Survivorship Bias क्या है? परिभाषा, संदर्भ और स्रोत

01Survivorship Bias क्या है?

Survivorship Bias चयन में होने वाला झुकाव है: बचे हुए या अब भी देखे जा सकने वाले मामलों के नतीजों को गलती से पूरे शुरुआती समूह का नतीजा मान लेना। आज उपलब्ध विकल्पों का अध्ययन अपने आप में गलत नहीं है; बात यह है कि चुने गए आँकड़ों से किस सवाल का जवाब चाहिए।

02इस कहानी से कौन छूट गया?

याना आज उपलब्ध फंडों की सूची खोलती है और उनके पुराने प्रदर्शन की तुलना करती है। अधिकतर अच्छे लगते हैं। लेकिन इस दौरान बंद हुए या दूसरे फंडों में मिल गए फंड सूची में नहीं हैं। इससे उस समय शुरू करने वाले सभी फंडों का नतीजा निकालने पर कहानी का हिस्सा छूट जाएगा। QuantConnect इस गलती को केवल बची हुई प्रतिभूतियों के ऐतिहासिक परीक्षण से समझाता है। यही सवाल क्रिप्टो परियोजनाओं की सूची पर भी लागू होता है: क्या हम शुरुआती समूह को देख रहे हैं, या सिर्फ उन्हें जिनके आँकड़े आज भी आसानी से मिलते हैं? [1]

03आज की सूची को सीधे अतीत में नहीं रख सकते

याना वर्तमान विकल्पों की तुलना के लिए सूची इस्तेमाल कर सकती है। लेकिन वह नहीं मान सकती कि अवधि की शुरुआत में भी इसी समूह को चुन सकती थी। उसे तब नहीं पता था कि कौन बचेगा। यहाँ Survivorship Bias का संबंध Look-ahead Bias से बनता है: बाद में मिली जानकारी का इस्तेमाल पहले के निर्णय में करना। ऐतिहासिक परीक्षण के लिए उस समय के सदस्य और शामिल करने या हटाने के नियम चाहिए। समूह बदल सकता है, पर उस समय उपलब्ध जानकारी के अनुसार, आज ज्ञात नतीजे के अनुसार नहीं। [1]

04बंद हो चुके फंड का भी इतिहास होता है

इसीलिए बंद फंडों को भी सँभालने वाले डेटाबेस उपयोगी हैं, जैसे Morningstar का CRSP डेटाबेस। लेकिन अधिक पंक्तियाँ डाउनलोड करने से याना के सवाल का जवाब नहीं मिल जाता। उसे तय करना होगा कि वह क्या गिन रही है: अलग फंड, या अलग शुल्क वाली यूनिट श्रेणियाँ? एक ही फंड की कई श्रेणियों को स्वतंत्र फंड मानने से उसे अनजाने में अधिक भार मिल सकता है। पहले समूह और तुलना की इकाई तय करें, फिर उनके नतीजे देखें, जिनमें बाद में बिक्री से हटे फंड भी हों। [2]

05नाम बदल सकता है, पहचान वही रह सकती है

तालिकाएँ जोड़ते समय याना और इतिहास खो सकती है। कारोबारी प्रतीक बदल गया हो सकता है या बाद में किसी दूसरी प्रतिभूति को दिया गया हो। केवल समान नाम जोड़ने से अलग चीज़ें मिल सकती हैं; सिर्फ आज का प्रतीक खोजने से पुराने रिकॉर्ड छूट सकते हैं। CRSP का शेयर डेटाबेस स्थायी पहचान संकेतक इस्तेमाल करता है, जैसे प्रतिभूति के लिए PERMNO। मकसद सीधा है: नाम बदलने पर भी पता रहे कि कौन से रिकॉर्ड उसी मामले के हैं। बदलाव की तारीखें और रिकॉर्डों की कड़ी भी सुरक्षित रहनी चाहिए। [3]

06एक्सचेंज से हटना अपने आप शून्य मूल्य नहीं है

गायब कीमत को सीधे पूरी हानि से नहीं बदल सकते। प्रतिभूति का अधिग्रहण हुआ हो, नकद निपटान हुआ हो, या वह मूल एक्सचेंज के बाहर मौजूद रही हो सकती है। वास्तविक घटना और धारक को वास्तव में मिली चीज़ महत्वपूर्ण हैं। ट्रेडिंग सिमुलेशन इंजन LEAN सूची से हटने की घटना सँभाल सकता है। इससे अकेले यह साबित नहीं होता कि वास्तविक बाज़ार में किसी खास कीमत पर बिक्री संभव थी। याना को पोज़िशन मिटानी नहीं चाहिए, न ही आखिरी दिखाई गई कीमत पर बिक्री मान लेनी चाहिए। निपटान अज्ञात हो, तो कमी और चुनी गई धारणाओं का असर स्पष्ट करें। [4]

07डेटा साफ करते समय गलती लौट सकती है

अच्छा शुरुआती डेटाबेस सही अंतिम चयन की गारंटी नहीं देता। QuantConnect बताता है कि उसके मूलभूत कंपनी आँकड़ों में सूची से हटी कंपनियाँ भी हैं, लेकिन कवरेज सीमित है और कुछ खाने खाली हैं। याना बाद में तालिकाएँ इस तरह जोड़ सकती है कि केवल पूरे रिकॉर्ड बचें और अन्य कंपनियाँ चुपचाप हट जाएँ। आवश्यक जानकारी की उपलब्धता के आधार पर चयन उचित हो सकता है, लेकिन उसे सवाल और उस समय की जानकारी से मेल खाना चाहिए। हर हटाए गए मामले का कारण, समय और समूह पर प्रभाव पता होना चाहिए। [5]

08नतीजा कितना बदलेगा?

असफल मामले हटाने से अतीत बेहतर दिख सकता है, लेकिन कोई सार्वभौमिक सुधार-राशि नहीं है जिसे बस घटा दें। सफल कंपनियाँ भी अधिग्रहण के बाद सूची से हट सकती हैं। असर इस पर निर्भर है कि कौन गायब है, उसका प्रदर्शन कैसा था और उसे कितना भार मिलता है। रिटर्न का साधारण औसत भी आम तौर पर वास्तविक पोर्टफोलियो का रिटर्न नहीं होता: निवेश की राशि, समय और दूसरे नकदी प्रवाह मायने रखते हैं। इसलिए नीचे का मॉडल समान शुरुआती राशि और साझा अवधि इस्तेमाल करता है। उसका अंतर उसी उदाहरण का है, सभी बाज़ारों का नहीं। [6]

09सुधार के बाद क्या जाँचा जा सके?

याना को शुरुआती सूची, बदलाव के नियम, हटाए गए मामले और उनके अंतिम मूल्य दिखाने चाहिए। सुधार के बाद वह फिर से गणना करे, पुरानी रिपोर्ट को सुधरा हुआ न बताए। उसे पीछे मुड़कर किए सिमुलेशन और वास्तव में समय के साथ देखे गए इतिहास में भी फर्क करना चाहिए। S&P Dow Jones Indices लॉन्च से पहले के सूचकांक इतिहास को काल्पनिक कहता है और बाद की जानकारी के असर को बताता है। सही सदस्यता से Overfitting, यानी नियमों का अध्ययन किए डेटा के अनुसार जरूरत से ज्यादा ढल जाना, लागत या सौदों के निष्पादन की समस्याएँ नहीं मिटतीं। अतीत का अधिक ईमानदार विवरण बेहतर आधार है, भविष्य के लाभ की गारंटी नहीं। [6]

उदाहरणउदाहरण · SURV

नतीजे वही, सूची अलग

चार निवेश A, B, C और D की कल्पना करें जिन्हें एक ही अवधि में साथ-साथ देखा जाता है। शुरुआत में सभी चयन नियम पूरे करते हैं और प्रत्येक को ⁦100 USD⁩ मिलते हैं। न ऋण है, न लीवरेज, न अवधि में अतिरिक्त पैसा डालना या निकालना। निपटान और संभावित लागत सहित अंतिम मूल्य ⁦[120, 110, 80, 60] USD⁩ हैं। इसलिए साधारण रिटर्न ⁦[20, 10, -20, -40] %⁩ हैं। मगर आज की सूची में सिर्फ A और B हैं, जिन्हें ⁦[1, 1, 0, 0]⁩ से दिखाते हैं। C और D सूची से गायब हुए हैं, शुरुआती अनुभव से नहीं; उनके अंतिम मूल्य ज्ञात हैं और उन्हें शून्य नहीं बनाया गया है। पूरा समूह ⁦400 USD⁩ से शुरू हुआ और ⁦370 USD⁩ पर खत्म होता है: नतीजा ⁦-30 USD⁩ और रिटर्न ⁦-7.5 %⁩। समान शुरुआती निवेश के कारण यह चारों रिटर्न का साधारण औसत भी है। बाद में केवल A और B रखने पर शुरुआती ⁦200 USD⁩ की तुलना अंतिम ⁦230 USD⁩ से होती है: लाभ ⁦30 USD⁩ और रिटर्न ⁦15 %⁩। पूरे समूह से अंतर ⁦22.5⁩ प्रतिशत अंक है, न कि एक रिटर्न की दूसरे के सापेक्ष प्रतिशत वृद्धि। ग्राफ प्रत्येक निवेश का रिटर्न दिखाता है और आज की सूची में बचे निवेशों को चिह्नित करता है। यह चार लगातार सौदे या समय-श्रृंखला नहीं है। शुरू में हमें नहीं पता था कि यह जोड़ी भविष्य में बचेगी, इसलिए बाद का चयन उस समय लागू की जा सकने वाली रणनीति का प्रमाण नहीं है। आँकड़े काल्पनिक हैं, फंडों या Bitcoin के वास्तविक नतीजे नहीं; दूसरे डेटा में झुकाव का आकार और दिशा अलग हो सकती है।

पहले तय करें कि नतीजे को किस शुरुआती समूह का वर्णन करना है।
पुराने निर्णयों के लिए उस समय के सदस्य और उपलब्ध जानकारी इस्तेमाल करें।
रिकॉर्ड गायब होने का अर्थ अपने आप शून्य मूल्य या मामला मिटाने का औचित्य नहीं है।
पहचान, हटाए गए मामले, निपटान और गणना में दिए भार की जाँच करें।

संदर्भ सहित पढ़ें

पूरी तस्वीर के लिए इस प्रविष्टि के साथ यह भी पढ़ें Backtesting, Overfitting, Walk-forward Analysis, Look-ahead Bias, Paper Trading. इस प्रविष्टि का उल्लेख यहाँ भी है Look-ahead Bias.

?व्यावहारिक प्रश्न

01क्या आज उपलब्ध फंडों की तुलना करना गलत है?

नहीं, यदि सवाल वर्तमान विकल्पों का ही है। समस्या तब होती है जब इस समूह के नतीजे को अतीत में उपलब्ध सभी फंडों का अनुभव बताया जाए। बाद में बंद हुए फंड ऐसी समीक्षा से गायब नहीं होने चाहिए।

02क्या गायब मामले को पूरी हानि मानूँ?

अपने आप नहीं। गायब कीमत या बिक्री से हटना अकेले नहीं बताता कि धारक को क्या मिला। वास्तविक निपटान खोजें, या मॉडल की धारणा और उसका असर स्पष्ट बताएँ। अज्ञात मूल्य को शून्य न समझें और मामले को चुपचाप न छोड़ें।