금융에서 상관관계와 인과관계

Pearson 상관계수는 공분산을 표준화해 선형 연관성을 재고 순위상관은 다른 가정 아래 단조 순서를 측정합니다

그 값은 모집단, 기간, 빈도, 변환, 이상치, 결측과 조건변수에 따라 달라집니다

특수한 분포족이 아니라면 상관이 0이어도 독립은 아니며 비선형 관계가 강해도 Pearson 상관은 0에 가까울 수 있습니다

인과질문은 처치 또는 행동, 결과, 모집단, 시점과 잠재적 상태 사이의 비교를 구체적으로 정합니다

관측금리와 수익률의 연관성은 금리인상의 효과와 다릅니다. 정책 자체가 경제정보에 반응하기 때문입니다

인과식별에는 관측분포를 볼 수 없는 반사실 비교와 연결하는 가정이나 설계가 필요합니다

공통원인이 두 변수를 함께 움직이고 결과가 제안된 원인에 영향을 주는 역인과나 양방향 피드백이 존재할 수 있습니다

공통결과를 조건으로 두면 충돌변수 편향이 생기고 생존자나 발표 필터는 선택표본에 연관성을 만들 수 있습니다

통제변수를 늘리는 것이 항상 안전하지는 않습니다. 매개, 충돌변수, 잡음 대리변수나 처치후 변수를 통제하면 편향이 커질 수 있습니다

과거 X가 과거 Y의 정한 정보집합과 모형을 넘어 Y 예측을 개선하면 X가 Y를 Granger-원인한다고 말합니다

이는 추가 예측정보의 검정이지 X에 개입하면 구조적 기제를 통해 Y가 바뀐다는 증명이 아닙니다

누락변수, 공통뉴스, 집계, 시차선택, 비정상성과 국면변화는 Granger 인과결과를 만들거나 지울 수 있습니다

서로 독립인 지속적 시계열도 한 표본에서 확률추세가 함께 떠다니며 높은 R²와 유의해 보이는 회귀를 만들 수 있습니다

추세제거나 차분은 질문을 바꾸고 장기관계를 없앨 수 있으므로 시각적 처방이 아니라 시계열 모형을 따라야 합니다

시계열 상관이나 회귀를 해석하기 전에 정상성, 단위근, 구조변화와 공적분을 진단해야 합니다

시장 전체 노출의 무작위실험은 드물지만 자연실험, 불연속, 도구변수, 패널과 사건설계가 도움을 줄 수 있습니다

각 설계에는 예상행동, 배제제약, 평행추세, 간섭, 시점과 안정적 측정에 관한 고유한 가정이 필요합니다

사건연구는 특정 날짜 주변의 비정상 움직임을 측정하지만 유효한 반사실과 깨끗한 시점이 없으면 사건효과를 자동 식별하지 못합니다

원시·조건부 연관성, 변환, 기간, 결측규칙, 안정성과 대안적 인과도표 또는 기제를 보고합니다

추정대상과 식별가정을 밝히고 설계에 맞는 위약, 사전추세, 반증, 민감도와 표본외 검사를 수행합니다

설계가 뒷받침하는 만큼만 인과언어를 쓰며 개입이 관계를 재현한다고 주장하지 않아도 예측은 충분히 가치가 있습니다