Qué significa el sesgo de supervivencia en los datos de mercado
El sesgo de supervivencia es un problema de selección de muestra que surge cuando un conjunto de datos históricos contiene únicamente las entidades que sobrevivieron hasta el momento en que se recopilaron los datos. En la investigación del mercado de valores, una base de datos de precios típica enumera los tickers que aún cotizan hoy, o que todavía existen como empresas independientes. Las firmas que quebraron, fueron excluidas de cotización por incumplir los estándares de listado, se fusionaron con otra empresa o fueron adquiridas suelen estar ausentes. La muestra restante, por lo tanto, no es una sección transversal aleatoria de todas las acciones que podrían haberse comprado o vendido en el pasado; es una muestra condicionada a la supervivencia. La ilustración clásica proviene del análisis de aviones de la Segunda Guerra Mundial, donde los ingenieros examinaron los aviones que regresaban y consideraron reforzar las zonas con más agujeros de bala. El estadístico Abraham Wald señaló que la evidencia relevante eran los aviones desaparecidos: los alcanzados en otras zonas no regresaron. Una base de datos de acciones con sesgo de supervivencia es similar. Las empresas excluidas de cotización son los aviones que no regresaron. Su ausencia no es neutral. Elimina exactamente aquellas observaciones que terminaron mal. Un punto importante es que este sesgo puede existir incluso cuando nadie actúa de mala fe. Es una consecuencia estructural de cómo los proveedores de datos ensamblan y mantienen los registros. Un concepto relacionado son los datos point-in-time, que intentan reconstruir el universo tal como existía en cada fecha histórica, incluyendo los valores que posteriormente fueron eliminados. Sin dicha reconstrucción, cualquier backtest que clasifique, filtre o seleccione acciones hereda el universo de solo supervivientes. El sesgo es especialmente relevante para las estrategias que dependen de la sección transversal completa de rendimientos, porque los nombres ausentes no son aleatorios: son desproporcionadamente los de peor rendimiento.
Por qué las acciones muertas y los fondos cerrados desaparecen de las bases de datos
Los proveedores de datos suelen construir y mantener sus bases de datos a partir de listas de valores que existen actualmente. Cuando una acción se excluye de cotización en una bolsa, su ticker puede eliminarse del archivo activo. Cuando una empresa es adquirida, el ticker del objetivo desaparece aunque los accionistas hayan podido recibir efectivo o acciones del adquirente. Cuando una empresa quiebra y su capital social se vuelve sin valor, la serie de precios simplemente se detiene, a veces sin un rendimiento final que refleje la pérdida. El resultado es una base de datos fácil de consultar para valores actuales pero incompleta para la investigación histórica. El mismo patrón aparece en las bases de datos de fondos. Los fondos de inversión que se liquidan o se fusionan con otro fondo dejan de reportar. Las bases de datos de fondos de cobertura a menudo se construyen a partir de reportes voluntarios, por lo que un fondo que cierra tras un mal rendimiento puede simplemente dejar de enviar datos. La base de datos contiene entonces los fondos que siguen vivos y siguen dispuestos a reportar, no el conjunto completo que existía en cada momento. Algunos proveedores sí ofrecen valores excluidos de cotización o archivos de fondos "muertos", pero la cobertura y el tratamiento de los rendimientos varían, y los registros adicionales pueden costar más o requerir un manejo cuidadoso. Hay varios niveles de eliminación. Las bolsas excluyen acciones de cotización por motivos como quiebra, incumplimiento de las reglas de precio mínimo o de divulgación, o reorganización corporativa. Los proveedores de índices reconstituyen periódicamente sus índices, eliminando empresas que se han reducido o han fracasado y añadiendo reemplazos. Incluso cuando existe un historial de precios de un valor excluido, el rendimiento final puede registrarse de forma inconsistente: una quiebra puede mostrarse como un precio cercano a cero, una fusión puede mostrarse como un salto de precio, o la serie puede terminar abruptamente. Cada una de estas decisiones afecta el rendimiento medido de cualquier estrategia que hubiera mantenido el valor. Comprender que la eliminación es sistemática, no aleatoria, es el primer paso para juzgar si un backtest es confiable.
