# 历史回放怎样隔离未来信息｜数据、筛样本与模型知识

作者：种树的人

原文：https://zhongshuderen.pages.dev/library/research-point-in-time-three-layers/

材料时点：原外研：2026-08-19；来源核对与整理：2026-10-13

研究状态：来源与方法核查｜应用迁移待验证

只把输入文件按日期过滤还不够，历史版本、清洗规则和模型训练知识也可能带来未来信息。

## 第一层：当时能看到哪个数据版本

ALFRED把数据观察日期与历史可见版本分开。某月份的最终修订数值，不自动等于当月投资者已经看到的数值。中国数据是否保留相应版本，本次未核。

- [ALFRED官方文档](https://fred.stlouisfed.org/docs/api/fred/alfred.html)

## 第二层：筛掉样本时知道了什么

期权研究指出，用形成组合之后才能知道的信息剔除疑似噪声样本，同样会产生看未来偏差。时间纪律因此也要覆盖清洗、保留和排除规则。

另一篇分析师预测策略再检验发现，移除特定未来偏差后原超额表现消失。这是具体实现的反证，不能概括成所有机器学习都无效。

- [期权样本清洗偏差：官方摘要](https://academic.oup.com/rfs/advance-article-abstract/doi/10.1093/rfs/hhag061/8722307)
- [分析师预测策略再检验：官方摘要](https://academic.oup.com/rfs/article-abstract/38/12/3768/8246070)

## 第三层：模型自己知道了哪些后来资料

按日期训练的语言模型论文将模型检查点与可用训练文本绑定。使用今天的普通模型回看旧事件，即使提示中只给旧文件，也不能据此保证模型权重没有后来知识。

本次依据NBER官方搜索索引中的摘要核对，没有取得完整训练证据、下载模型或重复经济评估。

- [按历史日期训练语言模型：NBER记录](https://www.nber.org/papers/w35247)

## 还有研究者试了多少种组合

多信号回测论文讨论方向调整、组合及选择的过拟合。最终保留一个赢家不能抹去此前试过的方案；这与数据可得性问题需要分别记录。

- [多信号策略回测：NBER记录](https://www.nber.org/papers/w21329)

## 怎样用于阅读旧研究

沿旧结果核对数据版本、排除条件、训练知识界限、开发试验次数和评价日期。缺少哪层就保留哪层未知，不用研究声明代替证据。本页没有重跑原策略，也没有改变任何评分合同。

## 整理依据

- 云端外研历史材料
- 官方资料核对：2026-10-13；阅读范围见正文

## 相关研究

- [量化、输入时点与风险预警](https://zhongshuderen.pages.dev/library/method-quant/)
- [连续十日回放：近期适配、独立证据与重叠窗口](https://zhongshuderen.pages.dev/library/forecast-window-evidence/)
- [预测研究：事前记录、修订条件与事后叙事](https://zhongshuderen.pages.dev/library/forecast-change-provenance/)
- [外研资料逐条核查｜36个编号的阅读范围](https://zhongshuderen.pages.dev/library/research-bibliography-sy3-20260819/)