幸存者偏差对回测有什么影响？样本池决定结论

回测选股策略时，若股票池用的是「今天仍在上市的名单」倒推十年，你已经在样本里开除了退市、长期停牌失败、被合并消失的名字。成绩单会偏好看——不是因为规则神，而是因为死人不会说话。这就是幸存者偏差在回测里的典型形态：样本池决定结论，比你调 MACD 参数更致命。

它怎样抬高你的曲线

想象 2015 年有一组垃圾股，后来退市。你的策略当年也可能买过它们并亏损；但若回测池里根本没有这些代码，那段亏损从历史上被抹掉了。留下来的，是熬到今天的公司——其中不乏后来变强的。于是：

• – 历史收益率被高估
• – 最大回撤被低估
• – 「选股因子有效」的结论更可疑

指数成分同样有这个问题：用「今日沪深 300 名单」回测十年前，等于让成分股享有未来才确立的身份。严格做法是用当时的成分或当时可交易宇宙。

和个人感觉的偏差是同一类错

生活里的幸存者偏差：你只看到成功创业者上封面，看不到安静失败的大多数。股市里：你只回测还在交易的票，看不到退市路径上的深坑。表现形式不同，逻辑一样——观测样本被结果筛选过了。

反例很具体：若策略偏爱小市值、低价股，幸存者偏差往往更大，因为这类公司退市与长期低迷更常见。你用「现存小票」回测小市值因子，等于在已经筛过一轮的池子里假装公平竞赛。

个人研究里能怎么做（可执行）

完全消除不容易，但可以明显减偏：

1. 1. 用点位时间的股票宇宙：每个交易日，池子 = 当时上市且可交易的股票，而不是今日名单倒灌。
2. 2. 纳入退市与停牌处理规则：买了之后退市/长期停牌，按你能接受的假设结算（例如按最后可成交价、或按规则计提损失），别当交易凭空消失。
3. 3. ST、*ST 状态用当时标记，不要用最终是否戴帽回填。
4. 4. 对比实验：同一策略，分别在「现存股票池」与「历史可交易池」跑，看收益和回撤差多少。差值就是你过去被安慰的幅度。
5. 5. 报告里写明股票池构建方式——写不清的回测，默认可疑。

数据若暂时只有现存列表，至少做到：结论降级为「在现存样本上的探索」，并避免对外宣称稳健有效；同时优先缩短推断强度，加快补历史宇宙数据。

和未来函数、偷看参数的关系

幸存者偏差偏「样本是谁」；未来函数偏「字段何时可知」；数据窥探偏「你试了多少次」。三者常叠在一起：用现存池 + 收盘偷看 + 全样本调参，曲线可以美到失真。修好仓位与指标之前，先问股票池——底座歪了，上层装修没用。

自查一句就够：2018 年某日我的选股程序，是否可能选到后来退市的票？ 若系统回答「不可能」，多半池子有幸存者问题。

停牌很久后复牌的股票，若在池子构建时被「今日可交易」一刀切掉历史路径，也会制造另一种存活幻觉。处理规则要写进说明书。

指数增强或「相对沪深300」类研究，也要用点位成分或可投资宇宙，否则超额收益里可能掺了「未来才进指数」的红利。行业、主题板块回测同理：用今日概念成分倒推五年，等于让后来才被贴标签的公司提前入选。能拿到历史成分最好；拿不到就缩小结论——写成「在当前概念名单的历史行情上复盘」，别写成「该主题因子五年有效」。

把股票池与策略规则一起版本化，以后才知道结论建立在哪种宇宙上。青柠量化 强调可复现回测与本地保存结果，便于你留下「池子怎么建」的记录，而不是只留一条净值。

下载与说明见产品页：
https://www.zpyztech.com/product/qingquant/

免责声明： 本文仅作量化研究方法科普，不构成任何投资建议。历史回测不代表未来表现，请独立判断并自行承担投资风险。