1、前视偏差

前视偏差是指使用交易完成之后的信息。例如，“在日最低价的1%之内买入现货”的交易规则，就有前视偏差，因为在当日市场收盘前，是不可能知道日最低价的。又如，使用全部数据回归得来的系数，来产生一个基于前后两段价格序列的线性回归模型的交易信号，同样有前视偏差。

量化交易之避免常见的回测陷阱

如何避免前视偏差呢?使用“滞后”的历史数据来计算策略信号，可以避免前视偏差。滞后数据系列意味着，在计算移动平均值、最高价、最低价、成交量等指标时，只使用“上一”交易期限的收盘数据。(当然，如果策略只在交易期限结束时触发，那就无需使用滞后数据。)使用Excel等“所见即所得”的程序比MATLAB更容易避免前视偏差。因为在Excel中很容易将不同列的数据对齐，并确保每个单元格里的公式只使用当前行之前的数据。Excel的单元格高亮显示功能，可以让们直接査看使用当日数据所产生交易信号的情况。(双击带公式的单元格，该公式所使用数据所在的单元格会高亮显示。)

2、数据迁就偏差

根据经验，在计算移动平均值时不会超过5个参数，包括如建仓清仓阀值、持有期限、回溯期限等定量指标。此外，并非所有的数据迁就偏差都是由参数优化造成的。用相同数据集重复做回测时，还会影响模型的定性决策选择，如在开盘还是收盘时建仓、是否隔夜持仓、交易大盘股还是中盘股等。通常，这些可以优化回测业绩的定性选择，对未来未必是最优的。构建数据驱动模型时，几乎不可能完全消除数据迁就偏差，但有几种方法可以降低这种偏差。