Finansta Korelasyon ve Nedensellik
Karıştırıcılar, ters nedensellik, seçim, müdahaleler, Granger nedenselliği, durağan olmama, sahte regresyon ve finansal araştırma tasarımı dahil olmak üzere istatistiksel ilişkiyi nedensel etkilerden ayırın
Doğrudan yanıt
Korelasyon, tanımlı bir örneklem ve dönüşüm altında değişkenlerin istatistiksel birlikte hareketini açıklar. Nedensellik, bir müdahale veya başka bir değişkendeki karşı-olgusal değişim altında sonucun nasıl değişeceğini sorar. Korelasyon nedensel bir etkiden doğabilir; ancak ortak nedenler, ters yön, seçim, trendler, ölçüm veya şanstan da kaynaklanabilir. İlişki tek başına hangi açıklamanın doğru olduğunu belirlemez
Korelasyon bir dağılım özelliğidir
Pearson korelasyonu kovaryansı standartlaştırır ve doğrusal ilişkiyi ölçer; sıra korelasyonları farklı varsayımlar altında monoton sıralamayı ölçer
Değeri anakütleye, pencereye, frekansa, dönüşüme, aykırı değerlere, eksik değerlere ve koşullandırma değişkenlerine bağlıdır
Özel aileler dışında sıfır korelasyon bağımsızlık anlamına gelmez; doğrusal olmayan bir ilişki sıfıra yakın Pearson korelasyonuyla bile güçlü olabilir
Nedensellik hedef bir müdahale gerektirir
Nedensel soru bir tedaviyi veya eylemi, sonucu, popülasyonu, zamanı ve potansiyel durumlar arasındaki karşılaştırmayı belirtir
Faizleri artırmanın etkisi, politika ekonomi hakkındaki bilgiye tepki verdiği için gözlenen faizlerle getiriler arasındaki ilişkiden farklıdır
Nedensel tanımlama, gözlenen dağılımları gözlemlenemeyen karşı-olgusal karşılaştırmaya bağlayan varsayımlar veya bir tasarım gerektirir
Karıştırma ve seçim alternatif açıklamalar yaratır
Ortak bir neden her iki değişkeni hareket ettirebilir, ters nedensellik sonuç değişkeninin önerilen nedeni etkilemesine yol açabilir ve geri besleme iki yönde çalışabilir
Ortak bir etkinin koşullandırılması çarpıştırıcı yanlılığı yaratabilir; hayatta kalma ve yayımlanma filtreleri seçilmiş bir örneklemde ilişki üretebilir
Kontrol eklemek otomatik olarak daha güvenli değildir: aracıları, çarpıştırıcıları, gürültülü vekilleri veya tedavi sonrası değişkenleri kontrol etmek yanlılığı artırabilir
Granger nedenselliği öngörüsel önceliktir
X'in Granger anlamında Y'yi nedensellemesi, seçilen bilgi kümesi ve geçmiş Y modeli ötesinde geçmiş X'in Y tahminini iyileştirmesi demektir
Bu, artımlı öngörü içeriğinin testidir; X'e müdahalenin yapısal bir mekanizma üzerinden Y'yi değiştireceğinin kanıtı değildir
Atlanan değişkenler, ortak haberler, toplulaştırma, gecikme seçimi, durağan olmama ve değişen rejimler Granger bulgularını yaratabilir veya silebilir
Zaman trendleri ilişki üretebilir
Bağımsız kalıcı seriler, stokastik trendleri tek bir örneklemde birlikte dolaştığı için yüksek R² ve anlamlı görünen regresyonlar verebilir
Trendden arındırma veya fark alma soruyu değiştirir ve uzun dönem bilgisini kaldırabilir; bu nedenle görsel bir düzeltmeden çok seri modelini izlemelidir
Zaman serisi korelasyonunu veya regresyonunu yorumlamadan önce durağanlık, birim kökler, yapısal kırılmalar ve eşbütünleşme teşhis edilmelidir
Finansal mekanizmalar güvenilir tasarımlar gerektirir
Piyasa geneli maruziyetler için rassal deneyler nadirdir; ancak doğal deneyler, süreksizlikler, araç değişkenler, paneller ve olay tasarımları yardımcı olabilir
Her tasarım beklenti, dışlama, paralel trendler, etkileşim, zamanlama ve ölçüm istikrarı hakkında kendi varsayımlarını gerektirir
Bir olay çalışması bir tarih çevresindeki anormal hareketi ölçer; geçerli bir karşı-olgusal ve temiz zamanlama olmadan olayın etkisini otomatik olarak tanımlamaz
Kanıt betimleme ile müdahaleyi ayırmalıdır
Ham ve koşullu ilişkileri, dönüşümleri, pencereleri, eksik veri kurallarını, istikrarı ve alternatif nedensel diyagramları veya mekanizmaları raporlayın
Tahmin edilen niceliği ve tanımlama varsayımlarını belirtin; ardından tasarıma uygun çürütme, plasebo, ön trend, duyarlılık ve örneklem dışı kontroller yapın
Nedensel dili yalnızca tasarımın desteklediği ölçüde kullanın; bir müdahalenin ilişkiyi yeniden üreteceğini iddia etmeden tahmin değerli olabilir
Sık sorulan sorular
Yüksek korelasyon bir varlığın diğerinin hareketine neden olduğunu mu gösterir?
Hayır. Seçilen veride güçlü bir ilişki gösterir ve ortak faktörleri, geri beslemeyi, trendleri, seçimi veya şansı yansıtabilir
Granger nedenselliği nedir?
Bir serinin geçmiş değerlerinin, belirtilen bilgi kümesi ve model ötesinde diğerinin tahminini iyileştirme yeteneğidir
Regresyon nedenselliği kanıtlayabilir mi?
Tek başına kanıtlayamaz. Nedensel yorum, ilgili karşı-olgusal etkiyi tanımlayan savunulabilir bir tasarım veya varsayım gerektirir
Finansal korelasyonlar neden hızla değişebilir?
Maruziyetler, volatilite, likidite, politika, katılımcılar, ölçüm ve piyasa rejimleri ortak dağılımı değiştirebilir