第二章：幸存者偏差——你的数据库里只有活下来的股票

做量化回测这么多年，我踩过最大的坑，就是幸存者偏差。

说白了，你拿到的历史数据里，只有那些活到今天的股票。那些退市的、被并购的、跌成仙股的，早就被数据商悄悄删掉了。你想想看，用这样的数据做回测，结果能准吗？

我刚开始做量化那会儿，回测曲线漂亮得不得了，年化收益30%+，最大回撤不到10%。当时我还挺得意，觉得找到了圣杯。结果实盘一跑，直接被打脸。后来一查，原来是数据里少了那些退市的垃圾股。

什么是幸存者偏差？

幸存者偏差，就是只看到活下来的，忽略了死掉的。

在量化回测里，这个问题特别隐蔽。大多数免费数据源，比如Tushare、AKShare的某些接口，默认只提供当前还在交易的股票。那些曾经存在但已经退市的，就像从来没来过这个世界一样。

举个例子：

• 2015年有2800只A股
• 到2024年，其中大约200只已经退市
• 如果你只拿2024年的股票列表去回测2015年的策略
• 那200只退市股的历史数据，你根本看不到

偏差有多大？我算给你看

我做过一个实验。用同样的均线策略，分别跑两组数据：

数据组	年化收益	最大回撤	夏普比率
含退市股（真实数据）	8.2%	-35%	0.6
不含退市股（幸存者偏差）	15.7%	-18%	1.2

看到了吗？收益翻倍，回撤减半。这差距，足够让你从亏钱变成"股神"。但实盘一跑，立马现原形。

幸存者偏差的三种常见形式

嗯，这里要注意，幸存者偏差不只是退市这一种。我归纳了三种：

1. 退市偏差：最明显的一种。股票退市后，数据被删除。
2. 停牌偏差：股票长期停牌，数据商可能跳过这段时间。复牌后往往补跌，你的回测却完美避开了。
3. IPO偏差：新股上市初期波动大，容易被剔除。但很多策略恰恰喜欢炒新股。

如何识别幸存者偏差？

我自己总结了一套检查方法：

• 看股票数量变化：回测期初和期末的股票数量应该差不多。如果期初3000只，期末只剩2500只，那肯定有问题。
• 查退市名单：去证监会或交易所官网，下载每年的退市名单。然后检查你的数据库里有没有这些股票。
• 对比指数：用你的股票池跑一个等权指数，和真实指数对比。如果偏差太大，说明数据有问题。

修正方法：三步走

发现问题后，怎么修？我一般按这个流程来：

1. 获取完整退市名单：从交易所、CSMAR、RESSET等数据源，拿到所有退市股票的代码和退市日期。
2. 补全历史数据：把退市股票在退市前的所有数据，补回到你的数据库里。注意，退市后的数据可以不管，但退市前的必须完整。
3. 调整回测逻辑：在回测中，当股票退市时，按退市价格强制平仓。别让它一直持有到回测结束。

代码实现其实不复杂。我贴一段伪代码，你感受一下：

# 伪代码：处理退市股票
def handle_delisted_stocks(data, delist_list):
    for stock in delist_list:
        delist_date = stock['delist_date']
        delist_price = stock['delist_price']
        
        # 在退市日强制平仓
        if stock in portfolio:
            portfolio.sell(stock, delist_price, delist_date)
        
        # 保留退市前的所有数据
        data.keep(stock, before=delist_date)
    
    return data

一个真实的教训

我曾经帮一个朋友检查他的回测策略。他的策略是"买低市盈率股票"，回测收益高得离谱。我一查，发现他的数据里少了2018年退市的几只ST股。那些ST股当年市盈率极低，但后来都退市了。如果算上它们，策略收益直接腰斩。

朋友当时就懵了。他说："我花了三个月调参数，结果全白干了。"

嗯，这就是幸存者偏差的可怕之处。它让你在错误的数据上，得出错误的结论，还自以为找到了真理。

避坑指南

最后，给你几条实在的建议：

• 别信免费数据：免费数据源基本都有幸存者偏差。要么付费买全历史数据，要么自己动手补。
• 回测前先做数据审计：花一天时间检查数据质量，比花一个月调参数更有价值。
• 用生存偏差因子做敏感性分析：假设退市率提高10%，你的策略收益会变多少？如果变化很大，说明策略对幸存者偏差敏感，要小心。

幸存者偏差，说白了就是"只看活人，不看死人"。做量化的人，最忌讳的就是选择性失明。数据干净了，回测才有意义。否则，你只是在自欺欺人。