第248章：处理“幸存者偏差” (第1/2页)
　　
　　那些已经消失的公司
　　
　　2011年3月15日，星期二，下午两点二十分。
　　
　　车公庙，三十平米的办公室。
　　
　　窗外的春天已经来了，但办公室里的人感觉不到。四面墙还是那四面墙，二手服务器还是那几台，墙上的流程图还是那些字。唯一的变化是，堆在角落里的资料又多了一倍。
　　
　　周寻坐在电脑前，盯着屏幕上的回测结果，眉头皱成一个“川”字。
　　
　　这已经是今天第三次跑同一个策略了。三次的结果都不一样。
　　
　　第一次：年化收益18.7%
　　
　　第二次：年化收益16.2%
　　
　　第三次：年化收益19.3%
　　
　　波动这么大，显然有问题。
　　
　　“陆方，”他喊了一声，“你过来看看这个。”
　　
　　陆方从另一台电脑前站起来，走过来。
　　
　　周寻指着屏幕上的回测结果：
　　
　　“同一个策略，参数没变，区间没变，为什么三次结果不一样？”
　　
　　陆方看了几秒，脸色变了。
　　
　　他走回自己的电脑前，调出一段代码，然后愣住了。
　　
　　“周老师，”他的声音有些发涩，“我们的回测数据里，没有包含已经退市的公司。”
　　
　　周寻愣了一下。
　　
　　“什么？”
　　
　　陆方指着屏幕：
　　
　　“我当初爬数据的时候，只爬了‘当前还存在’的公司。那些已经退市的、被借壳的、破产的……都没有。”
　　
　　他顿了顿：
　　
　　“所以回测的时候，系统只能看到现在还活着的公司。那些死掉的，从来没出现在数据里。”
　　
　　房间里安静了几秒。
　　
　　小林第一个反应过来：
　　
　　“那……那我们的回测结果，不是偏高了？”
　　
　　周寻点了点头，脸色很难看。
　　
　　“这就是‘幸存者偏差’。”
　　
　　他走到白板前，拿起笔，写下几个字：
　　
　　幸存者偏差
　　
　　“只看到活下来的，看不到死掉的。看到的都是成功案例，看不到失败案例。用这样的数据做回测，结果一定是偏乐观的。”
　　
　　他转过身，看着所有人：
　　
　　“你们想想，如果我们的策略，恰好喜欢选那些后来死掉的公司——但在回测数据里，那些公司根本不存在，那回测会显示什么？”
　　
　　小林脱口而出：
　　
　　“会显示这个策略很好，因为选的都是活下来的……”
　　
　　“对。”周寻说，“但实盘呢？实盘里那些公司还在，选了它们，就会亏钱。”
　　
　　陈默从角落里站起来，走到白板前。
　　
　　他看着那四个字，沉默了几秒。
　　
　　然后他问：
　　
　　“这个问题，有多大？”
　　
　　周寻想了想：
　　
　　“可能很大。具体多大，要看我们的策略偏好。”
　　
　　他走到电脑前，调出一张图：
　　
　　“这是A股过去十年的退市数据。2001年到2010年，一共有多少家公司退市？”
　　
　　他敲了几下键盘。
　　
　　屏幕上跳出一个数字：
　　
　　187家
　　
　　“187家。”周寻说，“平均每年18.7家。这些公司，在我们的数据里，一个都没有。”
　　
　　他顿了顿：
　　
　　“如果我们的策略，恰好偏好那些后来退市的公司——比如喜欢炒垃圾股、炒ST股——那回测结果和实盘结果的差距，会大得惊人。”
　　
　　陈默盯着那个数字。
　　
　　187家。
　　
　　187个曾经存在过的名字，187个曾经让投资者亏过钱的故事，187个被遗忘的失败案例。
　　
　　而现在，它们被排除在数据之外，好像从未存在过。
　　
　　“陆方，”他问，“这个问题，能解决吗？”
　　
　　陆方想了想：
　　
　　“能。但要重新爬数据。”
　　
　　他看着陈默：
　　
　　“需要把所有退市公司的历史数据都找回来。包括它们还在市场上的时候的交易数据、财务数据。”
　　
　　他顿了顿：
　　
　　“有些公司退市很多年了，数据可能很难找。”
　　
　　陈默沉默了几秒。
　　
　　然后他说：
　　
　　“找。不管多难，都要找。”
　　
　　他看着所有人：
　　
　　“我们不能只看活下来的。那些死掉的，才是真正的老师。”
　　
　　---
　　
　　下午四点，陆方开始研究怎么爬退市公司的数据。
　　
　　他在几个数据源之间切换，眉头越皱越紧。
　　
　　“周老师，”他喊，“您过来看看。”
　　
　　周寻走过去。
　　
　　陆方指着屏幕：
　　
　　“有些公司的数据，能查到。像那些被借壳的，虽然壳换了，但历史数据还在。”
　　
　　他往下翻：
　　
　　“但有些，是真的查不到了。特别是2005年之前退市的，很多数据源根本没有保留。”
　　
　　周寻沉默了几秒。
　　
　　然后他说：
　　
　　“能查到多少算多少。查不到的，想办法从其他渠道找。实在找不到的，也要知道‘有这家公司存在过’，不能假装它们不存在。”
　　
　　陆方点头。
　　
　　
　　
　　（本章未完，请点击下一页继续阅读）