lookahead bias

미래 참조 편향

예측이나 백테스트에서 판단 시점에는 알 수 없었던 미래 정보가 섞여 들어가 성능이 부풀려지는 편향이다.

기사 1편최근 언급

lookahead bias는 예측 모델이나 투자 전략을 과거 데이터로 평가할 때, 판단 시점에는 알 수 없었던 미래 정보가 입력에 섞여 들어가 실제보다 성능이 좋게 나오는 편향이다. 금융의 백테스트에서 오래전부터 알려진 문제이며, 기계학습에서는 데이터 누수(data leakage)의 한 형태로 다뤄진다.

전형적인 예로 나중에 수정된 재무 데이터를 발표 전 시점의 데이터처럼 쓰거나, 학습 데이터에 평가 기간의 정보가 포함되는 경우가 있다. 이를 막으려면 각 시점에 실제로 이용할 수 있었던 데이터만 쓰는 point-in-time 데이터와 평가 시점 이후의 자료를 차단하는 환경이 필요하다. 대형 언어 모델을 평가할 때는 모델의 학습 데이터에 정답이 들어 있을 가능성도 같은 맥락에서 문제가 된다.

이 설명은 AIPOST 기사와 널리 알려진 사실을 바탕으로 정리했습니다. 잘못된 내용이 있으면 정정 요청으로 알려 주세요.

이 항목을 다룬 기사

  • AI agent 실적 예측, 454건 검증에서 애널리스트 합의치 앞서AI 성능 ·

    agent가 어떤 도구를 호출하더라도 예측 시점 이후의 데이터는 아예 조회할 수 없게 막아 lookahead bias(미래 정보를 미리 보고 맞히는 편향)를 제거했습니다.

    기사 읽기

설명이 잘못되었거나 찾는 항목이 없나요?

위키 설명은 AIPOST 기사와 널리 알려진 사실을 바탕으로 정리합니다. 잘못된 설명은 정정 요청으로 알려 주시면 확인해 고칩니다. 새 기사에 나온 이름은 기사가 올라온 뒤 위키에 더해집니다.