回測總經風險模型，用今天修正完的數字會不會高估成績？三個市場、近二十年的檢查，沒有偵測到差異

做風險模型的人常把總經數據放進模型，再用歷史資料檢查它在過去有沒有用。問題是，工業生產、就業與失業率公布之後常被修正。今天下載的歷史數字，是修正完的版本；模型當年實際看到的，是第一次公布的版本。用修正完的數字回測，成績會不會被偷偷墊高？

這篇用三個市場、近二十年的每日資料檢查這件事。答案是：沒有偵測到。用修正完的數字，並沒有讓模型看起來比用當時數字更好。但這是「沒有偵測到」，不是「修正不重要」。

怎麼比

研究把同一個模型做成兩個版本，只換總經數據：一版用當時公布的數字，一版用現在下載的修正完的數字。其他部分完全相同：同樣的資產、同樣的預測日、同樣的估計方法。預測在前一天收盤後做出，只用當時已經公布的資料。

模型預測的是每日的下跌風險：在最壞的 2.5% 日子裡，損失會到多深。研究用一個同時評分「門檻」與「超過門檻後的平均損失」的損失分數，分數越低越好，再逐日比較兩個版本的分數差。三個資產是 SPY（美國大型股 ETF）、TLT（美國長天期公債 ETF）和台灣加權指數，分別有 4,967、4,967、4,826 個樣本外交易日，起點在 2007-01-03 前後。

修正有多大

修正並不小。用當時數字與修正完的數字比，工業生產的特徵在 99.8% 的交易日不同，非農就業在 100.0% 的交易日不同，失業率變動在 61.6% 的交易日不同（以 SPY 的樣本為例，其他兩個資產的比例相近）。工業生產特徵的平均差距有 0.64 個標準差。

分數有沒有差

有修正，不代表分數會差。把兩個版本的損失分數相減，用修正完的版本減當時的版本：負值代表修正完的數字讓模型看起來比較好。

三個資產的信賴區間都包含 0。SPY 與台灣加權指數的平均差是正值，也就是修正完的數字沒有讓模型更好；TLT 的平均差是很小的負值，但同樣不顯著。經過多重比較校正之後，三個資產都沒有一個達到顯著。

這代表什麼

• 能說：在這個樣本與這個模型下，用修正完的數字回測，沒有偵測到前視優勢。
• 不能說：修正不重要。信賴區間有寬度；以 SPY 為例，修正完的數字若讓分數好過 0.00530 以上，資料已經排除這個可能；比這小的差，這個檢定看不見。
• 另一個觀察：總經特徵本身也沒有改善沒有總經數據的基準模型。把總經特徵加進去之後，九個比較格中有八個的點估計損失較高；加入當時數字的模型，在 TLT 的 1% 風險水準，比沒有總經數據的基準顯著變差（校正之後仍然顯著）。這個模型裡本來就沒有多出來的好處，修正值也就沒有東西可以放大。
• 不能外推：結論只涵蓋這三個序列、三個總經指標和這四個模型，不能推到一般的風險模型。

限制

•  不是盲測 ：作者事前就預期不會看到差異（預註冊已記載），凍結前也看過部分資料的結構與一個相關實驗的結果。
•  台灣加權指數的價格 來自 yfinance，調整價與收盤價在部分日期不同。
•  2020 年 的特徵標準化後數值極大，槓桿很大；排除 2020 年預測日後，結論不變。
•  「當時」的定義 取決於一個資訊集假設：美國資產只用前一天已公布的版本，台股再早一個日曆日。
•  診斷計數 來自結果檔，獨立重建只涵蓋抽樣的重估區塊；正式執行為一次的說法，無法從版本紀錄獨立證明。

資料來源：ALFRED（工業生產、非農就業、失業率的當時版本與修正版本）與 Yahoo Finance（SPY、TLT、台灣加權指數日價格），樣本外 2007 年起至 2026-09-30。

懶人包圖組