Biais du survivant : compter aussi les cas absents

Un classement peut n'afficher que les comptes encore actifs ; une formation ne montrer que certains diplômés. Avant d'en déduire une réussite générale, demandez qui appartenait au groupe initial et qui manque. Des résultats visibles authentiques peuvent néanmoins être insuffisants pour estimer l'ensemble.

Identifier le mécanisme de sélection

Le biais du survivant apparaît lorsqu'une conclusion sur un groupe repose sur les cas restés observables en excluant ceux disparus plus tôt. Sélectionner les meilleurs jours d'un compte toujours actif ou répondre volontairement à une enquête sont d'autres mécanismes, éventuellement associés. Ne présumez pas que chaque absent a perdu : fermeture ou arrêt de publication peut avoir plusieurs causes. Inconnu ne signifie ni zéro ni perte.

Brown, Goetzmann, Ibbotson et Ross étudient en 1992 volatilité et rendements dans un échantillon tronqué par la survie, montrant comment une sélection peut créer une prévisibilité apparente. Il s'agit de mesure de performance, pas d'un taux actuel de réussite Forex ni d'une reconstruction de l'histoire d'avions souvent racontée.

Comparer la population visée et les cas affichés

Vérifiez critères d'inclusion, période, coûts, flux et exposition ouverte. Aucun chiffre présenté ici ne mesure la fréquence de suppression des pertes par un algorithme, l'intention d'un auteur qui cesse de publier ou la part de marketing parmi les gagnants.

Un test historique d'actions utilisant seulement les membres actuels d'un indice peut exclure ceux éligibles autrefois. L'univers doit correspondre à la règle à chaque date. Tester une paire de devises définie préalablement n'exige pas automatiquement d'ajouter toutes les monnaies disparues. Choisir paire, période ou paramètre après les résultats relève aussi de sélection et de surajustement.

Cohorte fictive source : vingt comptes visibles, 16 positifs et 4 négatifs nets, soit 80 % positifs. Le registre complet des 80 omis contient 14 positifs et 66 négatifs. Les cent initiaux totalisent 30 positifs et 70 négatifs : 30 %, différence 50 points. Les absents ne sont donc pas uniformément perdants ; sans registre, il serait illégitime d'inventer leurs résultats.

Quand les résultats manquent, donner des bornes

Autre groupe fictif prédéfini : vingt personnes, une même période et un même critère de positivité ; six résultats positifs, six non positifs, huit inconnus. Parmi les douze connus, 6/12=50 %. Pour le groupe complet, minimum 6/20=30 % et maximum(6+8)/20=70 %. Aucune distribution ou cause de disparition n'est supposée.

Huit inconnus laissent une fourchette

Faites défiler horizontalement ou agrandissez le schéma pour lire les détails.

Des bornes plus étroites demandent davantage de données, pas plus d'assurance dans le commentaire. Une collection de cinq histoires d'échec serait aussi une sélection ; elle ne reconstitue pas les cas absents.

Un gagnant sélectionné peut exister sans compétence différente

Modèle probabiliste propre à la source : seize personnes fictives font chacune quatre essais indépendants, probabilité de succès 1/2 pour tous, indépendance entre personnes. Pour une personne choisie avant, quatre succès ont probabilité(1/2)⁴=1/16=6,25 %. Sur seize personnes, aucun quatre-sur-quatre a probabilité(15/16)¹⁶≈35,61 %, donc au moins un≈64,39 %. Un véritable gagnant peut ainsi être choisi sans différence de compétence.

Sous ces seules hypothèses, sa chance suivante demeure 1/2. Ce n'est ni un modèle Forex estimé ni la preuve que toutes les méthodes réelles manquent d'avantage. Gardez critères et groupe avant résultats ; la vérification d'un historique individuel, même long, ne résout pas sa sélection.

Comptes perdants et opérations gagnantes ont d'autres dénominateurs

L'annonce ESMA du 27 mars 2018 citait des analyses nationales européennes où 74–89 % des comptes CFD de particuliers perdaient généralement de l'argent. C'est une fourchette historique, pas une mesure mondiale actuelle ou une probabilité personnelle. Les avertissements propres à un prestataire demandent de vérifier entité, produit, règles et période de calcul actuels.

Un taux gagnant de 98 % porte sur les opérations. Exemple sans coûts : 98 gains de 1 et deux pertes de 100 donnent 98−200=−102 unités. Ce taux peut donc coexister avec un compte perdant. Un avertissement sur des comptes ne suffit pas à qualifier un profil d'exception, de chanceux ou de malhonnête.

Contre-exemple EUR indépendant : groupe initial de quatre comptes. Deux résultats connus avant coûts, +10 et+20 EUR, supportent chacun 15 EUR de coûts additionnels : nets−5 et+5. Les deux autres nets sont inconnus. Le taux positif observé net est 1/2, et celui du groupe complet est borné entre 1/4=25 % et 3/4=75 %. Classer les deux montants bruts positifs élèverait à tort les bornes nettes. Ces coûts sont construits, pas une offre réelle.

Défendre l'évaluation sans inventer un cimetière

Recherchez groupe défini avant résultats, période commune et traitement explicite des absents. Conservez les variantes infructueuses et des données d'évaluation séparées correspondant à l'univers de la stratégie. Bailey et ses collègues discutent en 2014 la multiplication des essais pouvant produire un backtest séduisant. Réutiliser souvent le même jeu de contrôle affaiblit sa séparation ; il ne répare pas un univers incomplet.

Cinq champs pour examiner une présentation

• Groupe initial : qui pouvait être inclus ?
• Règle de sélection : pourquoi ces cas sont-ils visibles ?
• Période : commune et définie avant examen ?
• Résultat : net de quels coûts, avec quels flux et positions ?
• Absents : combien et que sait-on réellement ?

Marquez les réponses inconnues. « Ce compte est positif sur cette période » n'établit pas que la méthode rend la majorité bénéficiaire. Vous pouvez examiner les preuves sans copier les transactions. Processus et résultat précise la portée d'une évaluation ; excès de confiance et objectifs réalistes complètent cette lecture. Taux gagnant et cadre ESMA décrivent des mesures distinctes.