2. 偏差类型分类：系统性偏差、随机性偏差、选择偏差、幸存者偏差在金融场景中的具体表现

在金融特征平台中，样本偏差是导致模型失效、策略回测失真的核心原因。根据偏差的成因与统计性质，可将其分为四大类：系统性偏差、随机性偏差、选择偏差与幸存者偏差。每一类在金融场景中都有独特的表现形式与破坏路径。

2.1 系统性偏差 (Systematic Bias)

系统性偏差指由于数据采集、处理或存储过程中的固定缺陷，导致样本分布与真实分布之间存在恒定且可预测的偏移。这类偏差不会随样本量增大而消失，反而会持续污染模型。

金融场景具体表现

• 数据源漂移：某券商行情接口在2023年Q2切换了数据供应商，导致历史行情中的买卖价差（Bid-Ask Spread）整体缩小了2个基点，但特征平台未做对齐处理，造成时序特征断裂。
• 计算逻辑变更：特征“过去30日波动率”的计算窗口从自然日改为交易日，新旧版本特征值产生系统性偏移，模型在跨时间验证时AUC下降0.08。
• 会计政策变化：新金融工具准则（IFRS 9）实施后，坏账准备计提方式改变，导致“逾期天数”与“信用损失率”之间的映射关系发生结构性偏移。

2.2 随机性偏差 (Random Bias)

随机性偏差源于数据采集过程中的不可控噪声或小样本波动，其方向与幅度不具有系统性规律。虽然理论上随机偏差可通过增大样本量来稀释，但在金融高频场景中，它仍会严重降低特征的信噪比。

金融场景具体表现

• 撮合延迟抖动：交易所行情快照在毫秒级存在随机延迟，导致基于Tick数据计算的“微结构特征”（如订单簿斜率）包含大量随机噪声。
• 财报披露时间差：不同上市公司财报发布时间存在1-3天的随机差异，导致“最新财报日期”特征在横截面上产生随机偏移。
• 用户行为随机缺失：部分用户在APP上的点击流因网络波动随机丢失，造成“页面停留时间”特征出现随机缺失值。

2.3 选择偏差 (Selection Bias)

选择偏差发生在样本的选取过程非随机，导致入选样本不能代表目标总体。在金融特征平台中，选择偏差是因果推断与反事实预测的头号敌人。

金融场景具体表现

• 样本自选择：仅使用“有交易记录”的客户构建信用评分模型，忽略了从未获得授信的潜在客户群体，导致模型对“新客”的预测完全失效。
• 时间窗口截断：只选取“近12个月”的数据训练高频交易策略模型，忽略了市场在更长周期内的状态切换（如牛熊转换），造成策略在极端行情下崩溃。
• 特征缺失过滤：在特征加工过程中，删除了“收入字段为空”的样本，但这些样本恰恰是信用风险最高的群体，导致模型低估违约概率。

2.4 幸存者偏差 (Survivorship Bias)

幸存者偏差是选择偏差的一种极端形式，指分析时只关注“存活”下来的样本，而忽略了已经“死亡”或“退出”的样本。在金融领域，幸存者偏差会制造出令人难以置信的“高收益”假象。

金融场景具体表现

• 基金业绩排名：统计“过去5年收益率排名前10%的基金”时，未包含已经清盘或合并的基金。幸存者偏差使平均收益率被高估2%-4%/年。
• 股票回测：回测“沪深300成分股策略”时，只使用当前成分股的历史数据，忽略了曾经被剔除的股票。这会导致回测收益显著高于实盘。
• 债券违约率：仅跟踪“仍在存续期”的债券来计算违约率，忽略了已经违约并退市的债券，造成违约率系统性低估。

2.5 四类偏差的金融影响对比