Survivorship Bias는 생존하거나 계속 관측되는 단위를 선택한 뒤 그 결과를 더 넓은 원래 모집단의 결과로 제시할 때 생기는 편향입니다. 명확히 한정한 현재 집단을 단순히 설명하는 것이 자동으로 오류가 되는 것은 아닙니다.
QuantConnect는 Survivorship Bias를 기간 말까지 살아남은 증권만 테스트하고 상장 폐지된 종목을 빠뜨리는 경우로 설명합니다. 자체 점검은 원래 집합에서 시작합니다. 편입 시점에 어떤 단위가 조건을 충족했는가를 묻습니다. 현재 목록은 당시 구성의 증거가 아닙니다. 참여 기준은 결과에 앞서 설명해야 하며 나중에 사라진 단위에도 적용해야 합니다. 그렇지 않으면 계산한 평균이 답하는 질문 자체가 달라집니다. [QuantConnect — Research Guide: Survivorship Bias]
QuantConnect는 현재 지수 구성 종목을 과거에 소급 적용하는 일을 Look-ahead Bias와 명시적으로 연결합니다. 당시의 결정은 오늘의 구성을 알 수 없었기 때문입니다. 따라서 자체 감사는 집합으로의 진입과 이탈의 시간 이력 및 효력 발생 규칙을 보존합니다. 현재 구성원의 과거 가격만으로는 부족합니다. 동적 선택에서는 각 판단 시점에 당시 이용 가능했던 목록을 복원해야 하며, 구성원 자격이 자동으로 바뀐다는 사실만으로 데이터가 올바르다고 입증되지는 않습니다. [QuantConnect — Research Guide: Survivorship Bias]
Morningstar에 따르면 CRSP Survivor-Bias-Free US Mutual Fund Database는 더 이상 활동하지 않는 펀드의 정보도 보존합니다. 자체 방법론의 결론은 원래 집단의 평가를 현재 이용 가능한 펀드의 개요로 대체할 수 없다는 것입니다. 펀드인지 그 지분 클래스인지 등 분석 단위를 명시하고, 같은 노출을 의도치 않게 여러 번 세지 않도록 해야 합니다. 목표가 현재 제공되는 상품만 설명하는 것이라면 좁은 집합도 적절할 수 있지만, 그 수익률을 원래 전체 집단의 결과로 제시해서는 안 됩니다. [Morningstar — CRSP Survivor-Bias-Free US Mutual Fund Database]
Morningstar는 CRSP 주식 데이터베이스에 활동 중인 증권과 비활성 증권, 이력을 추적하는 영구 식별자가 있다고 설명합니다. 따라서 자체 구현 규칙은 상품의 정체성을 표시 이름과 분리합니다. 이름 변경이 가짜 새 출발을 만들어서는 안 되며, 데이터 결합으로 서로 다른 상품을 잘못 이어 붙여서도 안 됩니다. 사건, 날짜, 기록 출처와의 연결을 보존해야 합니다. 현재 티커가 같다는 것만으로 긴 과거 시계열의 충분한 키가 되지는 않습니다. [Morningstar — CRSP US Stock Databases]
LEAN 문서는 상장 폐지 사건과 처리를 일반 가격 데이터와 별도로 설명합니다. 자체 회계 점검은 보유 포지션, 현금, 가능한 후속 정산에 어떤 일이 있었는지 입증하도록 요구합니다. 가격 누락은 입증된 영의 가치도, 마지막 이용 가능 가격에서의 확인된 체결도 아닙니다. 알 수 없는 최종 결과는 미상으로 표시하고 그 영향이나 시나리오를 설명해야 합니다. 다른 단위보다 이력이 일찍 끝났다는 이유만으로 단위 전체를 삭제해서는 안 됩니다. [QuantConnect — US Equity Corporate Actions]
QuantConnect는 주식 기본정보 집합에 상장 폐지 종목을 포함한다고 밝히지만, 일부 범주는 제외하고 개별 필드에 결측값도 있다고 설명합니다. 자체 결론은 데이터베이스 이름만으로 후속 필터와 표 결합이 검증되지 않는다는 것입니다. 감사는 제외된 기록 수, 이유, 필터 적용 시점을 기록해야 합니다. 결측값을 채우거나 걸러 내는 과정이 과제에서 약속한 것과 다른 모집단을 조용히 만들어서는 안 됩니다. [QuantConnect — Fundamental Universes]
S&P Dow Jones Indices는 소급 계산한 결과에 생존자 또는 미래 정보 사용 편향이 포함될 수 있으며 실제 거래가 아니라고 경고합니다. 아래의 자체 가상 예는 각 단위 결과를 고정하고 선택 변화만 분리합니다. 시장에서의 전형적인 오류 크기를 보여 주는 것은 아닙니다. 다른 집합에서는 성공한 단위도 빠질 수 있으므로 차이의 방향을 미리 보장할 수 없습니다. 가중치, 기간, 현금 흐름 처리를 밝혀야 하며, 단순 평균과 실제 포트폴리오 수익률이 자동으로 서로 바뀌어 쓰일 수 있는 것은 아닙니다. [S&P Dow Jones Indices — Performance Disclosure]
S&P Dow Jones Indices는 지수 출시 전의 가상 이력과 실제 운영 결과를 구분하고 구성 변경 방법론을 참조하도록 합니다. 따라서 자체 최종 기록에는 원래 모집단, 참여 규칙, 제외된 단위, 최종 가치의 출처, 다시 계산한 결과를 저장합니다. 수정 보고서는 잘못된 보고서를 대체해야 합니다. Survivorship Bias 제거만으로 다른 Look-ahead Bias, Overfitting, 거래 비용이나 체결 가능성이 해결되지는 않습니다. 더 완전한 이력도 미래 수익의 약속은 아닙니다. [S&P Dow Jones Indices — Performance Disclosure]
같은 결과, 다르게 선택한 집단
더 정확히 이해하려면 이 항목과 함께 다음도 읽어 보세요 Backtesting, Overfitting, Walk-forward Analysis, Look-ahead Bias, Paper Trading. 다음 항목에서도 이 글을 참조합니다 Look-ahead Bias.
01현재 활동 중인 펀드 목록은 항상 잘못됐나요?+
아니요. 현재 제공되는 상품을 올바르게 설명할 수 있습니다. 나중에 사라진 펀드까지 포함한 원래 전체 집단의 경험으로 그 목록의 역사를 제시할 때 오류가 생깁니다. 질문과 선택 규칙에 따라 달라집니다.
02누락된 단위를 전액 손실로 처리하면 충분한가요?+
아니요. 목록 제외나 가격 누락만으로 전액 손실이 입증되지는 않습니다. 조용히 제외하거나 영으로 대체하는 대신 실제 또는 모형상의 정산을 입증하고, 모르는 값을 인정하며 가정을 설명해야 합니다.