倖存者偏差 Survivorship Bias
⚠️ 本站內容僅作教育用途，不構成投資建議。投資涉及風險，作出任何投資決定前請諮詢持牌專業人士。
倖存者偏差 Survivorship Bias 指分析時只看得見「倖存下來」的樣本，已淘汰、已失敗的個體被排除在數據之外，令結論系統性地偏向樂觀。經典例子是二戰時統計返航轟炸機的彈孔分佈來決定裝甲位置——被擊落的飛機根本沒有回來受檢，真正需要加固的正是歸航機身上沒有彈孔的部位。
投資領域中，倖存者偏差有幾個常見形態。其一是標的篩選：回測只用今日仍然活躍、市值前列的股票或加密貨幣，當年同在榜上、後來歸零的標的被悄悄剔除，回測結果自然偏亮麗。其二是事後揀選：在數十隻標的或數十組參數中逐一試驗，最後只展示表現最好的那一個，卻不交代篩選過程——觀眾看到的「亮麗回測」其實是多重試驗下的最大值。其三是基金數據庫：已清盤的基金從數據庫消失，行業平均回報因而被高估。
防範方法與對付過度擬合 Overfitting 相通：追問樣本如何選出、失敗案例去了哪裡、有沒有樣本外測試 Out-of-Sample Testing 佐證。看見單一標的、單一時段的亮麗回測時，第一條問題應該是：「為何偏偏是這一隻？」