Почему ваш бэктест врёт: 7 ловушек грязных рыночных данных и как написать Point-in-Time пайплайн на Python
Торговая стратегия на исторических данных показывает фантастический коэффициент Шарпа 1.8 и ровную линию доходности под 45 градусов. Вы подключаете исполнение на реальной бирже — и через пару месяцев Шарп падает до 0.4, просадка вдвое превышает расчетную, а алгоритм стабильно теряет деньги.Первая реакция разработчика — «сменился рыночный режим» или «нейросеть переобучилась на шуме». Однако в 40–60% случаев проблема кроется глубже: бэктест тестировался на «грязных» данных, в которые разработчик сам, не осознавая этого, заложил заглядывание в будущее (look-ahead bias) и систематические искажения.Под катом подробный инженерный разбор 7 скрытых дефектов рыночных данных: от ошибки выжившего и неявного знания о сплитах акций за три года до их проведения до фантомной доходности на застрявших котировках (stale prices) и рассинхрона часовых поясов. С формулами, оценкой влияния каждого искажения на финансовые метрики и рабочим кодом на Python / Polars для построения строгого Point-in-Time пайплайна с битемпоральной валидацией. Разобрать ошибки