O Que o Viés de Sobrevivência Significa nos Dados de Mercado
O viés de sobrevivência é um problema de seleção amostral que surge quando um conjunto de dados históricos contém apenas as entidades que sobreviveram até o momento em que os dados foram compilados. Na pesquisa do mercado de ações, um banco de dados de preços típico lista os tickers que ainda são negociados hoje, ou que ainda existem como empresas independentes. Empresas que faliram, foram deslistadas por não atenderem aos padrões de listagem, foram fundidas em outra empresa ou foram adquiridas frequentemente estão ausentes. A amostra remanescente, portanto, não é uma seção transversal aleatória de todas as ações que poderiam ter sido compradas ou vendidas no passado; é uma amostra condicionada à sobrevivência. A ilustração clássica vem da análise de aeronaves da Segunda Guerra Mundial, em que engenheiros examinaram aviões que retornavam e consideraram reforçar as áreas com mais buracos de bala. O estatístico Abraham Wald observou que a evidência relevante eram os aviões ausentes: os atingidos em outras áreas não retornaram. Um banco de dados de ações com viés de sobrevivência é semelhante. As empresas deslistadas são os aviões que não retornaram. Sua ausência não é neutra. Ela remove exatamente aquelas observações que terminaram mal. Um ponto importante é que esse viés pode existir mesmo quando ninguém está agindo de má-fé. É uma consequência estrutural de como os fornecedores de dados montam e mantêm registros. Um conceito relacionado é o de dados point-in-time, que tentam reconstruir o universo como ele existia em cada data histórica, incluindo títulos que foram posteriormente removidos. Sem essa reconstrução, qualquer backtest que classifique, filtre ou selecione ações herda o universo apenas de sobreviventes. O viés é especialmente relevante para estratégias que dependem da seção transversal completa de retornos, porque os nomes ausentes não são aleatórios: são desproporcionalmente os de pior desempenho.
Por Que Ações Mortas e Fundos Fechados Saem dos Bancos de Dados
Os fornecedores de dados geralmente constroem e mantêm seus bancos de dados a partir de listas de títulos que existem atualmente. Quando uma ação é deslistada de uma bolsa, seu ticker pode ser removido do arquivo ativo. Quando uma empresa é adquirida, o ticker do alvo desaparece, embora os acionistas possam ter recebido dinheiro ou ações do adquirente. Quando uma empresa vai à falência e seu patrimônio líquido se torna sem valor, a série de preços simplesmente para, às vezes sem um retorno final que reflita a perda. O resultado é um banco de dados fácil de consultar para títulos atuais, mas incompleto para pesquisa histórica. O mesmo padrão aparece em bancos de dados de fundos. Fundos mútuos que liquidam ou se fundem com outro fundo param de reportar. Bancos de dados de hedge funds frequentemente são construídos a partir de reporte voluntário, então um fundo que fecha após desempenho ruim pode simplesmente parar de enviar dados. O banco de dados então contém os fundos que ainda estão vivos e ainda dispostos a reportar, não o conjunto completo que existia em cada ponto no tempo. Alguns fornecedores oferecem títulos deslistados ou arquivos de fundos "mortos", mas a cobertura e o tratamento dos retornos variam, e os registros extras podem custar mais ou exigir manuseio cuidadoso. Há várias camadas de remoção. As bolsas deslistam ações por motivos como falência, não atendimento a regras mínimas de preço ou divulgação, ou reorganização corporativa. Provedores de índices recompõem periodicamente seus índices, removendo empresas que encolheram ou faliram e adicionando substitutas. Mesmo quando existe um histórico de preços deslistado, o retorno final pode ser registrado de forma inconsistente: uma falência pode ser mostrada como um preço próximo de zero, uma fusão pode ser mostrada como um salto de preço, ou a série pode terminar abruptamente. Cada uma dessas escolhas afeta o desempenho medido de qualquer estratégia que teria mantido o título. Entender que a remoção é sistemática, não aleatória, é o primeiro passo para julgar se um backtest é confiável.
