Enviesamento de sobrevivência

Por Jarosław Wasiński (EN) • Publicado em: 2 abr 2026 • Atualizado em: 23 out 2026

Distorção resultante de avaliar apenas elementos que continuam disponíveis, omitindo os que desapareceram antes. Exemplos incluem testar a composição atual de instrumentos, classificar contas ativas e narrativas sobre operadores bem-sucedidos. Defina antecipadamente a coorte, a unidade analítica, o período e o tratamento das observações encerradas ou em falta. Um registo em falta não significa automaticamente uma perda, mas excluí-lo pode alterar as conclusões. As estatísticas de sucesso precisam do denominador adequado à pergunta declarada; os resultados dos sobreviventes não descrevem automaticamente todos os que tentaram.

Exemplo. Cem contas hipotéticas começam com capital igual e sem fluxos de caixa posteriores. Setenta permanecem no fim do período com rendibilidade média de +10%; trinta fecharam antes com média de −40% e não negoceiam depois. A média da coorte completa é (70 × 10% + 30 × (−40%))/100 = −5%. Estudar apenas os sobreviventes dá +10% e responde a uma pergunta diferente.

Defina a coorte antes de observar os resultados

Especifique que contas, sistemas ou instrumentos eram inicialmente elegíveis e como são tratados os participantes posteriores. Os desaparecimentos podem refletir perdas, o encerramento de uma empresa, uma mudança de nome ou a remoção de uma plataforma. Um registo em falta não implica automaticamente uma perda específica, mas não pode simplesmente ser descartado sem avaliar o seu efeito. O exemplo usa uma média aritmética com pesos iniciais explicitamente iguais.

Enviesamento nos dados e nas narrativas

Fazer backtesting com os membros atuais de um índice omite instrumentos retirados anteriormente da cotação. Uma classificação de prestadores ativos de copy trading pode excluir perfis encerrados. Entrevistas com operadores bem-sucedidos não são estatísticas representativas de todos os participantes. Consulte Brown, Goetzmann, Ibbotson e Ross: Survivorship Bias in Performance Studies sobre seleção; um estudo específico não estabelece uma taxa universal de perdas no Forex.

Reduza a distorção

Utilize a composição histórica e identificadores que incluam elementos encerrados. Registe as datas de entrada e saída e a liquidação final efetiva. Para resultados desconhecidos, descreva um intervalo de efeitos possíveis em vez de inventar um resultado. Verifique também o backfill: acrescentar um histórico atraente anterior à submissão é um mecanismo de seleção diferente. OOS cronológico não corrige uma base de dados da qual os elementos malsucedidos já desapareceram.

Faça corresponder o denominador à pergunta

Uma média ponderada pelo número de contas difere de uma média ponderada pelo capital. Os resultados dos participantes ativos não descrevem automaticamente os novos participantes. Coortes com datas de início diferentes também têm períodos de exposição diferentes. Cada análise pode ser significativa quando o seu âmbito é claro; o erro é mudar a pergunta depois de ver um resultado atraente. Indique se a unidade é uma pessoa, conta, programa ou tentativa individual.

Avalie as estatísticas publicadas

Pergunte pelo denominador, pelo critério de sucesso, pelo período e pelas observações em falta. Um resultado pode legitimamente dizer respeito a perfis ativos, mas não pode ser generalizado à coorte completa sem justificação. No curso: testes de estratégias e Mitos e factos sobre Forex. Fonte verificada em 11 de outubro de 2026.

Perguntas frequentes

Todas as contas em falta perderam?

Não. Apure os factos; os dados em falta precisam de tratamento explícito da incerteza, não de classificação automática.

Uma amostra grande elimina este enviesamento?

Não. Milhares de sobreviventes selecionados podem ainda responder a uma pergunta diferente da dos resultados de todos os membros da coorte definida.

← Voltar ao glossário completo