金融における相関関係と因果関係

Pearson相関は共分散を標準化して線形関連を測り、順位相関は異なる仮定で単調な順序関係を測ります

値は母集団、窓、頻度、変換、外れ値、欠測、条件変数に依存します

特殊な分布族を除けば無相関は独立を意味せず、強い非線形関係でもPearson相関がゼロ付近になることがあります

因果の問いは、処置または行動、結果、母集団、時点、潜在状態間の比較を指定します

利上げの効果は観測金利とリターンの関連とは異なります。政策自体が経済情報へ反応するためです

因果識別には、観測分布と観測できない反事実比較を結ぶ仮定または設計が必要です

共通原因が二変数を動かし、結果が想定原因へ逆に影響し、双方向のフィードバックが働くこともあります

共通結果を条件にするとコライダーバイアスが生じ、生存や公表フィルターは選択標本に関連を誘発します

制御変数の追加は常に安全ではなく、媒介、コライダー、ノイズ代理、処置後変数の制御はバイアスを増やせます

過去Xが、指定情報集合と過去Yのモデルを超えてYの予測を改善するとき、XはYをGranger因果すると言います

これは追加予測内容の検定であり、Xへの介入が構造的機序でYを変える証明ではありません

欠落変数、共通ニュース、集計、ラグ選択、非定常性、レジーム変化はGranger因果結果を作るか消せます

独立で持続的な系列も、確率トレンドが一標本で一緒に漂うと、高いR²と有意に見える回帰を生みます

トレンド除去や差分は問いを変え、長期情報を失うことがあるため、視覚的な修正でなく系列モデルに従います

時系列相関や回帰の前に、定常性、単位根、構造変化、共和分を診断します

市場全体のエクスポージャーで無作為実験は稀ですが、自然実験、回帰不連続、操作変数、パネル、イベント設計が役立ちます

各設計には、予期、除外制約、平行トレンド、干渉、時点、安定測定について固有の仮定があります

イベントスタディは日付周辺の異常変動を測りますが、妥当な反事実と明確な時点なしでは効果を自動的に識別しません

生と条件付きの関連、変換、窓、欠測規則、安定性、代替因果図または機序を報告します

推定対象と識別仮定を示し、設計に合う反証、プラセボ、事前トレンド、感度、標本外検査を行います

設計が支える範囲だけ因果語を使います。介入が関係を再現すると主張しなくても予測には価値があります