Jessica2021-12-21 16:25:04

同学你好
1）Data snooping bias ：是指由于反复使用同一组数据进行建模和检测而产生的误差，即数据存在过度研究使用的情况。用最简单的一句话概括即“把偶然当成必然”。比如：一个咖啡馆，服务员发现，只要股票经纪人带的领带是宽的，那一天的股市会上涨；如果经纪人带的领带是窄的，那当天的股市会下跌。所以，这些服务员得到一个结论：股票经纪人的领带的宽度和股市涨跌是有关系的。这种情况下，服务员就将偶然当成了必然，形成Data snooping bias 
2）Sample selection bias ：指的是在研究中简单剔除抽不到的数据，造成抽样过程不再随机，会导致估计结果存在一定的偏差。
Survivorship bias，它指的是共同基金指数在构建的时候，包含的是仅仅是目前还存活的基金，那些业绩不好已经不存在的基金是未包含在里面的，这种偏差就被称为是幸存者偏差。
Self-selection bias，它指的是基金经理在对外报告自己业绩的时候，可以自我选择披露的对象，比如只披露自己手中经营的明星产品，业绩一般的就不对外进行公开。这种由自我选择所产生的偏差，被称为自我选择偏差。比如对冲基金的业绩披露就是如此。
Implicit selection bias ，它指的是在样本选择时，由于所选择的市场机制的问题将导致样本数据中包含了隐形限制条件，从而就产生了隐形选择偏差。比如，分析师在上海证券交易所中的股票中随机抽取一部分科技股来进行研究时，就天然的限制了样本选择中不包含深证证券交易所上市的股票。分析师它可能不是有意的要剔除掉深交所的股票，而是选择好市场的时候，就已经隐含的剔除掉了一部分样本数据。
Backfill bias ，它指的是在指数计算过程中，对于新成分公司的过去的表现，是需要追溯调整添加到指数中去的，从而使得指数产生偏误。比如，对冲基金指数，由于对冲基金行业信息披露要求很低，基金管理人没有定期披露业绩的义务，导致新增业绩披露的公司往往是那些近期投资业绩较好的公司，造成指数存在回填偏误。