Óscar Romero Quincoces

Proyectos / Trabajos del máster

Grafos causales

Correlación frente a causalidad, por sectores

2026Máster MIAX, Instituto BME
Grafos causales entre sectores en cuatro periodos de mercado, con el algoritmo PC
Figura 1. Grafos causales entre sectores en cuatro periodos de mercado, con el algoritmo PC

Resumen

Aprende grafos causales entre seis ETF sectoriales de EE. UU. de 2000 a 2024 con PC, Hill Climbing, LiNGAM y tests de Granger. El grafo cambia entre periodos de calma y de crisis, y un ejemplo muestra cómo controlar por la variable equivocada distorsiona el resultado.

Qué hace

La correlación es simétrica; la causalidad tiene dirección. Con seis ETF sectoriales de EE. UU. entre 2000 y 2024, aprende grafos acíclicos dirigidos con el algoritmo PC, Hill Climbing y LiNGAM, añade tests de Granger para el orden temporal y comprueba la robustez con bootstrap y distintos niveles de significación. El grafo cambia entre periodos de calma y de crisis, y entre mercados alcistas y bajistas.

El espejismo de los factores

Un ejemplo resuelto muestra cómo controlar por un colisionador, una variable causada por otras dos, crea una correlación que no existe.

Figuras

Correlaciones entre sectores, 2000–2024: simétricas y sin dirección
Figura 2. Correlaciones entre sectores, 2000–2024: simétricas y sin dirección
p-valores de Granger y grafo PC con retardo
Figura 3. p-valores de Granger y grafo PC con retardo
El espejismo de factores: lo que le pasa a una estimación al controlar por un colisionador
Figura 4. El espejismo de factores: lo que le pasa a una estimación al controlar por un colisionador

Hecho con

PythonpgmpylingamstatsmodelsnetworkxPlotly