Survivorship Bias

Wir hören häufig Geschichten von erfolgreichen Menschen. Von Unternehmern, die weltweit bekannte Unternehmen aufgebaut haben, von Anlegern, die an der Börse ein Vermögen verdient haben, oder von Menschen, die trotz schwieriger Lebensumstände berühmt geworden sind. Solche Geschichten können uns inspirieren. Dabei übersehen wir jedoch leicht eine wichtige Tatsache: Von den Menschen, die keinen Erfolg hatten, hören wir vergleichsweise wenig. Stellen wir uns vor, in einer Kleinstadt gründen 100 Menschen ein eigenes Unternehmen. Fünf von ihnen werden sehr erfolgreich. Die übrigen 95 müssen ihr Geschäft irgendwann aufgeben oder verdienen deutlich weniger als erhofft. In den Nachrichten und im Fernsehen werden jedoch wahrscheinlich vor allem die fünf erfolgreichen Unternehmer vorgestellt. Wenn wir nur ihre Geschichten kennen, könnten wir fälschlicherweise glauben, dass es gar nicht so schwierig ist, mit einem eigenen Unternehmen erfolgreich zu werden. Dieses Phänomen wird als Survivorship Bias bezeichnet. Gemeint ist eine Wahrnehmungsverzerrung, die entsteht, wenn wir uns hauptsächlich auf diejenigen konzentrieren, die erfolgreich waren oder überlebt haben, während wir die gescheiterten oder verschwundenen Fälle außer Acht lassen. Dadurch können wir zu falschen Schlussfolgerungen gelangen. Ein bekanntes Beispiel für den Survivorship Bias stammt aus dem Zweiten Weltkrieg. Damals versuchten die Alliierten, die Verluste ihrer Militärflugzeuge durch feindlichen Beschuss zu verringern. Zusätzliche Panzerungen konnten die Flugzeuge besser schützen. Allerdings erhöhten sie auch das Gewicht und konnten dadurch die Flugleistung verschlechtern. Deshalb musste sorgfältig entschieden werden, welche Teile eines Flugzeugs besonders geschützt werden sollten. Forscher untersuchten die Schäden an Flugzeugen, die von ihren Einsätzen zurückgekehrt waren. An manchen Stellen fanden sich zahlreiche Einschusslöcher, an anderen dagegen nur wenige. Wäre es also nicht sinnvoll gewesen, vor allem die Bereiche mit den meisten Einschusslöchern zusätzlich zu panzern? Der Statistiker Abraham Wald untersuchte dieses Problem aus einer anderen Perspektive. Er erkannte, dass wichtige Informationen fehlen konnten, wenn man ausschließlich die zurückgekehrten Flugzeuge betrachtete. Wenn ein Flugzeug trotz zahlreicher Treffer an einer bestimmten Stelle sicher zurückkehren konnte, war dieser Bereich möglicherweise vergleichsweise widerstandsfähig. Umgekehrt könnten die Bereiche, an denen bei den zurückgekehrten Maschinen nur wenige Einschusslöcher zu sehen waren, besonders kritisch gewesen sein. Flugzeuge, die dort getroffen wurden, waren möglicherweise abgestürzt und konnten deshalb gar nicht untersucht werden. Anstatt einfach die Bereiche mit den meisten Einschusslöchern zu verstärken, musste man also auch berücksichtigen, welche Schäden die nicht zurückgekehrten Flugzeuge erlitten haben könnten. Allein durch die Untersuchung der verfügbaren Flugzeuge ließ sich die tatsächliche Situation nicht vollständig verstehen. Ein ähnliches Problem begegnet uns auch bei der Aktienanlage. Heute kennen wir Unternehmen wie Apple, Microsoft und NVIDIA, die über viele Jahre stark gewachsen sind. Wenn wir uns ihre historischen Aktienkurse ansehen, könnte der Eindruck entstehen, dass man nur früh genug ihre Aktien hätte kaufen müssen, um reich zu werden. Tatsächlich gibt es Unternehmen, deren Aktienkurse über lange Zeiträume außergewöhnlich stark gestiegen sind. Bedeutet das aber, dass jeder reich geworden wäre, wenn er einfach Aktien vielversprechender Unternehmen gekauft und über viele Jahre gehalten hätte? Nicht unbedingt. Viele Unternehmen, in die Anleger früher große Hoffnungen gesetzt hatten, verloren später den Anschluss an ihre Konkurrenten, gerieten in finanzielle Schwierigkeiten oder mussten schließlich Insolvenz anmelden. Manche Unternehmen, die einst ihre Branche dominierten, existieren heute nicht mehr. An die Namen der erfolgreichen Unternehmen erinnern wir uns leicht. Die Namen gescheiterter Unternehmen geraten dagegen mit der Zeit in Vergessenheit. Entscheidend ist, dass sich die heutigen Gewinner damals nicht unbedingt vorhersagen ließen. Heute wissen wir, welche Unternehmen besonders stark gewachsen sind. Anleger vor 10 oder 20 Jahren konnten jedoch nicht mit Sicherheit erkennen, welche der zahlreichen Unternehmen langfristig erfolgreich sein würden. Auch bei der Analyse historischer Anlageergebnisse kann der Survivorship Bias zu Problemen führen. Stellen wir uns beispielsweise vor, jemand wählt die Unternehmen aus, die heute im S&P 500 enthalten sind, und berechnet, welche Rendite eine Investition in diese Unternehmen vor 20 Jahren erzielt hätte. Der S&P 500 ist ein Aktienindex, der ungefähr 500 der führenden großen börsennotierten Unternehmen der USA umfasst. Allerdings besteht der S&P 500 heute nicht mehr aus denselben Unternehmen wie vor 20 Jahren. Im Laufe der Zeit wurden einige Unternehmen aufgrund einer schlechteren Geschäftsentwicklung aus dem Index entfernt, während andere neu aufgenommen wurden. Manche Unternehmen verschwanden durch Fusionen, Übernahmen oder einen Rückzug von der Börse. Was passiert nun, wenn wir die historische Rendite ausschließlich anhand der Unternehmen berechnen, die heute noch im Index vertreten sind? Wir würden unsere Auswahl mithilfe von Informationen treffen, die den damaligen Anlegern noch gar nicht zur Verfügung standen. Dadurch könnte die berechnete Rendite höher ausfallen als die Rendite, die Anleger damals tatsächlich hätten erzielen können. Natürlich ist nicht jedes Unternehmen, das aus einem Index entfernt wurde, gescheitert. Manche Unternehmen verschwinden beispielsweise durch Übernahmen, von denen ihre Aktionäre profitieren. Entscheidend ist, dass eine faire Bewertung historischer Anlageergebnisse alle Unternehmen berücksichtigen muss, die zum damaligen Zeitpunkt tatsächlich als Investition infrage kamen. Der Survivorship Bias kann auch beim Vergleich von Investmentfonds auftreten. Wenn wir ausschließlich Fonds betrachten, die über viele Jahre hinweg gute Renditen erzielt haben und weiterhin bestehen, könnte es so aussehen, als würden professionelle Fondsmanager überwiegend hervorragende Ergebnisse erzielen. Berücksichtigen wir jedoch auch Fonds, die wegen schlechter Ergebnisse geschlossen oder mit anderen Fonds zusammengelegt wurden, kann sich ein anderes Bild ergeben. Wie können wir also vermeiden, dem Survivorship Bias zum Opfer zu fallen? Am wichtigsten ist es, sich anzugewöhnen, nach den Fällen zu fragen, die in den verfügbaren Informationen fehlen könnten. Wenn wir von einem erfolgreichen Anleger hören, sollten wir überlegen, ob andere Anleger mit einer ähnlichen Strategie vielleicht gescheitert sind. Wenn wir feststellen, dass der Aktienkurs eines Unternehmens stark gestiegen ist, sollten wir auch untersuchen, was aus anderen Unternehmen geworden ist, die zur gleichen Zeit als besonders vielversprechend galten. Außerdem müssen wir zwischen einem erfolgreichen Ergebnis und einer hohen Erfolgswahrscheinlichkeit unterscheiden. Nur weil jemand mit einer riskanten Investition viel Geld verdient hat, bedeutet das nicht, dass diese Anlagestrategie mit hoher Wahrscheinlichkeit erfolgreich ist. Möglicherweise hatte die betreffende Person einfach Glück, während andere Menschen mit ähnlichen Entscheidungen große Verluste erlitten haben. Das bedeutet allerdings nicht, dass es sinnlos wäre, erfolgreiche Menschen oder Unternehmen zu untersuchen. Aus Erfolgsgeschichten können wir viel lernen. Um jedoch wirklich zu verstehen, warum jemand erfolgreich war, sollten wir auch Fälle betrachten, in denen Menschen oder Unternehmen unter ähnlichen Bedingungen gescheitert sind. Letztlich zeigt uns der Survivorship Bias, dass die Dinge, die wir nicht sehen, genauso wichtig sein können wie die Dinge, die wir sehen. Es ist wichtig zu verstehen, warum bestimmte Unternehmen an der Börse erfolgreich waren und überlebt haben. Genauso wichtig ist es jedoch, zu untersuchen, warum andere Unternehmen verschwunden sind. Gute Anlageentscheidungen beginnen nicht damit, einfach den sichtbaren Erfolgsgeschichten zu folgen, sondern damit, Erfolge und Misserfolge gleichermaßen zu betrachten.