因果关系的技术投资管理:五个关键的发现

因果关系是生命的特性,因为它是对资本市场。

是时候接受这一投资管理的基本原则。

这是为什么和如何。

为什么因果关系问题

因果关系一直在以不同的方式定义哲学,统计数据、经济学、计算机科学和其他学科。作为人类,我们要理解我们遇到什么,和因果关系,在其最简单的形式,这一现象背后的原因。我们看到一些东西,然后看到别的事情发生,是否以及如何可能是相关的。另外,我们也会考虑是否会发生在缺乏某些因素还是因素是一个必要的先决条件。

如果一个事件的存在与否会影响另一个,然后我们可以把东西存在,改变现实。如果我们真正了解一个事件,以及它是如何与其他相关事件,我们可能会造成一个事件我们赞成发生——或者阻止一个我们不喜欢的发生,从而相应地调整我们的决策。

因此,因果关系是人类思维的概念,帮助回答现象的原因:它的结构中,我们与环境相互影响的方式。

我们分析191篇期刊文章在因果关系检验股票市场在2010年和2020年出版确定使用最广泛的因果关系的测试。我们的方法是一个系统文献综述,我们的分析集中在分布;杂志的声誉;地理集中,按国家、类别、或地区;一般治疗主题;和常见的因果关系的测试方法。

尽管因果关系是一个广泛而复杂的话题,我们安排并绘制了这些论文为学者提供清晰的发现以及金融和投资专业人士,这样他们就可以更好地识别当前研究趋势和快速找到额外的文献相关的话题。我们也想鼓励他们思考如何包括因果关系评估到他们的工作。直接实践相关性的一个例子:零投资组合管理需要考虑路径依赖的影响。

预测与因果关系和重点学科

因果关系的发现帮助我们更好地理解周围的世界。通过帮助我们理解相关的自然规律——假设他们存在因果关系可以给我们规定的证据分析和引导我们朝着改善决策。的确,因果知识和推理的基础上有效的决策是至关重要的。南希卡特赖特甚至暗示因果法则需要区分有效和无效的策略。

在科学的历史上,因果关系是基础研究和问题许多研究最终目标。这些研究试图对未来做出预测。但预测或预测后果只是因果关系的一个方面。事实上,在描述基于经验的因果理论,迈克尔·约菲确认经济理论重视预测,而自然科学主要目的是展示世界是如何工作的。

前瞻性的因果关系

金融市场是复杂的、动态的和前瞻性。他们是由许多异构市场参与者不完全信息和有限理性。因此,因果理解其司机既吸引人又可能非常有利可图。然而,鉴于市场的速度和信息效率,发现因果关系不仅是极其困难的,但这样做往往会带来的好处是短暂的市场迅速接收的信息。

因果知识具有吸引力,因为它可以通过改变我们的预期影响决策结果。它提供了有关信息我们应该寻找什么应该如何重,每个信息变量应该有针对性的什么——如果我们不能直接操纵的结果。

但是我们如何获得这种因果知识?我们可以想象的情况下市场参与者和企业问自己为什么还是究竟发生了什么?但精确地制定这些反向因果推理问题是一个不可能完成的任务。它将成为一个后验的现象。

即使所有过去的数据访问,我们正确理解和解释它,我们不能保证我们会适当地采取行动。统计和计量经济学文献对因果关系而不是关注因果问题或”造成的影响。“会发生什么,或者如果。它不关注反向因果推论或“效应”的原因,为什么会这样——后者经常鼓舞人心的前者。

相关性并不意味着因果关系

101年任何介绍性的统计或经济学课程,学生学习咒语“相关性并不意味着因果关系。“因为两个或两个以上的事物变化在一起并不意味着一个是原因还是其他的原因。然而,我们的启发式思维想链接的两个,虽然相关性是既无必要,也不足以建立因果关系。关联并不能解释为什么或怎样,只是指出,一起变化。

所以,背后是什么我们倾向于错误相关的因果关系?至少有三个偏见,根据迈克尔·r·Waldmann,这可能提供了一个解释。这些是代表偏见,我们更重视某些信息;确认偏误我们歪曲数据证实了我们之前的思维;和幻觉的控制偏差,我们相信我们有更多的影响比我们做的我们的环境。

但是因果关系比相关性。它表明,一个事件、过程或状态,也就是说,效果或因变量,是另一个事件的发生的结果,过程或状态、原因或独立变量。至少部分负责一个原因的影响,虽然效果,至少部分取决于事业。克拉克针对彼得•冲刺和理查德·史肯更正式的描述这是一个随机关系事件之间在概率空间,一个事件导致另一个事件发生。

概率是一个重要方面,因为原因使结果更有可能。詹姆斯·伍德沃德解释说,然而,因果关系处理规律在给定的环境中,超越联想的或概率的关系,因为它能帮助我们更好地了解变化结果当我们操作的原因。

研究设计

在我们的研究中,我们系统地回顾了同行评议期刊论文在因果关系上股票或股票市场相关的投资和金融专业人士在11年的时间。样本包括文章,因果关系进行测试,主要集中在股票市场。

我们的分析显示五个基本外卖对因果关系的文献:

1。有一个占主导地位的偏爱定量评估技术来测量因果关系。

Correlation-based技术突出其中,尤其是双变量c·w·j·格兰杰因果关系检验。这些二元格兰杰27日测试,连同许多多元格兰杰因果检验和格兰杰因果关系在非线性数据,引导我们得出这样的结论:在股票市场主要是理解为因果关系的预测。

2。缺乏定性评估技术在当前causality-testing研究突显出一个弱点。

这些启发式方法技术支持专业投资人士最不确定性管理时,或当未知的未知需要被理解。这会打开一条新的研究活动在未来几年。

3所示。因果关系检验领域逐渐从关注预测切换到短时预测。

而不是预测后果、因果关系评估可以帮助我们理解世界的一个方面是如何工作的。

4所示。时间分布显示,对话题的兴趣略有增加。

2018年是11年的离群值样本期间,发表论文27篇,在因果关系和股票市场。这是10年度平均水平以上。

5。印度,美国和中国都是经过国家在我们的样例。

鉴于这些国家的大小和他们的学术社区,这也就不足为奇了。但它确实显示有足够的空间进行因果关系分析其他经济体的股市。

如果你喜欢这篇文章,别忘了订阅有事业心的投资者。

---

所有文章作者的观点。因此,他们不应该被视为投资建议,也不代表CFA协会的观点表达的观点或作者的雇主。爱游戏app下载游戏

图片来源:©盖蒂图片社/ happyphoton

---

专业学习CFA协会会员爱游戏app下载游戏

爱游戏app下载游戏CFA协会成员有权自行决定和自我报告的专业学习(PL)的学分,包括内容有事业心的投资者。成员可以记录学分容易使用他们在线PL追踪。