Für wen dieser Artikel gedacht ist — Für alle, die Strategien mit Aktien, Fonds, ETFs, Futures, Kryptoassets oder Systemkatalogen testen. Beginnt die historische Stichprobe mit der heute verfügbaren Liste, können die Misserfolge verschwunden sein, bevor die Berechnung überhaupt startet.
Der Survivorship Bias, auf Deutsch Überlebensverzerrung, entsteht, wenn eine Analyse die Einheiten betrachtet, die einen Auswahlprozess überstanden haben, und ausgeschiedene Einheiten übersieht. In einem finanziellen Backtest geschieht das etwa, wenn mit den heutigen Mitgliedern eines Index die letzten zwanzig Jahre simuliert werden: Der Test weiß bereits, welche Unternehmen groß, liquide oder stabil genug blieben, um heute noch enthalten zu sein.
Einfach gesagt — Wer nur die Gewinner am Ziel untersucht, entfernt alle, die aufgegeben haben, gescheitert sind oder ausgeschlossen wurden. Der historische Wettlauf wird leichter als derjenige, den man damals tatsächlich hätte bestreiten können.
Was Survivorship Bias ist — und was nicht
| Problem | Fehlerhafte Auswahl | Zentrale Korrektur |
|---|---|---|
| Survivorship Bias | Nur überlebende Einheiten bleiben erhalten | Die gesamte historisch zulässige Population einbeziehen |
| Look-ahead Bias | Später verfügbare Information fließt ein | Zeitstempel und kausale Pipeline erzwingen |
| Selection Bias | Die Stichprobe ist nicht repräsentativ ausgewählt | Population und Stichprobenregel offenlegen |
| Data Snooping | Viele Varianten werden getestet und die beste veröffentlicht | Versuche registrieren und Mehrfachselektion berücksichtigen |
Survivorship Bias kann gemeinsam mit Look-ahead Bias auftreten, ist aber nicht dasselbe. Eine Tabelle kann perfekte Zeitstempel haben und trotzdem nur noch notierte Titel enthalten. Umgekehrt kann ein vollständiges Universum durch revidierte Bilanzen oder Signale vor ihrer Veröffentlichung verunreinigt sein.
Wo die Verzerrung auftritt
Aktien und Indizes
Insolvente, delistete, übernommene oder ausgeschlossene Unternehmen müssen bis zu ihrem tatsächlichen Ausscheiden in der Stichprobe bleiben. Die Zusammensetzung eines Index erfordert mindestens Ankündigungs- und Wirksamkeitsdatum. Ein neues Mitglied auch vor seiner Aufnahme einzusetzen ist rückblickende Auswahl. Umbenannte Ticker und fusionierte Unternehmen brauchen dauerhafte Identifikatoren statt einer bloßen Verknüpfung über heutige Symbole.
Ein Ausscheiden bedeutet nicht immer eine Rendite von null. Es kann einen letzten handelbaren Kurs, eine Fusionszahlung, Ausschüttung, Delisting-Rendite oder spätere Rückgewinnung geben. Fehlt der Wert, muss die Annahme ausdrücklich genannt und in Szenarien geprüft werden; die Zeile zu löschen ist keine neutrale Konvention.
Fonds und Produkte
Fonds mit schwachen Ergebnissen können schließen oder fusionieren. Eine Datenbank ausschließlich aktiver Fonds entfernt daher tendenziell einen Teil der schlechteren Erfahrung. Dasselbe gilt für liquidierte ETFs, eingestellte Benchmarks, Manager ohne weitere Berichte oder historische Reihen, die auf die überlebende Anteilsklasse übertragen wurden.
Futures und andere Instrumente
Bei Futures kann eine Auswahl nur der heute noch liquiden Kontrakte oder Märkte gescheiterte Produkte ausblenden. Bei Kryptoassets verschwinden geschlossene Börsen, nicht mehr gehandelte Tokens und entfernte Paare aus aktuellen APIs. Ein Anbieter, der nur aktive Symbole liefert, bietet nicht automatisch eine Geschichte ohne Survivorship Bias.
Strategien und Forschung
Auch Systeme überleben selektiv: Produktionsmodelle werden analysiert, ausgesetzte Modelle vergessen; weiter berichtende Fonds bleiben sichtbar, eingestellte nicht; erfolgreiche Notebooks werden gespeichert, Fehlversuche verworfen. Dieses Phänomen grenzt an Selection Bias und Data Snooping und verlangt ein vollständiges Experimentregister.
Wie Ergebnisse verzerrt werden
Das Entfernen negativer Beendigungen erhöht häufig Durchschnittsrendite, Trefferquote oder Sharpe Ratio und senkt Drawdown sowie extreme Verluste. Eigenschaften können dauerhafter erscheinen: Eine Regel wählt scheinbar „hochwertige“ Unternehmen auch deshalb, weil die Datenbank jene entfernt hat, die heute nicht mehr existieren.
Die Richtung ist jedoch nicht in jeder Stichprobe mathematisch garantiert. Eine günstige Übernahme kann einen Gewinner entfernen, ein Fonds aus kommerziellen Gründen schließen und ein neuer Börsengang schlecht abschneiden. Der Bias wird deshalb nicht durch einen pauschalen Prozentabschlag korrigiert. Die Population wird rekonstruiert und der Test neu gerechnet.
Protokoll für ein historisches Universum
- Beobachtungseinheit definieren. Wertpapier, Unternehmen, Anteilsklasse, Fonds, Kontrakt und Handelsplatz sind nicht austauschbar.
- Ex-ante-Zulässigkeit festlegen. Markt, Preis, Liquidität, Historienlänge und Datenanforderungen müssen am Auswahltag berechenbar sein.
- Mitgliedschaftsintervalle verwenden. Jede Aufnahme und jeder Ausschluss benötigt Beginn, Ende, Quelle, Ankündigung und Wirksamkeit.
- Dauerhafte Identifikatoren führen. Ticker, Namen und Handelsplätze zuordnen, ohne verschiedene Einheiten zu verschmelzen.
- Beendigungen und Aussetzungen erhalten. Insolvenzen, Fusionen, Liquidationen, Handelsstopps und Delistings bleiben beobachtbare Ereignisse.
- Terminale Rendite zuweisen. Den verfügbaren Wert nutzen; fehlen Daten, Annahmen und Alternativszenarien dokumentieren.
- Corporate Actions und Total Return rekonstruieren. Dividenden, Splits, Spin-offs und Fusionsleistungen konsistent behandeln.
- Realistische Verzögerungen anwenden. Indexänderungen werden entsprechend Ankündigung, Wirksamkeit und Umsetzbarkeit handelbar.
- Historische Schnappschüsse testen. Eine Abfrage mit Stichtag darf keine späteren Mitglieder oder Attribute zurückgeben.
- Mit naiver Liste vergleichen. Unterschiede bei Abdeckung, Turnover, Rendite und Drawdown quantifizieren, ohne den naiven Test als Wahrheit zu behandeln.
- Lücken veröffentlichen. Unbekannte Delisting-Renditen oder unvollständige Märkte sichtbar machen.
Illustratives Beispiel — Ein Aktienmodell wird zunächst mit den heutigen Indexmitgliedern getestet. Die korrigierte Fassung rekonstruiert für jeden Monat die damals gültige Mitgliedschaft, erhält delistete Titel bis zu ihrem Austritt und verbucht Fusionen nach einer dokumentierten Regel. Die Leistung fällt, der Turnover steigt und einzelne Verlustperioden werden sichtbar. Dieses Muster erläutert den Bias; es ist weder eine allgemeine Größenordnung noch eine Prognose.
Audit-Checkliste
- Kann der Anbieter auch inaktive und delistete Symbole liefern?
- Beziehen sich historische Filter auf damals bekannte Daten?
- Sind Aufnahme, Ankündigung und Wirksamkeit getrennte Zeitstempel?
- Bleiben alte Ticker über einen dauerhaften Identifier mit derselben Einheit verbunden?
- Werden fehlende Endwerte nicht stillschweigend gelöscht oder vorwärts aufgefüllt?
- Enthält das Forschungsregister auch verworfene und ausgesetzte Strategien?
- Lässt sich das Universum für einen zufälligen historischen Stichtag reproduzieren?
Eine positive Antwort beweist keine Fehlerfreiheit. Sie macht jedoch prüfbar, wo die Grundgesamtheit herkommt und an welchen Stellen sie unvollständig sein kann.
Grenzen
Auch eine „survivor-bias-free“ bezeichnete Datenbank kann fehlende Renditen, fehlerhafte Identifikatoren, nachträgliche Korrekturen oder unvollständige Märkte enthalten. Die vollständige Population kann zudem aus wirtschaftlichen Gründen nicht investierbar gewesen sein. Point-in-time-Auswahl, Liquiditätsfilter, Ausführung und Kosten müssen gemeinsam modelliert werden. Ein Universum ohne Überlebensverzerrung beseitigt weder Look-ahead Bias noch Data Snooping oder Regimewechsel.
Quellen
- Stephen J. Brown, William N. Goetzmann, Roger G. Ibbotson und Stephen A. Ross, Survivorship Bias in Performance Studies, The Review of Financial Studies, 1992 — Auswirkungen der Überlebensselektion auf Rendite, Volatilität und scheinbare Vorhersagbarkeit.
- Edwin J. Elton, Martin J. Gruber und Christopher R. Blake, Survivorship Bias and Mutual Fund Performance, The Review of Financial Studies, 1996 — Schätzung des Bias unter Einbezug bestehender, fusionierter und eingestellter Fonds.
- Tyler Shumway, The Delisting Bias in CRSP Data, The Journal of Finance, 1997 — fehlende Renditen und Verzerrungen bei negativen Delistings.
- Center for Research in Security Prices, CRSP Survivor-Bias-Free US Mutual Fund Database Guide — Datenmodell mit aktiven und delisteten Fonds.
- S&P Dow Jones Indices, Legal Disclaimers — Back-tested Performance — Anbieterhinweise zu Rückschau, Komponentenauswahl sowie möglichem Survivor- und Look-ahead Bias.