上周，谷歌TensorFlow团队发表了一篇很好的文章，展示了如何开发一个美国股市的预测器：TensorFlow Machine Learning with Financial Data on Google Cloud Platform。 用他们的话说，他们的解决方案将：
通过TensorFlow构建、训练和评估许多预测金融市场将会发生什么的模型。
他们显然在这篇文章中投入了大量的精力——互动的iPython Notebook，两个专业编辑过的视频，以及在他们网站和博客上的多篇文章。推特、评论以及媒体方面，公众对此的反应清一色是：「哇！」。 不幸的消息是，这个模型并不能预测这些市场的未来。它预测的大多是过去，对于交易来说没有实际用途。
好到难以置信！
引用谷歌的结论：
最后，我们怎么进行数据分析？我们做得很好：在预测S&P 500指数的收盘价上，正确率超过70%，这也是使用这个数据集所取得的最好成绩，所以，仅使用几个步骤和几行代码，我们已经制作出了一个不折不扣的机器学习模型。之所以会得到这个相对较低的正确率原因在于数据集本身；没有足够讯号来显著改善表现。但是，十次当中有七次，我们能够准确地确定S&P 500指数会在当天收盘时升或跌，客观上不错。
读到这里我立刻想到：这不可能是真的。如果有人十次当中有七次能准确预测出S&P市场的走向，他在短短几个月内就会非常富有。如果你拥有这个神奇的预测器，你真的可以凭空赚数十亿元。 所以，我打开他们的IPython Notebook，(在手里抱着一个生病的孩子，站在我的电脑附近阅读这篇文同时安抚宝宝) 仅十分钟后，我看到了一个很不利的地方，进行金融预测时，你应该永远不会犯的一个错误。数据泄露（date leakage），有时也被称为时间旅行 （time travelling）。将你的机器学习模型不应当知道的数据泄露给该模型的方式很多。在这个案例中，情况实际上相当简单。
那么，问题是什么？
不要担心：理解这个问题，不需要编程技能，金融市场知识或者深度学习库的经验。这个错误是...其实…简单到尴尬，并且我真的很惊讶谷歌甚至发表了这篇文章。 他们有一个叫做 「snp_0」的值，基本上是S&P市场今天收盘价和昨天收盘价之差。 然后，他们输入变量，比如 对于伦敦市场来说是一回事的「ftse_0」。因此再一次，今天收盘价和昨日收盘价之差。伦敦市场稍稍在时间上领先—— 它在标普市场收盘前4.5个小时关闭。 TensorFlow尝试从诸如上述「ftse_0」之类的输入中预测的只是snp_0 (正数意味着S&P上涨，负数意味着下跌）的方向。 明白？ 我的意思是：你是否已经看出了大错误？ 如果没有，只要仔细重读前面的几段，并且思考一下。我等着。 那么对需要一个明确解释的人们：
当伦敦市场收盘时，你将拥有所有输入数据。
你把它输入闪亮的TensorFlow模型里，它就会预测S&P市场方向。
所以，现在你要下市场订单的话（根据模型预测买入或者做空股市）
你只错过了一个小细节：你的时光机！
因为你需要时光倒流19.5小时去下实际订单 (snp_0的变量涵盖24小时时间段，没有时光机的话，我们已经处在该时段最后4.5小时当中）
（不，现在下订单不会是一个好策略。这个模型没有预测最后4.5小时内会发生什么。这个信息实际上甚至不在训练数据里。）
后续
我昨天转发关于数据泄漏的推特文：
并通知了谷歌的伙计们：
然后等待了将近一天，看看他们会不会发现自己的错误，并且修复它（或者完全收回它）。
他们没有，所以我把错误的具体解释发送到他们的邮箱。半小时后，Corrie承认问题的存在，并且承诺他们将在这个周末解决它。
我希望他们能彻底修改这个文章，模型将不再在时间过程中泄露任何数据。我也相当怀疑它是否会有任何预测能力。
最后的话
TensorFlow是一个非常好的库/框架。 但是，如果你不正确地准备了数据，你美丽的深度学习库也救不了你。 当然，除非你有时间旅行机器。在这种情况下，勇往直前，使用谷歌金融预测并且成功！
