ルックアヘッドバイアス

lookahead bias

ルックアヘッドバイアスは、判断時点では得られなかった未来の情報が予測やバックテストに混入し、性能が過大評価される偏りである。

記事1本最終言及

ルックアヘッドバイアスは、予測モデルや投資戦略を過去データで評価する際に、判断時点では得られなかった未来の情報が入力に混入し、実際より性能が高く見える偏りである。金融のバックテストでは古くから知られた問題であり、機械学習ではデータリーケージの一形態として扱われる。

典型的な例として、後に修正された財務データを発表前の時点のデータであるかのように使う場合や、学習データに評価期間の情報が含まれる場合がある。防止には、各時点で実際に利用可能だったデータだけを用いるポイント・イン・タイムのデータと、評価時点以降の資料を遮断する環境が必要となる。大規模言語モデルの評価では、学習データに正解が含まれている可能性も同じ文脈で問題になる。

この説明は、AIPOSTの記事と広く知られた事実をもとにまとめたものです。誤りがあれば訂正依頼でお知らせください。

この項目を扱った記事

  • AIエージェントは決算予測でアナリストを超えたか 454件の検証が示す設計の要点AI性能 ·

    金融のバックテストでは、予測時点で入手できなかった情報をモデルが見てしまうルックアヘッドバイアスが結果を水増しします。

    記事を読む

説明の誤りや、見つからない項目はありますか?

事典の説明は、AIPOSTの記事と広く知られた事実をもとにまとめています。誤りは訂正依頼でお知らせいただければ、確認して修正します。新しい記事に登場した名前は、記事の公開後に事典に加わります。