前言
你有沒有想過，為什麼財經雜誌上總是充滿「某某素人靠選股三年賺進千萬」的故事，卻很少看到「某某人重壓一檔股票結果賠光退休金」的報導？不是後者不存在，而是這些失敗的人往往悄悄離開市場，不再發聲，甚至不願意讓人知道自己曾經慘賠。留下來接受採訪、出書、開課的，永遠是那群「活下來」的贏家。這種只看見倖存者、忽略失敗者的認知偏誤，就是「倖存者偏差」（Survivorship Bias）。
倖存者偏差不是什麼新奇的心理學名詞，它其實是統計學上一個相當古老的問題，最早的經典案例來自二次大戰的美軍飛機防護分析。這個故事後來被廣泛引用到投資領域，因為股票市場的運作機制，恰好會系統性地把倖存者偏差放大到極致：賠錢下市的公司會從資料庫消失、績效不佳的基金會被清算合併、操作失敗的投資達人會默默退出社群。如果我們只用「現存」的資料來做投資判斷，很可能得到一個過度樂觀、甚至完全錯誤的結論。
對台灣的投資人來說，這個議題特別重要，因為我們身處一個資訊爆炸、社群媒體與投資社團極度活躍的環境。臉書社團、Line群組、YouTube理財頻道每天都在分享「必勝心法」與「成功案例」，但這些案例究竟是普遍現象，還是倖存者偏差下的特例？本文將從歷史起源開始，逐步拆解倖存者偏差如何在基金評比、選股回測、投資達人崇拜等場景中誤導投資人，並提供實際可操作的辨識與防範方法。
倖存者偏差的起源：二戰轟炸機的彈痕分析
倖存者偏差最著名的起源故事，發生在第二次世界大戰期間的美國。當時美軍統計學家亞伯拉罕．沃爾德（Abraham Wald）受邀協助分析如何加強轟炸機的裝甲防護。軍方蒐集了所有從戰場上安全返航的轟炸機，仔細記錄機身彈痕的分布位置，發現機翼與機尾中彈的比例特別高，於是軍方原本的直覺是：應該在機翼與機尾加裝更厚的裝甲。
但沃爾德提出了截然不同的看法。他指出，這些飛機是「成功返航」的樣本，也就是說，即使機翼、機尾中彈累累，飛機依然撐得住飛回基地。真正該擔心的，反而是那些彈痕稀少、幾乎沒有中彈紀錄的部位，例如引擎和駕駛艙——因為一旦這些地方中彈，飛機根本無法返航，也就不會出現在統計樣本裡。換句話說，最需要加強防護的地方，恰好是資料裡「看不到」的地方。
這個故事精準點出倖存者偏差的核心：我們所觀察到的樣本，本身就是經過篩選的結果，而篩選的機制往往與我們想研究的因果關係高度相關。在投資的世界裡，這種篩選機制無所不在：績效差的基金會下市清算、財務出問題的公司會下市、賠錢的當沖客會退出市場不再張揚。如果我們只分析「還留在牌桌上」的樣本，就跟只分析安全返航的轟炸機一樣，會得出偏頗甚至反向的結論。
台股基金評比中的存續偏差
倖存者偏差在基金產業裡有一個專有名詞，叫做「存續偏差」（Survivorship Bias in Fund Data）。這個問題在學術文獻中已被反覆驗證：如果只用目前市場上仍在銷售的基金來計算平均報酬率，會系統性高估整體基金業的績效，因為表現不佳、規模萎縮到被清算或合併的基金，早已從資料庫中消失，不會被納入計算。
以台灣境內基金市場為例，根據投信投顧公會歷年資料，每年都有為數不少的基金因規模過小（例如低於一定門檻的淨資產價值）或績效持續落後而遭到清算下市。假設某一年市場上有200檔股票型基金，其中30檔因為長期績效墊底而在該年度被清算合併，剩下170檔基金的平均報酬率是8%。如果你只看到這170檔「還活著」的基金，並得出「台股基金平均年化報酬8%」的結論，這個數字其實是嚴重失真的，因為那30檔被淘汰的基金，很可能長期報酬率是負值甚至腰斬，如果把它們也納入計算，整體平均報酬率可能會下修到5%甚至更低。
這對一般投資人挑選基金有直接的實務意義。許多投資人習慣打開基金平台，排序「近五年報酬率」由高到低，然後挑選排行榜前幾名的基金申購。但這種做法本身就隱含了倖存者偏差的陷阱：
| 常見迷思 | 倖存者偏差的真相 |
|---|---|
| 「現有基金的平均績效可以代表整體基金業表現」 | 已被清算的基金消失於統計，實際平均績效被高估 |
| 「這檔基金過去五年年年正報酬，是穩健標的」 | 存活下來本身就是篩選結果，未必代表未來也能持續 |
| 「排行榜前十名的基金經理人特別厲害」 | 同期可能有上百檔基金操作類似策略，只是恰好這幾檔運氣好 |
更嚴謹的做法，是查詢基金評比機構是否採用「存續調整後報酬率」（Survivorship-Bias-Adjusted Return），或是同時比對同類型基金的「存續率」（有多少比例的基金撐過某個時間區間），而不是只看倖存者的排行榜。
選股回測與「必勝策略」的陷阱
倖存者偏差在量化選股與技術分析回測中，同樣是一個致命的陷阱，而且比基金評比更難察覺。假設你今天想驗證一個選股策略：「買進台股市值前100大公司，長期持有十年」，你打開台灣證券交易所現在的市值排行榜，抓出目前的前100大公司，回溯計算這十年來的股價報酬率，得到一個亮眼的平均報酬率，例如年化10%。
這個回測結果有一個嚴重的方法論錯誤：你是用「現在」的市值前100大名單，去回測「過去」的報酬率。但十年前的市值前100大公司名單，跟現在完全不同。舉例來說，十年前可能還有一些後來下市、被合併、或是股價腰斬跌出排行榜的公司在榜上，但你的回測樣本裡完全沒有納入這些「輸家」，因為它們已經不在「現在」的前100大名單裡了。這種回測方式，本質上是先知道結果（誰活下來變成現在的龍頭），再回頭去驗證「策略」，等於是用倖存者去證明策略有效，這在量化界被稱為「前視偏差」（Look-Ahead Bias）與倖存者偏差的複合陷阱。
正確的回測方法，應該使用「歷史成分股資料庫」，也就是在每一個歷史時間點，都用當時「真實存在」的成分股名單去計算，而不是用現在的名單去回推過去。例如回測「2016年當時的台股市值前100大公司，持有到現在」，就必須先找出2016年當時真正的前100大名單（裡面可能包含後來下市或被踢出指數的公司），而不是直接套用2026年最新的成分股名單。
台灣不少投資社團流傳的「必勝選股公式」，本質上都存在類似問題。例如有人回測「本益比低於10倍、殖利率高於5%的股票，長期持有績效最佳」，但如果篩選樣本的來源是「現在還在市場上、財報正常揭露」的公司，就可能漏掉了當年本益比雖低、但後來因財務問題下市的地雷股，導致回測結果過度樂觀。
投資達人與網紅崇拜中的倖存者偏差
除了基金與量化策略，倖存者偏差也深深影響一般投資人對「投資達人」的判斷。社群媒體上經常可以看到「27歲存到千萬」、「靠當沖三年翻身」之類的分享，這些故事之所以能被廣泛傳播，正是因為主角「倖存」了下來，成功案例才有機會被看見、被報導、被效仿。
但市場上參與相同策略、相同商品的投資人數量遠比我們想像的多。以當沖交易為例，根據金管會與證交所歷年公布的統計資料，當沖交易族群中長期穩定獲利的比例其實偏低，多數研究都指出散戶當沖的勝率並不理想，虧損的族群佔了相當高的比例。但這些虧損者不會出來開課、不會出書、也不會在社群媒體高調分享自己的交易紀錄，他們往往選擇沉默退場。於是我們在媒體與社群上接觸到的當沖故事，幾乎全部來自那極少數的倖存贏家，這造成一般投資人嚴重低估當沖策略的實際失敗率，也高估了自己能複製成功的機率。
同樣的邏輯也適用於「跟單」某位傳奇操盤手或投資部落客。假設某年有1000位分析師或部落客同時預測台股大盤走勢，即使每個人都是純粹隨機猜測，機率上依然會有極少數人連續猜對好幾次，這些人會因為「連續神準」而聲名大噪，被媒體封為「神準分析師」。但如果你去統計這1000人的整體命中率，很可能跟丟銅板差不多。我們只看到那極少數靠運氣連續猜對的「倖存者」，卻忽略了背後成千上百位默默消失、猜錯就不再發言的分析師。
如何在投資決策中避免倖存者偏差
了解倖存者偏差的原理之後，投資人可以透過以下幾個具體做法來降低被誤導的風險：
- 主動尋找「消失的樣本」：評估基金或策略時，不要只看現有排行榜，主動查詢過去五到十年間有多少同類型基金或股票已經下市、清算或被合併，把這些失敗案例也納入考量。
- 使用經過存續偏差調整的資料庫：專業金融資料供應商（如晨星Morningstar、彭博等）通常會提供「存續偏差調整後」的報酬率數據，投資前可優先參考這類經過方法論修正的統計。
- 檢視回測方法論：看到任何「歷史回測績效驚人」的選股策略時，先問清楚樣本來源是「當時的真實名單」還是「現在往回套用的名單」，這是判斷回測是否可信的關鍵第一步。
- 對成功案例保持懷疑但不否定：不用完全否定成功者的努力與能力，但要意識到成功背後可能有大量條件相似、卻沒有成功的人，單一或少數案例不能作為策略必然有效的證據。
- 關注「基準線」而非單一標竿：與其只看某位達人或某檔基金的績效，不如把同類型的整體平均表現（包含已消失的失敗者）當作比較基準，才能得到更接近真實的期望報酬率。
結語
倖存者偏差之所以危險，正是因為它幾乎不需要任何人刻意欺騙，就會自然而然地扭曲我們對市場的認知。基金會因為績效不佳而下市、股票會因為財務問題而下櫃、投資人會因為賠錢而不再發聲，這些「消失」的過程本身就是一種篩選機制，而人類的大腦天生就傾向於相信眼前看得到的資訊，忽略那些看不見的沉默證據。
對台灣的投資人而言，下一次看到「某某基金五年報酬率翻倍」、「某某素人靠選股財富自由」的故事時，不妨多問一句：那些跟他做過同樣事情、卻沒有成功的人,現在都到哪裡去了？願意先花時間找出那些「不在資料裡的沉默失敗者」，才是真正成熟、理性的投資態度，也是避開倖存者偏差最實際的一步。