생존편향: 사라진 종목이 주는 투자 교훈

생존편향(Survivorship Bias)은 분석 시점에 존재하는 종목만으로 과거 성과를 분석할 때 발생하는 통계적 오류입니다. 상장폐지, 합병, 자금잠고 등으로 시장에서 사라진 종목의 저성과가 제외되어 전체 시장의 성과가 실제보다 과대평가됩니다.

생존편향의 발생 현황

한국 주식시장에서는 매년 수십 개 종목이 상장폐지 되거나 관리종목으로 지정됩니다. 이들 대부분은 심각한 주가 하락을 겪었지만, 현재 시장에 존재하는 종목만으로 과거를 분석하면 이러한 손실이 누락됩니다.

파이썬을 활용한 생존편향 영향 측정

import numpy as np
import pandas as pd

def measure_survivorship_bias(all_stocks, surviving_stocks):
    """
    생존편향 크기 측정 시뮬레이션
    all_stocks: 전체 종목 (상장폐지 포함)
    surviving_stocks: 생존 종목만
    """
    np.random.seed(42)
    n_all = 500  # 전체 종목수
    n_survive = 450  # 생존 종목수
    n_delist = n_all - n_survive  # 상장폐지 50개

    # 생존 종목 수익률 (정규분포)
    survive_returns = np.random.normal(0.08, 0.25, n_survive)

    # 상장폐지 종목 수익률 (하방 편향)
    delist_returns = np.random.normal(-0.45, 0.30, n_delist)

    # 생존편향 있는 평균
    biased_avg = np.mean(survive_returns)
    # 실제 전체 평균
    all_returns = np.concatenate([survive_returns, delist_returns])
    true_avg = np.mean(all_returns)

    bias = biased_avg - true_avg
    print(f"생존편향 포함 평균: {biased_avg:.2%}")
    print(f"실제 전체 평균: {true_avg:.2%}")
    print(f"생존편향 크기: {bias:.2%} (연간 과대평가)")
    print(f"10년 누적 차이: {(1+biased_avg)**10 - (1+true_avg)**10:.2%}")

measure_survivorship_bias(None, None)

생존편향이 왜곡하는 투자 지표

핵심 정리

• 생존편향은 시장에서 사라진 종목을 분석에서 제외하여 성과를 과대평가하게 만드는 통계적 오류입니다
• 한국 시장에서는 연간 2035개 종목이 상장폐지 되며, 이들의 평균 손실률은 -55%-72%에 달합니다
• 생존편향으로 인한 연간 수익률 과대평가는 약 1~3% 포인트로, 장기적으로는 큰 격차를 만듭니다
• 펀드 성과 비교, 백테스팅, 밸류에이션 분석 등에서 생존편향을 반드시 고려해야 합니다
• 포괄적인 데이터베이스(상장폐지 종목 포함)를 사용하는 것이 생존편향 방지의 기본입니다
• 인덱스 편입/퇴출 이력을 추적하면 편향의 크기를 추정하고 보정할 수 있습니다
• “과거에 이 전략이 효과적이었다”는 주장은 생존편향을 배제한 검증 없이 수용해서는 안 됩니다

면책 조항

본 글은 투자 교육 목적으로 작성되었으며, 특정 종목이나 투자 전략을 추천하는 것이 아닙니다. 생존편향에 대한 이해는 투자 분석의 질을 높이는 데 도움이 되지만, 모든 투자에는 원금 손실의 위험이 따릅니다. 투자 시에는 전문가의 조언을 구하고 신중하게 결정하시기 바랍니다.