Błąd przeżywalności (Survivorship Bias) to błąd poznawczy polegający na wyciąganiu wniosków wyłącznie na podstawie przypadków, które przetrwały, osiągnęły sukces lub nadal są widoczne, przy jednoczesnym pomijaniu tych, które zakończyły działalność, poniosły porażkę albo zniknęły z analizowanej grupy.
W efekcie rzeczywistość może wydawać się znacznie bardziej skuteczna, bezpieczna lub optymistyczna, niż jest w rzeczywistości.
To szczególnie niebezpieczny błąd w inwestowaniu i tradingu, ponieważ łatwo zauważyć zwycięzców, a znacznie trudniej dostrzec strategie, inwestycje i inwestorów, którzy ponieśli porażkę.
Skąd bierze się błąd przeżywalności?
Problem wynika z tego, że dane, które obserwujemy, często nie zawierają całej populacji.
Załóżmy, że analizujemy 100 spółek założonych 20 lat temu.
Po dwóch dekadach zostało 40 firm, a 60:
- zbankrutowało,
- zostało przejętych,
- wycofano je z giełdy,
- albo przestało istnieć.
Jeżeli przeanalizujemy wyłącznie 40 spółek, które przetrwały, możemy dojść do wniosku, że inwestowanie w tę grupę było bardzo opłacalne.
Pomijamy jednak 60 spółek, które wypadły z próby.
Wynik analizy będzie więc zawyżony przez fakt, że patrzymy tylko na ocalałych.
Błąd przeżywalności w inwestowaniu
W inwestowaniu błąd przeżywalności może prowadzić do bardzo mylących wniosków.
Przykładowo patrzymy na największe obecnie spółki technologiczne i zauważamy, że wiele z nich w ciągu ostatnich kilkunastu lat przyniosło inwestorom ogromne zyski.
Możemy wtedy pomyśleć:
„Wystarczyło kupić dobre spółki technologiczne i trzymać je przez lata.”
Problem polega na tym, że analizujemy przede wszystkim firmy, które odniosły sukces.
Nie widzimy dziesiątek lub setek przedsiębiorstw, które w tym samym czasie:
- upadły,
- straciły większość wartości,
- zostały przejęte,
- zostały wycofane z giełdy,
- nigdy nie osiągnęły zakładanego sukcesu.
To właśnie klasyczny przykład błędu przeżywalności.
Błąd przeżywalności na rynku kryptowalut
Na rynku kryptowalut problem może być jeszcze większy.
Jeżeli spojrzymy na:
- Bitcoin,
- Ethereum,
- Solanę,
- inne duże i znane kryptowaluty,
możemy dojść do wniosku, że inwestowanie w kryptowaluty w długim terminie było świetną strategią.
Ale rynek kryptowalut zawiera również ogromną liczbę projektów, które:
- straciły niemal całą wartość,
- zostały porzucone,
- przestały być notowane,
- okazały się oszustwami,
- utraciły płynność.
Jeżeli analizujemy wyłącznie kryptowaluty, które przetrwały i nadal są popularne, otrzymujemy bardzo niepełny obraz rynku.
Błąd przeżywalności w tradingu
Błąd przeżywalności może być szczególnie niebezpieczny przy ocenie strategii tradingowych.
Załóżmy, że trader obserwuje 10 osób, które przez kilka lat osiągały bardzo dobre wyniki.
Może dojść do wniosku, że ich strategie są wyjątkowo skuteczne.
Nie wie jednak, ilu traderów próbowało stosować podobne strategie i:
- straciło kapitał,
- przestało tradować,
- porzuciło strategię,
- przestało publikować swoje wyniki.
W internecie widzimy przede wszystkim tych, którzy pozostali.
To może prowadzić do złudzenia, że sukces jest znacznie częstszy, niż rzeczywiście jest.
Błąd przeżywalności a backtest
Ten błąd ma również ogromne znaczenie przy tworzeniu backtestów.
Jeżeli testujemy strategię na aktualnym składzie indeksu, możemy otrzymać zbyt dobre wyniki.
Przykładowo analizujemy obecne spółki należące do dużego indeksu i sprawdzamy, jak strategia działała na nich w przeszłości.
Problem:
dzisiejszy skład indeksu niekoniecznie jest taki sam jak skład indeksu 10 czy 20 lat temu.
Firmy, które radziły sobie słabo, mogły zostać wcześniej usunięte z indeksu.
W rezultacie testujemy głównie tych, którzy przetrwali i odnieśli sukces.
To może sztucznie zawyżać historyczną skuteczność strategii.
Przykład z indeksu giełdowego
Wyobraźmy sobie indeks zawierający 500 spółek.
W ciągu 20 lat część przedsiębiorstw bankrutuje, część zostaje przejęta, a inne są zastępowane przez nowe firmy.
Jeżeli dzisiaj weźmiemy aktualne 500 spółek i sprawdzimy ich wyniki od 2006 roku, możemy stworzyć obraz, jakby wszystkie te przedsiębiorstwa były członkami indeksu przez cały okres.
Tak jednak nie było.
Spółki, które zostały usunięte, mogą zostać całkowicie pominięte.
To właśnie survivorship bias.
Błąd przeżywalności i fundusze inwestycyjne
Podobny problem występuje przy analizowaniu wyników funduszy.
Załóżmy, że 100 funduszy rozpoczyna działalność.
Po 10 latach 30 najlepszych nadal działa, a pozostałe zostały zamknięte lub połączone z innymi funduszami.
Jeżeli przeanalizujemy tylko 30 istniejących funduszy, ich średnie wyniki mogą wyglądać bardzo dobrze.
Nie oznacza to jednak, że przeciętny inwestor 10 lat wcześniej miał równie dużą szansę trafić właśnie na te 30 funduszy.
Usunięcie przegranych z próby poprawia statystyki ocalałych.
Błąd przeżywalności a historie sukcesu
Błąd przeżywalności występuje również poza rynkiem.
Możemy przeczytać:
„Najbardziej znani przedsiębiorcy zaczynali od zera i odnieśli sukces.”
Problem w tym, że analizujemy przede wszystkim tych, którzy odnieśli sukces.
Nie widzimy wszystkich osób, które:
- również ciężko pracowały,
- podejmowały podobne ryzyko,
- miały podobne pomysły,
- ale ostatecznie poniosły porażkę.
Dlatego historia sukcesu sama w sobie nie jest dowodem, że zastosowana metoda powoduje sukces.
Błąd przeżywalności a media społecznościowe
Media społecznościowe mogą bardzo mocno wzmacniać ten efekt.
Jeżeli 1000 osób zaczyna tradować, a 950 szybko rezygnuje po stratach, natomiast 50 osiąga sukces i zaczyna publikować swoje wyniki, osoba obserwująca internet widzi przede wszystkim te 50 osób.
Może więc powstać wrażenie:
„Wszyscy zarabiają na tradingu.”
Tymczasem nie widzimy tych, którzy stracili pieniądze i przestali publikować.
To jeden z powodów, dla których należy bardzo ostrożnie podchodzić do internetowych historii sukcesu inwestorów i traderów.
Jak uniknąć błędu przeżywalności?
Najważniejsze jest analizowanie pełnej populacji, a nie tylko przypadków, które przetrwały.
W praktyce warto:
- uwzględniać również spółki, które zbankrutowały,
- korzystać z historycznego składu indeksów,
- uwzględniać fundusze, które zostały zamknięte,
- analizować pełne bazy transakcji,
- nie oceniać strategii wyłącznie na podstawie najlepszych przypadków,
- uwzględniać przegrane inwestycje,
- uważać na selekcję przykładów prezentowanych w mediach.
W przypadku backtestów szczególnie ważne jest wykorzystanie danych, które nie zawierają look-ahead bias ani błędu przeżywalności.
Błąd przeżywalności a selekcja danych
Błąd przeżywalności jest w rzeczywistości problemem selekcji próby.
Jeżeli z całej populacji usuniemy przypadki, które zakończyły się niepowodzeniem, analizowana grupa przestaje być reprezentatywna.
Możemy wtedy otrzymać:
„wyniki ocalałych”
zamiast:
„wynik całej populacji”.
To zasadnicza różnica.
Podsumowanie
Błąd przeżywalności (Survivorship Bias) polega na wyciąganiu wniosków na podstawie przypadków, które przetrwały, odniosły sukces lub nadal są widoczne, przy jednoczesnym pomijaniu tych, które poniosły porażkę i wypadły z obserwowanej grupy.
W inwestowaniu może prowadzić do:
- zawyżania historycznych stóp zwrotu,
- przeceniania skuteczności strategii,
- błędnych wyników backtestów,
- przeceniania szans na sukces,
- ignorowania ryzyka bankructwa lub całkowitej utraty kapitału.
Najprostszy sposób, aby zapamiętać ten błąd:
Nie pytaj tylko „kto wygrał?”. Sprawdź również, ilu uczestników przegrało i zniknęło z danych.
To szczególnie ważne w tradingu i inwestowaniu, gdzie zwycięzcy są znacznie bardziej widoczni niż przegrani.
