證明多時間框架回測中沒有look-ahead：擾動未來，證明過去看不到它

“無幻覺回測”系列文章之一。

上一篇文章以一個診斷性測試收尾：單K線偏移測試。把每一次成交都往後推一根K線；如果績效因此崩潰，說明你其實是在用過去的資訊交易。對於單一時間框架的策略，這個測試已經足夠——因為look-ahead藏在執行環節：你在K線i上做出決策，也在K線i上成交。

多時間框架策略還有第二個、更隱蔽的資訊洩露之處，而偏移測試觸及不到它。當1分鐘K線上的決策要參考1小時趨勢時，洩露就不再發生在成交環節——而是發生在指標本身，因為它是由一根尚未形成完畢的高時間框架K線計算出來的。這篇文章要講的正是這種洩露，以及如何機械地——而不是靠盯著程式碼看——證明你的引擎裡沒有這個問題。

我們最終要給出的結論很強：在86,400根真實ETHUSDT 1m資料的K線上，我們的多時間框架引擎通過了25項一致性與洩露檢查中的全部25項，其中包括一個會擾動每一根未來K線、並確認沒有任何一個過去決策發生變化的“未來偏移探針”。而且由於該引擎與實盤機器人的規範核心逐位相同，這個證明就是實盤系統本身的性質，而不僅僅是回測的性質。

多時間框架的雷區

多時間框架（multi-TF）策略在快時鐘上做決策，同時參考慢時鐘。我們的引擎就是一個具體例項：一個三重時間框架的動量規則，其中高時間框架（HTF）趨勢和中時間框架（MTF）趨勢門控入場，而低時間框架（LTF）的交叉則觸發入場。在1m這個基礎時鐘上，只有當1m的HMA/HMA3交叉方向與1h趨勢和15m趨勢一致時，才會觸發入場；當高時間框架趨勢相對持倉發生反轉，或LTF反向交叉時，則觸發出場。

危險是結構性的。每一個高時間框架數值都必須在每一根1m K線上被回答——每小時60次——而且每次回答都只能使用實盤機器人在那一刻本應知道的資訊。這大約180次的逐K線讀取（三個時間框架、入場和出場趨勢、間隔門控）中，只要有一次觸及了尚未打印出來的K線，你就有了look-ahead。差一位錯誤（off-by-one）的暴露面極大，而且與執行環節的洩露不同，它不會通過成交時間的偏移來暴露自己。

正在形成的K線還沒有最終收盤價

確切的陷阱是這樣的。假設現在是10:37，你正在對剛剛收盤的1m K線做決策。你的規則需要1h趨勢。覆蓋10:00–11:00的這根1h K線仍在形成中——它的最終收盤價要到10:59:59才會知道。在10:37，你實際上知道什麼？只知道這根K線到目前為止的當前收盤價，也就是10:37這根K線的收盤價。這根K線的最終收盤價還在23分鐘之後的未來。

樸素的多時間框架回測會做一件看起來完全無害的事：它預先把整個1m序列一次性重取樣成1h，然後對每一根1m K線讀取“1h收盤價”。但它為10:00到11:00之間每一根1m K線讀取的值，都是10:00–11:00這根K線的最終收盤價——這個數字在真即時間裡要到這一小時結束才存在。這一小時內的每一個決策都被悄悄地交給了長達59分鐘的未來資訊。而且這不是一個小洩露：高時間框架的收盤價幾乎是你即將交易的近期未來1m收益率最強的可能預測指標，洩露它幾乎等同於拿到了答案。這正是分類法中所講的指標洩露渠道，而且被放大了：偷看的範圍不是一根K線，而是長達一整個HTF週期。

前一篇文章中的單K線偏移測試抓不到這個問題。你可以把成交往後推一根K線，但重取樣出來的1h序列依然是被汙染的——洩露存在於指標的構建方式中，而不在於你何時完成交易。

精確復現實盤機器人的規則：closed-bar語義

正確的規則就是實盤機器人已經在執行的那一套。在我們的程式碼庫裡，它是一個很小的類，RunningCandleBuffer，是從實盤tick模擬器中逐字搬過來的。它把基礎K線流式地組裝成固定週期的K線，並在每一根基礎K線上，從一個非常特定的陣列中計算HTF指標：

all_closes = np.array(self.closes + [self.current_close], dtype=np.float64)

字面地讀這行程式碼。self.closes是那些已經收盤的K線的最終收盤價——只有當新的週期邊界被跨越時，才會往列表裡追加一根K線，其儲存的值是該週期內最後一根基礎K線的收盤價（candle_buffer.py:39–44）。正在形成的K線只貢獻恰好一個數字，self.current_close，它是**當前（running）**收盤價——也就是最近一根基礎K線的收盤價，base_close[i]。根據定義，這是一個在K線i上就已知的量。正在形成的K線的最終收盤價永遠不會被用到，因為它還不存在。

所以10:37時刻的HTF指標看到的是[..., close(9:00那根K线), close(10:37目前为止)]。當10:38這根K線打印出來時，最後一個槽位更新為close(10:38)。當跨過11:00時，close(10:59)成為剛剛收盤的那根K線的最終值，同時開啟一個新的形成中槽位。在這一小時之內，任何時刻的決策都不會觸碰到10:00–11:00的最終收盤價。這就是closed-bar語義：已收盤的K線貢獻的是完成的收盤價，而正在形成的K線只貢獻它當前的收盤價。

我們的高速引擎（engine_multitf.py）是對這套邏輯的向量化、numba編譯版本重新實現。它不再使用帶有不斷增長列表的Python迴圈，而是為每一根基礎K線i預先計算出已經完全收盤的K線數量（n_closed[i]），並將HMA/HMA3視窗鋪成[已收盘K线的收盘价…, base_close[i]]——當前收盤價被固定在最後一個槽位（engine_multitf.py:168–169）。這是完全相同的數學，只是為了速度而在三個時間框架上展開，並帶有方向性的間隔門控。約定是明確的：K線i處的值只取決於base_close[0..i]。

這就是我們的主張。文章的其餘部分講的是我們如何證明它，因為寫在docstring裡的主張一文不值。

一致性是必要條件，但不是充分條件

一個把流式類展開成顯式迴圈的向量化numba引擎，恰恰是差一位錯誤容易滋生的地方。所以第一道關卡，是在一段真實資料切片上——ETHUSDT 1m，2024年1月至2月，86,400根K線——針對權威參考實現做逐位一致性測試。

我們針對兩個獨立的參考實現檢查兩件獨立的事情：

• 指標與交叉，與逐K線執行的RunningCandleBuffer對比。對每個時間框架，我們在全部86,400根K線上重放這個實盤類，並比較交叉事件——K線位置、方向、間隔——要求精確匹配，同時HMA/HMA3的值在浮點誤差範圍內匹配（參考實現使用np.dot，引擎使用顯式迴圈，因此求和順序不同，差異約在1e-15量級）。交叉事件完全一致：HTF（1h，HMA長度21）上有408次交叉，MTF（15m/14）上有2,792次，LTF（1m/50）上有3,691次。沒有一個交叉事件在K線位置或方向上有差異。
• 交易，與一個獨立的純Python交易規則模擬對比，該模擬由參考實現自身產生的交叉驅動。它復現了實盤迴測的迴圈——入場趨勢門控入場，出場趨勢反轉或反向的LTF交叉平倉，按open[i+1]成交，0.09%的往返手續費，在最後一根K線強制平倉——但完全不使用引擎的numba機制。然後我們逐筆比較：入場/出場K線位置、方向、入場/出場價格、PnL、平倉原因，以及持倉的總活躍時間。

測試中使用的間隔閾值不是無關緊要的預設值。它們被特意選擇來命中一個棘手的邊界情形——把MTF的出場閾值設定得高於對應的入場閾值——這會強制觸發“在持倉期間首次定義出場趨勢”這一分支，而參考實現把它當作反轉來處理。一致性必須在邊界情形上成立，而不僅僅是在容易的路徑上成立。

逐欄位比較，交易記錄完全相同：雙重配置下466筆交易，三重配置下211筆交易，總PnL匹配到1e-12，每筆交易的每個欄位都在誤差範圍內相等。兩個不共享任何程式碼的實現——一個編譯過的向量化引擎，和一個基於第三個實現所產生的交叉執行的樸素Python迴圈——產生的交易結果精確到最後一位小數都相同。

這是一個很有力的結果，但它不是沒有look-ahead的證明。一致性只能說明，快速引擎忠實地復現了參考實現。如果參考實現本身有洩露——如果RunningCandleBuffer本身偷看了未來——那麼一致性測試會忠實地復現這個洩露並且照樣通過。兩個實現相互一致，只能說明它們是相同的，不能說明它們是因果的。要證明因果性，你需要另一種測試——一種直接質問引擎“過去能否看到未來”的測試。

未來偏移探針：真正的證明

look-ahead的定義是可操作的，所以就應該用可操作的方式去測試它。look-ahead意味著過去的決策依賴於未來的資料。它的逆否命題就是一個可以直接執行的測試：如果你改變未來，而任何一個過去的決策發生了變化，那說明過去在讀取未來。所以就去改變未來——狠狠地改變——然後觀察過去。

在序列60%處選取一個切點j（86,400根中的第51,840根K線）。擾動從j開始的每一根K線：把所有未來的收盤價和開盤價都乘以1.05。在擾動後的資料上重新計算全部三個時間框架的整個訊號棧。然後斷言，嚴格早於j的一切都與未擾動的執行結果逐位相同：

j = int(n * 0.6)                       # bar 51,840
cl2 = cl.copy(); cl2[j:] *= 1.05       # shove the future up 5%
op2 = op.copy(); op2[j:] *= 1.05

base = [precompute_tf_signals(cl,  ts, p, L) for (p, L) in tf_params]
pert = [precompute_tf_signals(cl2, ts, p, L) for (p, L) in tf_params]

for s0, s1 in zip(base, pert):
    assert eq_nan(s0.hma[:j],  s1.hma[:j])      # HMA identical, NaNs included
    assert eq_nan(s0.hma3[:j], s1.hma3[:j])
    assert np.array_equal(s0.cross[:j], s1.cross[:j])   # every cross event
    assert np.array_equal(s0.sep[:j],   s1.sep[:j])     # every separation

不是“接近”。不是“在誤差範圍內”。用np.array_equal，要求NaN必須與NaN匹配——51,840根過去K線上的每一個HMA值、每一個HMA3值、每一個交叉標誌、每一個間隔值，都必須是完全相同的浮點數。然後對交易做同樣的斷言：每一筆出場時間早於j的交易，都必須逐欄位不變。如果對未來5%的推動改變了哪怕一個過去HMA值的第十二位小數，那就說明過去的決策查詢了未來，探針測試失敗。

我們的引擎通過了這項測試——在全部三個時間框架上，在雙重和三重兩種交易模擬中都通過。擾動34,560根未來K線，會讓51,840根過去K線，以及在這些K線中收盤的每一筆交易，都精確保持原樣。這不是兩個實現之間的一致，而是對時間上的資訊邊界確實成立的直接證明。

一個不可能失敗的測試什麼也證明不了

有一種方式可以通過上面的探針測試，卻什麼也證明不了：如果這個擾動本身是一個空操作——如果把未來乘以1.05在任何地方都沒有改變任何東西——那麼“過去沒有變化”就是一句平凡為真、毫無資訊量的話。一個永遠不會失敗的測試上的綠色對勾，比沒有測試還要糟糕，因為它製造了虛假的信心。所以這個探針還帶有另外兩條斷言，讓它真正具有約束力。

未來必須真的發生變化。 我們斷言這個擾動確實在[j, n)區間內的某處改變了交叉：

assert not np.array_equal(s0.cross[j:], s1.cross[j:])   # probe has teeth

現在這個結果才有意義：同樣這個5%的推動重寫了未來，卻讓過去保持逐位不變。擾動是真實的，它向前傳播，並且在切點處戛然而止。一個單向的洩露——過去讀取未來——本應會向後滲透穿過j；但事實並非如此。

邊界恰好位於當前這根K線上——既不早一根，也不晚一根。 一種更微妙的失敗情形，是一個具有因果性但滯後的引擎：它忽略了當前K線的即時收盤價，反應晚了一根K線（沒有洩露，但存在實盤交易中不該有的延遲），或者反應早了一根K線（即一根K線的洩露）。所以我們擾動單獨一根K線j（乘以1.02），同時斷言兩件事：過去[0, j)沒有被觸碰，而且hma[j]立即做出反應。

cl3 = cl.copy(); cl3[j] *= 1.02        # nudge exactly one bar
s3 = precompute_tf_signals(cl3, ts, p_ltf, L_ltf)
assert eq_nan(s0.hma[:j], s3.hma[:j])  # nothing before j moves
assert s0.hma[j] != s3.hma[j]          # bar j reacts on the same bar

這就精確地釘死了邊界。正在形成的K線的當前收盤價，以零延遲和零預見性進入K線j處的指標：K線j能立刻看到自己的收盤價，而任何更早的K線都完全看不到它。這正是closed-bar語義理應站立的那個刀鋒邊緣，而測試證實了這個引擎確實站在這個邊緣上。

下面是完整的關卡——這個引擎與一份被偽造出來的回測結果之間，橫亙著的全部25項檢查：

前兩組檢查確立了快速引擎就是實盤參考實現本身。第三組確立了參考實現是有因果性的。這三者缺一不可：一個有洩露的快速引擎、一個有洩露卻仍具因果性的參考實現、以及一個有因果性但滯後的引擎，是三種不同的失敗模式，而這道關卡把每一種都排除掉了。

為什麼這個探針與時間框架無關

未來偏移探針的精妙之處在於，它根本不需要知道、也不關心洩露可能藏在哪裡。它從未提及時間框架、重取樣，或K線邊界。它只問一個問題：擾動未來會不會改變過去？這正是它能成為多時間框架洩露的正確檢測工具的原因——而這種洩露恰恰是“偏移成交”測試所觸及不到的。

直接考慮那個樸素的“整體重取樣”bug。如果1h序列是通過預先重取樣整個序列得到的，那麼在K線j-1000處（遠在j之後才收盤的那一個小時內部）讀到的“1h收盤價”，就會是一根K線的最終收盤價，而這根K線的最終收盤價依賴於j及其之後的K線。把未來乘以1.05，這個最終收盤價就會變化——於是j-1000處的HTF指標發生變化，j-1000處的門控發生變化，一個過去的決策隨之改變。探針會立刻在HTF序列上報警，而且是在切點之前整整一千步的K線上。

我們引擎的HTF序列不會移動，因為在j-1000處，正在形成的K線只貢獻base_close[j-1000]——一個過去的收盤價——而這根K線的最終收盤價在跨過邊界之前根本不會被查詢。這個探針對具體機制是盲的，卻依然能抓住這個bug，而這正是一個證明所應具備的特質：它約束的是行為（沒有任何過去的決策依賴於未來的資料），而不是審查實現細節（我們是否正確地為重取樣建立了索引？）。真正被交易的是行為；實現細節只是你希望它與行為相匹配。

回測與實盤共享同一個真相

還有一個原因，使這件事比一次典型的回測審查更加重要。引擎據以證明自身的參考實現——RunningCandleBuffer——並不是為了讓回測結果好看而寫的一個測試夾具。它就是實盤機器人自己的K線邏輯，原封不動地從生產環境中執行的tick模擬器裡搬出來的。探針所驗證的closed-bar規則，正是實盤機器人逐K線執行的那條規則。

所以一致性這道關卡起到了雙重作用。它證明了快速引擎與參考實現一致，而由於參考實現就是實盤核心，它同時也證明了快速引擎與實盤一致。前一篇文章曾警告說，洩露是解釋回測與實盤一致性差距最乾淨的原因——實盤機器人是唯一一個在機制上不可能偷看未來的地方，所以一個會偷看的回測，一旦上線就會立刻出現分歧。而在這裡，這個差距是通過構造方式被消除的：回測和機器人共享同一個K線緩衝區、同一條交叉規則、同一個“在K線i上已知”的定義。搜尋所最佳化的那個數字，就是機器人真正能夠交易出來的那個數字。

這正是證明沒有look-ahead、而不是想當然地假設沒有look-ahead的全部意義所在。一次多時間框架搜尋會跑上千種參數配置；如果引擎存在洩露，搜尋就會找到那個最激進地利用這個洩露的配置，然後把一個被偽造出來的贏家交到你手上——這正是分類法一文中，從純噪聲中測出Sharpe為15的那種失敗模式。正是這個探針，讓你能夠在把資金真正投入之前，信任這個贏家是真實的。

這個探針證明了什麼，又沒有證明什麼

對測試保持嚴謹，是一把雙刃劍，所以必須精確界定它的適用範圍。未來偏移探針證明的是一個單一而具體的性質：在這份資料上，K線j或之前的任何訊號或交易決策，都不依賴於j之後的任何一根K線——時間上的資訊邊界，在指標、交叉、交易這整條路徑上都成立。這正是我們著手要消除的那種多時間框架洩露，也是程式碼審查無法確立的那種性質。

它不能證明這個策略具有優勢（edge）。一個完全具有因果性的引擎完全可能誠實地虧錢，而探針對此保持沉默——這也正是它應該做的；證明沒有洩露和找到真實的優勢，是兩項完全不同的工作，把它們混為一談，正是洩露的回測被拿去實盤部署的原因之一。它不涵蓋非時間性的偏差：標的物的存活者偏差、只在引擎已經表現良好之後才執行探針所帶來的選擇偏差，或者過於寬厚的手續費模型。而且它本身也不能證明實盤成交與回測成交是匹配的——滑點和延遲是真實存在的差距，探針看不到它們，因為它作用於決策路徑，而不是執行場所。真正彌合那個差距的，是另一個獨立的事實：引擎的K線核心與實盤機器人的K線核心逐位相同。

關於這個探針自身設計，還有一個誠實的保留意見:它只在單一的j(序列的60%處)切了一刀。它所驗證的性質在j上是均勻的——第51,840根K線並沒有什麼特別之處——所以單獨一次切割，對一個結構性性質來說已經是一個公平的測試，但一個更偏執的版本會在整個序列上遍歷j。我們認為一次精心選擇的切割，再加上單K線定位檢查，已經足夠，因為一個能躲過34,560根K線的未來擾動、卻在另一個切點上現形的洩露，必然是一個非常古怪的bug。這裡的重點是要清楚自己證據的邊界，而不是假裝單一一次測試就是一個普適的全稱量詞。

要點總結

1. 多時間框架策略是通過正在形成的K線洩露的，而不是通過成交環節。 在一個尚未結束的HTF週期內做出的決策，必須只使用這根K線的當前收盤價（最新的基礎收盤價），絕不能使用它的最終收盤價。整體重取樣式的回測，會把每一個週期內部的決策都交給長達一整個HTF週期的未來資訊。
2. 單K線偏移測試觸及不到這種洩露。 它能抓住執行環節的look-ahead；而多時間框架的洩露藏在指標的構建方式裡。你需要另一種探針。
3. 先精確復現實盤規則，然後再去證明它。 我們把機器人的RunningCandleBuffer closed-bar語義重建成了一個向量化引擎，並在其後設定了25項檢查作為關卡：交叉事件與參考實現精確一致（408 / 2,792 / 3,691），交易逐欄位完全一致（雙重466筆，三重211筆），PnL精確到1e-12。
4. 一致性是必要條件，但不是充分條件。 與參考實現匹配，只能證明你們是相同的，不能證明你們具有因果性。一個存在洩露的參考實現，即便被忠實地復現，依然存在洩露。
5. 未來偏移探針才是真正的證明。 擾動j及之後的每一根K線；斷言j之前的每一個訊號和交易都逐位不變。如果未來能夠改變過去，你就存在look-ahead。
6. 讓探針真正具有約束力。 斷言未來確實發生了變化（擾動不是空操作），並且單K線的微小擾動會在同一根K線上產生反應（既沒有洩露，也沒有滯後）。一個不可能失敗的測試什麼也證明不了。
7. 當回測與實盤共享同一個核心時，證明就會自動轉移。 由於引擎與實盤機器人的K線邏輯逐位相同，沒有look-ahead這一性質，同樣也是實盤系統的性質——回測與實盤之間的一致性差距，因此從構造上就被消除了。

前一篇文章展示了一行程式碼的洩露如何偽造出Sharpe為15的結果。這一篇展示的是相反方向的嚴謹態度：不是“洩露如何欺騙你”，而是如何機械地、在真實資料上證明一個具體的引擎並不存在洩露。去擾動未來。如果過去毫不動搖，那麼你交易的就是當下。