因果关系是生活的一个特征，就像资本市场一样。
现在是时候接受投资管理的这一基本原则了。
原因和方法如下。
因果关系为何如此重要
因果关系在哲学、统计学、经济学、计算机科学和其他学科中有着各种定义。作为人类，我们想要了解我们所遇到的事情，而因果关系最简单的形式就是给出现象背后的原因。我们观察到某件事，然后看到其他事情发生，并想知道它们是否以及如何相关。或者，我们也可能考虑在没有某个因素的情况下某件事是否会发生，或者该因素是否是必要的先决条件。
如果一个事件的发生或消失对另一个事件有影响，那么我们或许能够创造某种事物并改变现实。如果我们真正理解一个事件以及它与其他事件的关系，我们或许能够促使我们喜欢的事件发生——或者阻止我们不喜欢的事件发生——从而相应地调整我们的决策。
因此，因果关系是人类思维的一个概念，有助于回答现象发生的原因：它构建了我们与环境互动的方式。
我们分析了 2010 年至 2020 年期间发表的 191 篇有关股票市场因果关系检验的期刊文章，以确定最广泛使用的因果关系检验。我们的方法是系统文献综述，我们的分析侧重于按年份分布；期刊声誉；按国家、类别或地区划分的地理重点；常见的主题；以及常见的因果关系检验和方法。
尽管因果关系是一个广泛而复杂的话题，但我们整理并绘制了这些论文的研究结果，以便为学者以及金融和投资专业人士提供清晰的思路，使他们能够更好地识别当前的研究趋势并快速找到相关主题的其他文献。我们还希望鼓励他们思考如何将因果关系评估纳入他们的工作中。一个具有直接实际意义的例子：净零投资组合管理需要从路径依赖影响的角度进行思考。
因果关系预测与即时预测
因果发现有助于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法则（假设它们存在），因果关系可以为我们的分析提供规范性证据，并指导我们做出更好的决策。事实上，因果知识和基于因果知识的推论对于有效的决策至关重要。南希·卡特赖特甚至认为，因果法则是区分有效和无效策略所必需的。
纵观科学史，因果关系是基础研究问题之一，也是许多研究的最终目标。其中一些研究试图对未来做出预测。但预测或预言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时，迈克尔·乔菲证实，经济理论优先考虑预测，而自然科学主要旨在展示世界是如何运转的。
因果关系的前瞻性案例
金融市场复杂、动态且具有前瞻性。它们由许多异质性市场参与者驱动，这些参与者拥有不完全信息和有限理性。因此，对其驱动因素的因果理解既有吸引力，又可能非常有利可图。然而，考虑到市场的速度和信息效率，发现因果关系不仅极其困难，而且这样做的好处往往是短暂的，因为市场会迅速吸收信息。
因果知识之所以有吸引力，是因为它可以通过改变我们对结果的期望来影响决策。如果我们不能直接操纵结果，它能让我们洞悉应该寻找哪些信息——应该如何权衡每条信息，以及应该针对哪些变量。
但我们如何获得这种因果知识？我们可以想象市场参与者和企业问自己为什么或如何发生某事的情况？但准确地提出这些反向因果推理问题是一项不可能完成的任务。它将成为后验现象。
即使所有过去的数据都是可访问的，而且我们理解并解释了这些数据，我们也不能保证我们会采取适当的行动。统计学和计量经济学中关于因果关系的文献关注的是正向因果问题或“原因的结果”。也就是说，什么时候会发生什么，或者如果……会发生什么。它并不关注反向因果推理或“结果的原因”——即为什么会发生这种情况——后者往往会启发前者。
相关性并不意味着因果关系
在任何入门统计学或经济学 101 课程中，学生都会学习“相关性并不意味着因果关系”这句口头禅。两个或多个事物一起变化并不一定意味着其中一个是另一个的原因或起因。然而，我们的启发式思维想要将两者联系起来，尽管相关性既不是建立因果关系的必要条件也不是充分条件。相关性不能解释为什么或如何，而只是指出变化是同时发生的。
那么，我们为什么会把相关性误认为因果关系呢？根据迈克尔·沃尔德曼的说法，至少有三种偏见可以解释这一点。它们是表征偏见，即我们更看重某些信息；确认偏见，即我们歪曲数据以证实我们之前的想法；以及控制错觉偏见，即我们认为我们对周围环境的影响比实际上更大。
但因果关系不仅仅是相关性。它表示一个事件、过程或状态，即结果或因变量，是另一个事件、过程或状态，或原因或自变量发生的结果。原因至少部分地对结果负责，而结果至少部分地取决于原因。Peter Spirtes、Clark Glymour 和 Richard Scheines 将其更正式地描述为概率空间中事件之间的随机关系，其中一个事件导致另一个事件发生。
概率是一个重要方面，因为原因使得结果更有可能发生。然而，詹姆斯·伍德沃德解释说，因果关系处理的是给定环境中的规律性，这种规律性超越了关联或概率关系，因为它有助于我们更好地理解当我们操纵原因时结果会如何变化。
研究设计
在我们的研究中，我们系统地回顾了 11 年间与投资和金融专业人士相关的关于股票市场因果关系的同行评审期刊论文。我们的样本仅包括进行因果关系测试且主要关注股票市场的文章。
我们的分析揭示了因果关系文献中的五个基本要点：
1. 人们普遍倾向于使用定量评估技术来衡量因果关系。
其中，以相关性为基础的技术最为突出，尤其是双变量 CWJ Granger 因果关系检验。这 27 个双变量 Granger 检验，以及许多多变量 Granger 因果关系检验和非线性数据中的 Granger 因果关系，使我们得出结论：股票市场的因果关系主要被理解为预测。
2. 缺乏定性评估技术突显了当前因果关系检验研究的弱点。
这些基于启发式的技术在不确定性管理或需要了解未知的未知数时将为投资专业人士提供最大的帮助。这为未来几年的新研究活动开辟了一条道路。
3. 因果关系检验领域日益从关注预测转向关注现在预测。
因果关系评估不仅可以预测后果，还可以帮助我们了解世界的某个方面是如何运作的。
4.时间分布显示，人们对该话题的兴趣逐年略有增加。
2018 年是我们样本期 11 年中的异常年份，共发表了 27 篇有关因果关系和股票市场的论文。这比年平均值多 10 篇。
5. 印度、美国和中国是我们样本中研究最多的国家。
考虑到这些国家及其学术界的规模，这并不令人意外。但这确实表明，对其他经济体的股票市场进行因果关系分析的空间很大。
如果你喜欢这篇文章，别忘了订阅 进取的投资者。
所有文章仅代表作者的观点。因此，这些文章不应被视为投资建议，所表达的观点也不一定反映 CFA 协会或作者雇主的观点。
图片来源：©Getty Images / happyphoton
CFA 协会会员的专业学习
CFA 协会会员有权自行决定和报告所获得的专业学习 (PL) 学分，包括以下内容 进取的投资者. 会员可以使用在线 PL 追踪器轻松记录积分。
关键词：
