你的總經濟回測交易了修正後的就業報告

親愛的薪資篩選策略建構者：

你設計了一條簡單規則：美國就業報告公布後，如果每月薪資成長超過 175,000，你的策略就持有股票 ETF 5 個交易時段；否則就持有現金。你把進場時間排在股市開盤後，納入交易成本，並固定門檻。接著，你下載歷史薪資數據序列，用它重建每一個訊號。

剩下的問題就在這份下載資料。歷史經濟數據序列可能包含當時尚未公布的修正估值，策略在那些日期不可能取得這些資訊。要誠實地回測總經訊號，你需要使用每個決策時點當下可取得的版本。把進場時間往後移 1 根 K 棒，無法修正使用了 2 個月後才公布的數字這件事。

1 月的數據有好幾次更新

來看一段虛構的發布紀錄。這些日期和薪資變化只是用來說明運作方式，並非實際公布的經濟數據。

如果你的下載資料把 1 月數值記為 +210,000，回放時就會在 2 月買進 ETF。但實際上，你的規則當時應該是持有現金。即使所有價格、下單時間戳記和手續費都正確，這筆交易仍是虛構的。

你不能假設這種資料污染一定會讓績效變好。修正可能創造獲利交易、造成虧損交易，也可能讓兩者消失。問題在於，你的模擬回答了一個當時的策略根本無法提出的問題。

而且，1 月只是被衡量的期間，不是你得知這項數據的日期。資料列標示 1 月 1 日，不代表你可以在 1 月 1 日交易它。

為每個數值保留可用時間紀錄

你的研究資料表不能只有月份和數字。請保留參考期間、數值、發布時間戳記、版本識別碼和來源。若要持續蒐集資料，也要記錄系統收到發布資料的時間。請保留舊版本，不要直接覆寫原有數值。

在每個決策時間戳記，選出可用時間不晚於該決策時點，且版本最新的每筆觀測值。接著，根據重建後的資料快照計算特徵。

持有 5 個交易時段，不代表可以省略這些資料紀錄。這讓你有更多空間選擇較保守的進場時間，但不會讓你提早取得修正數據。

如果你研究較早期的資料，可能查得到公開發布時間，卻沒有自己的收件時間紀錄。請明確區分這兩者。你可以根據有文件佐證的發布時間，設定一段延遲後模擬資料可用時間；但不能把這項假設描述成實際測得的歷史傳送時間。

你還需要使用能辨識時區的時間戳記。儲存有文件佐證的發布當地時間，並正確轉換；紐約的固定 UTC 時差無法因應日光節約時間變化。幫未來的自己一個小忙。9 月的你不必猜測 3 月的你把欄位命名為 date_actual_final2究竟是什麼意思。

計算滾動特徵時，需要完整的數據版本資訊

假設你把固定門檻改成「薪資成長高於過去 12 個月的平均值」。現在，你需要取得決策時點之前的觀測值，並使用當時已公布的修正版本。

永遠只使用每個月的初次發布值，代表你定義的是另一種特徵。如果你明確想分析初次公告的歷史，這樣設計完全合理。但這並不能重建某個特定早晨可見的經濟數據，因為當天的資訊集可能已包含較早月份的修正值。

如果你是從就業人數水準推算每月薪資變化，請先重建相關版本的就業人數序列，再計算差分。混用剛公布的就業人數水準和前一個月的舊版本，可能算出任何已發布快照都不存在的變化值。

因此，你需要明確定義特徵的意義：初次公告值、當時可取得的最新經濟概況，或修正幅度。「薪資成長」這個說法，還有太多地方沒有說清楚。

先修正 1 次發布紀錄，再重跑 10 年資料

你可以先從 ALFRED著手；它提供許多經濟數據序列的歷史版本。請確認涵蓋範圍是否包含你要用的特定序列和期間。版本日期本身無法證明盤中何時可取得資料；若要用於同日訊號，還需搭配有文件佐證的發布時間。

第一次稽核時，先選 1 次發布，手動重建資料：

1. 找到存檔的發布資料，記錄發布時間戳記、參考月份和初次公布值。
2. 重建策略進場前實際收到的輸入資料快照。
3. 手動計算訊號，並與回放結果比較。
4. 把較晚公布的修正值加入資料儲存庫，確認先前的決策保持不變。

最後這項檢查對自動化研究流程特別有用。除了特徵值，也把研究代理程式所用的快照截止時間和選定版本識別碼一併記錄。即使底層資料庫日益擴大，你仍需要有足夠證據，能追溯某筆交易所依據的特定發布資料。

只要成功重現這一筆決策，就可以重跑歷史資料，並先比較訊號差異，再比較報酬。統計修正後新增、移除或移動了哪些進場。這些決策變化能讓你了解更多，勝過只看修正前後 Sharpe 的單一比較。

你的 2 月交易必須只靠 2 月當時掌握的資訊成立。4 月的修正，就留在 4 月。