回测里的幸存者偏差怎么避免

做回测时，很多人把精力花在调参数和换模型上，却忽略了一件更底层的事：你拿到的这份历史数据，本身可能就已经被筛过一遍了。幸存者偏差就是其中最典型的一种——表现差的样本在历史上消失了，留在数据集里的都是活下来的那一批，于是回测结果天然偏乐观。

先搞清楚偏差是怎么进来的

假设你要回测一个选股逻辑，所用的数据集只包含当前仍在交易的标的。那些中途退市、被并购、长期停牌后摘牌的样本，根本不在表里。你的策略在历史上买入过它们吗？大概率买过。但如果数据里没有它们，回测就当作这笔交易没发生过。

判断方法很直接，问自己三个问题：

• 这份数据的时间起点是什么时候，是从现在往回截取的吗？
• 数据里有没有退市、终止、失效这一类状态的字段？
• 如果某种标的在历史上消失了，它在你的数据集里是以什么形式存在？

只要第三个问题答不上来，就说明偏差很可能已经混进来了。

用「历史成分」而不是「当前成分」

很多数据源默认给你的是当前仍在存续的样本清单。用它去跑五年前的回测，等于用今天的结果去反推过去，方向就是错的。

正确做法是按时间点还原样本集合。比如在某一年做回测，就只使用那一年当时确实存在的样本。具体到操作上：

• 请求数据时带上时间截面参数，拿那个时点的清单，而不是最新清单。
• 如果数据源不直接提供，就用上市日期和退市日期两个字段自己筛。
• 对指数类回测，尽量找成分股的历史变动记录，而不是拿当前成分股列表硬套。

这一步做起来麻烦，但它决定了后面所有结论有没有意义。

处理退市样本的价格与状态

退市不等于归零，也不等于按最后价格成交。不同类型的终止事件，现金回收的比例差别很大。回测里如果一律按最后收盘价了结，结果会偏离实际。

比较稳妥的做法是分情况标注：

• 正常退市或转板，按最后可交易日的价格处理，必要时加一点滑点。
• 被并购或换股的，按当时的换股比例或现金对价折算，不要直接沿用停牌前的价格。
• 长期停牌后终止的，单独标记，不要混进常规交易记录。

哪怕只能拿到粗略的回收比例，也比假装这些样本不存在要好。

设定一个「反事实」对照组

光修数据还不够，还需要一个参照来判断偏差有没有被压下去。最简单的办法是做两次回测：一次用包含退市样本的全量数据，一次用只保留存活样本的数据。两者的差距，就是幸存者偏差大致的影响幅度。

如果差距很小，说明你的策略对样本存续不敏感，可以放心一些。如果差距很大，那就得回头看策略逻辑本身是不是过度依赖「活下来的那批标的」。这个对照不需要多复杂，能跑出两条曲线做对比就够了。

把偏差检查固定成流程

这种事靠临时想起来是做不牢的。把它变成一个固定动作：

• 每次拿到新数据集，先看字段里有没有退市日期、终止状态。
• 每次跑回测，同时跑一遍剔除存活样本的版本。
• 在结果记录里留下样本口径的说明，方便后面复核。

偏差不会因为你没看见就消失。把这几步例行化，回测结果的可信度会明显不同。