在建立股票預測模型的過程中，一個品質良好、具代表性且符合實務資料處理原則的投資因子資料庫，是模型建構與預測效能的基礎。投資因子的選擇應具備清楚的經濟意涵與實證基礎；而在因子資料的建立過程中，亦須謹慎處理資料的時間一致性。特別是應使用 point-in-time（當時點可取得）的資訊，以避免誤用未來資訊或事後修正的財務數據。例如，不應排除樣本中於當時仍正常交易、但現況已下市的公司，也不應使用當時不存在的財報資訊（誤用當時點尚未發布的財務資訊、或誤用重編後數據）。若忽略這些資料處理原則，將導致生存者偏誤（Survivorship Bias）與前視偏誤（Look-ahead Bias），而產生失真的預測結果。
會員