Als die Engländer während des Zweiten Weltkriegs ihre Flugzeuge besser vor Abschüssen schützen wollten, verstärkten die Ingenieure die Panzerung an jenen Stellen, an denen die heimkehrenden Flugzeuge viele Einschusslöcher hatten - die Maßnahme hatte keinen Erfolg. Der Mathematiker Abraham Wald schlug stattdessen vor, die Panzerung an jenen Stellen zu verstärken, an denen die heimkehrenden Flugzeuge wenige Einschusslöcher hatten. Wald erkannte den Denkfehler der Ingenieure: Die Stellen, an denen die zurückkommenden Flugzeuge viele Einschusslöcher hatten, verhinderten offenbar nicht deren Rückkehr, waren also weniger entscheidend. Anders hingegen die Stellen mit wenig Einschusslöchern: Hier vermutete Wald, dass Treffer zu einer erhöhten Wahrscheinlichkeit eines Absturz führten. Schaut man also nur auf die „Überlebenden“, kann dies zu falschen Schlussfolgerungen führen. Dieser Effekt wird Survivorship Bias genannt und hat eine enorme Bedeutung für jegliche statistische Auswertung. Ignoriert man ihn, wird man häufig falsche Rückschlüsse ziehen. Zahlreiche Beispiele finden sich auch im Finanzbereich.
Wie erfolgreich sind beispielsweise aktiv gemanagte Investmentfonds gegenüber passiven Anlagen? Nimmt man hier nur jene Investmentfonds zum Maßstab, die aktuell existieren, lässt man alle Fonds, die liquidiert wurden - also nicht „überlebt“ haben - außen vor. Diese werden aber gerade eine besonders schlechte Performance aufweisen, und die berechnete Rendite wäre nach oben verzerrt. Um dies zu verhindern, müsste man z.B. bei einer 10-Jahres-Analyse nicht von den heutigen, sondern den vor 10 Jahren existierenden Fonds ausgehen. Praktische Probleme können daraus entstehen, die historischen Kurse von liquidierten Fonds überhaupt noch zu erhalten.
Ein anderes Beispiel: Ein privater Krankenversicherer möchte die zukünftigen Ausgaben eines Tarifs schätzen. Dafür werden die tatsächlichen Ausgaben der Vergangenheit für die Versicherten dieses Tarifs untersucht. Hier ist darauf zu achten, nicht nur die Ausgaben der aktuell Versicherten, sondern auch die der ehemaligen Versicherten, die inzwischen verstorbenen sind, einzubeziehen. Andernfalls würde man die oft recht hohen Gesundheitsausgaben am Lebensende systematisch aus der Statistik herausfiltern.
Ein letztes Beispiel: Bei der Geldanlage setzen einige auf sogenannte Dividendenaristokraten. Dies sind Unternehmen, die ihre Dividende seit z.B. mindestens 25 Jahren kontinuierlich erhöhen. Im Internet finden sich viele Listen von solchen Aktien. Eine solche Liste mit gefilterten Unternehmen lässt schnell den Eindruck entstehen, dass diese Unternehmen auch in Zukunft mit hoher Wahrscheinlichkeit ihre Dividende erhöhen werden. Übersehen werden dabei jene Werte, die in der Vergangenheit ihren Aristokratenstatus verloren haben. Die Liste zeigt die Zusammensetzung des S&P-Dividend Aristocrat Index seit 1992: https://www.suredividend.com/wp-content/uploads/2016/07/NOBL-Index-Historical-Constituents.pdf Diese durchzugehen und die Entwicklung einzelner Werte zu untersuchen - darunter einige Unternehmen, die ihre Dividende gekürzt haben - ist deutlich erhellender, als sich mit aktuellen - und damit durch den Survivorship Bias verzerrte - Listen von Dividendenaristokraten zu befassen. |
