回测里少了 40 个币:幸存者偏差把年化收益抬高了几个点

导语:拿今天还能交易的 100 个币做回测,得到的年化很漂亮。但三年前那批币里,有四十个已经下架、归零或停止更新——它们不在你的数据里,也不在你的收益里。回测最难发现的不是公式写错,而是样本被未来悄悄筛过一遍。

一、结论

幸存者偏差的本质是:你用「今天还活着」这个条件筛了样本,而「活着」本身就是过去表现的结果。于是回测隐含了一个不可能实现的前提——你在三年前就知道哪些币能活下来。用一句话概括代价:被剔除的样本越差,回测收益被抬得越高,而且抬高的部分不含任何波动。

二、偏差从三种删除方式进来

  • 交易所下架:币还在,交易对没了。数据源里该交易对的历史直接消失,或只剩到某一天为止。
  • 项目归零:仍有报价但流动性枯竭,价格长期贴在最小价位,回测里被当成「横盘」而不是「-100%」。
  • 数据源重建:换 API、换供应商时只拉了当前列表的成分,历史成分表没有一起搬过来。

最阴险的是第二种:样本没消失,只是「看起来没跌」。归零币在数据里变成一条贴地的直线,策略在上面既不大赚也不大亏,被当成噪声忽略——实际上是一笔全额亏损。

三、公式:偏差有多大

设样本里存活比例为 s,存活样本的平均收益为 R_survive,被剔除样本的平均收益为 R_dead(通常是 -90% 到 -100%)。

全样本真实收益
R_all = s × R_survive + (1 - s) × R_dead
偏差 = R_survive - R_all = (1 - s) × (R_survive - R_dead)
偏差随「剔除比例」和「剔除样本有多差」同时放大,与存活样本好不好无关。

这个式子的价值在于:它不要求你知道每个下架币的准确收益,只要求你知道两个量——大概有多少比例被剔除、被剔除的那批大致跌了多少。

四、三个算例

算例一(温和):100 个币,剔除 20 个,剔除的跌 90%,存活者平均 +40%。
真实收益 0.8 × 0.4 + 0.2 × (-0.9) = 0.32 - 0.18 = +14%;回测只报 +40%,偏差 26 个百分点。

算例二(常见):100 个币,剔除 40 个,剔除的跌 95%,存活者平均 +50%。
真实收益 0.6 × 0.5 + 0.4 × (-0.95) = 0.30 - 0.38 = -8%;回测报 +50%,偏差 58 个百分点。从亏 8% 变成赚 50%,全由样本筛选造成。

算例三(年化放大):算例二按 3 年折算,真实 -8% 的年化约 -2.7%(0.92^(1/3) - 1),回测 +50% 的年化约 +14.5%(1.5^(1/3) - 1)。年化把 58 个百分点摊成 17 个,但「赚与亏」的定性完全相反——摊薄不会把亏损变成盈利。

五、四种处理方式的偏差方向

处理方式 做法 偏差方向 适用场景
当前成分回测 只用今天可交易的列表 严重高估 不要用于策略验证,只适合做「如果当时选对了」的情景推演
历史成分回测 用每个时点当时的可交易列表 基本无偏 标准做法,成本是要维护时点成分表
下架按 -100% 处理 停牌日按归零计入,不保留最后价格 偏保守 流动性差、退市机制严苛的市场
下架按最后成交价 用最后一次有效成交平仓 轻度高估 下架前仍有流动性的主流币

最稳的组合是「历史成分 + 分档处理」:主流币按最后成交价平仓,小市值与归零按 -100% 处理,并分别披露两组结果,让人看到区间而不是一个被美化过的点估计。

六、五步修正清单

  1. 建时点成分表:每周或每月存一份「当时可交易列表」,含上市日与下架日。这是唯一真正解决问题的动作。
  2. 对齐上市时间:新币不能在三年前就有价格,回测起点按上市日截断,否则又是另一种前视偏差。
  3. 处理停牌与归零:区分「停止交易」与「价格贴地」,前者按平仓价,后者按减值处理。
  4. 报告三组数字:全样本、只存活、只主流。三组一起看,偏差有多大一目了然。
  5. 记录剔除原因:每个被剔除样本写一行原因(下架/归零/缺失),方便复查是否误删。

第 1 步是重活,但一次做完能复用多年;反复调参让回测好看,只是给偏差加装饰。前视偏差见前视偏差的三种来源,执行成本失真见回测里的滑点,换手率对手续费的吞噬见换手率与费率拖累。

七、三个误区

  • 「只做主流币就不受影响」:主流币也会下架、合并、换交易对,影响小不等于没有。
  • 「数据商已经处理过了」:多数数据商提供的是「当前可得」的数据,历史成分表通常要另外买或自己建。
  • 「偏差是固定的,减掉就行」:它随样本比例变化,不同策略与时段完全不同,只能重建样本。

问:只有几十个币的小样本,偏差会不会更小?

不一定。小样本里单一归零币权重更大,偏差可能更剧烈。关键不是样本数量,而是剔除比例与跌幅。

问:怎么快速估「有多少比例被剔除」?

取回测起点当日的可交易列表与今天做差集,再去掉「改名/合并/换交易对」的同一资产,剩下的就是真实剔除,通常比直觉大得多。

问:下架前最后价格还能成交吗?

理论上可以,实际要看公告给的期限与流动性。回测里按最后成交价平仓属于乐观假设,应按折价或直接归零做敏感性测试。

问:股票市场的幸存者偏差研究能直接套用吗?

思路可以,参数不能。加密市场的退市率、归零率与波动率都高于股票,同样比例的剔除会带来更大的偏差。

问:修正之后策略不赚钱了怎么办?

那就是真实结论。回测的作用是排除不成立的策略,不是给策略找证据;能排除掉一个错误假设,本身就是收益。

风险提示:本文讨论回测方法论,不构成投资建议,也不构成对任何策略的推荐。历史回测结果不代表未来表现;加密资产波动剧烈,杠杆交易存在爆仓风险,任何策略都可能在极端行情中失效。文中数字均为示例参数,用于演示偏差计算。

资料来源与访问日期
· 各交易所「交易对下架公告」与「退市规则」公开页,访问日期 2026-10-31;
· 各行情数据商关于「历史成分」「退市币处理」的文档说明,访问日期 2026-10-31;
· BIP 与行业公开资料中关于资产更名、合并、换交易对的处置惯例,访问日期 2026-10-31;
· 文中比例、收益与年化均为示例参数,仅用于演示偏差公式。
最后更新:2026-10-31

安装 App