Корреляция и причинность в финансах

Корреляция Пирсона стандартизирует ковариацию и измеряет линейную связь, а ранговые корреляции измеряют монотонный порядок при других предпосылках

Её значение зависит от генеральной совокупности, окна, частоты, преобразования, выбросов, пропусков и переменных, по которым выполнено условие

Нулевая корреляция не означает независимость, кроме специальных семейств, а нелинейная связь может быть сильной при почти нулевой корреляции Пирсона

Причинный вопрос задаёт воздействие или действие, исход, популяцию, время и сравнение между потенциальными состояниями

Эффект повышения ставок отличается от связи между наблюдаемыми ставками и доходностями, потому что политика реагирует на информацию об экономике

Для причинной идентификации нужны предпосылки или дизайн, связывающие наблюдаемые распределения с ненаблюдаемым контрфактическим сравнением

Общая причина может двигать обе переменные, обратная причинность может сделать исход причиной, а обратная связь может работать в обоих направлениях

Условие на общий эффект может создать смещение коллайдера, а отбор выживших активов и фильтры публикации могут создать связь в отобранной выборке

Добавление контролей не всегда безопаснее: контроль посредников, коллайдеров, шумных заменителей или переменных после воздействия может усилить смещение

X является причиной по Грейнджеру для Y, когда прошлые X улучшают прогноз Y сверх выбранного набора информации и модели прошлых Y

Это проверка дополнительного прогнозного содержания, а не доказательство того, что вмешательство в X изменит Y через структурный механизм

Пропущенные переменные, общие новости, агрегация, выбор лага, нестационарность и меняющиеся режимы могут создать или убрать вывод о причинности по Грейнджеру

Независимые устойчивые ряды могут иметь высокий R² и регрессии с впечатляющей значимостью, потому что их случайные тренды идут рядом в одной выборке

Удаление тренда или дифференцирование меняет вопрос и может убрать долгосрочную информацию, поэтому должно следовать из модели ряда, а не быть визуальным исправлением

До интерпретации корреляции или регрессии временных рядов нужно проверить стационарность, единичные корни, структурные разрывы и коинтеграцию

Рандомизированные эксперименты для рыночных воздействий редки, но могут помочь естественные эксперименты, разрывы, инструменты, панели и событийные дизайны

Каждый дизайн имеет свои предпосылки об ожидании, ограничении исключения, параллельных трендах, взаимодействии, времени и стабильности измерения

Событийное исследование измеряет аномальное движение вокруг даты; без корректного контрфактического сравнения и чистого времени оно не автоматически идентифицирует эффект события

Показывайте исходные и условные связи, преобразования, окна, правила пропусков, стабильность и альтернативные причинные схемы или механизмы

Назовите оцениваемую величину и предпосылки идентификации, затем проведите проверки фальсификации, плацебо, предтрендов, чувствительности и вне выборки, соответствующие дизайну

Используйте причинный язык лишь в пределах, поддержанных дизайном; прогноз может быть ценным и без утверждения, что вмешательство воспроизвело бы связь