Todas las guías de opciones
Por qué dos variables juntas no identifican una causa15 min de lectura
Correlación vs Causalidad en Finanzas
Separa asociación estadística y efectos causales, incluidos confusión, causalidad inversa, selección, intervenciones, causalidad de Granger, no estacionariedad, regresión espuria y diseño financiero
Preparado por Mark · Fuentes principales al final
Respuesta directa
La correlación describe el movimiento estadístico conjunto bajo una muestra y transformación definidas. La causalidad pregunta cómo cambiaría un resultado tras intervenir o modificar contrafactualmente otra variable. Una correlación puede surgir de un efecto causal, pero también de causas comunes, dirección inversa, selección, tendencias, medición o azar. La asociación por sí sola no identifica qué explicación es verdadera
La correlación es una propiedad de la distribución
Pearson estandariza la covarianza y mide asociación lineal; las correlaciones de rango miden orden monotónico bajo otros supuestos
Su valor depende de población, ventana, frecuencia, transformación, atípicos, ausencias y variables condicionantes
Correlación cero no implica independencia salvo en familias especiales, y una relación no lineal fuerte puede tener Pearson casi cero
La causalidad necesita una intervención objetivo
Una pregunta causal especifica tratamiento o acción, resultado, población, tiempo y comparación entre estados potenciales
El efecto de subir tipos difiere de la asociación entre tipos observados y rendimientos porque la política responde a información económica
La identificación causal exige supuestos o un diseño que conecten distribuciones observadas con la comparación contrafactual no observada
Confusión y selección crean explicaciones alternativas
Una causa común mueve ambas variables, el resultado puede afectar a la supuesta causa y la retroalimentación puede operar en ambos sentidos
Condicionar en un efecto común crea sesgo de colisionador; filtros de supervivencia y publicación inducen asociación en una muestra seleccionada
Añadir controles no siempre ayuda: controlar mediadores, colisionadores, proxies ruidosos o variables posteriores al tratamiento aumenta sesgo
La causalidad de Granger es precedencia predictiva
X causa a Y en sentido de Granger si el pasado de X mejora la predicción de Y más allá del modelo y conjunto informativo elegidos
Es una prueba de contenido predictivo incremental, no demuestra que intervenir X cambie Y mediante un mecanismo estructural
Variables omitidas, noticias comunes, agregación, retardos, no estacionariedad y regímenes crean o eliminan resultados de Granger
Las tendencias temporales fabrican asociación
Series persistentes independientes pueden mostrar R² alto y regresiones significativas porque sus tendencias estocásticas vagan juntas en una muestra
Eliminar tendencia o diferenciar cambia la pregunta y puede borrar información de largo plazo, por lo que debe seguir un modelo y no un arreglo visual
Diagnostica estacionariedad, raíces unitarias, rupturas y cointegración antes de interpretar correlaciones o regresiones temporales
Los mecanismos financieros necesitan diseños creíbles
Los experimentos aleatorios son raros para exposiciones de mercado, pero ayudan experimentos naturales, discontinuidades, instrumentos, paneles y eventos
Cada diseño exige supuestos propios sobre anticipación, exclusión, tendencias paralelas, interferencia, tiempos y medición estable
Un estudio de eventos mide movimiento anormal alrededor de una fecha; sin contrafactual válido y tiempo limpio no identifica automáticamente el efecto
La evidencia debe separar descripción e intervención
Informa asociaciones crudas y condicionales, transformaciones, ventanas, reglas de ausencia, estabilidad y diagramas o mecanismos alternativos
Declara estimando y supuestos de identificación; aplica falsificación, placebos, pretendencias, sensibilidad y pruebas futuras apropiadas
Usa lenguaje causal solo hasta donde lo sostenga el diseño; la predicción puede ser valiosa sin afirmar que una intervención reproducirá la relación
Preguntas frecuentes
¿Una correlación alta significa que un activo mueve al otro?
No. Muestra asociación en los datos elegidos y puede reflejar factores comunes, retroalimentación, tendencias, selección o azar
¿Qué es la causalidad de Granger?
Es la capacidad del pasado de una serie para mejorar la predicción de otra más allá de un modelo y conjunto informativo definidos
¿Puede una regresión demostrar causalidad?
No por sí sola. La interpretación causal requiere un diseño o supuestos defendibles que identifiquen el efecto contrafactual
¿Por qué cambian rápido las correlaciones financieras?
Exposiciones, volatilidad, liquidez, política, participantes, medición y regímenes pueden modificar la distribución conjunta
Fuentes
Aplique esta idea a una opción
Elija un contrato y un objetivo para mantener visibles los supuestos de precio, tiempo y volatilidad en un mismo análisis
Analizar mi opción en inglés