第十七天 10/01/2026
消除存活者偏誤：將已下市、被收購或破產公司的資料納入回測樣本範圍。
消除存活者偏誤（Survivorship Bias）是量化回測與策略開發中最關鍵的步驟。若直接使用「目前存續（上市）的公司」回推過去一段時間來篩選標的，會徹底破壞回測的真實性，這是絕對應該避免的做法。
以下針對「為何不能用現存公司回推」以及「如何正確實作消除存活者偏誤」進行說明：
一、 為何絕對不能用「目前存續的公司」回推過去？
用「今天還活著的公司」去篩選歷史標的，等同於開啟了「後見之明（Look-ahead Bias）」：

1. 過度高估策略報酬與勝率：今天存續的公司多半度過了歷史上的金融海嘯與產業危機。若只回測這些「贏家」，策略會自動避開歷史上所有破產（如雷曼兄弟、安隆）、下市或衰退公司（如柯達、諾基亞）的暴跌風險。
2. 扭曲因子有效性：在篩選低本益比、高槓桿或轉機股因子時，許多極端特性的公司其實最終走向破產。如果樣本剔除了這些失敗者，回測會誤以為某些高風險因子具有極高的超額報酬。
   二、 正確的實作流程與避免機制
   要完全消除存活者偏誤，核心原則是：「在歷史上的任何時間點，回測系統只能看到當時『真實存在且可交易』的全體公司目錄。」
3. 建立「Point-in-Time（無時空穿越）」動態股票池
   • 納入歷史全樣本：回測資料庫必須包含所有歷史上曾經上市，但後來已下市、被收購、破產或變更代碼的公司（如 Delisted Data）。
   • 動態篩選而非靜態清單：回測程式在每個調倉日（Rebalance Date），應根據「當日」的上市清單來定出選股範圍，而非使用單一固定清單。
4. 正確處理下市與異常事件的清算價值
   當選中的持股在回測期間發生下市或收購時，須依照真實情境模擬結算：
   • 破產/下市（Delisting）：若公司無預警下市或聲請破產，該筆部位不能直接從資料庫消失，必須記錄為價格歸零（-100% Loss）或依最後交易日價格強制平倉。
   • 併購/收購（M&A）：若標的被併購，應依併購收購價或換股比例，將部位轉換為現金或新股票。
5. 搭配消除「生存者以外」的常見配套偏誤
   在處理存活者偏誤時，需同時注意以下細節，避免引入新的數據污染：
   • 前瞻偏誤（Look-ahead Bias）：財報資料發布有時間差。 Q3 財報通常在 11 月才公佈，10 月的回測絕不能用到 Q3 的數據。
   • 上市時間限制（IPO/New Listing）：剛上市的公司缺乏歷史財務數據，設定選股條件時應考慮上市滿一定期限（如 6 個月）的過濾機制。
   結論
   實作量化回測時，絕不能用現存公司名單進行歷史回推。唯有使用包含已下市公司的完整 Point-in-Time 歷史數據，並在每個時間點動態生成選股池與真實模擬下市清算，才能還原策略真實的風險與績效。