Revisão de pesquisa · inferência causal · estudo 14
Causal Factor Investing
Associação não é causação, e a mesma regressão de fatores que encontra uma estrela pode ser levada a inventar uma, matar uma verdadeira ou imprimir um fantasma, dependendo apenas do grafo causal por trás dela
A literatura de factor investing reporta associações, regressões de retornos sobre “fatores” candidatos, e tacitamente as lê como causas, sem enunciar o grafo causal que autorizaria essa leitura. Mas se um coeficiente associativo identifica ou não um efeito causal depende inteiramente da estrutura por trás dele, e as três estruturas elementares puxam uma regressão ingênua em direções opostas. Este estudo converte a crítica de López de Prado em uma simulação controlada acrescida de uma demonstração real, sem look-ahead, entre classes de ativos, e o playground abaixo permite que você assista a uma regressão de fatores mentir no navegador.
Causal Factor Investing (2023)
López de Prado · Cambridge Elements in Quant. Finance
Código & dados
lopez-de-prado-work-review / projects / 14
the claim
O que diz López de Prado
- A literatura de factor investing reporta associações, regressões de retornos sobre fatores candidatos, e tacitamente as lê como causas, sem nunca enunciar ou defender o grafo causal que autorizaria essa leitura.
- Se um coeficiente associativo identifica ou não um efeito causal depende inteiramente da estrutura: um fork (confounder) fabrica um efeito espúrio, condicionar em um mediator destrói um efeito verdadeiro, e condicionar em um collider cria significância a partir do nada. Erre o conjunto de ajuste pelo critério da backdoor adjustment e um "fator" espúrio parecerá significativo.
our result
O que encontramos
- Um Monte Carlo de 20.000 simulações reproduz o viés exatamente: o erro do estimador ingênuo cresce monotonicamente com a força da estrutura mal tratada (taxa de falsos positivos de 96% já em força 0,30), enquanto o estimador estruturalmente correto mantém seus 5% nominais.
- Em um painel real de 26 instrumentos, a backdoor adjustment correta inverte 2 de 9 veredictos de significância de fatores e atenua ~⅔ do sinal bruto; apenas 1 de 9 sobrevive a um segundo confounder independente.
- O veredicto honesto: zero fatores sobrevivem à deflação, a melhor carteira associativa registra DSR 0,455, muito abaixo de 0,95. A cadeia de evidências se rompe exatamente onde ele diz que se romperia, mas nenhum candidato jamais alcança um grafo causal defendido; esta é uma demonstração pedagógica, não um resultado de lucro.
O resultado em três linhas
Monte Carlo · 20.000 sims
As três estruturas reproduzem LdP exatamente
Um confounder (fork) faz um fator nulo parecer significativo 100% das vezes sob regressão ingênua, corrigido para os 5% nominais pela backdoor adjustment. Sobre-controlar um mediator (chain) colapsa o poder de um efeito real para ~5%. Condicionar em um collider fabrica um fator de −0,50 com 100% de significância a partir de um efeito verdadeiro de zero. Cada número de Monte Carlo é verificado como bit-idêntico (máx. |Δ| ≈ 1e-13) contra uma referência independente.
Fatores reais · 26 instrumentos · sem look-ahead
A backdoor adjustment inverte veredictos; quase nada sobrevive
Três fatores causais e defasados (momentum, vol realizada, reversão curta) em cripto, ações dos EUA e forex. A backdoor da média de mercado inverte 2 de 9 veredictos de significância, ambos mortos como espúrios, e cerca de dois terços de um sinal de fator bruto típico (67% de atenuação mediana de |t|) é confounder vazando. Apenas 1 de 9 células sobrevive a um segundo confounder independente.
DSR 0,46 · barra 0,95
A melhor carteira associativa falha na deflação
A melhor carteira long-short ingênua (low-vol de ações, SR anualizado ≈ 0,47) deflaciona para DSR 0,46 contra o benchmark do False-Strategy-Theorem para 9 tentativas, muito abaixo da barra de 0,95. Um scorecard de falsificação faz cada candidato subir a hierarquia de evidências; a cadeia de evidências se rompe exatamente onde LdP diz que se rompe. Este é um resultado metodológico, não de lucro.
As três estruturas, um Monte Carlo controlado
A mesma regressão inventa um fator, mata um verdadeiro ou imprime um fantasma
Fork / confounder
efeito real X→Y = 0
Chain / mediator
efeito total real = (b·d) = s²
Collider
efeito real X→Y = 0
Para cada um dos 20.000 conjuntos de dados independentes, extraímos dados novos de um modelo linear-gaussiano de cada estrutura e ajustamos duas regressões: a regressão simples ingênua do retorno sobre o fator, e a regressão que um analista cuidadoso rodaria dado o grafo. As distribuições amostrais contam três histórias diferentes a partir da mesma aritmética.
No fork, uma causa comum faz um fator nulo ser significativo 100% das vezes; a backdoor adjustment restaura os 5% nominais. Na chain, a regressão ingênua está certa, e sobre-controlar pelo mediator colapsa o poder de um efeito real de volta para 5%. No collider, a regressão ingênua está certa em zero, mas condicionar no collider fabrica um fator de −0,50 com 100% de significância.
| estrutura | efeito real | coef ingênuo | rejeição ingênua | coef ajustado | rejeição ajust. |
|---|---|---|---|---|---|
| Fork / confounderZ→X, Z→Y | 0.00 | 0.500 | 100% | 0.000 | 5.0% |
| Chain / mediatorX→M→Y | 0.64 | 0.640 | 100% | −0.000 | 5.1% |
| ColliderX→C←Y | 0.00 | −0.000 | 4.9% | −0.500 | 100% |
Coeficientes e taxas de rejeição são médias de MC sobre 20.000 sims; “rejeição” é a fração com |t|>1,96. A regressão ingênua é significativa e errada no fork, correta na chain (onde o risco é o sobre-controle) e correta no collider (onde o risco é o condicionamento). Cada figura é verificada como bit-idêntica contra uma referência independente (máx. |Δ| ≈ 1e-13).
Faça uma regressão de fatores mentir
Escolha uma estrutura e então alterne 'condicionar em Z'. Em um confounder, condicionar fecha a backdoor espúria e a associação colapsa para seu verdadeiro zero; em um mediator, bloqueia um efeito real; em um collider, abre um caminho que estava fechado e fabrica um. A dispersão e os indicadores são calculados a partir de uma amostra de semente fixa.
O ponto do playground é que o viés não é uma patologia de fio de navalha, é o comportamento genérico do conjunto de ajuste errado, e escala suavemente com a força da estrutura que você trata mal. Aumente a força do confounder do fork e o coeficiente ingênuo de um fator nulo sobe rumo a 0,50; aumente a força do caminho da chain e a estimativa sobre-controlada fica fixada em zero enquanto o efeito verdadeiro cresce; o collider inventa um fantasma cada vez maior quanto mais forte seus dois pais o empurram.
Demo, playground confounder / mediator / collider
Escolha uma estrutura causal e então alterne 'condicionar em Z' e observe a associação X-Y observada abrir ou fechar. Em um confounder, condicionar fecha a backdoor espúria; em um mediator, destrói um efeito real; em um collider, fabrica um do nada. A dispersão é uma amostra de semente fixa de cada estrutura e os indicadores são calculados a partir desses pontos exatos.
caminho X ⇆ Y ABERTO, a associação flui
s = carga do confounder (a = c)
O confounder Z está totalmente aberto: X e Y se movem juntos sem nenhum vínculo causal entre eles. A correlação ingênua é um fator puramente espúrio.
condicionar move você EM DIREÇÃO à verdade
O viés escala com a estrutura, o erro atinge 96% em força 0,30
Varrer a força do viés estrutural faz a única afirmação quantitativa que resume toda a crítica: o erro de decisão do estimador ingênuo ou mal condicionado escala monotonicamente com a força da estrutura mal tratada, já 96% em força 0,30, enquanto o estimador estruturalmente correto mantém seu erro nominal de 5% (fork, collider) ou recupera poder pleno (chain) em cada dose.
Fork: taxa de falso-positivo (verdadeiro X→Y = 0)
Collider: taxa de falso-positivo (verdadeiro X→Y = 0)
Chain: poder de detectar um efeito REAL (total verdadeiro = (b·d)²)
Fatores reais entre classes de ativos: a backdoor adjustment inverte veredictos
A mesma máquina, em dados reais. Três fatores causais e defasados, momentum de 21 dias, vol realizada de 21 dias (um proxy de low-vol), reversão curta de 5 dias, passam por uma regressão de painel agrupada dentro de cada mercado do retorno do dia seguinte em 26 instrumentos de cripto, ações dos EUA e forex. Em seguida, adicionamos a média de mercado (o motor comum óbvio tanto do fator quanto do retorno) como controle de backdoor, e um segundo confounder independente, vol realizada comum defasada. Um fator é candidato sobrevivente apenas se passar por ambos.
Quatro de nove células são significativas ingenuamente. A backdoor da média de mercado inverte 2 veredictos, momentum de ações e vol de ações, e ambos são spurious_killed: o fator aparente era em grande parte o confounder de mercado. A atenuação mediana de |t| entre as células ingenuamente significativas é de 67%: cerca de dois terços do sinal de fator bruto é confounder. Apenas 1 de 9 células sobrevive a ambas as backdoors (reversão curta de ações), e mesmo ali o t cai de −12,0 para −4,9, e reversão é um efeito de microestrutura / bid-ask bounce, não um prêmio de risco defendido. A vol de cripto até muda de sinal entre os dois confounders, um indício de que é artefato de condicionamento, não estrutura.
| mercado | fator | t ingênuo | +mercado t | +vol defasada t | atenuação |t| | inversão |
|---|---|---|---|---|---|---|
| cripto | momentum | 2.26 | 2.11 | 1.73 | 7% | , |
| cripto | vol | 1.36 | 0.36 | −1.26 | 74% | , |
| cripto | reversão | −0.23 | 0.66 | −0.39 | , | , |
| ações | momentum | −6.39 | −1.60 | −6.26 | 75% | spurious_killed |
| ações | vol | 2.14 | 0.53 | 1.65 | 75% | spurious_killed |
| ações | reversão | −11.98 | −4.88 | −11.96 | 59% | , |
| forex | momentum | 0.02 | 0.50 | 0.01 | , | , |
| forex | vol | 0.76 | 0.18 | 0.51 | 76% | , |
| forex | reversão | −1.84 | −1.71 | −1.84 | 7% | , |
Todos os fatores são defasados (o valor no dia t usa apenas informação até t−1), de modo que nada prevê o retorno t com dados futuros. Os t-stats vêm de regressões de painel agrupadas dentro de cada mercado sobre retornos diários reais.
A melhor carteira associativa falha na deflação
A métrica principal é o Deflated Sharpe Ratio sobre a melhor carteira long-short ingênua de fatores, tratando as nove células mercado×fator como a contagem de tentativas. A melhor carteira é low-vol de ações, Sharpe anualizado ≈ 0,47. Contra o benchmark de Sharpe máximo esperado para nove tentativas:
DSR = 0,46, muito abaixo da barra de 0,95. A carteira associativa de melhor aparência não sobrevive à deflação por testes múltiplos; a “vantagem” é compatível com sorte ao longo de nove tentativas.
A cadeia de evidências se rompe onde LdP diz que se rompe
Um scorecard de hierarquia de evidências faz cada sinal candidato subir a escada. O nível mais alto que qualquer candidato alcança é 3: o único sobrevivente dos testes de condicionamento (reversão de ações) é morto no L5 (deflação) e nunca alcança um grafo causal defendido ou evidência intervencional. Associação é barata, condicionamento é frágil, e a deflação somada a um grafo defendido, que a literatura quase nunca fornece, é onde os “fatores” desaparecem.
| nível | pergunta | veredicto |
|---|---|---|
| L1 | A associação existe? (|t|>1,96 bruto) | PASSA, 4/9 células significativas ingenuamente |
| L2 | Sobrevive à backdoor da média de mercado? | PASSA, 2/9; 2 veredictos invertem; 67% de atenuação mediana de |t| |
| L3 | Sobrevive a um segundo confounder independente (vol comum defasada)? | PASSA, apenas 1/9 passa por ambas (reversão de ações) |
| L4 | O grafo causal está enunciado e defendido? | FALHA, nenhum SEM defendido fornecido para qualquer sobrevivente |
| L5 | Sobrevive à deflação por testes múltiplos (DSR>0,95)? | FALHA, melhor DSR 0,46 |
| L6 | Evidência intervencional / do-evidence? | FALHA, toda evidência é observacional |
| L7 | Replicação real OOS / entre mercados da alegação causal? | FALHA, nenhum sobrevivente replica nos três mercados |
Subindo rumo ao L6
Um experimento natural de listagem de perp dá ao estudo sua primeira evidência não-observacional
Retorno anormal do sleeve de continuação após listagem do perp
dias de pregão desde
a listagem do perpétuo
t-stat do fator de reversão: descontinuidade no evento
Todo resultado acima é condicionamento observacional, ele para no L3. Para alcançar evidência intervencional (L6) precisamos de um choque cujo momento seja determinado por algo diferente do efeito que estamos testando. Uma listagem de futuros perpétuos USD-M na Binance é exatamente isso: uma mudança estrutural exógena na microestrutura de um ativo (alavancagem, acesso a venda a descoberto, mecânica de funding, uma ampla base especulativa) cuja data é escolhida pela exchange, não pela reversão de curto prazo. Isso a torna um experimento natural, e o aplicamos ao único sobrevivente de L3 do programa, a reversão de curto prazo.
A previsão direcional pré-registrada: se a reversão é um efeito de microestrutura / provisão de liquidez, sua força deveria saltar de forma descontínua na listagem. Para cada uma das 170 listagens qualificadas a janela pré é o retorno à vista (spot) do próprio token e a janela pós é seu retorno perpétuo (mesmo ativo, a troca de instrumento é o tratamento); o fator de reversão defasado de 5 dias é calculado dentro de cada lado separadamente, então nenhum valor cruza a fronteira. Ajustamos uma regressão de descontinuidade (regression discontinuity) no efeito do fator (inclinação pré vs pós, mais um termo de interação) e um retorno anormal (abnormal return) em tempo de evento de uma carteira de continuação, com um conjunto de controle de dez majors estabelecidas, cortadas nas mesmas datas de calendário, mas sem evento de listagem, como verificação placebo / tendências paralelas.
| grupo | janela | inclinação de reversão | t-stat | n |
|---|---|---|---|---|
| tratados | pré (spot) | −0.0008 | −0.50 | 8,671 |
| tratados | pós (perp) | −0.0050 | −6.49 | 9,350 |
| tratados | pós − pré (interação RD) | −0.0042 | −2.55 | 18,021 |
| controle (placebo) | pré (spot) | −0.0025 | −3.02 | 8,738 |
| controle (placebo) | pós (perp) | −0.0019 | −3.28 | 9,350 |
| controle (placebo) | pós − pré (interação RD) | +0.0006 | +0.58 | 18,088 |
Inclinação e t-stat de reversão de painel agrupado, pré vs pós a listagem exógena, com o termo de interação da regressão de descontinuidade. A descontinuidade tratada é significativa (t = −2,55); a descontinuidade do controle placebo é estável (t = +0,58).
Nos ativos tratados a reversão é ausente antes da listagem (t = −0,50) e fortemente presente depois (t = −6,49); a descontinuidade é significativa (interação RD t = −2,55). As majors de controle permanecem estáveis nas mesmas datas (interação t = +0,58), então o salto acompanha o evento, não o calendário. Esta é a primeira evidência do programa que não é puro condicionamento observacional: alcança suporte parcial de L6 (intervencional) para uma leitura de microestrutura da reversão, e correspondentemente enfraquece qualquer leitura dela como um prêmio de risco defendido.
Ressalva honesta. A descontinuidade é uma média de painel agrupado: ativo por ativo, o |t| de reversão pós-listagem excede o |t| pré-listagem em apenas 48% dos eventos. Portanto, esta é evidência sobre a microestrutura do token recém-listado típico, não uma lei por ativo. Ela não resgata o fator no L5 (o veredicto de Sharpe deflado permanece inalterado), no L4 (nenhum grafo formal defendido), nem no L7 (nenhuma replicação causal entre mercados). A cadeia de evidências é tão frágil quanto antes, o experimento esclarece o que é o sinal sobrevivente (microestrutura, não prêmio) sem transformá-lo em um fator de risco.
Método
- Monte Carlo (parte a): modelos de equações estruturais linear-gaussianos, fork (Z→X, Z→Y), chain (X→M→Y) e collider (X→C←Y), com 20.000 conjuntos de dados independentes de 2.000 observações cada. Para cada conjunto, ajustamos a regressão simples ingênua Y~X e a regressão ajustada motivada pela estrutura, registramos a distribuição amostral do coeficiente de X e a taxa de rejeição em |t|>1,96.
- Enquadramento da teoria da decisão: para o fork e o collider o efeito verdadeiro é 0, então uma rejeição é um falso positivo de Tipo I; para a chain o efeito é real, então uma não-rejeição é um falso negativo (poder perdido). A varredura dose-resposta traça como o erro de decisão ingênuo vs. corrigido responde conforme a força do viés estrutural sobe em [0, 1,2].
- Painel real entre classes de ativos (parte b): retornos simples diários para 26 instrumentos em três mercados (11 perps de cripto, 7 ETFs de ações dos EUA, 8 pares majors de forex), construídos a partir de dados de origem de 1 minuto. Todo fator é causal, cada valor no dia t usa apenas informação até t−1 (defasagem explícita), então nada prevê o retorno t com dados futuros. Apenas dados reais.
- Ingênuo vs. backdoor: uma regressão de painel agrupada dentro de cada mercado do retorno do dia seguinte sobre o fator defasado e padronizado, depois a mesma com a média de mercado (o motor comum óbvio) adicionada, depois com um segundo confounder independente, vol realizada comum defasada. Um fator é candidato sobrevivente apenas se passar por ambas as backdoors. Reportamos o t-stat sob cada especificação, se o veredicto inverte, o tipo de inversão e a atenuação de |t|.
- Métrica principal (parte c): o Deflated Sharpe Ratio sobre a melhor carteira long-short ingênua de fatores, tratando o conjunto mercado × fator (9 células) como a contagem de tentativas, com o benchmark de Sharpe máximo esperado do False Strategy Theorem. Um scorecard de hierarquia de evidências aponta o degrau no qual cada sinal sobrevivente se rompe.
Notas & avaliação honesta
Esta é uma contribuição metodológica / pedagógica, não um resultado de “fator dá dinheiro”, e é enquadrada assim do início ao fim. Os resultados de equações estruturais e backdoor são Pearl / López de Prado padrão; a parte de dados reais é uma demonstração da crítica, não a descoberta de uma vantagem. Para avançar rumo a um resultado positivo seria necessário, para ao menos um fator, um grafo causal defendido e evidência intervencional / experimento-natural, que este estudo deliberadamente deixa em aberto como a fronteira honesta. O que ele faz de forma limpa é reunir, em um só lugar, um Monte Carlo que reproduz os três vieses com uma dose-resposta e uma checagem cruzada bit-idêntica, uma demonstração real multimercado sem look-ahead com dois confounders, e um scorecard de falsificação quantitativo.
Reprodutibilidade
A simulação, o pipeline de painel real, as figuras e o arcabouço de verificação estão reunidos no project 14 de lopez-de-prado-work-review. O playground desta página é autocontido: as formas fechadas das estruturas simuladas e as âncoras dose-resposta estão codificadas no componente, de modo que o mecanismo que ele ilustra se reproduz exatamente a cada carregamento.
Citar
Referências
As fontes primárias da crítica revisada aqui:
- López de Prado, M. (2023). Causal Factor Investing: Can Factor Investing Become Scientific? Cambridge Elements in Quantitative Finance.
- López de Prado, M., & Zoonekynd, V. (2024). Why Has Factor Investing Failed?: The Role of Specification Errors. SSRN working paper.
- Pearl, J. (2009). Causality: Models, Reasoning, and Inference (2nd ed.). Cambridge University Press.
- Bailey, D. H., & López de Prado, M. (2014). The Deflated Sharpe Ratio: Correcting for Selection Bias, Backtest Overfitting, and Non-Normality. Journal of Portfolio Management, 40(5).
Veja também
O estudo companheiro sobre deflação por testes múltiplos é Backtest Overfitting & the Deflated Sharpe Ratio, o tema da disciplina de seleção percorre The edge is in the process, e o corpo de trabalho mais amplo está em Research.