Caso Abierto English

Manual de campo · trampas de SQL

El sesgo de supervivencia está en el JOIN

Unir un histórico contra el catálogo tal como está hoy mide quién sobrevivió, no lo que de verdad pasó: los que desaparecieron son justo los que traían la mala noticia.

Cuándo aparece

Estudios históricos sobre catálogos vivos: universos de activos, clientes activos, productos en catálogo. En general, cualquier «cómo le fue a X» donde X puede haber dejado de existir.

Ejemplo

Mal: sólo lo que sigue listado hoy

SELECT h.fecha, avg(h.retorno) AS retorno_medio
FROM historico h
JOIN universo u ON u.simbolo = h.simbolo AND u.activo
GROUP BY h.fecha;
-- los símbolos que quebraron o se deslistaron no están en "universo.activo",
-- así que su mal historial nunca entra al promedio

Bien: el universo tal como era ENTONCES

SELECT h.fecha, avg(h.retorno) AS retorno_medio
FROM historico h
JOIN universo u
  ON u.simbolo = h.simbolo
 AND h.fecha >= u.alta
 AND (u.baja IS NULL OR h.fecha <= u.baja)
GROUP BY h.fecha;

El filtro «activo» describe el catálogo hoy, no el día de cada fila del histórico. La condición correcta es temporal: la fila cuenta si ese símbolo formaba parte del universo en la fecha de esa fila, use el dato alta/baja (o el equivalente) para reconstruir el universo como era entonces, no como quedó después de que los peores casos ya hubieran desaparecido.