Lo que no puedes ver
En la Segunda Guerra Mundial, el ejército estadounidense analizó los patrones de orificios de bala en los bombarderos que regresaban para decidir dónde añadir blindaje. Inicialmente quisieron reforzar las áreas con más orificios. Abraham Wald, un estadístico, señaló el error: los orificios mostraban dónde los aviones podían recibir impactos y aun así regresar. Los aviones que recibieron impactos en otras áreas no volvieron. Necesitaban blindar los lugares sin orificios.
Esto es el sesgo de supervivencia, y opera constantemente en los mercados financieros. Siempre estás mirando los aviones que regresan.
El sesgo de supervivencia en cripto
El mercado cripto es uno de los entornos más sesgados por supervivencia en las finanzas. Cuando miras el gráfico histórico de Bitcoin y ves un retorno de más del 60,000%, estás viendo al mayor ganador individual de entre miles de criptomonedas lanzadas desde 2009. La gran mayoría de los tokens lanzados en 2017 y 2018 fueron a cero. No aparecen en CoinMarketCap. No aparecen en tus datos de backtest. Son invisibles.
Si haces backtest de una estrategia de "comprar los 50 principales tokens cripto", tu backtest está sesgado porque los 50 principales actuales son los supervivientes. Los tokens que estaban en el top 50 hace tres años pero salieron (y posiblemente fueron a cero) no están en tus datos. Tu backtest muestra mejor rendimiento del que la estrategia realmente habría entregado porque solo incluye cosas que sobrevivieron.
El sesgo de supervivencia en el rendimiento de fondos
El mismo sesgo aflige a los datos de rendimiento de fondos. Los hedge funds con mal rendimiento cierran y desaparecen de las bases de datos. El rendimiento promedio de los fondos restantes mejora no porque los fondos hayan mejorado, sino porque los peores rendimientos dejaron de contarse. Los estudios estiman que este efecto infla los retornos reportados de los hedge funds entre un 1 y un 3% anual.
El sesgo de supervivencia en las señales de trading
Cuando alguien te muestra un gráfico de "cada vez que este patrón se formó, el precio subió un 20%", pregunta cuántas veces se formó el patrón en activos que posteriormente fueron a cero y ya no están en el conjunto de datos. El patrón podría haber aparecido 100 veces, con 60 desenlaces positivos en activos supervivientes y 40 instancias en activos que ya no existen. La tasa de éxito real es del 60%, no del 100% sugerido por mirar solo a los supervivientes.
Cómo protegerte
Los datos de punto en el tiempo (point-in-time) son el estándar de oro. Un backtest adecuado usa el universo de activos que estaba disponible en cada momento histórico, incluidos los que posteriormente fracasaron. Esto es más difícil de obtener y procesar, pero sin ello, tus resultados están sistemáticamente sobreestimados.
Al evaluar cualquier estrategia, sistema o análisis histórico, pregunta: ¿qué no estoy viendo? ¿Qué activos, fondos o traders formaban parte de este universo en ese momento pero ya no están aquí? ¿Cómo se verían los resultados si incluyera el universo completo en lugar de solo los supervivientes? Esta pregunta no siempre tiene una respuesta precisa, pero hacerla te protege de la forma más común de autoengaño analítico.