Thesis:

What if we intervene?: higher-order cross-lagged causal model with an interventional approaach under an observational design

El diseño experimental permite obtener fuertes conclusiones respecto a causalidad entre variables correlacionadas a través del tiempo, frente al diseño observacional basado en probabilidad condicional y que solo permite establecer relaciones de dependencia que ayuden a predecir la variable objetivo con más eficiencia. Sin embargo, bajo ciertas condiciones de diseño observacional, es posible obtener los efectos causales del diseño experimental sin llevar a cabo la intervención. Se presenta un modelo causal de rezagos cruzados de orden superior capaz de inferir relaciones causales frente a hipotéticas intervenciones bajo un diseño observacional y se ofrece una forma de visualización que permite analizar múltiples intervenciones simultáneamente. Se aplica la metodología a tres series financieras (tipo de cambio EUR-USD, índice Dow Jones y futuros del Oro) analizando causalidad respecto a sus volatilidades, obteniendo claras diferencias entre el enfoque presentado y uno clásico de condicionamiento. Para otros estudios, el investigador debe ser cauteloso definiendo su objetivo y el diseño de la investigación, ya que los enfoques decantan en conclusiones causales muy distintas. Se espera que el framework presentado sea útil para investigaciones de cualquier campo de conocimiento con enfoque intervencional y así responder a la pregunta ¿Qué pasaría si intervenimos? de manera más robusta sin intervenir en la práctica.