Rehber

Lookahead Yanlılığı: Backtestte 5 Örnek ve Çözümü

Lookahead yanlılığı (lookahead bias) kod üzerinde: backtest'in geleceğe baktığı beş durum, her birinin numpy ile düzeltmesi ve hepsini yakalayan tek test.

Güncellendi

Lookahead yanlılığı (lookahead bias, geleceğe bakma), stratejinin bir mumda karar verirken o mum kapandığında henüz elde olmayan veriyi kullanmasıdır. Backtest böylece kimsenin bilmediği bilgiyle işlem yapar ve sonuç, canlıda alabileceğin her şeyden çok daha iyi görünür. Sebep çoğu zaman tek satırlık bir hatadır: yanlış yöne kaydırma, bütün seri üzerinden alınmış bir istatistik ya da kapanmadan okunmuş bir üst zaman dilimi mumu.

Her backtest'in uyması gereken kural

i numaralı mum sadece i numaralı muma kadar olan veriyi kullanabilir. Mum kapandığında verilen karar o kapanışı ve öncesindeki her şeyi kullanabilir. i+1 numaralı mumu kullanamaz; oluşturduğu emir de çoktan geçmiş bir fiyattan dolamaz.

Geleceğe bakma tehlikelidir, çünkü hataya benzemez. Kod çalışır, sermaye eğrisi pürüzsüzdür, rakamlar heyecan vericidir. Aşağıdaki beş örnek bilerek kısa tutuldu. Hepsinde o ve c, açılış ve kapanış fiyatlarını tutan numpy dizileridir ve hata tek bir satırdır.

1. Yanlış yöne kaydırma

Bir mumu komşusuyla karşılaştırmak için seriyi bir kaydırırsın. Yanlış yöne kaydırırsan her mum kendinden sonraki mumla karşılaştırılır.

# bug: nxt[i] is the close of bar i+1
nxt = np.roll(c, -1)
go = nxt > c                      # "buy when the next close is higher"

# fix: compare with the bar before, never the bar after
prev = np.roll(c, 1)
prev[0] = np.nan
go = c > prev

np.roll(c, -1) her değeri bir sıra öne çeker; i sırasında artık yarının kapanışı durur. pandas'ta aynı hata shift(-1) olarak yazılır. Fiyat verisinde negatif kaydırma neredeyse her zaman geleceğe bakmadır. np.roll ayrıca diziyi başa sarar: prev dizisinin ilk değeri bütün serinin son kapanışı olurdu. Düzeltmenin o değeri NaN ile ezmesinin sebebi bu.

2. Sinyali üreten kapanıştan emir doldurma

Bu hatada geleceği gösteren bir indeks yok, kod incelemesinden de bu yüzden geçer. Sinyal mumun kapanışından hesaplanır ve işlem aynı kapanış fiyatından yazılır.

sig = c > ema                     # true only once bar i has closed

# bug: buy at the same close that produced the signal
entry = c[sig]

# fix: the first tradable price is the next bar's open
idx = np.flatnonzero(sig[:-1])
entry = o[idx + 1]

Kapanış, ancak mum bittiğinde bilinir. O anda o fiyat geçmiştir ve gerçekten işlem yapabileceğin ilk fiyat bir sonraki mumun açılışıdır. Fark küçük görünür, ama her işlemde ödenir ve hep aynı yöne gider: kırılım ve momentum sinyalleri tam da açılışından uzakta kapanan mumlarda oluşur. Aynı hatanın daha ağır hali, sinyali mumun en yüksek ya da kapanış fiyatından hesaplayıp emri o mumun açılışından doldurmaktır. OptAlgo'da emirler sinyal mumunun değil, bir sonraki mumun fiyatlarından gerçekleşir.

3. Bütün serinin istatistiğiyle normalize etme

Z-skoru ve min-max ölçekleme bir ortalama, standart sapma, minimum ya da maksimum ister. Bunlar bütün geçmiş üzerinden hesaplanırsa her mum, fiyatın ileride ne kadar yükseleceğini ve düşeceğini bilir.

# bug: mean and std are taken over the whole series, future included
z = (c - c.mean()) / c.std()

# fix: statistics from the trailing n bars only
w = np.lib.stride_tricks.sliding_window_view(c, n)
z = np.full(len(c), np.nan)
z[n - 1:] = (c[n - 1:] - w.mean(axis=1)) / w.std(axis=1)

Hatalı sürümde 2022'deki -2'lik bir z-skoru, 2025 fiyatlarının nerede olduğunu zaten bilir. Bunun üstüne kurulan bir ortalamaya dönüş kuralı, o gün tanıyamayacağı dipleri satın alır. Aynı şey (c - c.min()) / (c.max() - c.min()) için, bütün dizi üzerinden yüzdelik sıralamalar için ve bütün veriye bir kez oturtulmuş her ölçekleyici için geçerlidir. Çözüm hep aynı: istatistiği, o anki mumda biten geriye dönük bir pencereden hesapla.

4. Ortalanmış kayan pencereler

Ortalanmış bir hareketli ortalama mumlarının yarısını soldan, yarısını sağdan alır. Geriye dönük ortalamadan daha pürüzsüz görünür ve daha erken döner. Sorun da tam bu: erken döner, çünkü dönüşü görmüştür.

k = np.ones(n) / n

# bug: mode="same" centres the window, so bar i reads n // 2 future bars
smooth = np.convolve(c, k, mode="same")

# fix: trailing window that ends at bar i
valid = np.convolve(c, k, mode="valid")
smooth = np.concatenate([np.full(n - 1, np.nan), valid])

pandas'ta aynı hata rolling(n, center=True) olarak yazılır. Birçok yumuşatma ve tepe bulma fonksiyonu varsayılan olarak ortalar; tepe ve dipleri sonradan işaretleyen zig-zag türü göstergeler de aynı şeyi başka bir biçimde yapar. Geçmişin grafiğini çizmek için uygundurlar. Karar vermek için kullanılamazlar.

5. Kapanmadan kullanılan üst zaman dilimi mumu

Yaygın bir tasarım 1 saatlik mumlarda işlem yapar ve 4 saatlik trende göre filtreler. 00:00'da başlayan 4 saatlik mum 04:00'a kadar kapanmaz. 01:00'daki 1 saatlik mum o 4 saatlik mumun kapanışını okuyorsa üç saat sonrasını okuyordur.

# c: 1h closes; every 4 bars form one 4h bar
c4 = c.reshape(-1, 4)[:, -1]      # close of each 4h bar

# bug: each 1h bar reads the 4h bar it sits inside, before that bar has closed
htf = np.repeat(c4, 4)

# fix: read the last 4h bar that had already closed
htf = np.concatenate([np.full(4, np.nan), np.repeat(c4, 4)[:-4]])

Bu hata genellikle bir birleştirmeyle gelir: veriyi 4 saatliğe çevirirsin, sonra mumun başlangıç zamanına göre 1 saatlik indekse geri bağlarsın. Çözüm, her üst zaman dilimi değerini mumunun kapandığı ana hizalamak ve alt zaman dilimi mumunun sadece tamamlanmış değerleri okumasına izin vermektir. Aynı kural gün içi bir stratejideki günlük veri ve gecikmeyle yayınlanan her dış seri için de geçerli.

Nasıl tespit edilir: sonraki mumları sil

Beş hatanın beşi de tek bir testte kalır. Geleceğe bakmayan bir strateji, veri i numaralı mumda bitse de bir yıl daha devam etse de o mumda aynı kararı verir. O halde veriyi i numaralı mumda kes, aynı kodu çalıştır ve karşılaştır.

full = signal(c)                  # decisions on the whole history

for i in sample_bars:
    cut = signal(c[: i + 1])      # same code, data ends at bar i
    assert cut[i] == full[i], f"bar {i} looks ahead"

Sonraki mumlar silindiğinde i numaralı mumdaki karar değişiyorsa kod o mumları okuyordu. Backtest'in yanlış olduğunu bilmek için hangi satırın suçlu olduğunu bilmen gerekmez. Geçmişe yayılmış bir örneklem mum test et ve stratejinin işlem açtığı mumları mutlaka dahil et.

Pratikte bu şöyle görünüyor. OptAlgo'da her mumu bir sonraki mumun kapanışıyla karşılaştıran bir strateji şu satırla yazıldı:

nxt = np.concatenate([c[1:], c[-1:]])

Ücretsiz doğrulama, hiçbir backtest çalışmadan onu şu bulguyla reddetti: “the strategy looks ahead: enter at bar 1607 changes when the bars after 1607 are removed (bar i may only use data up to bar i)”. Türkçesi: 1607 numaralı mumdaki giriş, 1607'den sonraki mumlar silindiğinde değişiyor; bir mum sadece kendisine kadar olan veriyi kullanabilir. Önerilen düzeltme de şuydu: “use indicators.shift(x, 1) for the previous bar”, yani önceki mum için indicators.shift(x, 1) kullan. Hiç birim harcanmadı ve bu strateji için hiçbir getiri rakamı gösterilmedi.

OptAlgo bu kontrolü nasıl çalıştırır?

Her çalıştırma, rakamları sayılmadan önce, gelecek silindiğinde de aynı kararı verdiğini kanıtlamak zorundadır. Motor stratejiyi, son 3.000 mumun eşit aralıklı 6 ve rastgele 6 mumunda kesilmiş veride tekrar çalıştırır; ayrıca giriş yaptığı, çıktığı ya da hedef koyduğu en fazla 24 mumda kararı, o mumda biten veriyle yeniden verdirir. Kodun deterministik olduğunu kanıtlamak için aynı parametreleri iki kez de çalıştırır. Herhangi bir fark geleceğe bakmadır: çalıştırma dürüstlük notu olarak D alır ve asla yayına alınamaz. Doğrulama aynı kontrolü sentetik mumlarda ücretsiz yapar.

Sınırlarını da bil. Her mumu değil, bir örneklemi yeniden çalıştırır ve grafik çizimleri kontrol edilmez. 2. örnek ise başka bir yerde çözülür: emrin nereden dolacağına motor karar verir, yani strateji kodu sinyal mumunun kapanışından işlem yazamaz.

Geleceğe bakma kontrolü neyi söylemez?

Geleceğe bakmayan bir strateji yine de değersiz olabilir. Tek bir dönemde ayarlanmış parametreler, gelecekten tek mum okumadan da harika görünebilir. Bu aşırı uyumdur ve başka araçlar ister: bir walk-forward analizi, ayrılmış bir test dönemi ve kaç varyant denediğinin sayılması. Bütün adımlar kripto backtest rehberinde var. Hiçbir kontrol de trading'in riskini ortadan kaldırmaz: temiz bir backtest gelecek ayı değil, geçmişi anlatır.

Kendi kodun için kısa kontrol listesi

Sık sorulan sorular

Lookahead yanlılığı (lookahead bias) nedir?

Backtest'te bir kararın, o anda henüz elde olmayan veriyi kullanmasıdır; örneğin bir sonraki mumun fiyatını ya da bütün geçmiş üzerinden hesaplanmış bir istatistiği. Backtest sonucunu şişirir ve canlı işlemde kaybolur.

Lookahead yanlılığına örnek nedir?

Fiyat serisini negatif yönde kaydırmak, böylece her mumu kendinden sonraki mumla karşılaştırmak. Diğer yaygın örnekler: bütün serinin ortalamasını kullanan z-skorları, ortalanmış hareketli ortalamalar ve 4 saatlik mumun kapanışını onun içindeki 1 saatlik mumdan okumak.

Backtest'imde geleceğe bakma olup olmadığını nasıl anlarım?

Veriyi bir mumda kes, aynı strateji kodunu çalıştır ve o mumdaki kararı tam geçmişle alınan kararla karşılaştır. Sonraki mumlar silinince karar değişiyorsa strateji geleceğe bakıyor. Bunu, işlem açtığı mumlar dahil bir örneklem mum için tekrarla.

Sinyal mumunun kapanışından girmek geleceğe bakma mı?

Evet. Kapanış ancak mum bittiğinde bilinir ve o anda o fiyattan artık işlem yapılamaz. Gerçekçi bir backtest emri bir sonraki mumda doldurur.

Lookahead yanlılığı ile aşırı uyum aynı şey mi?

Hayır. Lookahead yanlılığı, gelecekteki veriyi karara sızdıran bir kod hatasıdır. Aşırı uyum ise parametreleri geçmişteki gürültüye uyana kadar ayarlamaktır ve hiç geleceğe bakmadan da olabilir. Bir backtest ikisi için de kontrol edilmelidir.

Bir sonraki stratejin bir cümle uzağında.
Paraya dokunmadan önce dürüstçe test et.

Ücretsiz başla, kart gerekmez

Free planda ayda 50 backtest birimi.