Ce que signifie le biais de survie dans les données de marché
Le biais de survie est un problème de sélection d'échantillon qui survient lorsqu'un ensemble de données historiques ne contient que les entités ayant survécu jusqu'au moment où les données ont été compilées. Dans la recherche sur les marchés actions, une base de données de prix typique répertorie les tickers qui sont encore négociés aujourd'hui, ou qui existent encore en tant qu'entreprises indépendantes. Les sociétés qui ont fait faillite, ont été radiées pour non-respect des normes de cotation, ont fusionné avec une autre société ou ont été acquises sont souvent absentes. L'échantillon restant n'est donc pas une coupe transversale aléatoire de toutes les actions qui auraient pu être achetées ou vendues dans le passé ; c'est un échantillon conditionné par la survie. L'illustration classique provient de l'analyse des avions pendant la Seconde Guerre mondiale, où les ingénieurs examinaient les avions revenus et envisageaient de renforcer les zones les plus criblées de balles. Le statisticien Abraham Wald a fait remarquer que les preuves pertinentes étaient les avions manquants : ceux touchés dans d'autres zones ne sont pas revenus. Une base de données d'actions biaisée par la survie est similaire. Les sociétés radiées sont les avions qui ne sont pas revenus. Leur absence n'est pas neutre. Elle supprime exactement les observations qui se sont mal terminées. Un point important est que ce biais peut exister même lorsque personne n'agit de mauvaise foi. C'est une conséquence structurelle de la façon dont les fournisseurs de données assemblent et maintiennent les enregistrements. Un concept connexe est celui des données point-in-time, qui tentent de reconstruire l'univers tel qu'il existait à chaque date historique, y compris les titres qui ont été retirés par la suite. Sans une telle reconstruction, tout backtest qui classe, filtre ou sélectionne des actions hérite de l'univers composé uniquement des survivants. Le biais est particulièrement pertinent pour les stratégies qui dépendent de l'ensemble de la distribution des rendements, car les noms manquants ne sont pas aléatoires : ils sont de manière disproportionnée les moins performants.
Pourquoi les actions mortes et les fonds fermés disparaissent des bases de données
Les fournisseurs de données construisent et maintiennent généralement leurs bases de données à partir de listes de titres qui existent actuellement. Lorsqu'une action est radiée d'une bourse, son ticker peut être supprimé du fichier actif. Lorsqu'une entreprise est acquise, le ticker de la cible disparaît même si les actionnaires ont pu recevoir du cash ou les actions de l'acquéreur. Lorsqu'une entreprise fait faillite et que ses actions deviennent sans valeur, la série de prix s'arrête simplement, parfois sans rendement final reflétant la perte. Le résultat est une base de données facile à interroger pour les titres actuels mais incomplète pour la recherche historique. Le même schéma apparaît dans les bases de données de fonds. Les fonds communs de placement qui liquident ou fusionnent avec un autre fonds cessent de déclarer. Les bases de données de hedge funds sont souvent construites à partir de déclarations volontaires, de sorte qu'un fonds qui ferme après de mauvaises performances peut simplement cesser de soumettre des données. La base de données contient alors les fonds qui sont encore en vie et encore disposés à déclarer, et non l'ensemble complet qui existait à chaque instant. Certains fournisseurs proposent des fichiers de titres radiés ou de fonds « morts », mais la couverture et le traitement des rendements varient, et les enregistrements supplémentaires peuvent coûter plus cher ou nécessiter une manipulation prudente. Il existe plusieurs niveaux de retrait. Les bourses radient des actions pour des raisons telles que la faillite, le non-respect des règles de prix minimum ou de divulgation, ou la réorganisation d'entreprise. Les fournisseurs d'indices reconstituent périodiquement leurs indices, supprimant les entreprises qui ont rétréci ou fait faillite et ajoutant des remplaçants. Même lorsqu'un historique de prix radié existe, le rendement final peut être enregistré de manière incohérente : une faillite peut être représentée par un prix proche de zéro, une fusion par un saut de prix, ou la série peut se terminer brusquement. Chacun de ces choix affecte la performance mesurée de toute stratégie qui aurait détenu le titre. Comprendre que le retrait est systématique et non aléatoire est la première étape pour juger si un backtest est fiable.
