Il Bias di sopravvivenza

Il bias invisibile: quello che non vedi può costarti caro (anche in finanza)

C’è un’immagine che chi studia statistica o data analysis ha visto almeno una volta: quella di un aereo da guerra costellato di pallini rossi. Ogni pallino rappresenta un proiettile, un colpo subito in battaglia. A un primo sguardo, sembrerebbe logico rinforzare le aree più colpite: le ali, la coda, parti della fusoliera. È lì che, statisticamente, arrivano più colpi. Quindi, è lì che dovremmo blindare l’aereo, giusto?

Sbagliato!!!

La storia dietro quest’immagine è una delle più potenti lezioni di analisi dei dati, e ci offre una metafora perfetta per il mondo della finanza: non sempre i dati che hai davanti agli occhi sono quelli che contano di più.

La vera domanda: dove sono i colpi mancanti?

Durante la Seconda Guerra Mondiale, gli Alleati esaminarono i danni sugli aerei che tornavano dalle missioni. I tecnici tracciarono i colpi ricevuti e proposero di rinforzare le zone più martoriate. Ma Abraham Wald, un matematico della Columbia University, fece un’osservazione geniale: quei colpi erano sulle aree che non avevano impedito all’aereo di tornare alla base.

In altre parole: stavamo studiando solo gli aerei sopravvissuti. Gli altri, quelli colpiti in zone vitali come il motore o la cabina di pilotaggio, non tornavano affatto. E quindi non erano mai stati registrati nel campione. La conclusione? Bisognava rinforzare proprio le aree senza colpi visibili. Perché era lì che un colpo significava abbattimento certo.

Questa è la definizione perfetta di bias di sopravvivenza: un errore sistematico che si verifica quando concentriamo la nostra attenzione solo sui casi visibili, trascurando quelli che, per una ragione o l’altra, sono stati esclusi dall’osservazione

Il bias in finanza: l’arte di farsi ingannare dai dati incompleti

Ora, prendi questo concetto e portalo nel mondo della finanza.

Ogni giorno investitori, analisti e trader prendono decisioni basate su dati, grafici, backtest, storici. Ma quante volte quei dati sono parziali, selezionati o distorti da ciò che non vediamo?

Ecco alcuni esempi concreti di come il bias di sopravvivenza si insinua nella nostra analisi finanziaria:

1. Performance passate: “I fondi che hanno battuto il mercato”

Quante volte hai letto classifiche di fondi che negli ultimi 10 anni hanno superato l’indice di riferimento? Ma quanti di quei fondi sono sopravvissuti per 10 anni?

I fondi che hanno chiuso, magari per cattiva gestione, non compaiono più nei dataset. Così le statistiche sono gonfiate artificialmente: vediamo solo i sopravvissuti, non tutti quelli partiti. Una vera trappola se stai cercando di selezionare un gestore o replicare una strategia.

2. Backtest e strategie di trading

Molte strategie sembrano perfette… nei backtest. Ma quegli stessi test sono spesso costruiti su dati “sopravvissuti”: aziende ancora quotate, strumenti ancora liquidi, periodi selezionati ad hoc. È facile dimenticare che i dati del passato includono solo chi è ancora vivo oggi.

Una strategia che avrebbe funzionato dal 2010 al 2020 potrebbe crollare nel 2025 semplicemente perché è stata calibrata su uno scenario irrepetibile. Il rischio è costruire un modello su una illusione statistica.

3. Casi di successo: “Se ce l’hanno fatta loro…”

Quante volte sentiamo la storia dell’investitore che ha comprato Apple nel 2003 o Bitcoin nel 2011? Ma nessuno racconta dei mille investitori che hanno puntato su aziende fallite, altcoin finite a zero o startup svanite nel nulla.

Studiare solo chi ha avuto successo è utile quanto analizzare solo gli aerei tornati alla base. Non ci dice cosa ha ucciso gli altri.

Come evitare il bias di sopravvivenza in finanza

Non è facile, perché il bias è subdolo. Si annida nel modo in cui vengono costruiti i dataset, nei grafici che ci piacciono, nei successi che ci raccontano. Ma ecco alcune strategie per difendersi:

1. Chiediti sempre: cosa non sto vedendo?

Ogni volta che analizzi un dato, chiediti se c’è qualcosa che è stato escluso a monte. Stai guardando solo le aziende ancora quotate? Solo i fondi ancora attivi? Solo i trader ancora su Twitter?

2. Vai a caccia dei fallimenti

Studia i casi di chi ha perso tutto. Perché le startup falliscono? Perché alcune aziende crollano? Quali strategie si sono autodistrutte? Capire cosa non ha funzionato è spesso più utile di celebrare i vincenti.

3. Diffida delle performance brillanti

Ogni performance fuori scala va osservata con sospetto: è sopravvivenza? È selezione? È data mining? Se non riesci a replicarla in condizioni reali, con costi, volatilità e imprevisti, forse è troppo bella per essere vera.

4. Usa strumenti statistici robusti

Alcuni strumenti (come la regressione robusta, i metodi Monte Carlo, le analisi di stress test) possono aiutarti a mettere alla prova le ipotesi e le strategie contro scenari non lineari o estremi. Sono tecniche per “testare l’invisibile”.

Conclusione: rinforza le aree senza colpi

Nel famoso esempio dell’aereo, la risposta non era rinforzare le zone colpite, ma quelle che non mostravano segni di danno. Perché era lì che un colpo faceva davvero la differenza tra la vita e la morte.

In finanza succede lo stesso: i dati che non vedi possono essere più importanti di quelli davanti agli occhi. Allenarsi a cercare l’invisibile — le falle, i rischi ignorati, i segnali deboli — è ciò che separa un analista lucido da un investitore ingenuo.

Perché, come disse Nassim Taleb: “La vera conoscenza non è sapere cosa aggiungere, ma cosa togliere.”

Come posso rinforzare le miei difese?

E’ semplice ma al tempo stesso faticoso. Serve conoscenza, studio, approccio tecnico al trading con una formazione necessaria. 

E questa forse, se pur non immediata, è la parte più semplice. 

La parte più complicata è rimanere asettici e eliminare tutte le news che alimentano Bias inutili e che guidano le folle. 

Contrarian è la parola d’ordine condita da una buona preparazione nell’Analisi Tecnica e Fondamentale!

Pronti per i prossimi corsi?