4. 幸存者偏差深入

在回测中，幸存者偏差是最常见、也最容易被低估的收益高估来源之一。它不会像未来函数那样立刻暴露，也不会像滑点那样直观可见，而是以“看起来合理”的方式，系统性地抬高策略表现。理解它的成因、量化其影响，并掌握历史成分股数据的获取与处理方法，是回测数据治理的基本功。

一、核心原理：幸存者偏差是如何产生的

幸存者偏差的本质是：回测样本只包含了“活到今天”的标的，而缺失了那些曾经存在、后来退市、被并购、被剔除或破产的标的。 当我们在今天获取一份股票池时，数据源通常只提供当前仍在交易的证券列表。用这份列表回溯历史，就等于默认所有历史时期的成分股都是今天这批“幸存者”。

其成因可以归纳为三类：

• 数据源静态化： 多数免费或简易数据接口只返回当前上市股票列表，不提供历史退市记录。
• 指数成分股调整被忽略： 指数每期会剔除表现差、市值缩水或不符合规则的股票，但回测时若只用最新成分股，就抹掉了这些“被淘汰者”。
• 退市与并购数据缺失： 退市股票的历史行情、财务数据往往难以获取，导致回测引擎直接跳过。

二、对收益高估的影响：从直觉到量化

幸存者偏差对收益的高估并非线性，而是随回测周期、调仓频率和股票池范围变化。以下是一个典型场景的对比：

对比维度	使用当前成分股回测	使用历史真实成分股回测
年化收益	18.5%	12.3%
最大回撤	-22%	-35%
夏普比率	1.42	0.78
退市/剔除标的占比	0%	约 8%～15%

高估的机制主要有三点：

1. 失败者被剔除： 退市或暴跌的股票不在样本中，回测自然避开了这些负收益。
2. 成功者被保留： 长期上涨的股票留在当前列表中，回测反复买入它们，形成“事后择优”。
3. 风险被低估： 缺少退市和极端下跌样本，波动率和回撤被系统性压低。

三、历史成分股数据获取与处理方法

治理幸存者偏差的核心是：让回测在每个历史时点只使用当时真实可交易的股票池。 这需要历史成分股数据，并按时间对齐。以下是可落地的方法流程：

1. 数据获取渠道

• 指数官方文件： 如中证指数、恒生指数、标普道琼斯等官网会公布成分股调整公告，可回溯历史。
• 商业数据库： Wind、Choice、聚源、CRSP、Compustat 等提供历史成分股和退市数据。
• 开源与社区数据： 部分 GitHub 项目维护了指数历史成分股 CSV，但需校验完整性和时点准确性。
• 交易所退市列表： 用于补充退市股票代码、退市日期和最后交易日。

2. 数据表结构设计

建议至少维护两张表：index_members（成分股区间表）和 delisted_stocks（退市表）。示例结构如下：

index_members:
  index_code   string   -- 指数代码，如 000300.SH
  stock_code   string   -- 股票代码
  in_date      date     -- 纳入日期
  out_date     date     -- 剔除日期，空表示仍在内

delisted_stocks:
  stock_code   string
  delist_date  date
  reason       string   -- 退市/并购/主动摘牌

3. 时间对齐处理流程

1. 确定调仓时点： 每个回测调仓日 T，只查询 in_date <= T 且（out_date > T 或 out_date 为空）的股票。
2. 剔除未来信息： 不得使用 T 之后才公布的调整公告，公告日与生效日需区分。
3. 补充退市收益： 对在持仓期内退市的股票，按最后交易日价格或退市清算价计算收益，不能直接删除。
4. 处理停牌与并购： 停牌期间按停牌前价格或估值价处理；并购换股需按换股比例延续持仓。

四、案例与复盘：一次典型的偏差修正

某策略回测 2015—2023 年沪深 300 增强，初始使用当前成分股，年化 16.8%，最大回撤 -25%。引入历史成分股和退市数据后，年化降至 11.2%，最大回撤扩大至 -38%。差异主要来自 2015 年股灾期间被剔除的股票、2018 年退市标的以及多次指数调整带来的换手成本。

常见误区包括：

• 只补退市股，不补指数剔除股： 被剔除但未退市的股票同样会带来负收益，必须纳入。
• 用公告日代替生效日： 公告日早于生效日，提前使用会引入未来信息。
• 忽略现金替代： 退市后资金若未再投资，会低估机会成本，需明确处理规则。

只有把“当时真实可交易”的股票池还原出来，回测结果才具备可信度。否则，再精细的因子和再复杂的模型，都可能建立在被美化过的历史之上。