回測
回測時的生存偏差
我一直在做回測，我想看看我的程序是否有任何缺陷，因為它似乎好得令人難以置信。
基於市值 > 10B 的股票，回溯到 20 年的時間並進行回測。對於每隻股票，看歷史數據、股票圖表形態特徵等特徵，做一堆計算，給它打分。在每個時期，它都會挑選得分高的股票。
我看到的一件事是可能存在生存偏差。我篩選的股票清單今天的市值 > 10B。所以只包括今天倖存下來的人。那些倒閉的人在我不知情的情況下偷偷走了。包括那些倖存下來並變得足夠強大以擁有 10B 資本的人。所以這遠非理想。
如果可能的話，我想獲得一份 20 年前市值 > 10B 的股票清單。但是我從哪裡得到那個股票清單呢？還有其他方法可以避免這種偏見嗎？
試圖確定歷史市值是困難的（尤其是合併/收購/分拆以及擁有不同所有權/投票權的多個股票類別）。查看固定市值水平的另一個問題是它提供了一種形式的選擇偏差。時間越早，由於通貨膨脹的影響，包含的股票就越少。您可以使用通貨膨脹指數及時調整這一水平，但您可能還需要考慮與整體經濟規模相關的市值。
這裡的另一種策略是使用適合您市值參數的特定指數中的股票。您還需要退市股票和指數成分/會員數據。
許多指數在其方法中都內置了市值範圍：
- 標準普爾 100 指數（前 100 強）
- 標準普爾 500 指數（前 500 強）
- 標普中型股 400 (501-900)
- 標普小型股 600 (901-1500)
- 羅素 1000（前 1000 名）
- 羅素 2000 (1001-3000)
- 羅素 3000（前 3000 名）
披露：Norgate Data 提供這方面的能力。
我不知道你的預算，遺憾的是，高質量的財務數據不是免費的。有幾個很好的數據提供者。您正在考慮每年為彭博、路透社、Factset、S&P Global 等公司花費低至中 5 位數。您可以為其他提供商花費更少的費用（Quandl 可能有也可能沒有您正在尋找的東西），但您的里程會有所不同。