Viés de sobrevivência e censura na amostra

Uma carteira montada com as ações que hoje compõem o índice teria rendido muito bem no passado, porque as empresas que quebraram no caminho ficaram fora da amostra. No exercício, medimos quanto retorno aparece quando removemos as empresas que não sobreviveram e mostramos o mesmo mecanismo na taxa de desocupação, em que parte das pessoas sai da amostra antes da medição.
Duas curvas de carteira de peso igual em índice base cem, uma com todos os papéis e outra apenas com os sobreviventes, separando-se ao longo do tempo

Uma carteira montada com as ações que hoje compõem o índice teria rendido muito bem nos últimos anos. Os preços são reais e o cálculo está correto. O erro está na lista de empresas usada para montar a carteira. Neste exercício, vamos medir quanto retorno aparece quando retiramos da amostra, sem perceber, as empresas que não sobreviveram.

A lista de hoje só contém empresas que chegaram até hoje. As empresas que quebraram ou fecharam o capital no caminho ficam fora do cálculo, porque já não estão na lista.

Esse problema se chama viés de sobrevivência: a amostra disponível é formada pelos casos que passaram por um processo de eliminação, e por isso não representa a população que existia no início do período.

Duas curvas de carteira de peso igual em índice base cem, uma com todos os papéis e outra apenas com os sobreviventes, separando-se ao longo do tempo
A mesma carteira, com e sem os papéis que não sobreviveram. Fonte: Yahoo Finance.

Na figura acima, cada linha representa a mesma carteira de peso igual, em índice com base 100. A linha de cima usa apenas as empresas que sobreviveram até hoje, e a de baixo inclui também as que saíram da bolsa, com as perdas que elas tiveram.

Quem testa uma estratégia com a lista de hoje enxerga a linha de cima e conclui que ela representa o que teria acontecido. Um investidor daquele período, porém, teria obtido a linha de baixo, porque não sabia quais empresas sobreviveriam.

📩 O modelo continua valendo. O que mudou é a velocidade

Quem já sabe econometria tem a parte difícil resolvida: saber qual pergunta fazer e como checar se a resposta faz sentido. No Boletim AM eu mostro, todo dia, como a IA entra nesse trabalho, sem substituir o julgamento de quem entende o modelo.

Receber o Boletim AM →

Todo dia no seu e-mail. Gratuito, e sai num clique.

Por que a média dos sobreviventes fica acima da média da população?

O viés de sobrevivência é um caso particular de seleção da amostra, que acontece quando a regra que decide quem entra na amostra está ligada ao valor que queremos medir. Por isso, a média que calculamos é a média condicionada à sobrevivência, e ela pode ficar longe da média da população inteira.

E[X | S = 1] ≠ E[X]

Na equação, X é a variável de interesse, E indica o valor esperado e S = 1 marca as unidades que sobreviveram até o momento da observação.

Quando a desigualdade aparece? Sempre que a sobrevivência depende do próprio valor que queremos medir. Empresas com retorno muito ruim têm mais chance de sair da bolsa, e por isso os piores retornos somem do cálculo.

Quanto o viés desloca a média

Podemos escrever o viés em função de duas quantidades: a fração de unidades eliminadas e a diferença de média entre quem ficou e quem saiu.

E[X | S=1] − E[X] = π0 ( E[X | S=1] − E[X | S=0] )

Na fórmula, π0 é a proporção de unidades eliminadas. Quanto maior essa parcela, e quanto pior o desempenho dela, maior a distância entre a média medida e a média da população.

Por isso, o viés cresce nos períodos em que mais empresas saem da bolsa, que costumam ser as crises. Nesses períodos, testar uma estratégia com a lista de hoje infla ainda mais o retorno medido.

Curva crescente do retorno médio recalculado conforme os piores papéis são removidos da amostra, com linha tracejada marcando a média verdadeira
Retorno médio após remover progressivamente os piores casos. Fonte: Yahoo Finance.

Na figura acima, a linha contínua mostra o retorno médio recalculado à medida que retiramos os piores papéis da amostra, e a linha tracejada marca a média com todos os papéis. A distância entre a linha contínua e a tracejada é o viés acumulado.

A linha contínua sobe desde as primeiras remoções, porque os casos retirados estão concentrados na cauda de retornos ruins. Ou seja, eliminar uma fração pequena da amostra já desloca a média.

A censura na taxa de desocupação

O mesmo problema aparece em estatísticas oficiais, na forma de censura. A censura acontece quando a unidade continua na amostra, mas o valor dela só é observado em parte.

A taxa de desocupação divide o número de pessoas que procuram emprego pelo total da força de trabalho. Quando uma pessoa desiste de procurar, ela sai do numerador e do denominador ao mesmo tempo e passa a um estado que a literatura chama de desalento.

Duas séries de taxa de desocupação ao longo do tempo, a oficial e uma com base ampliada, seguindo o mesmo ciclo em níveis distintos
Taxa oficial e o mesmo cálculo sobre uma base ampliada. Fonte: IBGE, PNAD Contínua (SIDRA 6318).

Na figura acima, uma linha representa a taxa oficial e a outra o mesmo cálculo feito sobre uma base ampliada. A série com base ampliada é um exercício aritmético, feito para mostrar o tamanho do grupo que a definição oficial deixa de fora.

A taxa oficial e a taxa sobre a base ampliada acompanham os mesmos movimentos do ciclo, e por isso a taxa oficial continua útil para acompanhar a conjuntura. A diferença entre elas está no nível.

Essa diferença de nível mede a parcela de pessoas que a definição exclui. Por isso, quem compara países ou períodos com critérios diferentes de participação na força de trabalho compara níveis que não são equivalentes.

Os limites do que o exercício mostra

📋

As listas foram escolhidas
O exercício compara grupos de papéis escolhidos para o exemplo, sem reconstruir as entradas e saídas reais do índice em cada ano. Os grupos mostram o mecanismo do viés e a ordem de grandeza dele.
📉

O viés medido é um piso
Empresas que fecharam o capital deixam de ter série de preços disponível, e por isso ficam fora até da carteira completa. O viés verdadeiro é maior que o medido.
✅

A taxa oficial segue um critério explícito
Ela mede o que se propõe, com um critério estável ao longo do tempo. O erro aparece quando a lemos como toda a demanda por trabalho não atendida.

A base ampliada do exercício também é ilustrativa, porque a proporção adotada não corresponde a nenhuma medida oficial. Para medir a parcela excluída, o IBGE publica indicadores próprios de subutilização da força de trabalho, com critérios definidos.

O roteiro para detectar o viés

Passo O que verificar
1 A amostra foi formada por quem sobreviveu a algum processo de eliminação?
2 A eliminação depende da variável que se quer medir? Se sim, há viés.
3 Qual a fração eliminada e qual o desempenho dela? Os dois dimensionam o erro.
4 É possível reconstruir a lista original a partir de registros históricos?
5 Se não for, reporte a medida como um limite, e diga em que direção ela erra.

O quinto passo permite aproveitar a análise quando o dado completo não existe. Ao dizer que o retorno medido é um teto e que o verdadeiro fica abaixo dele, comunicamos o resultado sem afirmar mais do que os dados sustentam.

Considerações finais

Para detectar o viés de sobrevivência, basta uma pergunta: quem saiu da amostra antes de começarmos a medir?

A verificação também é direta. Calculamos a mesma métrica com e sem os casos eliminados, e a diferença entre os dois resultados mede o tamanho do viés.

  • Analista de dados: percebe que a satisfação média subiu porque os clientes insatisfeitos cancelaram e saíram da base de respondentes.
  • Economista: lê indicadores de mercado de trabalho sabendo o que cada definição inclui no denominador.
  • Gestor de risco: testa modelo de crédito sabendo que a base só tem quem teve o pedido aprovado, e que o pagamento de quem foi recusado nunca chegou a ser observado.
  • Trader: desconfia de backtest cujo universo veio da composição atual do índice, e reporta o retorno como um teto.
  • Atuária: trata apólices canceladas no meio do período como observação censurada, porque o tempo até o cancelamento também informa sobre o risco.

Em todos esses casos, a conclusão depende das unidades que ficaram fora da tabela. Por isso, a primeira pergunta da análise é como a tabela foi formada.

Você viu o viés; aprenda a corrigir a amostra

De estatística descritiva a inferência e regressão, com Python aplicado a dados econômicos reais desde a primeira aula. Quem quer acesso a todas as formações tem o AM Black, a assinatura anual.

Conheça a formação →Ver o AM Black →

Referências

BROWN, S. J.; GOETZMANN, W.; IBBOTSON, R. G.; ROSS, S. A. Survivorship Bias in Performance Studies. The Review of Financial Studies, v. 5, n. 4, p. 553-580, 1992.

ELTON, E. J.; GRUBER, M. J.; BLAKE, C. R. Survivor Bias and Mutual Fund Performance. The Review of Financial Studies, v. 9, n. 4, p. 1097-1120, 1996.

HECKMAN, J. J. Sample Selection Bias as a Specification Error. Econometrica, v. 47, n. 1, p. 153-161, 1979.

WALD, A. A Method of Estimating Plane Vulnerability Based on Damage of Survivors. Alexandria: Center for Naval Analyses, 1943.

WOOLDRIDGE, J. M. Econometric Analysis of Cross Section and Panel Data. 2. ed. Cambridge: MIT Press, 2010.

Leia também: Regressão à média: por que o melhor de um ano tende a piorar no seguinte

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Encontre o seu conteúdo

Pesquisar
Boletim AM · gratuito

Estatística, econometria e IA aplicada, todo dia no seu e-mail

Um insight rápido por dia. Aos domingos, os papers, livros e modelos da semana em métodos quantitativos, aplicados à economia e ao mercado financeiro.

Quero receber o Boletim AM

Temas do blog

Livros digitais

Python, R e IA aplicados a dados econômicos

Livro Análise de Dados com PythonLivro Análise de Dados com RLivro Como Criar Agentes de IALivro Linguagem Econômica

Quatro livros com dados reais do Banco Central, do IBGE e do FED, e código pronto para rodar. Leia as primeiras páginas antes de comprar.

R$ 197R$ 47cada
Ver os livros

Artigos mais acessados

Análise Macro © 2011 / 2026

comercial@analisemacro.com.br – Rua Visconde de Pirajá, 414, Sala 718
Ipanema, Rio de Janeiro – RJ – CEP: 22410-002