Korelacja a przyczynowość w finansach
Oddziel zależność statystyczną od skutków przyczynowych, uwzględniając czynniki zakłócające, przyczynowość odwrotną, selekcję, interwencje, przyczynowość Grangera, niestacjonarność, regresję pozorną i projektowanie badań finansowych
Bezpośrednia odpowiedź
Korelacja opisuje statystyczny współruch zmiennych w określonej próbie i transformacji. Przyczynowość pyta, jak wynik zmieniłby się pod wpływem interwencji lub kontrfaktycznej zmiany innej zmiennej. Korelacja może wynikać ze skutku przyczynowego, ale także ze wspólnych przyczyn, odwróconego kierunku, selekcji, trendów, pomiaru lub przypadku. Sama zależność nie identyfikuje prawdziwego wyjaśnienia
Korelacja jest własnością rozkładu
Korelacja Pearsona standaryzuje kowariancję i mierzy zależność liniową; korelacje rangowe mierzą porządek monotoniczny przy innych założeniach
Jej wartość zależy od populacji, okna, częstotliwości, transformacji, obserwacji odstających, braków danych i zmiennych warunkujących
Zerowa korelacja nie oznacza niezależności poza specjalnymi rodzinami, a relacja nieliniowa może być silna przy niemal zerowej korelacji Pearsona
Przyczynowość potrzebuje docelowej interwencji
Pytanie przyczynowe określa działanie lub leczenie, wynik, populację, czas i porównanie stanów potencjalnych
Skutek podniesienia stóp różni się od zależności między obserwowanymi stopami a zwrotami, ponieważ polityka reaguje na informacje o gospodarce
Identyfikacja przyczynowa wymaga założeń lub projektu łączącego obserwowane rozkłady z nieobserwowanym porównaniem kontrfaktycznym
Zakłócenie i selekcja tworzą alternatywy
Wspólna przyczyna może poruszać obiema zmiennymi, przyczynowość odwrotna może sprawić, że wynik wpływa na proponowaną przyczynę, a sprzężenie zwrotne może działać w obu kierunkach
Warunkowanie na wspólnym skutku może tworzyć obciążenie collidera, a przetrwanie i filtry publikacji mogą wywołać zależność w wybranej próbie
Dodawanie kontroli nie jest automatycznie bezpieczniejsze: kontrolowanie mediatorów, colliderów, szumnych zastępników lub zmiennych po leczeniu może zwiększyć obciążenie
Przyczynowość Grangera jest pierwszeństwem predykcyjnym
X jest przyczyną Grangera Y, gdy przeszłe X poprawia predykcję Y ponad określony zbiór informacji i model przeszłego Y
Jest to test dodatkowej treści predykcyjnej, a nie dowód, że interwencja na X zmienia Y przez mechanizm strukturalny
Pominięte zmienne, wspólne wiadomości, agregacja, wybór opóźnień, niestacjonarność i zmienne reżimy mogą tworzyć lub usuwać wyniki przyczynowości Grangera
Trendy czasowe mogą wytworzyć zależność
Niezależne trwałe szeregi mogą wykazywać wysokie R² i istotnie wyglądające regresje, ponieważ ich stochastyczne trendy błądzą razem w jednej próbie
Usunięcie trendu lub różnicowanie zmienia pytanie i może usunąć informację długoterminową, więc musi wynikać z modelu szeregów, a nie z poprawki wizualnej
Stacjonarność, pierwiastki jednostkowe, załamania strukturalne i kointegrację należy zdiagnozować przed interpretacją korelacji lub regresji szeregów czasowych
Mechanizmy finansowe potrzebują wiarygodnych projektów
Eksperymenty randomizowane są rzadkie dla ekspozycji obejmujących cały rynek, ale mogą pomóc eksperymenty naturalne, nieciągłości, instrumenty, panele i projekty zdarzeń
Każdy projekt potrzebuje własnych założeń dotyczących antycypacji, wykluczenia, trendów równoległych, interferencji, czasu i stabilnego pomiaru
Badanie zdarzenia mierzy nietypowy ruch wokół daty; bez prawidłowego kontrfaktycznego odniesienia i czystego czasu nie identyfikuje automatycznie skutku zdarzenia
Dowody powinny oddzielać opis od interwencji
Raportuj zależności surowe i warunkowe, transformacje, okna, reguły braków danych, stabilność oraz alternatywne diagramy przyczynowe lub mechanizmy
Podaj estymand i założenia identyfikacji, a następnie wykonaj falsyfikację, placebo, testy trendów przed zdarzeniem, analizę wrażliwości i kontrole poza próbą właściwe dla projektu
Używaj języka przyczynowego tylko w zakresie wspieranym przez projekt; predykcja może być cenna bez twierdzenia, że interwencja odtworzyłaby relację
Częste pytania
Czy wysoka korelacja oznacza, że jedno aktywo powoduje ruch drugiego?
Nie. Pokazuje silną zależność w wybranych danych i może odzwierciedlać wspólne czynniki, sprzężenie, trendy, selekcję lub przypadek
Czym jest przyczynowość Grangera?
Jest zdolnością przeszłych wartości jednego szeregu do poprawy predykcji drugiego ponad określony zbiór informacji i model
Czy regresja może dowieść przyczynowości?
Nie sama. Interpretacja przyczynowa wymaga obronnego projektu lub założeń identyfikujących właściwy skutek kontrfaktyczny
Dlaczego korelacje finansowe mogą szybko się zmieniać?
Ekspozycje, zmienność, płynność, polityka, uczestnicy, pomiar i reżimy rynku mogą zmienić rozkład wspólny
Źródła i dalsza lektura
Szybki test
Przeczytano? Sprawdź się w 3 pytaniach
Pytanie 01
Które stwierdzenie najlepiej pasuje do tego poradnika — Korelacja jest własnością rozkładu?
Wybierz odpowiedź, aby zobaczyć wyjaśnienie
Słownik opcji
A function that joins marginal distributions into a joint distribution while isolating their dependence structure; equal correlation need not imply equal joint tails.
Czytaj szczegółowy przewodnikCointegrationThe existence of a stationary linear combination among nonstationary series, implying a shared long-run equilibrium restriction under a specified model.
Czytaj szczegółowy przewodnikAt the moneyA call or put whose strike is near the underlying price; it has little intrinsic value and often substantial sensitivity to time and volatility.
Czytaj szczegółowy przewodnik