లుక్-ఎహెడ్ బయాస్: బ్యాక్టెస్ట్ సమస్యలు
లుక్-ఎహెడ్ బయాస్ అనేది బ్యాక్టెస్ట్లో భవిష్యత్ డేటా లీక్ అవ్వడం. ఇది నిర్ణయాలు, సర్వైవర్షిప్, మరియు సవరించిన గణాంకాలను ఎలా పెంచుతుందో, మరియు దానిని ఎలా పరీక్షించాలో తెలుసుకోండి.
లుక్-ఎహెడ్ బయాస్ అనేది బ్యాక్టెస్ట్లో ఉపయోగించే సమాచారం, ఇది అనుకరణ ట్రేడ్ ఉంచిన సమయంలో ఎవరికీ అందుబాటులో ఉండదు. ఈక్విటీ కర్వ్ పెరుగుతుంది, గణాంకాలు అద్భుతంగా కనిపిస్తాయి, కానీ లైవ్ ఆర్డర్తో సంప్రదించినప్పుడు ఏదీ నిలబడదు. ఈ పేజీ బయాస్ను నిర్వచిస్తుంది, దానిని ఉత్పత్తి చేసే మూడు యంత్రాంగాలను వివరిస్తుంది మరియు నిజమైన మార్కెట్ డేటాపై ప్రతిదానిని కొలుస్తుంది.
లుక్-ఎహెడ్ బయాస్ అంటే ఏమిటి
బ్యాక్టెస్ట్ అనేది ఒక నిర్ణయం గురించి ఒక వాదన: ఈ టైమ్స్టాంప్లో, ఈ సమాచారంతో, నియమం ఈ పని చేసి ఉండేది. నియమం చదివే ప్రతి ఇన్పుట్ ఆ టైమ్స్టాంప్కు ముందే, దాని తుది రూపంలో, ఉనికిలో ఉన్నప్పుడు మాత్రమే వాదన చెల్లుతుంది. లుక్-ఎహెడ్ బయాస్ అనేది ఆ షరతు యొక్క ఏదైనా ఉల్లంఘన, మరియు అది నిశ్శబ్దంగా ఉంటుంది. స్ప్రెడ్షీట్ లేదా స్క్రిప్ట్లో ఏదీ ఫిర్యాదు చేయదు, ఒక వరుస అది ఫీడ్ చేసే నిర్ణయం కంటే తర్వాత స్టాంప్ చేయబడిన విలువను తిరిగి ఇస్తుంది.
ఆచరణలో కనిపించే చాలా వాటిని మూడు ఉల్లంఘనలు కవర్ చేస్తాయి. ఒక నిర్ణయం అది కూడా ట్రేడ్ చేసే బార్ను చదవడం. ఈరోజు జాబితా చేయబడిన పేర్ల నుండి సమీకరించబడిన విశ్వం. అది మోసే తేదీ తర్వాత సవరించబడిన డేటా ఫీల్డ్.
యంత్రాంగం ఒకటి: మీరు కూడా ట్రేడ్ చేసే బార్పై నిర్ణయం తీసుకోవడం
హానికరం కాని నియమంతో ప్రారంభించండి. బలంపై కొనండి, అంటే ఫండ్ తెరిచిన దానికంటే పైన ముగిసిన సెషన్లలో. అజాగ్రత్తగా కోడ్ చేస్తే, పరీక్ష ఆ సెషన్ యొక్క ఓపెన్లో ప్రవేశించి, ఆ సెషన్ యొక్క క్లోజ్లో నిష్క్రమిస్తుంది, అయితే అది స్క్రీన్ చేసే షరతు అదే బార్ యొక్క ముగింపు ధర. ఓపెనింగ్ బెల్ వద్ద ముగింపు ధర ఎవరికీ తెలియదు.
దిగువ ప్యానెల్ పది క్యాలెండర్ సంవత్సరాలలో SPY, S&P 500 ట్రాకర్పై రెండు వెర్షన్లను అమలు చేస్తుంది. మొదటి కాలమ్ అసాధ్యమైనది. రెండవది అదే షరతును ఒకే సెషన్ ద్వారా ఆలస్యం చేస్తుంది, ఇది ఫండ్డ్ ఖాతా దానిపై చర్య తీసుకోగల తొలి సమయం.
ప్రతి సంఖ్య వెనుక ఉన్న ఖచ్చితమైన SQL
WITH bars AS (
SELECT date,
toFloat64(open) AS o,
toFloat64(close) AS c,
toFloat64(close) > toFloat64(open) AS up_day
FROM global_markets.stocks_daily_aggs
WHERE ticker = 'SPY'
AND date >= toDate('2015-12-01')
AND date <= toDate('2025-12-31')
),
lagged AS (
SELECT date, o, c, up_day,
any(up_day) OVER (ORDER BY date ROWS BETWEEN 1 PRECEDING AND 1 PRECEDING) AS prior_up
FROM bars
)
SELECT toYear(date) AS year,
countIf(up_day) AS signal_days,
round(100 * avgIf(c / o - 1, up_day), 3) AS same_bar_avg_pct,
round(100 * avgIf(c / o - 1, prior_up), 3) AS lagged_avg_pct,
round(100 * (avgIf(c / o - 1, up_day) - avgIf(c / o - 1, prior_up)), 3) AS gap_pp
FROM lagged
WHERE date >= toDate('2016-01-01')
GROUP BY year
ORDER BY yearవిభజన సూక్ష్మమైనది కాదు. 2016 లో, అదే-బార్ వెర్షన్ అర్హత కలిగిన సెషన్కు సగటున 0.447% ను సంపాదించింది, అయితే ఆలస్యమైన వెర్షన్ సగటున -0.008% ను సంపాదించింది, రోజుకు 0.455 శాతం పాయింట్ల విస్తరణ. 2025 లో, రెండూ 0.636% మరియు -0.03% ను చదివాయి. సంవత్సరానికి సుమారు 140 అర్హత కలిగిన సెషన్లతో, సెషన్కు అర శాతం పాయింట్ విస్తరణ ఈక్విటీ కర్వ్గా మారుతుంది, దీనిని ఏ లైవ్ ఖాతా కూడా ముద్రించలేదు.
మొత్తం అంచు నిర్వచనాత్మకమైనది. వాటి ఓపెన్ పైన ముగిసిన సెషన్లను ఎంచుకోవడం, ఆపై ఆ సెషన్లలో ఓపెన్-టు-క్లోజ్ను కొలవడం, సానుకూలంగా హామీ ఇవ్వబడిన పరిమాణాన్ని కొలుస్తుంది. నియమం దాని స్వంత ఫిల్టర్ను కనుగొంది.
దీని వైవిధ్యాలు రోజువారీ డేటాలో ఎల్లప్పుడూ దాగి ఉంటాయి: ఈరోజు ముగింపును కలిగి ఉన్న మరియు ఈరోజు ట్రేడ్ చేయడానికి ఉపయోగించే కదిలే సగటు, ఇంకా జరగని స్ప్లిట్ కోసం సర్దుబాటు చేయబడిన ధరలపై లెక్కించబడిన సిగ్నల్, ఇంకా ముద్రించబడని సెషన్ హై వద్ద ఉంచబడిన ఇంట్రాడే స్టాప్. సాధారణ ఆకారం అనేది దాని స్వంత ఇన్పుట్లలో ఒకదాని కంటే ముందున్న నిర్ణయ టైమ్స్టాంప్.
యంత్రాంగం రెండు: ఈరోజు మనుగడ సాగించేవారి నుండి తీసుకోబడిన విశ్వం
రెండవ యంత్రాంగం నియమాన్ని తాకదు. ఇది నియమం చూడటానికి అనుమతించబడిన పేర్ల జాబితాలో కూర్చుంటుంది.
ప్రస్తుత డేటా ప్రొవైడర్ నుండి ఒక టిక్కర్ జాబితాను తీసుకోండి, దానిని పది సంవత్సరాలు వెనక్కి అమలు చేయండి, మరియు నమూనా నిశ్శబ్దంగా దివాలా తీసిన, స్వాధీనం చేసుకున్న లేదా మార్గంలో డీలిస్ట్ చేయబడిన ప్రతి కంపెనీని మినహాయిస్తుంది. నియమానికి ఎప్పుడూ ఓడిపోయినవారు అందించబడలేదు. ప్యానెల్ ఆ లోపం యొక్క పరిమాణాన్ని కొలుస్తుంది: ఒక నిర్దిష్ట క్యాలెండర్ సంవత్సరంలో $1 పైన కనీసం 200 సెషన్లను ట్రేడ్ చేసిన ప్రతి US-జాబితా చేయబడిన పేరు, ఆ కోహోర్ట్ యొక్క భాగం జూలై 2026 లో ధరలను ముద్రిస్తూనే ఉంది, మరియు మొత్తం కోహోర్ట్ యొక్క మధ్యస్థ క్యాలెండర్-సంవత్సర రాబడి, మనుగడ సాగించేవారి మధ్యస్థంతో పాటు.
ప్రతి సంఖ్య వెనుక ఉన్న ఖచ్చితమైన SQL
WITH recent AS (
SELECT DISTINCT ticker
FROM global_markets.stocks_daily_aggs
WHERE date >= toDate('2026-06-15')
AND date <= toDate('2026-07-28')
),
per_name AS (
SELECT toYear(date) AS year,
ticker,
argMin(toFloat64(close), date) AS first_close,
argMax(toFloat64(close), date) AS last_close,
count() AS sessions
FROM global_markets.stocks_daily_aggs
WHERE date >= toDate('2015-01-01')
AND date <= toDate('2024-12-31')
AND close > 1
GROUP BY year, ticker
HAVING sessions >= 200
)
SELECT year,
uniqExact(ticker) AS names_trading,
round(100 * uniqExactIf(ticker, ticker IN (SELECT ticker FROM recent)) / uniqExact(ticker), 1) AS still_listed_pct,
round(100 * quantileDeterministic(0.5)(last_close / first_close - 1, cityHash64(ticker)), 2) AS median_return_all_pct,
round(100 * quantileDeterministicIf(0.5)(last_close / first_close - 1, cityHash64(ticker), ticker IN (SELECT ticker FROM recent)), 2) AS median_return_survivors_pct,
round(100 * (quantileDeterministicIf(0.5)(last_close / first_close - 1, cityHash64(ticker), ticker IN (SELECT ticker FROM recent))
- quantileDeterministic(0.5)(last_close / first_close - 1, cityHash64(ticker))), 2) AS survivor_gap_pp
FROM per_name
GROUP BY year
ORDER BY year2015 లో బార్ను క్లియర్ చేసిన 7063 పేర్లలో, 52.5% జూలై 2026 లో ఇంకా ట్రేడ్ చేస్తున్నాయి. 2024 కోహోర్ట్ కోసం, ఆ సంఖ్య 87.5%, చాలా వరకు గడిచిన సమయం: 2024 పేరుకు అదృశ్యం కావడానికి రెండు సంవత్సరాలు మరియు 2015 పేరుకు పదకొండు సంవత్సరాలు ఉన్నాయి.
రాబడి కాలమ్లు బయాస్ను కలిగి ఉంటాయి. 2017 లో, మధ్యస్థ పేరు 7.51% ను సంపాదించింది, అయితే మధ్యస్థ మనుగడదారు 11.32% ను సంపాదించింది, ఉచితంగా అందించబడిన 3.81 శాతం పాయింట్ల అంతరం. చార్ట్ చేయబడిన 10 సంవత్సరాలలో ప్రతిదానిలోనూ అంతరం సానుకూలంగా ఉంటుంది. మనుగడదారులపై పరీక్షించబడిన వ్యూహం, ఒకే నిర్ణయం తీసుకోకముందే దానిని వారసత్వంగా పొందుతుంది, మరియు బలహీనత కోసం స్క్రీన్ చేసే నియమాలు మధ్యస్థం కంటే ఎక్కువ వారసత్వంగా పొందుతాయి, ఎందుకంటే అదృశ్యమైన పేర్లు ఆ బకెట్లో అసమానంగా ఉంటాయి.
దిద్దుబాటు అనేది పాయింట్-ఇన్-టైమ్ విశ్వం: ప్రతి రీబ్యాలెన్స్ తేదీన ఉన్నట్లుగా పేర్ల జాబితా, డీలిస్టింగ్లతో సహా, డీలిస్ట్ చేయబడిన స్థానాన్ని దాని చివరి ప్రింట్తో మూసివేసి, రికార్డ్ నుండి తొలగించకుండా.
యంత్రాంగం మూడు: దాని తేదీ స్టాంప్ తర్వాత సవరించబడిన డేటా
ధరలు ఒకసారి స్టాంప్ చేయబడతాయి. ప్రాథమికాలు కాదు. త్రైమాసిక సంఖ్య త్రైమాసికం ముగింపు తేదీని కలిగి ఉంటుంది, తరువాత దాఖలు ద్వారా సవరించబడుతుంది, మరియు ప్రస్తుత సంస్కరణను మాత్రమే నిల్వ చేసే డేటాబేస్ అసలు తేదీకి వ్యతిరేకంగా సవరించిన సంఖ్యను సంతోషంగా అందిస్తుంది. ఆ సంఖ్యపై స్క్రీన్ చేసే నియమం నెలలు పట్టే సవరణను చదువుతోంది.
అదే నమూనా ప్రస్తుత భాగాలతో పునర్నిర్మించబడిన సూచిక సభ్యత్వ జాబితాలు, తుది ఏకాభిప్రాయంతో ఓవర్రైట్ చేయబడిన విశ్లేషకుల అంచనా చరిత్రలు మరియు ధరల శ్రేణి అంతటా వర్తించే కార్పొరేట్ చర్య సర్దుబాట్లలో నడుస్తుంది. ప్రతి సందర్భంలోనూ నిల్వ చేయబడిన రికార్డ్ గత-కాలపు తేదీని ధరించే ప్రస్తుత-కాలపు స్నాప్షాట్.
రెండు పద్ధతులు దీనిని కలిగి ఉంటాయి. వింటేజ్లను ఉంచే మూలాన్ని ఉపయోగించండి, అంటే ప్రతి తేదీన తెలిసినట్లుగా విలువ, ఇప్పుడు తెలిసినట్లుగా విలువ కాదు. వింటేజ్లు అందుబాటులో లేనప్పుడు, వాస్తవమైన దానిని కవర్ చేయడానికి తగినంత నివేదన ఆలస్యాన్ని వర్తింపజేయండి, మరియు ఆ ఆలస్యం యొక్క పొడవును ఊహించదగిన వివరంగా కాకుండా పరీక్షించదగిన పారామీటర్గా పరిగణించండి.
భవిష్యత్తు లీక్ అయినప్పుడు కర్వ్ ఎలా కనిపిస్తుంది
లుక్-ఎహెడ్ బయాస్కు ఒక సంతకం ఉంది: అంతర్లీన మార్కెట్ అందించిన దానికంటే చాలా పైన ఉన్న పనితీరు. ఉపయోగకరమైన సూచన స్థానం అనేది హిండ్సైట్ సీలింగ్, ఒకే వస్తువుపై పరిపూర్ణమైన ఒక-రోజు-ముందు అంచనా ఉత్పత్తి చేసిన వృద్ధి.
ప్రతి సంఖ్య వెనుక ఉన్న ఖచ్చితమైన SQL
WITH bars AS (
SELECT date,
toFloat64(close) AS c,
any(toFloat64(close)) OVER (ORDER BY date ROWS BETWEEN 1 PRECEDING AND 1 PRECEDING) AS prev_c
FROM global_markets.stocks_daily_aggs
WHERE ticker = 'SPY'
AND date >= toDate('2015-12-01')
AND date <= toDate('2025-12-31')
),
rets AS (
SELECT toYear(date) AS year,
c / prev_c - 1 AS r
FROM bars
WHERE date >= toDate('2016-01-01')
AND prev_c > 0
)
SELECT year,
count() AS sessions,
round(100 * (exp(sum(log(1 + r))) - 1), 1) AS buy_and_hold_pct,
round(100 * (exp(sumIf(log(1 + r), r < 0.02)) - 1), 1) AS without_big_up_days_pct,
round(exp(sum(log(1 + abs(r)))), 1) AS hindsight_ceiling_multiple
FROM rets
GROUP BY year
ORDER BY yearసీలింగ్ భారీగా ఉంటుంది. 2020 లో, SPY పై పరిపూర్ణమైన ఒక-రోజు ముందుచూపు మూలధనాన్ని 27.7 సార్లు 253 సెషన్లలో గుణించింది, 16.2% తో కేవలం ఫండ్ను కలిగి ఉండటానికి వ్యతిరేకంగా. పది సంవత్సరాలలో అత్యంత ప్రశాంతమైన సంవత్సరంలో, 2017, అదే పరిపూర్ణ అంచనా మూలధనాన్ని 2.2 సార్లు సంపాదించింది.
మధ్య కాలమ్ ఆ సీలింగ్ ఎంత కేంద్రీకృతమై ఉందో చూపుతుంది. 2% కంటే ఎక్కువ లాభం పొందిన సెషన్లను తీసివేయండి, మరియు 2020 16.2% నుండి -44.9% గా మారుతుంది. సంవత్సరానికి కొన్ని సెషన్ల విలువైన లీక్ బ్యాక్టెస్ట్ను చాలా దూరం తరలిస్తుంది. తక్కువ డ్రాడౌన్లు, అధిక హిట్ రేటు మరియు మార్కెట్ యొక్క అత్యంత హింసాత్మక సెషన్లలో కేంద్రీకృతమైన దాని ఉత్తమ రోజులతో కూడిన కర్వ్ ఆడిట్కు అర్హమైనది.
ఏదైనా ఒకే థ్రెషోల్డ్ కంటే కాలిబ్రేషన్ చాలా ముఖ్యం. ఒక దశాబ్దం పాటు సున్నితమైన 40% వార్షిక రాబడిని క్లెయిమ్ చేసే నియమం హిండ్సైట్ సీలింగ్ యొక్క పెద్ద భాగాన్ని క్లెయిమ్ చేస్తుంది, మరియు నిజమైన ప్రశ్న ఏమిటంటే ఏ ఇన్పుట్ ఏమి జరగబోతోందో దానికి చెప్పింది.
లుక్-ఎహెడ్ బయాస్ కోసం బ్యాక్టెస్ట్ను ఎలా పరీక్షించాలి
- ప్రతిదాన్ని ఒక బార్ ద్వారా ఆలస్యం చేయండి. ప్రతి సిగ్నల్ను ఒక పూర్తి కాలం తర్వాత మార్చండి మరియు మళ్లీ అమలు చేయండి. నిజమైన అంచులు కొద్దిగా క్షీణిస్తాయి. లీక్లు కుప్పకూలిపోతాయి, తరచుగా ఏమీ లేకుండా.
- భవిష్యత్తును కలవరపరచండి. ప్రతి నిర్ణయ టైమ్స్టాంప్ తర్వాత డేటాను తీసుకోండి, దానిని శబ్దం లేదా రీషఫుల్తో భర్తీ చేయండి మరియు నిర్ణయ తర్కాన్ని మళ్లీ అమలు చేయండి. ప్రతి నిర్ణయం ఒకే విధంగా ఉండాలి. కదిలే ఏదైనా నిర్ణయం అది తెలుసుకోలేని దానిని చదివింది.
- టైమ్స్టాంప్లను డేటాగా పరిగణించండి. ప్రతి ఇన్పుట్ కోసం, విలువ అందుబాటులోకి వచ్చిన క్షణాన్ని అది వివరించే క్షణంతో పాటు నిల్వ చేయండి. ఆ రెండు కాలమ్లను ఎప్పుడూ పోల్చని జాయిన్ నియమాన్ని అమలు చేయదు.
- తేదీ నాటికి విశ్వాన్ని పునర్నిర్మించండి. డీలిస్ట్ చేయబడిన మరియు స్వాధీనం చేసుకున్న పేర్లను చేర్చండి, వాటిని వాటి చివరి ప్రింట్తో మూసివేయండి, మరియు మనుగడ సహకారాన్ని కొలవడానికి రెండు విశ్వాలపై అదే నియమాన్ని అమలు చేయండి.
- సీలింగ్కు వ్యతిరేకంగా కొలవండి. వ్యూహం యొక్క రాబడిని అదే విండో కోసం కొనుగోలు మరియు హోల్డ్ ఫిగర్ మరియు పరిపూర్ణ-ముందుచూపు ఫిగర్తో పక్కపక్కనే ఉంచండి. సీలింగ్ నుండి దూరం అనేది షార్ప్ రేషియో మాత్రమే ఇవ్వని సందర్భం.
స్థాన పరిమాణం వీటన్నింటికీ దిగువన కూర్చుంటుంది. పెరిగిన గెలుపు రేటు పెరిగిన బెట్ పరిమాణాన్ని ఫీడ్ చేస్తుంది, ఇది కెల్లీ ప్రమాణం స్థాన పరిమాణం అకౌంటింగ్ లోపాన్ని డ్రాడౌన్గా మారుస్తుంది. నిజమైన మూలధనం కదిలే ముందు అదే క్రమశిక్షణ వర్తిస్తుంది: నిజమైన డబ్బుకు ముందు పేపర్ ట్రేడింగ్ ఆర్డర్ మెకానిక్స్ను పరీక్షిస్తుంది, మరియు ఆటోమేటెడ్ స్టాక్లు మెషిన్ వేగంతో అదే ప్రమాదాన్ని కలిగి ఉంటాయి, బహుళ ఏజెంట్ AI ట్రేడింగ్ సిస్టమ్స్ లో కవర్ చేయబడింది. పాయింట్-ఇన్-టైమ్ పరీక్షల నుండి బయటపడే ప్రభావాలు, తక్కువ అస్థిరత అసాధారణత వంటివి, ఖచ్చితంగా ఆ కారణంతో ఆసక్తికరంగా ఉంటాయి.
తరచుగా అడిగే ప్రశ్నలు
బ్యాక్టెస్టింగ్లో లుక్-ఎహెడ్ బయాస్ అంటే ఏమిటి?
ఇది అనుకరణ ట్రేడ్లో డేటాను ఉపయోగించడం, ఇది ట్రేడ్ ఉంచబడినప్పుడు అందుబాటులో లేదు. సాధారణ రూపాలు ట్రేడ్ కూడా అమలు చేసే ధర బార్పై నిర్ణయం తీసుకోవడం, ఈరోజు జాబితా చేయబడిన కంపెనీల విశ్వాన్ని స్క్రీన్ చేయడం మరియు దానికి జోడించబడిన తేదీ తర్వాత సవరించబడిన ఆర్థిక సంఖ్యను చదవడం.
లుక్-ఎహెడ్ బయాస్ను ఎలా గుర్తించవచ్చు?
ప్రతి సిగ్నల్ను ఒక పూర్తి కాలం ద్వారా ఆలస్యం చేసి, మళ్లీ అమలు చేయండి: ఒక లీక్ సాధారణంగా కుప్పకూలిపోతుంది, అయితే నిజమైన అంచు సున్నితంగా క్షీణిస్తుంది. బలమైన పరీక్ష ప్రతి నిర్ణయ టైమ్స్టాంప్ తర్వాత అన్ని డేటాను శబ్దంతో భర్తీ చేస్తుంది మరియు ప్రతి నిర్ణయం మార్పు లేకుండా వస్తుందని నిర్ధారిస్తుంది.
సర్వైవర్షిప్ బయాస్ లుక్-ఎహెడ్ బయాస్తో సమానమా?
అవి విభిన్నమైనవి కానీ కలిసి ప్రయాణిస్తాయి. సర్వైవర్షిప్ బయాస్ అనేది మిగిలిపోయిన పేర్ల నుండి నిర్మించబడిన నమూనా, మరియు ఏ పేర్లు మిగిలిపోయాయో తెలుసుకోవడం భవిష్యత్తు నుండి సమాచారం, కాబట్టి సర్వైవర్-మాత్రమే విశ్వం అనేది నియమంలో కాకుండా డేటాలో ఉన్న లుక్-ఎహెడ్ లీక్.
లుక్-ఎహెడ్ బయాస్తో బ్యాక్టెస్ట్లు ఎందుకు అంత బాగా కనిపిస్తాయి?
లీక్ వాటిని అంచనా వేయడానికి బదులుగా ఫలితాలను ఎంచుకుంటుంది. పై ప్యానెల్లో, వాటి స్వంత ముగింపు ధరపై సెషన్లను స్క్రీన్ చేయడం 2016 లో ఆలస్యమైన వెర్షన్ కంటే సగటున 0.455 శాతం పాయింట్లు ఎక్కువ సెషన్ లాభాన్ని ఉత్పత్తి చేసింది, ఇది సంపాదించిన దానికంటే నిర్వచనాత్మకమైన ప్రయోజనం.
పాయింట్-ఇన్-టైమ్ డేటా అంటే ఏమిటి?
పాయింట్-ఇన్-టైమ్ డేటా ప్రతి చారిత్రక తేదీన తెలిసినట్లుగా ప్రతి విలువను నిల్వ చేస్తుంది, అసలు సంఖ్య మరియు ప్రతి తరువాత సవరణలతో సహా, ఆ రోజున ఉన్న సెక్యూరిటీల విశ్వంతో పాటు. దాని ఇన్పుట్లు దాని నిర్ణయాలకు ముందు ఉనికిలో ఉన్నాయని చూపించడానికి బ్యాక్టెస్ట్కు అవసరమైన సూచన ఇది.
పైన ఉన్న ప్రతి సంఖ్య నిజమైన రోజువారీ బార్లపై నిల్వ చేయబడిన, వెర్షన్ చేయబడిన ప్రశ్న. ఏదైనా ప్యానెల్ యొక్క SQL ను విస్తరించండి, లేదా స్ట్రాస్మోర్ టెర్మినల్లో మీ స్వంత నియమంపై ల్యాగ్ పరీక్షను అమలు చేయండి.