Survivorship Bias (Überlebenden-Verzerrung) entsteht, wenn eine Untersuchung nur die Fälle betrachtet, die bis heute übrig geblieben sind.
Was bedeutet Survivorship Bias?
Im Börsenalltag heißt das: Wer eine Regel nur mit den heutigen Mitgliedern eines Index testet, lässt alle Firmen weg, die früher aus dem Index gefallen, übernommen oder pleitegegangen sind. Gerade diese Firmen hatten oft schwache Kurse. Der Test sieht dadurch besser aus, als es in der Vergangenheit möglich gewesen wäre. Dasselbe gilt für Fonds, Strategien oder Erfolgsgeschichten, von denen man nur die erfolgreichen kennt.
Beispiel mit Modellzahlen
Ein Modellindex hat vor zehn Jahren 100 Mitglieder. 20 davon sind heute nicht mehr dabei, viele nach starken Kursverlusten. Ein Test mit den 100 heutigen Mitgliedern enthält stattdessen 20 Firmen, die erst später aufgenommen wurden – meist nach starken Anstiegen. Eine Regel, die damals alle 100 damaligen Mitglieder hätte prüfen müssen, wirkt im Test daher freundlicher.
Richtig einordnen
Die Verzerrung lässt sich nur vermeiden, wenn man für jeden Tag die damaligen Mitglieder kennt und auch die Kurse verschwundener Firmen hat. Wo das fehlt, hilft Ehrlichkeit: das Ergebnis als zu günstig kennzeichnen und mit Proben prüfen, etwa ohne die größten Gewinner. Bei konzentrierten Depots mit wenigen Werten wirkt die Verzerrung besonders stark. Auch im Alltag begegnet dir die Verzerrung: Wer nur von erfolgreichen Tradern hört, unterschätzt, wie viele mit denselben Ideen aufgegeben haben. Die Frage „Wer fehlt in dieser Auswahl?“ schützt vor vielen falschen Schlüssen, auch außerhalb der Börse.
Typische Denkfehler
Ein häufiger Fehler ist, Erfolgsgeschichten als Beleg für eine Methode zu nehmen, ohne zu fragen, wie viele mit derselben Methode gescheitert sind. Zweitens werden Tests mit heutigen Indexmitgliedern als „über 20 Jahre bewährt“ beschrieben. Drittens wird übersehen, dass auch Daten selbst überleben müssen: Firmen ohne vollständige Kurshistorie fallen still aus jeder Auswertung.
So nutzt du es auf TickerEagle
Unsere Methodik-Seite nennt offen, mit welchen Werten wir testen und welche Grenzen das hat. Die Lektion Backtesting zeigt die Verzerrung an einem einfachen Beispiel.