Correlation và nhân quả trong tài chính
Phân biệt liên hệ thống kê với tác động nhân quả, bao gồm yếu tố gây nhiễu, nhân quả ngược, lựa chọn mẫu, can thiệp, Granger causality, tính không dừng, hồi quy giả và thiết kế nghiên cứu tài chính
Câu trả lời trực tiếp
Correlation mô tả đồng chuyển động thống kê giữa các biến trong một mẫu và phép biến đổi được xác định. Nhân quả hỏi kết quả sẽ thay đổi thế nào dưới một can thiệp hoặc thay đổi phản thực tế ở biến khác. Correlation có thể phát sinh từ một tác động nhân quả, nhưng cũng có thể đến từ nguyên nhân chung, chiều ngược lại, lựa chọn mẫu, xu hướng, đo lường hoặc ngẫu nhiên. Chỉ riêng liên hệ không xác định được cách giải thích nào là đúng
Correlation là một thuộc tính của phân phối
Pearson correlation chuẩn hóa hiệp phương sai và đo liên hệ tuyến tính; correlation thứ hạng đo thứ tự đơn điệu dưới các giả định khác nhau
Giá trị của nó phụ thuộc vào tổng thể, cửa sổ, tần suất, phép biến đổi, giá trị ngoại lệ, dữ liệu thiếu và các biến điều kiện
Correlation bằng không không hàm ý độc lập ngoại trừ trong các họ đặc biệt, trong khi một quan hệ phi tuyến có thể mạnh dù Pearson correlation gần bằng không
Nhân quả cần một can thiệp mục tiêu
Một câu hỏi nhân quả xác định treatment hoặc hành động, kết quả, tổng thể, thời điểm và phép so sánh giữa các trạng thái tiềm năng
Tác động của việc tăng lãi suất khác với mối liên hệ giữa lãi suất quan sát được và lợi suất, vì chính sách phản ứng với thông tin về nền kinh tế
Nhận dạng nhân quả cần các giả định hoặc thiết kế nối các phân phối quan sát được với phép so sánh phản thực tế không quan sát được
Nhiễu và lựa chọn mẫu tạo ra các cách giải thích khác
Một nguyên nhân chung có thể làm cả hai biến chuyển động, nhân quả ngược có thể khiến kết quả tác động lên nguyên nhân được đề xuất, còn feedback có thể vận hành theo cả hai hướng
Conditioning trên một hiệu ứng chung có thể tạo ra sai lệch collider, trong khi survivorship và bộ lọc công bố có thể tạo liên hệ trong một mẫu đã chọn
Thêm biến kiểm soát không tự động an toàn hơn: kiểm soát mediator, collider, proxy nhiễu hoặc biến sau treatment có thể làm sai lệch tăng lên
Granger causality là thứ tự ưu tiên về dự báo
X Granger-causes Y khi X trong quá khứ cải thiện dự báo Y vượt quá tập thông tin và mô hình đã chọn cho Y trong quá khứ
Đây là kiểm định về nội dung dự báo gia tăng, không phải bằng chứng rằng can thiệp vào X sẽ làm Y thay đổi thông qua một cơ chế cấu trúc
Biến bị bỏ sót, tin tức chung, việc gộp dữ liệu, lựa chọn độ trễ, tính không dừng và chế độ thay đổi có thể tạo ra hoặc xóa bỏ kết quả Granger-causal
Xu hướng thời gian có thể tạo ra liên hệ giả
Các chuỗi bền độc lập có thể cho R² cao và hồi quy trông có ý nghĩa vì xu hướng ngẫu nhiên của chúng cùng trôi trong một mẫu
Loại xu hướng hoặc lấy sai phân làm thay đổi câu hỏi và có thể loại bỏ thông tin dài hạn, vì vậy phải đi sau mô hình hóa chuỗi chứ không phải một cách sửa bằng mắt
Tính dừng, unit root, structural break và cointegration nên được chẩn đoán trước khi diễn giải correlation hoặc hồi quy chuỗi thời gian
Cơ chế tài chính cần thiết kế đáng tin cậy
Thí nghiệm ngẫu nhiên hiếm khi khả thi cho các yếu tố phơi nhiễm trên toàn thị trường, nhưng thí nghiệm tự nhiên, discontinuity, biến công cụ, dữ liệu panel và thiết kế sự kiện có thể hỗ trợ
Mỗi thiết kế cần các giả định riêng về anticipation, exclusion, xu hướng song song, interference, thời điểm và đo lường ổn định
Event study đo chuyển động bất thường quanh một ngày; nếu không có phản thực tế hợp lệ và thời điểm sạch, nó không tự động xác định được tác động của sự kiện
Bằng chứng nên tách mô tả khỏi can thiệp
Báo cáo các liên hệ thô và có điều kiện, phép biến đổi, cửa sổ, quy tắc dữ liệu thiếu, độ ổn định và các sơ đồ nhân quả hoặc cơ chế thay thế
Nêu estimand và các giả định nhận dạng, sau đó chạy kiểm tra bác bỏ, placebo, pretrend, độ nhạy và ngoài mẫu phù hợp với thiết kế
Chỉ dùng ngôn ngữ nhân quả ở mức thiết kế hỗ trợ; dự báo vẫn có giá trị mà không cần tuyên bố rằng một can thiệp sẽ tái tạo mối quan hệ
Câu hỏi thường gặp
Correlation cao có nghĩa một tài sản làm tài sản kia chuyển động không?
Không. Nó cho thấy liên hệ mạnh trong dữ liệu đã chọn và có thể phản ánh yếu tố chung, feedback, xu hướng, lựa chọn mẫu hoặc ngẫu nhiên
Granger causality là gì?
Đó là khả năng các giá trị quá khứ của một chuỗi cải thiện dự báo chuỗi khác vượt quá một tập thông tin và mô hình được xác định
Hồi quy có thể chứng minh nhân quả không?
Không tự nó. Diễn giải nhân quả cần một thiết kế có thể bảo vệ hoặc các giả định xác định được tác động phản thực tế liên quan
Vì sao correlation tài chính có thể thay đổi nhanh?
Phơi nhiễm, volatility, thanh khoản, chính sách, người tham gia, đo lường và chế độ thị trường đều có thể thay đổi phân phối kết hợp