Le biais du survivant, ou survivorship bias, apparaît lorsqu’une analyse ne tient compte que des placements qui ont réussi ou qui existent encore. Ceux qui ont échoué ou disparu sortent du champ d’observation. Les résultats historiques paraissent alors meilleurs qu’ils ne l’étaient réellement.
Les fonds en sont un exemple typique. Si l’on étudie la performance à long terme de tous les fonds encore disponibles aujourd’hui, ceux qui ont été fermés ou fusionnés en raison de mauvais résultats manquent peut-être dans les données. Il reste une proportion excessive de produits performants, et la performance historique moyenne s’en trouve surestimée.
Le biais du survivant concerne aussi les stratégies de placement et le backtesting. Si l’on teste une stratégie uniquement sur les actions qui figurent aujourd’hui dans un indice, on oublie les entreprises qui ont fait faillite, ont été rachetées ou ont quitté l’indice entre-temps. Le regard en arrière devient plus flatteur que la réalité d’alors.
Ce biais ne touche pas seulement la performance. Les risques peuvent eux aussi être sous-estimés lorsque les observations les plus défavorables disparaissent d’un jeu de données. L’effet small firm en offre un exemple concret. Notre blog Effet small firm explique pourquoi le biais du survivant peut aussi fausser l’étude des rendements historiques des petites entreprises.
Qui n’étudie que les gagnants trouve étonnamment beaucoup de stratégies gagnantes. Le problème, ce sont généralement ceux qui ne sont jamais arrivés dans les données.