幸存者偏差，是一种常见的逻辑谬误。指的是只能看到经过某种筛选而产生的结果，而没有意识到筛选的过程，因此忽略了被筛选掉的关键信息。交易者在制定交易策略时也存在一定的幸存者偏差问题。 我们在构建交易策略时，很多交易规则和参数的确定都依靠的是历史数据的运行结果，在构建系统完成后也会对系统进行回测。这就引发了第一个幸存者偏差。 虽然我们可以在历史数据中找到一些特征，但是我们无法去判断这些特征是否稳定。所以数据中是隐藏着危险性的，因为假如我们得到的数据运行规律在未来的市场行情中不能持续下去，那么我们的交易策略就会面临失效的情况。 那么我们应该如何去对抗这个幸存者偏差呢？具体来说我们可以依靠金融学和经济学的原理来检验我们的模型假设是否是合理的。但是这件事说起来容易，做起来却非常难。 比如，我们假设在中长线交易模型上，我们能够采取的最有效的方法就是尽可能的大样本，大样本可以帮助我们避免单品种出现过度重合，进而在一定程度上降低个体的特征。 在我们经历幸存者偏差的第一关之后，我们就要在交易日志中区分出幸存者和牺牲者。净利润就是我们的幸存者，它是我们的首要目标函数。但是我们也不可以忽略了平均回撤和最大回撤这两个牺牲者。加入我们只顾追求极高的利润而放宽止损条件，或者采用了过激的加仓行为，那就会直接导致平均回撤加大。而日常陪伴趋势类模型的，并不是盈利的欣喜，是回撤的困扰，所以一定要倍加关注平均回撤，尽可能降低这个值。 过了上两关，接下来就是非模型正常交易利润了，它是典型的幸存者，会产生绩效偏差。如果价格因为基本面或交易规则突变等因素，出现有利于模型运行的状态，产生了一笔极大收益，我们一般情况下就要剔除这笔收益。 最后一关是仓位调整模型的交易顺序存在幸存者偏差。如果你的目标函数是净利润，那依照目前仓位计算动态开仓手数的模型，一定会产生偏差。因为未来数据的运行会导致未来每笔交易的出现的秩序不一样，如果连续出现了不利的交易，必然导致资金快速亏损，可用于开仓的头寸变小。 | 
