Qué es el sesgo de supervivencia
El sesgo de supervivencia es el error de sacar conclusiones mirando solo a los que siguen en pie (los ganadores) e ignorando a los que desaparecieron por el camino.
En inglés se llama survivorship bias. El significado es el mismo en inversiones, trading y estadística: la muestra que se analiza está incompleta, porque los casos que fracasaron ya no están visibles.
¿Listo para probarlo en una cuenta real o demo?
Enlace de afiliado · el trading conlleva un alto riesgo de pérdida
Definición formal
Hay sesgo de supervivencia cuando la selección de datos depende del resultado que se quiere medir. Si solo entran en la muestra los activos, fondos, estrategias o personas que "sobrevivieron" hasta hoy, cualquier promedio calculado sobre esa muestra tiende a mostrar un rendimiento mejor y un riesgo menor que los reales.
Es un caso particular de sesgo de selección. No supone mala fe: suele aparecer porque las bases de datos eliminan lo que dejó de existir.
Ejemplo hipotético
Imagina un caso inventado, sin cifras reales:
- Hace años se lanzaron muchos fondos de inversión de una misma categoría.
- Con el tiempo, los que tuvieron peores resultados se cerraron o se fusionaron con otros.
- Hoy un informe calcula el rendimiento anualizado promedio de "los fondos de la categoría", pero solo incluye los que siguen abiertos.
El resultado parece bueno porque los fondos que perdieron ya no cuentan. Si se incluyeran todos los fondos lanzados, el promedio sería más bajo y la dispersión entre ellos, más alta. El informe no mide la categoría, sino sus sobrevivientes.
Lo mismo ocurre con estrategias de trading: si se publican solo las cuentas con una curva de equity ascendente, no se ve cuántas cuentas con la misma estrategia se quedaron sin capital.
Dónde aparece
- Índices bursátiles y bases de datos: las empresas que quiebran o hacen delisting salen del índice. Un backtest (prueba histórica de una estrategia) que usa solo los componentes actuales ignora las que fueron excluidas.
- Rankings de fondos y gestores: se comparan solo los que existen hoy. Esto infla métricas como el alfa o la CAGR promedio.
- Plataformas de copy trading y concursos: se destacan los perfiles con mejores resultados; los que cerraron su cuenta no aparecen.
- Redes sociales y noticias: se cuentan historias de traders que ganaron, casi nunca de los que perdieron. Esto encaja con varios errores descritos en psicología del trading.
Casos límite
- Sesgo de supervivencia inverso: si se excluyen los casos que salieron de la muestra por éxito (por ejemplo, una empresa comprada con prima), el error va en sentido contrario.
- Sesgo de retroceso (backfill bias): un fondo entra a una base de datos después de tener buenos resultados y se carga su historial previo. Se parece, pero el problema es la fecha de entrada, no la de salida.
- Riesgo de cola: los eventos extremos que eliminan participantes quedan fuera de la muestra, por lo que el riesgo de colas gordas se subestima.
Conocer este sesgo no reduce el riesgo real: el trading de CFD y forex con apalancamiento puede hacer perder dinero rápido, aunque los ejemplos visibles muestren ganancias. Más sobre esto en gestión de riesgo.
Términos relacionados
Preguntas frecuentes
¿Qué es el sesgo de supervivencia en pocas palabras?
Es juzgar un grupo mirando solo a los que siguen existiendo e ignorando a los que fracasaron o desaparecieron.
¿Por qué importa en inversiones?
Porque hace que los rendimientos promedio se vean mejores y los riesgos menores de lo que fueron en realidad.
¿Cómo se detecta en un backtest?
Hay que revisar si los datos incluyen activos que dejaron de cotizar. Si solo usa los componentes actuales de un índice, probablemente tiene sesgo de supervivencia.
¿Es lo mismo que el sesgo de confirmación?
No. El sesgo de confirmación consiste en buscar datos que apoyen lo que ya crees. El de supervivencia es un problema de la muestra: faltan los casos que desaparecieron.