Análisis causal DML del efecto de la prima de riesgo de varianza en los rendimientos de opciones
Código Machine Learning for Trading
Resumen
Este cuaderno define y ejecuta un análisis de aprendizaje automático doble sobre el efecto de la prima de riesgo de varianza en los rendimientos hasta vencimiento de opciones del S&P 500. Antes de la ejecución, muestra el estimando, la cronología observada, los factores de confusión, la configuración de validación cruzada temporal, el modelo de ajuste de variables auxiliares, el diseño de covarianza HAC y el método placebo de refutación. La solicitud resuelta se ejecuta solo después de especificar las reducciones aplicadas a la vista previa cuando se usa ese modo, y el cuaderno comprueba que el resultado esté completo y coincida con la identidad planificada.
El cuaderno también documenta un cambio en la comparación placebo: ahora compara estadísticos t HAC en lugar de estimaciones brutas del efecto, porque la permutación por bloques puede alterar la varianza residual del tratamiento y hacer que los efectos placebo parezcan engañosamente estrechos. Cita un resultado anterior como motivación, pero su función declarada es validar y publicar el cálculo, no interpretar la nueva estimación causal. Por tanto, las conclusiones causales requieren una etapa de análisis independiente y siguen dependiendo de los controles especificados, los supuestos temporales y el diseño de refutación.
Ideas clave
- El análisis estima el efecto causal de la prima de riesgo de varianza sobre los rendimientos de las opciones hasta su vencimiento.
- Antes de ejecutar, el cuaderno muestra el estimando, la cronología, los factores de confusión, las particiones, el método de covarianza y el diseño placebo.
- Comparar estadísticos t HAC en la refutación placebo aborda las diferencias de varianza causadas por permutar el tratamiento.
- Antes de publicar, el resultado debe estar completo y coincidir con la identidad de la solicitud resuelta.
- Este cuaderno de ejecución entrega estimaciones para una interpretación independiente y no afirma por sí mismo una nueva conclusión empírica.
Etiquetas
Texto completo
# 10_causal_dml.py
```py
# ---
# jupyter:
# jupytext:
# cell_metadata_filter: tags,-all
# text_representation:
# extension: .py
# format_name: percent
# format_version: '1.3'
# jupytext_version: 1.19.3
# kernelspec:
# display_name: Python 3 (ipykernel)
# language: python
# name: python3
# ---
# %% [markdown]
# # S&P 500 Options: Causal DML Execution
#
# This notebook estimates the effect of the variance-risk-premium treatment on the
# return-to-expiry outcome. It declares the request through the shared causal boundary and exposes
# the resolved estimand, timing, confounders, nuisance model, covariance design, and refutation
# protocol before execution.
#
# `11_model_analysis` interprets the causal estimates. This notebook validates the computation
# and publishes its artifact only.
#
# Prerequisites: `03_financial_features`, `04_model_based_features`, and `05_evaluation`.
# %%
"""Execute the declared S&P 500 options causal DML request."""
import polars as pl
from case_studies.research import causal_supersedes
from case_studies.sp500_options.research_workflow import open_study
# %% tags=["parameters"]
EXECUTION_TIER = "canonical"
WORKSPACE: str = ""
PREVIEW_REDUCTIONS: dict = {}
# Retired by this run: the block-permutation refutation now compares the HAC t-statistic
# rather than the raw effect, so CAUSAL_RUNNER_VERSION moved and every causal identity with
# it. The rows named here hold a p-value computed on the shrunken placebo effects; this run
# supersedes them rather than correcting them, because the statistic is different, not the
# arithmetic. Read out of each registry's current canonical identity per label, 2026-09-10.
SUPERSEDES_CAUSAL: str = "d034b82943c5"
# %% [markdown]
# ## Declared and resolved request
#
# A preview must declare all sample, symbol, fold, or placebo reductions. Canonical execution uses
# the complete pre-holdout analysis population.
#
# ### What `SUPERSEDES_CAUSAL` retires here
#
# `CausalResult.one` resolves a label to exactly one canonical identity, so a refit has to name the
# identity it replaces or the registry is left with two and refuses. The retired identity is
# `d034b82943c5`.
#
# What changed is the refutation statistic, not the fit. The placebo loop used to compare each
# permuted run's *effect estimate* against the observed effect. Block-permuting the treatment frees
# it from the controls, so the first stage can no longer predict it and its residual keeps nearly
# all its variance. That residual variance is the whole denominator of the second-stage effect, so
# every placebo effect is divided by a larger number than the observed one and the placebo
# distribution comes out narrower than the null it stands for. The bias runs one way, toward a
# refutation that reads as passed. The comparison is now on the HAC t-statistic, which carries the
# denominator in it and cancels the inflation.
#
# The retired identity fitted the same 166,105 observations and reported the same effect of 0.4098
# with a HAC standard error of 0.3509, so p = 0.243 under either statistic. Its refutation p was
# 0.0099, the smallest value 100 draws can report, for an effect whose own t-statistic is 1.17.
# Sitting at that floor is the signature. This notebook registers and hands off; the new row is
# read and interpreted in `11_model_analysis`.
# %%
study = open_study(execution_tier=EXECUTION_TIER, workspace=WORKSPACE or None)
request_table = pl.DataFrame(
{
"method": ["dml"],
"label": ["ret_to_expiry"],
"config_name": ["dml"],
"execution_tier": [EXECUTION_TIER],
}
)
request_table
# %%
request = study.causal(
**request_table.row(0, named=True),
preview_reductions=PREVIEW_REDUCTIONS,
supersedes=causal_supersedes(
study,
SUPERSEDES_CAUSAL,
"ret_to_expiry",
labels=["ret_to_expiry"],
execution_tier=EXECUTION_TIER,
),
)
resolved = request.resolve()
computation = resolved.spec["computation"]
estimand = computation["estimand"]
causal_plan = pl.DataFrame(
{
"treatment": [estimand["treatment"]],
"outcome": [estimand["outcome"]],
"confounders": [", ".join(estimand["confounders"])],
"treatment_observed_at": [estimand["treatment_observed_at"]],
"outcome_horizon": [estimand["outcome_horizon"]],
"folds": [computation["cv"]["n_folds"]],
"embargo_periods": [computation["cv"]["embargo_periods"]],
"nuisance_model": [computation["model"]["class"]],
"covariance": ["HAC with the outcome horizon"],
"placebo_method": [computation["refutation"]["method"]],
"placebo_block": [computation["refutation"]["block_size"]],
"placebo_block_basis": [computation["refutation"]["block_size_basis"]],
"analysis_rows": [computation["analysis_population"]["n_rows"]],
"training_hash": [resolved.identity],
}
)
causal_plan
# %% [markdown]
# ## Execute and validate
#
# The shared DML runner fails on missing confounders, invalid temporal folds, incomplete nuisance
# fits, or a non-finite HAC standard error. A cached result must match the complete resolved
# identity before it can be reused.
# %%
if EXECUTION_TIER == "preview" and (not WORKSPACE or not PREVIEW_REDUCTIONS):
raise ValueError("preview execution requires WORKSPACE and PREVIEW_REDUCTIONS")
result = resolved.run()
if not result.complete or result.hash != resolved.identity:
raise RuntimeError("causal execution did not publish the complete resolved request")
# %% tags=["results"]
artifact = pl.DataFrame(
{
"causal_hash": [result.hash],
"label": [resolved.spec["label"]],
"execution_tier": [result.execution_tier],
"complete": [result.complete],
}
)
artifact
# %% [markdown]
# The registered causal artifact is the handoff to `11_model_analysis`. No estimate or empirical
# conclusion is interpreted here.
```Se muestra íntegramente con atribución según la licencia de la fuente. Licencia: MIT
Este resumen lo redactó el agente de investigación de Stratmill a partir del original; no es una copia de la fuente.