← Все подборки
🔬 7 частей

Причинность и lead-lag на рынках

Кто двигает кого: причинность Грейнджера, transfer entropy, поиск структур через PCMCI и каузальный ML-инструментарий (double ML, causal forests, synthetic control) на крипторынках.

  1. 01
    Toda-Yamamoto vs Differenced Granger: Does the BTC Lead-Lag Survive?
    Aug 7, 2026 #causal-inference

    Toda-Yamamoto vs Differenced Granger: Does the BTC Lead-Lag Survive?

    Granger causality on crypto prices done two ways — differenced returns and Toda-Yamamoto on levels — with a correct Wald implementation, an effective-N corrected causality matrix, and a rolling-stability test of whether the lag is tradeable at all.
  2. 02
    Transfer Entropy: Which Way Does Information Flow Between Crypto Assets?
    Aug 24, 2026 #causal-inference

    Transfer Entropy: Which Way Does Information Flow Between Crypto Assets?

    DCC-GARCH tells you when crypto dependence tightens. Transfer entropy tells you which way it points. A directed information-flow measure, its null calibration, and an honest account of what it does and does not add over average pairwise correlation.
  3. 03
    PCMCI: обнаружение причинно-следственных связей в многомерных временных рядах криптовалют
    Aug 18, 2026 #causal-inference

    PCMCI: обнаружение причинно-следственных связей в многомерных временных рядах криптовалют

    Как двухэтапный тест MCI PCMCI восстанавливает направленные причинно-следственные связи между криптоактивами там, где корреляция и двумерный Грейнджер не могут — конструкция, тигритовый конвейер и исследование реальных данных, в которых он все еще нуждается.
  4. 04
    Причинно-следственные леса для гетерогенных эффектов обработки в трейдинге
    Aug 1, 2026 #causal-inference

    Причинно-следственные леса для гетерогенных эффектов обработки в трейдинге

    Каждый бэктест в этом блоге оценивает условное среднее. Causal forests оценивают условный эффект обработки вместо этого — tau(x) вместо mu(x) — с честным разделением, представлением адаптивных весов ядра и тестом калибровки, который говорит, реальна ли найденная гетерогенность.
  5. 05
    Двойное машинное обучение: оценка причинного параметра вместо прогнозирования доходности
    Aug 2, 2026 #causal-inference

    Двойное машинное обучение: оценка причинного параметра вместо прогнозирования доходности

    Все модели в этом блоге до сих пор отвечали на вопрос 'что предсказывает что'. Double ML отвечает 'что вызывает что' — со стандартной ошибкой, которую можно защитить. Частично линейная модель, ортогональность Неймана, очищенное cross-fitting на данных ордербука и честный рассказ о том, почему валидный DML доверительный интервал выживает только для одного заранее специфицированного вопроса.
  6. 06
    The Other Way a Regression Lies: Endogeneity, 2SLS, and the Gamma Calibration Problem
    Aug 10, 2026 #causal-inference

    The Other Way a Regression Lies: Endogeneity, 2SLS, and the Gamma Calibration Problem

    Selection bias in the search is not the only way a regression fools you. When the regressor is correlated with the error, more data makes the estimate more confidently wrong. Instrumental variables applied to the one endogeneity problem this blog has already left open: permanent impact from net taker flow.
  7. 07
    Synthetic Control Methods for Evaluating Trading Strategies
    Aug 21, 2026 #causal-inference

    Synthetic Control Methods for Evaluating Trading Strategies

    This series has priced the selection route to a false edge — DSR prices the winner, PBO prices the search. Neither touches confounding: the strategy that made money because volatility doubled the week you deployed it. The Synthetic Control Method builds a weighted counterfactual from a donor pool of untouched instruments and gives you a falsification criterion and a placebo p-value.