當天收盤即可得，天然沒有前視問題；需要對齊的是財報、月營收這類「事件期間結束」與「對外公告」之間有時間差的資料。
常見陷阱
- **最常見來源：用了公告日前的財報。**把「財報期間結束」誤當「資料已可得」是前視偏差的第一大宗；Q4 年報甚至要到次年 3 月 31 日才截止公告，偷看空間長達三個月。財報類因子一律先過
index_str_to_date()再進回測。 - **好到不像話的績效，先懷疑前視。**年化高得離譜、回撤又淺的回測，多數問題出在前視偏差或沒扣成本；先逐一檢查每個訊號在當下是否真的拿得到，再談策略優化。完整的自我檢查習慣見回測是什麼。
相關詞條與延伸閱讀
- 回測是什麼？台股實例與五大失真陷阱：前視偏誤在回測失真裡的位置與防範習慣。
- 台股財報發布日、截止日與時序索引教學：各產業季報法定截止日一覽，是對齊公告日的依據。
- 量化交易 Python 教學：
index_str_to_date()對齊月營收的完整實戰範例。 - EPS 與 ROE 選股 13 年實測：一篇舊研究如何修掉前視偏差、重新回測翻案。
- 量化回測平台：用預設即 point-in-time 對齊的資料跑第一個回測。
本頁僅供教學與研究參考，不構成投資建議。