Skip to content

Thiên lệch nhìn trước trong kiểm thử quá khứ là gì?

Thiên lệch nhìn trước (look-ahead bias) xảy ra khi kiểm thử quá khứ (backtest) dùng thông tin chưa tồn tại tại thời điểm quyết định giao dịch mô phỏng. Ví dụ là dùng giá đóng cửa của một nến, tức một khoảng thời gian biểu diễn giá, trước khi nến đó đóng. Kết quả kiểm thử khi ấy không chiến lược giao dịch thực tế nào có thể đạt được. Trong kiểm thử EUR/USD của chúng tôi, giao dịch sớm hơn một nến đã biến kết quả 555 pip trước chi phí thành 10.782 pip. Pip là đơn vị đo biến động giá.

Fintrix trading desk •

Thiên lệch nhìn trước là gì?

Thiên lệch nhìn trước là lỗi kiểm thử quá khứ: quyết định mô phỏng sử dụng dữ liệu chưa có tại thời điểm ra quyết định. Không ai cố ý đưa lỗi này vào. Giá trị tương lai nằm cùng bảng với các dữ liệu khác, chỉ cách một hàng hoặc một cột, và mã chương trình đọc phải nó.

Lỗi này khác với khớp quá mức (overfitting), khi chiến lược được tinh chỉnh đến mức khớp cả nhiễu trong dữ liệu quá khứ. Chiến lược khớp quá mức chỉ dùng thông tin có thể có lúc đó, nhưng lại rút ra bài học sai. Chiến lược có thiên lệch nhìn trước dùng thông tin không thể có vào thời điểm ấy. Khớp quá mức thường bộc lộ dần khi giao dịch thực tế. Thiên lệch nhìn trước thường lộ ra ngay, vì dữ liệu tương lai mà kiểm thử dựa vào không còn sẵn để sử dụng.

Lệch một nến có thể tạo ra khác biệt lớn đến đâu?

Chúng tôi kiểm thử một quy tắc đơn giản trên dữ liệu theo giờ Fintrix Markets MT5 EUR/USD: 4.980 nến từ ngày 13/1 đến 29/10/2026.

  • Nếu giá đóng cửa nến giờ nằm trên đường trung bình động đơn giản 20 nến, tức trung bình giá đóng cửa của 20 nến, giữ vị thế mua. Nếu nằm dưới, giữ vị thế bán.

Chúng tôi chạy quy tắc hai lần. Khác biệt duy nhất là mỗi vị thế được áp dụng cho nến nào.

Kiểm thử bị rò rỉ dữ liệuKiểm thử đã sửa lỗi
Tín hiệu được tính từgiá đóng cửa nến Ngiá đóng cửa nến N
Vị thế được áp dụng chochính nến N, từ mở cửa đến đóng cửanến N+1, từ mở cửa đến đóng cửa
Tổng kết quả trước chi phí+10.782 pip+555 pip
Trung bình mỗi nến+2,17 pip+0,11 pip
Tỷ lệ nến có vị thế đúng hướng giá59.0%48.4%

Bản bị rò rỉ dữ liệu biết nến N đóng cửa thế nào trước khi giao dịch nến N. Nến đóng cửa ở mức cao có khả năng nằm trên đường trung bình cao hơn. Vì vậy, quy tắc đặt vị thế mua trên một nến đã tăng giá. Nó mô tả quá khứ rất tốt, nhưng không ai có thể giao dịch như vậy.

Vậy kết quả đã sửa lỗi có cho thấy lợi thế giao dịch không?

Không, và phép tính cho thấy lý do. Biến động EUR/USD theo giờ trong mẫu này có độ lệch chuẩn 8,51 pip, thước đo mức phân tán quanh giá trị trung bình. Với 4.980 nến, một quy tắc không có lợi thế vẫn cho kết quả trong khoảng ±600 pip quanh mức 0 với xác suất khoảng hai phần ba (8,51 × √4.980 ≈ 600). Tổng kết quả +555 pip nằm trong khoảng này, nên riêng yếu tố ngẫu nhiên cũng có thể tạo ra nó.

Chi phí cho câu trả lời cuối cùng. Quy tắc đảo chiều vị thế 557 lần. Mỗi lần gồm đóng một vị thế và mở vị thế khác; mỗi vòng mở rồi đóng đều chịu chênh lệch giá mua bán (spread). Với chi phí 0,5 pip mỗi lần đảo chiều, tổng kết quả còn khoảng +277 pip. Với 1 pip mỗi lần, kết quả khoảng −2 pip. Kiểm thử đã sửa lỗi phản ánh trung thực hơn. Kết luận là quy tắc này không tạo ra lợi nhuận trong mười tháng đó sau khi tính chi phí.

Thiên lệch nhìn trước phát sinh từ đâu?

Các nguồn lỗi phổ biến nhất trong kiểm thử của nhà giao dịch cá nhân và chương trình giao dịch tự động (EA):

Nguồn lỗiSai ở đâuCách khắc phục thường dùng
Giá đóng cửa nến hiện tạiTính tín hiệu từ giá đóng cửa nến N nhưng mở vị thế tại giá mở cửa nến NThực hiện tại giá mở cửa nến N+1
Giá cao nhất và thấp nhất trong cùng một nếnMức cắt lỗ và mục tiêu đều nằm trong một nến, nhưng giả định giá chạm chúng theo thứ tự có lợi hơnKiểm thử trên khung thời gian nhỏ hơn hoặc dữ liệu tick thực, tức từng lần cập nhật giá, hoặc giả định thứ tự bất lợi hơn
Chỉ báo vẽ lại dữ liệu quá khứZigZag, fractal hoặc điểm xoay được xác nhận sau vài nến nhưng lại hiển thị tại nến trước đóDùng giá trị đúng như tại thời điểm nến đóng
Thống kê trên toàn bộ mẫuĐổi thang đo hoặc chuẩn hóa bằng giá trị trung bình hay khoảng biến thiên của toàn bộ dữ liệu, gồm cả tương laiChỉ tính từ dữ liệu quá khứ trong một cửa sổ trượt
Dữ liệu kinh tế đã điều chỉnhDùng số liệu đã điều chỉnh hiện nay thay cho số liệu được công bố vào thời điểm đóDùng dữ liệu công bố lần đầu, được lưu theo từng phiên bản (vintage)
Không khớp múi giờGhép dữ liệu ngày ở một múi giờ với dữ liệu trong ngày ở múi giờ khác, khiến giá đóng cửa xuất hiện trước thời điểm thực tếChuyển toàn bộ về UTC trước khi ghép

Giá cao nhất và thấp nhất của một nến làm sai lệch kiểm thử thế nào?

Ngày 14/10/2026, nến giờ EUR/USD lúc 12:00 UTC, tức 19h giờ Việt Nam (GMT+7), mở cửa ở 1,11926, tăng lên 1,11986 rồi giảm xuống 1,11271. Đây là giờ Mỹ công bố chỉ số giá tiêu dùng (CPI).

Xét vị thế bán tại giá mở cửa 1,11926, với lệnh cắt lỗ (stop loss) ở 1,11980, tương đương 5,4 pip. Lệnh chốt lời (take profit) ở 1,11826, tương đương 10 pip. Nến giờ cho thấy giá đã chạm cả hai mức. Kiểm thử chỉ có dữ liệu nến giờ phải đoán mức nào được chạm trước. Nếu đoán theo hướng có lợi cho giao dịch, kiểm thử ghi nhận lãi 10 pip.

Nến 15 phút cho thấy diễn biến thực tế. Giá tăng lên 1,11986 trong nến 12:15 UTC, tức 19h15 giờ Việt Nam (GMT+7), và chạm mức cắt lỗ. Đợt giảm diễn ra trong nến 12:30 UTC, tức 19h30 giờ Việt Nam (GMT+7), sau khi vị thế đã đóng. Kết quả thực tế là lỗ 5,4 pip. Tài liệu MQL5 cũng nêu điểm tương tự về công cụ kiểm thử chiến lược MT5. Nếu kết quả ở chế độ nhanh hơn như "1 minute OHLC" hoặc "Open prices only" quá tốt, hãy kiểm thử lại bằng "Every tick". Dữ liệu tick, và tick thực khi có sẵn, là cách duy nhất để biết thứ tự diễn biến bên trong một nến.

Vì sao dữ liệu điều chỉnh gây thiên lệch nhìn trước?

Vì số liệu trong cơ sở dữ liệu hiện nay thường khác số liệu nhà giao dịch nhìn thấy vào ngày công bố. US Bureau of Labor Statistics công bố ước tính đầu tiên về việc làm phi nông nghiệp khoảng ba tuần sau khi tháng kết thúc. Sau đó, cơ quan này điều chỉnh hai lần trong hai tháng tiếp theo. Từ năm 2003, mức thay đổi tuyệt đối trung bình giữa ước tính đã điều chỉnh mùa vụ lần đầu và lần thứ ba là 51.000 việc làm.

Tháng 5/2026 là ví dụ rõ ràng. Ước tính đầu tiên ghi nhận thêm 172.000 việc làm, lần hai là 129.000 và lần ba là 63.000, giảm 109.000 so với lần đầu. Kiểm thử lấy số 63.000 từ cơ sở dữ liệu hiện nay cho kỳ công bố tháng 6 là đang dùng thông tin chưa ai có lúc đó. Các kho lưu từng bản công bố ban đầu, như ALFRED của Federal Reserve Bank of St. Louis, tồn tại chính vì lý do này.

Vì sao rủi ro này lớn hơn với chiến lược AI và học máy?

Mô hình học máy rất giỏi tìm đầu vào giúp dự đoán biến mục tiêu, kể cả đầu vào lẽ ra không được xuất hiện. Người đọc mã có thể nhận ra một đặc trưng, tức biến đầu vào, được tạo từ giá đóng cửa ngày mai. Mô hình chỉ việc sử dụng nó, và kết quả kiểm thử sẽ trông rất tốt.

Bốn dạng lỗi cần biết:

  • Chia ngẫu nhiên tập huấn luyện và kiểm tra. Kiểm định chéo thông thường xáo trộn các hàng dữ liệu, nên mô hình có thể học từ thứ Tư rồi được kiểm tra trên thứ Ba. Vì vậy, tài liệu scikit-learn cho biết kiểm định chéo thông thường không phù hợp với dữ liệu có thứ tự thời gian và cung cấp TimeSeriesSplit. Công cụ này luôn huấn luyện trên dữ liệu trước và kiểm tra trên dữ liệu sau. Tham số gap chừa một khoảng đệm giữa hai tập.
  • Nhãn chồng lấn với đặc trưng. Nếu biến mục tiêu là "thay đổi giá trong 10 nến tiếp theo" và đặc trưng chứa bất kỳ nến nào trong số đó, mô hình đã thấy một phần đáp án.
  • Chuẩn bị dữ liệu một lần cho toàn bộ tập. Đổi thang đo, điền dữ liệu thiếu hoặc chọn đặc trưng trên toàn bộ dữ liệu làm rò rỉ thống kê của giai đoạn kiểm tra vào quá trình huấn luyện.
  • Mô hình ngôn ngữ đã biết kết quả. Mô hình ngôn ngữ lớn (LLM) được huấn luyện trên văn bản đến một ngày giới hạn dữ liệu. Khi được hỏi về cuộc họp công bố kết quả kinh doanh hoặc biến động thị trường trước ngày đó, mô hình có thể nhớ lại diễn biến tiếp theo. Nó không nhất thiết suy luận từ thông tin có sẵn lúc ấy. Sarkar và Vafa (2024) xây dựng các phép kiểm tra trực tiếp và tìm thấy bằng chứng này trong dự báo từ các cuộc họp công bố kết quả kinh doanh. Didisheim, Fraschini và Somoza (Economics Letters, 2025) đo mức độ LLM ghi nhớ tỷ suất sinh lời cổ phiếu trong quá khứ. Họ thấy thiên lệch lớn hơn ở mô hình lớn hơn, dữ liệu tần suất thấp hơn và các chỉ số. Với mô hình nhỏ trên dữ liệu tần suất cao, thiên lệch không đáng kể.

Dấu hiệu cảnh báo trong mọi trường hợp đều giống nhau: kết quả tốt hơn nhiều so với các phương án tương đương. Nhưng kết quả suy sụp ngay khi gặp dữ liệu đầu tiên mô hình chưa từng thấy.

Cách kiểm tra thiên lệch nhìn trước trong EA hoặc kiểm thử quá khứ

  1. Dịch mọi tín hiệu muộn hơn một nến. Chiến lược không có thiên lệch nhìn trước chỉ nên thay đổi đôi chút. Nếu kết quả sụt mạnh, như từ 10.782 xuống 555 pip trong kiểm thử của chúng tôi, bản ban đầu đã dùng dữ liệu tương lai.
  2. Kiểm tra EA đọc nến nào. Trong MQL4/5, chuỗi thời gian được đánh chỉ số từ mới nhất đến cũ nhất. Theo tài liệu MQL5, chỉ số 0 là nến đang hình thành, chỉ số 1 là nến vừa đóng. Đọc tín hiệu từ chỉ số 0 trong kiểm thử chỉ mô phỏng giá đóng cửa nến là một nguyên nhân phổ biến.
  3. Dùng đúng chế độ kiểm thử. Công cụ kiểm thử chiến lược MT4/5 có thể mô phỏng từng tick hoặc chỉ giá mở cửa nến. Chiến lược đặt mức cắt lỗ và mục tiêu trong cùng một nến cần dữ liệu tick. Nếu không, kiểm thử chỉ đang đoán thứ tự xuất hiện giá cao nhất và thấp nhất.
  4. Tính lại mọi đại lượng thống kê chỉ bằng dữ liệu quá khứ. Giá trị trung bình, khoảng biến thiên, điểm z và bộ đổi thang đo của học máy cần dùng cửa sổ trượt kết thúc tại nến hiện tại.
  5. Kiểm thử tiến trên tài khoản demo. Chạy chiến lược trong vài tuần rồi so sánh các giao dịch với những gì kiểm thử quá khứ cho rằng chiến lược sẽ thực hiện trong cùng những ngày đó. Nếu kiểm thử thực hiện một giao dịch mà phiên bản chạy thực tế không thể thực hiện, đó là dấu hiệu rò rỉ dữ liệu.
  6. Thận trọng với tỷ lệ đúng cao của một quy tắc đơn giản. Kiểm thử bị rò rỉ dữ liệu của chúng tôi có vị thế đúng hướng giá ở 59% số nến giờ, chỉ với đường trung bình động 20 kỳ. Một quy tắc đơn giản trên cặp tiền thanh khoản cao như EUR/USD hiếm khi đạt gần mức đó sau khi loại bỏ rò rỉ. Bản đã sửa lỗi đạt 48.4%.

Những điểm chính

  • Thiên lệch nhìn trước là việc kiểm thử quá khứ sử dụng bất kỳ thông tin nào chưa có tại thời điểm quyết định giao dịch mô phỏng.
  • Trong kiểm thử EUR/USD của chúng tôi, áp dụng vị thế ngay trên nến tính tín hiệu thay vì nến tiếp theo đã nâng kết quả trước chi phí từ +555 lên +10.782 pip.
  • Kết quả đã sửa lỗi nằm trong khoảng mà yếu tố ngẫu nhiên có thể tạo ra. Với chi phí 1 pip mỗi lần đảo chiều, kết quả giảm còn khoảng −2 pip.
  • Nến giờ che khuất thứ tự thực tế giữa mức cắt lỗ và mục tiêu ngày 14/10/2026: khoản lãi 10 pip được ghi nhận thực chất là khoản lỗ 5,4 pip.
  • Mô hình học máy và LLM đặc biệt dễ mắc lỗi này. Cần chia dữ liệu theo thời gian, chỉ xử lý từ dữ liệu quá khứ và lưu ý những gì mô hình ngôn ngữ có thể đã biết.

Bài học liên quan

Nguồn tham khảo

Áp dụng kiến thức của bạn

Mở tài khoản Fintrix Markets, hoặc đăng nhập và giao dịch CFD trên ngoại hối, vàng, chỉ số và nhiều sản phẩm khác.