← All Collections
🔬 7 parts

Causality & Lead-Lag in Markets

Who moves whom — Granger causality, transfer entropy, PCMCI discovery, and the causal ML toolbox (double ML, causal forests, synthetic control) applied to crypto markets.

  1. 01
    Toda-Yamamoto vs Differenced Granger: Liệu độ trễ dẫn đầu của BTC có tồn tại được không?
    Aug 7, 2026 #causal-inference

    Toda-Yamamoto vs Differenced Granger: Liệu độ trễ dẫn đầu của BTC có tồn tại được không?

    Mối quan hệ nhân quả Granger đối với giá tiền điện tử được thực hiện theo hai cách – lợi nhuận chênh lệch và Toda-Yamamoto ở các cấp độ – với việc triển khai Wald chính xác, ma trận nhân quả được hiệu chỉnh theo N hiệu quả và kiểm tra độ ổn định luân phiên để xem liệu độ trễ có thể giao dịch được hay không.

  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: Causal Discovery in Multivariate Crypto Time Series
    Aug 18, 2026 #causal-inference

    PCMCI: Causal Discovery in Multivariate Crypto Time Series

    How PCMCI's two-stage MCI test recovers directed causal links between crypto assets where correlation and bivariate Granger cannot — the construction, the tigramite pipeline, and the real-data study it still needs.

  4. 04
    Rừng Nhân Quả cho Hiệu Quả Điều Trị Heterogeneous trong Giao Dịch
    Aug 1, 2026 #causal-inference

    Rừng Nhân Quả cho Hiệu Quả Điều Trị Heterogeneous trong Giao Dịch

    Mọi backtest trên blog này ước lượng một conditional mean. Rừng nhân quả ước lượng một conditional treatment effect thay thế — tau(x) thay vì mu(x) — với honest splitting, biểu diễn trọng số kernel thích ứng, và bài kiểm tra calibration cho bạn biết heterogeneous mà bạn tìm có thực không.

  5. 05
    Double Machine Learning: Ước Lượng Tham Số Nhân Quả Thay Vì Dự Báo Lợi Nhuận
    Aug 2, 2026 #causal-inference

    Double Machine Learning: Ước Lượng Tham Số Nhân Quả Thay Vì Dự Báo Lợi Nhuận

    Mọi mô hình trên blog này cho đến nay trả lời 'cái gì dự báo cái gì'. Double ML trả lời 'cái gì gây ra cái gì' — với một sai số chuẩn mà bạn có thể bảo vệ. Mô hình từng phần tuyến tính, trực giao Neyman, cross-fitting đã được làm sạch trên dữ liệu sổ lệnh và một account trung thực về tại sao khoảng tin cậy DML hợp lệ sống sót chính xác qua một câu hỏi đã được chỉ định trước.

  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.