Убрать survivorship bias из исторических данных

Думаю как убрать перекосы из данных, отсутствуют акции компаний которые обанкротились и были исключены из выборки. Нужно скорректировать, чтобы избавиться от эффекта выживших.

Исходные данные: 250 акций, известны текущая волатильность и будущие годовые лог доходности на протяжении N лет (все 250 акций начинаются с 1972 и заканчиваются в 2025).

Вероятность банкротства как условная вероятность от волатильности: P(b|sigma). Она рассчитана по модели

logit P(b|σ) = α + βσ, где beta~3-4, а alpha выбрана так, чтобы суммарная годовая вероятность банкротства составляла около 0.5%.

Ниже — табличное представление этой зависимости по квантилям волатильности.

Величина падения при банкротстве — почти всегда это полная потеря (−100%). Конкретное распределение убытков приведено ниже в виде PMF.

После события банкротства все будущие доходности акции полностью исключаются из выборки.

Чтобы не терять данные, я решил продублировать данные в 10 раз. Это приведёт к искажению доверительных интервалов, но сохранить больше данных — приоритет важнее.

Насколько подход выглядит обоснованым, имеет смысл что то поменять или улучшить?

Таблицы:

PMF: вероятность банкротства по квантилю волатильности:

q     p
  0.1: 0.11
  0.2: 0.13
  0.3: 0.16 
  0.4: 0.19
  0.5: 0.22
  0.6: 0.26
  0.7: 0.38
  0.8: 0.53
  0.9: 0.90
  1.0: 2.12

PMF: распределение прибыли при банкротстве (PMF):

r     p
  0.01  0.75
  0.05  0.11
  0.10  0.05
  0.20  0.04
  0.30  0.03
  0.40  0.02
  0.50  0.01