Page 41 - 台灣股市何種選股模型行得通？

第 1 章 導論－為何需要選股模型？ 31

能保證模型的未來性。但如果回測過程能夠避免一些可能的偏差，
則在「過去」表現良好的選股模型在「未來」表現也會良好的機會
可以增加。

在以回測評估選股模型的獲利能力時，可能會遇到以下幾種偏
差：

1. 資料操弄偏差 (data-snooping bias)

在建構模型時，對一組資料用大量的、複雜的假設模型來建
模，常能找到對「樣本內」的資料具有高度預測能力的模型，但這
種模型不見得對「樣本外」的資料具有高度預測能力。有個統計學

笑話說：「對資料嚴加拷打，它總會招認你想要的答案。」

2. 短期偏差 (short-term bias)

在建構模型時，對一組具有時間性的資料建模，如果資料跨越

的時間長度不足，常會產生對「過去」的資料具有高度預測能力的
模型，但這種模型不見得對「未來」的資料具有高度預測能力。俗
話說：「路遙知馬力，日久見人心」，有其道理。

3. 先視偏差 (forecasting bias, or look-ahead bias)

在建構模型時，對一組具有時間性的資料建模，如果在預測時
使用了一些當時尚未得知的未來訊息，常會產生具有異常高度預測

能力的模型，但這種模型不具可用性。例如在台灣股市，第一季的
財報實際上要到四月底才公布，如果在第一季剛結束的第一個交易

日，即四月的第一個交易日，就以第一季的財報的股東權益報酬率
來選股，雖然績效可能很好，但事實上當時並無法取得此資訊，因

此這種模型不具可用性。因此回測模型時，必須在財報公布後的第
一個交易日，即五月的第一個交易日之後，才能以第一季的財報的
資訊來選股。先視偏差是所有作回測分析者的大敵，當發現選股模