量化概念 15:幸存者偏差(消失的样本,恰恰是亏得最惨的那批)
幸存者偏差(survivorship bias):用"现在还活着"的样本回测历史,把退市/破产/被并购的股票排除——它们往往亏得最惨。例:90 只 +50% 与 10 只 -90%,只看幸存者 +50%,真实平均 +36%。方向固定只高估。避免:样本含退市股、历史时点用当时存在的股票。
「2026-08」的文章 清除筛选
幸存者偏差(survivorship bias):用"现在还活着"的样本回测历史,把退市/破产/被并购的股票排除——它们往往亏得最惨。例:90 只 +50% 与 10 只 -90%,只看幸存者 +50%,真实平均 +36%。方向固定只高估。避免:样本含退市股、历史时点用当时存在的股票。
过拟合(overfitting)= 把历史数据里的噪声当规律背下来,参数搜索和因子挖掘是两大温床。防法核心:样本外验证(out-of-sample)——开发时不碰、最后一次性跑,看过一次就变样本内。样本内 40% 配样本外 5%,先怀疑过拟合。
夏普比率(Sharpe Ratio)= 每单位波动换来的超额收益,回答"值不值";最大回撤(Maximum Drawdown)= 净值从峰值到谷值的最大跌幅,回答"疼不疼"。回撤不对称:跌 20% 要涨 25% 回本,跌 50% 要涨 100%。两个数比年化收益更能说明策略质量。
beta(β)= 持仓对大盘的敏感度,是"在场"的代价;alpha(α)= 扣掉 beta 贡献后自己赚的部分,才是选股/择时的本事。例:大盘涨 20%、策略涨 25%、beta 1.2 → alpha 只有 1%。牛市里的漂亮曲线可能是 beta 撑的,熊市才检验 alpha。