CFD และฟอเร็กซ์เป็นตราสารที่ซับซ้อน และมีความเสี่ยงสูงที่จะสูญเสียเงินอย่างรวดเร็วเนื่องจาก leverage เทรดเดอร์รายย่อยส่วนใหญ่ขาดทุน ควรเทรดด้วยเงินที่คุณสามารถยอมรับการสูญเสียได้เท่านั้น และต้องแน่ใจว่าคุณเข้าใจวิธีการทำงานของผลิตภัณฑ์เหล่านี้. การเปิดเผยความเสี่ยง

Survivorship Bias (อคติผู้รอดชีวิต) คืออะไร

หน้านี้อธิบายความหมายของ survivorship bias ให้ตัวอย่างสมมติที่เห็นภาพ และชี้ว่าอคตินี้ซ่อนอยู่ตรงไหนในข้อมูลการลงทุน

ทีมบรรณาธิการ Extrade Thailand ·

ในหน้านี้
  1. Survivorship bias คืออะไร
  2. นิยามที่แม่นยำ
  3. ตัวอย่างสมมติ
  4. Backtest bias: อคตินี้ในการทดสอบกลยุทธ์
  5. จุดที่พบในรายงานและข่าว
  6. คำศัพท์ที่เกี่ยวข้อง
  7. คำถามที่พบบ่อย

Survivorship bias คืออะไร

Survivorship bias (อคติผู้รอดชีวิต) คือการสรุปผลจากเฉพาะสิ่งที่ "รอด" มาถึงปัจจุบัน โดยไม่นับสิ่งที่ล้มหายไประหว่างทาง ผลที่ได้จึงดูดีกว่าความจริง

ในการลงทุน สิ่งที่หายไปมักเป็นกองทุนที่ปิดตัว หุ้นที่ถูกถอดออกจากตลาด (Delisting) เหรียญคริปโตที่เลิกซื้อขาย หรือเทรดเดอร์ที่เลิกเทรดไปแล้ว

นิยามที่แม่นยำ

ในทางสถิติ survivorship bias เป็นอคติจากการเลือกตัวอย่าง (selection bias) ชนิดหนึ่ง เกิดเมื่อกลุ่มตัวอย่างถูกคัดตามเงื่อนไขว่า "ยังอยู่ ณ ปลายช่วงเวลาที่วัด" ผลที่ตามมามักเป็นแบบนี้

ตัวอย่างสมมติ

สมมติว่าเมื่อหลายปีก่อนมีกองทุนกลยุทธ์เดียวกันเปิดขึ้นจำนวนมาก ต่อมากองทุนที่ขาดทุนหนักถูกปิดหรือถูกควบรวม จนวันนี้เหลือเพียงบางส่วน

ถ้าคุณดึงข้อมูลจากฐานข้อมูลที่แสดงเฉพาะกองทุนที่ยังเปิดอยู่ แล้วคำนวณผลตอบแทนเฉลี่ย ค่าที่ได้จะเป็นค่าเฉลี่ยของ "ผู้ชนะ" เท่านั้น กองทุนที่ขาดทุนจนปิดตัวไม่ได้ถูกนับรวม ภาพที่ได้จึงสวยกว่าผลจริงที่ผู้ลงทุนทั้งกลุ่มได้รับ

Backtest bias: อคตินี้ในการทดสอบกลยุทธ์

อคตินี้พบบ่อยใน backtest (การทดสอบกลยุทธ์ด้วยข้อมูลย้อนหลัง)

กลยุทธ์ที่ Equity Curve ใน backtest ดูราบรื่น อาจให้ผลต่างออกไปมากเมื่อใช้กับข้อมูลที่รวมสินทรัพย์ที่ล้มหายไปด้วย

จุดที่พบในรายงานและข่าว

การเห็นแต่ผู้ชนะทำให้ประเมินความเสี่ยงต่ำเกินไป การเทรด CFD และฟอเร็กซ์ที่ใช้เลเวอเรจสามารถทำให้ขาดทุนได้อย่างรวดเร็ว ดูเพิ่มเติมที่ การบริหารความเสี่ยง และ จิตวิทยาการเทรด

คำศัพท์ที่เกี่ยวข้อง

คำถามที่พบบ่อย

survivorship bias กับ อคติผู้รอดชีวิต ต่างกันไหม

ไม่ต่างกัน "อคติผู้รอดชีวิต" คือคำแปลภาษาไทยของ survivorship bias

survivorship bias ในการลงทุนทำให้เกิดอะไร

ทำให้ผลตอบแทนเฉลี่ยดูสูงเกินจริง และทำให้ความเสี่ยงดูต่ำกว่าความจริง เพราะกรณีที่ล้มเหลวไม่ถูกนับรวม

ลดอคตินี้ใน backtest ได้อย่างไร

ใช้ข้อมูลที่รวมสินทรัพย์ที่ถูกถอดออกไปแล้ว (survivorship-free data) และใช้รายชื่อสินทรัพย์ตามที่เป็นจริง ณ แต่ละช่วงเวลา แทนรายชื่อปัจจุบัน

backtest bias มีแค่ survivorship bias หรือเปล่า

ไม่ใช่ ยังมี look-ahead bias, backfill bias และการปรับพารามิเตอร์ให้เข้ากับข้อมูลในอดีตมากเกินไป (overfitting) ด้วย

หน้าที่เกี่ยวข้อง