資料窺探（Data Snooping）是同時或反覆測試大量模型、規則、資產或參數後，把同一歷史樣本中最漂亮的結果當成彷彿事前已獨立指定，因而產生的選擇偏誤。
它怎麼運作
即使每個候選都沒有真實優勢，只要測試足夠多，也可能隨機出現歷史冠軍；一旦依成績挑冠軍，它的回測結果就不能再當成單次獨立檢驗。
樣本外資料、walk-forward、事前寫好的假設與多重檢驗控制，都是為了把選模型和評模型分開。
為什麼投資人需要知道
它解釋了為什麼策略樣本內非常漂亮，上線後卻迅速掉隊，即使程式沒有bug。
它和未來資料洩漏相關但不同：資料窺探來自反覆搜尋同一樣本；look-ahead bias是直接使用當時不可得資訊。
一個簡單的市場例子
20組實際上都沒有edge的參數一起競爭，歷史最強的一組被選中，但樣本外明顯惡化。選擇過程本身就放大了信心。
常見誤解
只展示冠軍參數，卻不揭露一共試過多少版本。
同一段歷史既用來選參數、調門檻，又用來做最終驗證。
常見問題
調參一定是資料窺探嗎？
不一定，但調參與最終評價應分開，也要記錄搜尋過程。
什麼是樣本外測試？
使用沒有參與模型選擇或擬合的資料來評價。
walk-forward能完全避免過度擬合嗎？
不能，它改善流程紀律，但整個驗證方法本身仍可能被反覆優化。
僅供教育用途。部分術語在不同國家、機構與市場中的實際用法可能不同。