直接定義、加密貨幣案例、Traseq 的 K 棒收盤與下一根開盤模型，以及信任回測前的稽核清單。
前視偏誤，是指回測使用了決策當下尚未存在的資訊。倖存者偏誤，是指測試範圍悄悄排除了失敗、下架或停止交易的資產。兩者都會讓一套加密貨幣策略看起來比歷史證據實際支持的更可靠。
Traseq 是無需寫程式的加密貨幣現貨策略研究工作區，不是實盤交易、交易所執行、券商終端，也不保證績效。這篇指南的目的，是協助你在信任結果前，先稽核歷史研究。
檢查回測偏誤最快的方法，是問兩個問題：每個訊號是否只使用當根 K 棒當下已知的資訊？測試市場範圍是否在結果已知前就先定義好？如果任何一題答不清楚，請把結果視為假設，而不是證據。
在 Traseq 研究裡，核心時間防線是明確的：條件在 K 棒收盤時評估，訊號驅動的進出場以下一根 K 棒開盤價成交，手續費與滑價在成交價確定後套用。這不證明策略有效，但能移除「在產生訊號的同一根收盤價成交」這種常見錯誤。
從無程式的加密貨幣現貨策略開始,鎖定版本、執行回測,並讓結果保持可追溯以供比較。
前視偏誤發生在模擬策略使用了當時不可能知道的資訊。資產曲線可能看起來很平順，因為回測其實在偷看未來。
常見加密貨幣案例：
1h K 棒收在 SMA(200) 上方時進場」，但回測卻在同一根 K 棒的收盤價成交。收盤價只有在 K 棒完成後才知道，所以訊號驅動成交最早應在下一個可成交價格發生。規則很簡單：每個決策只能使用該決策當下已經存在的資料。
倖存者偏誤發生在測試範圍只包含今天仍然存活的資產。這在加密貨幣尤其重要，因為許多代幣曾被下架、失去流動性，或成交量接近歸零。
例如，把某個逢回進場規則從 2021 測到 2024，但只用 2024 仍是大型幣的山寨幣，這不是在測完整的歷史機會集合，而是在測存活下來的贏家。那些嚴重回撤後消失的資產被排除，因此結果可能比當時市場實際狀況乾淨得多。
防範方式：
Traseq 的主流程聚焦於 BTCUSDT、ETHUSDT、SOLUSDT 等核心 USDT 現貨交易對的加密貨幣現貨研究。這讓研究範圍清楚，但也代表結論應該描述為適用於測試過的交易對，而不是適用於所有曾經交易過的代幣。
資料探勘偏誤，也稱 data-mining bias，是指你在同一段歷史上嘗試大量規則、門檻、交易對與時間框架，直到某個結果看起來很好。最後勝出的結果可能只是搜尋過程中的倖存者，而不是持久型態。
防範前視偏誤最重要的是明確回答兩個時間問題：
Traseq 使用一致的 K 棒模型：
版本控制再提供第二層可稽核性。定版的策略版本會被鎖定供回測使用，因此結果能追溯到產生它的確切邏輯與執行設定。
在把任何回測視為嚴肅證據前，先用這份清單檢查：
| 檢查項目 | 要確認什麼 |
|---|---|
| 訊號時間 | 條件在已完成的 K 棒上解析，而不是帶著後見之明在同一根 K 棒內解析。 |
| 成交時間 | 訊號驅動成交發生在下一個可成交價格，而不是觸發訊號的收盤價。 |
| 重繪 | 指標值與訊號不會在 K 棒確認後改變。 |
| 市場範圍 | 測試交易對是在結果已知前就定義好的。 |
| 下架資產 | 結果沒有假裝存活資產代表完整歷史市場。 |
| 特徵準備 | 縮放與排名沒有使用測試期間的未來 K 棒。 |
| 變體數量 | 內容有揭露試過多少規則、門檻或時間框架。 |
| 成本 | 尤其在短時間框架上，有納入手續費與滑價。 |
| 版本追溯 | 結果綁定到固定策略版本與執行設定。 |
| 驗證期間 | 策略有用未參與調整的資料檢查。 |
如果一個結果答不出這些問題，就先把它留在研究堆裡。不要把它當成交易建議。
前視偏誤，是指回測使用了當時尚未取得的資訊來做決策。常見例子是用觸發訊號的同一個收盤價成交，即使那個收盤價只有在 K 棒完成後才知道。
倖存者偏誤，是指回測只包含今天仍然存在的資產。在加密貨幣裡，這可能會把下架、失去流動性或失敗的代幣從測試範圍中移除，讓歷史結果看起來比完整市場更強。
前視偏誤是時間問題：回測在過去某個決策點使用了未來資訊。倖存者偏誤是選擇問題：回測在開始前就把失敗者排除在市場範圍之外。
Traseq 在 K 棒收盤時評估條件，並讓訊號驅動的進出場以下一根 K 棒開盤價成交。手續費與滑價在成交價確定後套用，定版策略版本也讓結果背後的邏輯可以被稽核。
會。移除前視偏誤、倖存者偏誤與不切實際的成本假設，能提高研究品質，但不保證未來績效。乾淨的回測是用來比較與挑戰的證據，不是預測或交易建議。
用同一個定版邏輯跑過不同期間、比較結果，並讓假設保持可見。可以從樣本內與樣本外回測開始，再用比較集合觀察行為是否能跨越塑造規則的那段期間。
2026年3月20日