存活者偏差：你的回测收益被系统性高估了多少

任何做过股票回测的人，都欠自己一个诚实的问题：你用的股票池里，那些退市、ST、破产的股票，去哪了？

如果答案是”被删掉了”，那你看到的收益，注定是注了水的。这就是存活者偏差（survivorship bias）——回测里最经典、最顽固、也最容易被装作没看见的偏差之一。今天我用一个可复现的合成实验，把它到底虚高了多少，用数字摆出来。

一、偏差从哪来#

设想你在 2010 年用当时市面上所有 A 股做一个等权组合，持有到 2025 年。如果你现在回测，用的股票池是”2025 年还活着的那些公司”，那么从 2010 到 2025 之间已经退市的股票，全都不存在了。

问题在于：这些消失的股票，恰恰是表现最差的一批。它们往往因为连年亏损、财务造假、被 ST、甚至破产清算而退市——退市前往往还带着一段惨烈的下跌（甚至退市当月就腰斩）。把它们从历史里抹掉，等于系统性删除了你组合里最痛的亏损，剩下的自然全是”岁月静好”。

这就是存活者偏差的核心机制：你的样本不是从当时出发往前看，而是从现在出发往回看，只留下了赢家。

二、一个合成实验：偏差到底多大#

我构造了 300 只股票、180 个月的合成面板，并植入一个符合常识的退市规则：

• 每年有基础退市概率，且过去 12 个月累计收益越差的公司，退市概率越高（对应亏损、ST、破产的传导路径）。
• 退市当月，股价额外承受 -60% 的冲击，次月从样本消失。

然后我同时维护两个股票池做等权回测：

1. PIT 池（point-in-time）：包含全部股票，退市股保留到退市当月（含 -60% 冲击），之后才剔除——这才是”当时真实的世界”。
2. 存活者池：只保留活到期末的股票，全程等权——这是”事后回看的世界”。

结果如何？

年化收益被高估了 1.22 个百分点，Sharpe 虚高了 0.07，而最大回撤则被”温柔”地缩小了近 2 个点。这几个数字单看不算惊悚，但你要知道：这是每年 6% 退市率、15 年累计的温和场景。真实 A 股的历史退市率、以及某些小盘股/微盘股策略的退市冲击，远比这更剧烈。

更重要的是，这个偏差是”方向性”的——它永远让回测好看，从不会让你的收益看起来更保守。这才是它危险的地方：没人会因为回测收益”虚高”而报警。

三、为什么大模型预测场景下，偏差会放大#

存活者偏差不只是传统回测的问题，在”训练大模型预测股市”这个场景下，它会以更隐蔽的方式放大：

1. 训练集的幸存者筛选。 用”现存股票”的历史数据训练选股模型，模型学到的是”只对赢家有效的规律”。它永远看不到”这家公司曾经存在过、后来死了”的负样本，于是对风险系统性低估。

2. 标签的幸存者扭曲。 如果你用”最新市值”或”最新财务数据”去标注历史样本，等于把”这家公司后来还活着、还很大”的信息穿越回了训练样本里。

3. 评估阶段的幸存者幻觉。 模型在测试集上的高收益，可能只是因为测试集本身筛掉了退市股。换到真实的、包含退市股的前向环境，收益会立刻缩水。

4. 小盘因子的系统性偏差。 小盘、微盘股退市概率更高，存活者偏差对小盘因子策略的侵蚀尤其严重——很多”小盘超额收益”的论文，去掉存活者偏差后超额就大打折扣。

四、怎么对抗存活者偏差#

对抗存活者偏差，本质上是一个”数据工程”问题，答案是明确的：

第一，用 point-in-time 数据。 每一期的股票池，都必须是”那一期真实存在的股票集合”，而不是”现在存在的集合”。财务数据用当时披露版，指数成分用当时成分，退市股要保留到退市当天并计入退市冲击。

第二，保留死去的样本。 退市、ST、破产的股票，不能删，要作为完整的负样本保留。它们教会模型的，恰恰是”什么会死”——这比”什么会涨”更难能可贵。

第三，做偏差敏感性分析。 同一个策略，分别在”存活者池”和”PIT 池”上跑一遍，看收益差多少。如果差得离谱，说明你的 alpha 有一大半是偏差喂出来的。

第四，警惕”干净到可疑”的曲线。 回撤特别小、收益特别稳、几乎不回撤的组合，先怀疑它是不是把最差的那批股票都”洗”掉了。

说到底，存活者偏差和上一篇文章讲的数据泄漏是一对孪生兄弟：一个让特征偷看未来，一个让样本删掉过去。 它们共同指向同一件事——在量化与 AI 预测的世界里，最值钱的不是更复杂的模型，而是更干净的、尊重时间箭头的数据。

如果你连”当时真实存在过什么、后来谁死了”都没搞清楚，那么再漂亮的回测曲线，也只是幸存者写给幸存者的一封情书。