幸存者偏差：信贷与基金回测中的典型表现

幸存者偏差（Survivorship Bias）是金融样本构建中最隐蔽、破坏力最强的偏差之一。它源于一个简单的逻辑谬误：我们只观察到了“幸存下来”的样本，而忽略了那些已经“死亡”或“消失”的样本，从而导致对整体规律的错误估计。在信贷风控与基金绩效回测中，这种偏差会直接导致模型高估收益、低估风险。

2.1 幸存者偏差的成因与机制

幸存者偏差的本质是样本选择依赖于结果变量。在金融领域，样本的“存活”往往与表现正相关：表现差的基金被清盘、表现差的借款人违约后不再出现在征信报告中、表现差的策略被停用。当我们在回测中只使用当前存活的样本时，就已经无意识地过滤掉了最差的那部分数据。

下表总结了信贷与基金两个场景中幸存者偏差的典型差异：

2.2 信贷场景：违约样本的“静默消失”

在构建信贷评分卡或违约预测模型时，数据通常来自贷后管理系统。一个常见的错误是：只提取“当前状态正常”的客户作为训练样本，或者只使用“有完整还款记录”的客户。这会导致模型从未见过真正的违约样本特征。

信贷幸存者偏差的典型路径如下：

1. 数据截断：只提取当前时间点的存量客户，忽略历史已结清或已违约客户。
2. 表现期不足：使用短期（如3个月）表现数据，未等到违约发生就标记为“好客户”。
3. 账户级偏差：同一客户有多个账户，只保留状态最好的账户，忽略逾期账户。
4. 催收过滤：成功催回的客户被标记为“正常”，掩盖了其真实的违约风险。

2.3 基金回测：清盘基金的“幽灵收益”

基金绩效回测是幸存者偏差的“重灾区”。当回测一个选股策略或基金筛选模型时，如果只使用当前存续的基金数据，相当于自动剔除了所有已经清盘、业绩惨淡的基金。这会导致回测的年化收益率被系统性高估2%~5%。

下图展示了幸存者偏差在基金回测中的“幸存光环”效应：

2.4 幸存者偏差的量化影响

为了直观理解幸存者偏差的破坏力，我们以一个简化的基金回测模拟为例。假设市场中共有100只基金，每年有5%的基金因业绩太差而清盘，清盘前一年的平均收益为-30%。幸存基金的平均收益为+8%。

# 幸存者偏差模拟（Python伪代码）
import numpy as np

np.random.seed(42)
n_funds = 100
years = 5
survival_rate = 0.95
survivor_return = 0.08
dead_return = -0.30

# 全样本真实收益
all_returns = []
for y in range(years):
    n_survivors = int(n_funds * (survival_rate ** y))
    n_dead = n_funds - n_survivors
    year_returns = [survivor_return] * n_survivors + [dead_return] * n_dead
    all_returns.extend(year_returns)

true_mean = np.mean(all_returns)
print(f"全样本平均年化收益: {true_mean:.2%}")

# 幸存样本收益（只保留最后存活的基金）
survivors_only = [survivor_return] * int(n_funds * (survival_rate ** years))
survivor_mean = np.mean(survivors_only)
print(f"幸存样本平均年化收益: {survivor_mean:.2%}")
print(f"偏差幅度: {survivor_mean - true_mean:.2%}")

2.5 幸存者偏差的校验方法

在金融样本构建中，校验幸存者偏差需要从数据源头和回测流程两个层面入手。下表列出了三种主流的校验方法及其适用场景：

下图展示了回溯填充法的核心流程：

2.6 实战校验清单

在构建金融样本时，建议逐项检查以下清单，以识别和消除幸存者偏差：

• 数据源检查：数据库是否包含已关闭账户、已清盘基金、已退市股票？
• 时间窗口检查：训练集是否覆盖了完整的市场周期（包含熊市和清盘潮）？
• 标签定义检查：“好客户”是否包含了表现期不足的客户？“坏客户”是否包含了催收中的客户？
• 回测流程检查：策略回测是否使用了“点生存”数据（即只取当前快照）？
• 敏感性分析：如果假设消失样本的收益率为-100%，回测结果是否仍然成立？