量化策略回测的生存偏差（SurvivorshipBias）修正.docxVIP

量化策略回测的生存偏差（SurvivorshipBias）修正

一、引言：生存偏差——量化回测的隐形陷阱

在量化投资领域，策略回测是验证策略有效性的核心环节。通过历史数据模拟交易，投资者试图预判策略在未来市场中的表现。然而，看似严谨的回测过程中，却隐藏着一个常被忽视的“隐形杀手”——生存偏差（SurvivorshipBias）。简单来说，生存偏差是指回测数据仅包含当前“存活”（未退市、未被剔除）的资产，而忽略了历史上已“消失”（退市、破产、被指数剔除等）的资产，导致回测结果系统性偏离真实市场环境。

这种偏差就像在考试中只统计及格学生的成绩来评估教学水平，却忽略了中途辍学的学生——最终得出的“优秀率”必然虚高。对于量化策略而言，生存偏差可能导致回测收益被高估、风险被低估，进而误导投资者做出错误决策。例如，某股票策略若仅用当前市场中的股票回测，可能因遗漏历史上表现不佳的退市股，使策略夏普比率虚高，而实际应用时却因遭遇“消失的股票”而亏损。因此，理解并修正生存偏差，是提升回测可靠性、保障策略实战价值的关键一步。

二、生存偏差的本质与危害

（一）生存偏差的定义与表现形式

生存偏差的本质是样本选择偏差的一种，其核心特征是“幸存者”对样本的垄断。在量化回测中，“幸存者”通常指在回测期末仍存在于市场或指数中的资产，而“非幸存者”则包括因退市、破产、被指数剔除等原因退出市场的资产。例如，某指数