因果推断与双重差分(DID)：从相关性到策略可解释性 • halo 的技术博客

你训练出一个因子，样本内 IC 0.06，回测年化 18%，但你真知道它「为什么」赚钱吗？绝大多数时候你只知道它和历史收益相关——而相关，不等于因果。

经典反例：某地冰淇淋销量和溺水死亡人数高度正相关。难道少吃冰淇淋能救命？当然不是——两者都被「夏天高温」这个共同因素驱动。在量化里，这种伪相关无处不在：两只股票同涨同跌，可能只是都被同一只 ETF 抛售拖累；一个「低波因子」看起来有效，可能只是恰好样本期里价值风格在涨。

如果你要向上游（风控、合规、投委会）解释一个策略「因为什么而赚钱」，或者要评估「某次交易规则改动 / 某条监管政策」到底带来了多少真实的收益增量，你需要的是因果推断，而不仅是相关。本文聚焦其中最实用、落地成本最低的一种方法：双重差分（Difference-in-Differences, DID）。

个股相关性网络（节点大小=系统性重要度，红=最大传染 hub）

一、潜在结果框架：什么是「因果效应」#

因果推断的基石是 Rubin 的潜在结果模型（Potential Outcomes）。对第 i 个个体（在量化里可以是一只股票、一个交易日、一个账户），它有两种潜在结果：

$Y_i(1)$ ：如果「接受处理」（如被纳入指数、触发某政策、启用新规则）时的结果；
$Y_i(0)$ ：如果「不接受处理」时的结果。

我们关心的个体因果效应是 $\tau_i = Y_i(1) - Y_i(0)$ 。但残酷的事实是：你永远只能观测到其中一种，另一种被观测到的那个，叫做反事实（counterfactual）。这就是因果推断的根本困难——缺失数据。

所以实际能估计的，是平均处理效应（ATE）或处理组平均处理效应（ATT）：

$\tau_{ATT} = \mathbb{E}[Y(1)-Y(0)\mid D=1]$

其中 $D=1$ 表示接受处理。

二、双重差分：用「两组两期」挤出因果#

单纯比较「处理组处理前 vs 处理后」会混入时间趋势（比如整个市场在涨）；单纯比较「处理组 vs 控制组」会混入组间固有差异（比如处理组本来就更活跃）。DID 同时做两个差分，把这两类混杂都减掉。

设定：有处理组（treatment）和控制组（control），各有处理前（pre）和处理后（post）两期。记四格均值为：

	处理前	处理后	差分
处理组	$\bar Y_{11}$	$\bar Y_{12}$	$\Delta_T=\bar Y_{12}-\bar Y_{11}$
控制组	$\bar Y_{01}$	$\bar Y_{02}$	$\Delta_C=\bar Y_{02}-\bar Y_{01}$

DID 估计量为：

$\hat\tau_{DID} = \Delta_T - \Delta_C = (\bar Y_{12}-\bar Y_{11}) - (\bar Y_{02}-\bar Y_{01})$

关键识别假设叫「平行趋势（parallel trends）」：如果没有发生处理，处理组和控制组的结果会沿着相同的轨迹演变。换句话说，处理前的差异是可解释的固有差异，但处理前后的变化量对两组应该一致。DID 用控制组的变化量，去「扣除」处理组本就会发生的自然变化，剩下的就是处理的净效应。

三、可复现模拟：一次政策冲击的因果效应#

下面用一个完全可复现的面板数据演示。设定：90 只股票、120 个交易日，第 60 天发生一次事件冲击；30 只为处理组（受事件影响），60 只控制组（不受影响）。每只股票的日异常收益由「个体固定效应 + 共同时间趋势 + 处理效应 + 噪声」构成，处理组仅在事件后获得每天 +0.40% 的异常收益（真实因果效应 $\tau=0.40\%$ ）。我们假装不知道 $\tau$ ，用 DID 把它估回来。

import numpy as np

rng = np.random.default_rng(20260711)
N, T, t0 = 90, 120, 60
n_treat = 30
tau_true = 0.0040                      # 真实处理效应：事件后每天 +0.40%

treated = np.zeros(N, dtype=bool); treated[:n_treat] = True
alpha = rng.normal(0.0, 0.004, N)     # 个体固定效应
gamma = 0.0010 * np.sin(np.arange(T)/9.0) + 0.00002*np.arange(T)  # 共同时间趋势
post = (np.arange(T) >= t0).astype(float)

Y = np.zeros((N, T))
for i in range(N):
    eps = rng.normal(0.0, 0.010, T)
    Y[i] = alpha[i] + gamma + tau_true * treated[i] * post + eps   # 真实数据生成过程

def did_estimate(Y, treated, post_bool):
    # 四格均值
    t_p  = Y[np.ix_(treated,  post_bool)].mean()
    t_pr = Y[np.ix_(treated, ~post_bool)].mean()
    c_p  = Y[np.ix_(~treated, post_bool)].mean()
    c_pr = Y[np.ix_(~treated,~post_bool)].mean()
    return (t_p - t_pr) - (c_p - c_pr)

post_bool = post == 1
tau_hat = did_estimate(Y, treated, post_bool)
print(f"DID 估计 = {tau_hat*100:.3f}%  (真实 τ = {tau_true*100:.2f}%)")

python

跑出来：

DID 估计 = 0.415%  (真实 τ = 0.40%)

plaintext

DID 几乎完美还原了真实处理效应（0.415% vs 0.40%）。四格均值分别是：处理·前 0.040%、处理·后 0.570%、控制·前 0.029%、控制·后 0.144%。注意处理组在事件后跳升了约 0.53 个百分点，但控制组同期也上升了约 0.11 个百分点——那 0.11 是共同市场趋势，必须扣掉，否则你会把市场 beta 当成策略 alpha。

四格均值与 DID 估计量 + 2000 次集群 bootstrap 分布

四、置信区间：以股票为聚类单位的 bootstrap#

DID 估计量本身是一个数，但你要知道它稳不稳。面板数据里同一只股票的日度收益高度自相关，不能逐日重采样（会把相关性打散）。正确做法是以个体（股票）为聚类单位的 bootstrap：每次整只股票（它所有 120 天）一起抽，重复 2000 次，看 $\hat\tau$ 的分布。

B = 2000
boot = np.empty(B)
idx = np.arange(N)
for b in range(B):
    samp = rng.choice(idx, size=N, replace=True)
    boot[b] = did_estimate(Y[samp], treated[samp], post_bool)
ci_lo, ci_hi = np.percentile(boot, [2.5, 97.5])
print(f"95% CI = [{ci_lo*100:.3f}%, {ci_hi*100:.3f}%]")

python

得到 95% CI = [0.328%, 0.498%]，稳稳覆盖了真实值 0.40%。这说明我们的因果结论在统计上是可信的，而不只是「看起来相关」。

五、事件研究：处理组 − 控制组的累计异常收益#

DID 给的是单一标量效应，但策略上你往往还想知道效应怎么随时间展开。事件研究做法很简单：每天取「处理组均值 − 控制组均值」，这一步直接扣掉了共同时间趋势（gamma），得到纯净的「处理带来的日度异常差」。对其累计，就是 CAR（累计异常收益）。

diff = Y[treated].mean(axis=0) - Y[~treated].mean(axis=0)
car = np.cumsum(diff)
win = 20
car_win = car[(t0 - win):(t0 + win + 1)]     # 事件前 20 天到后 20 天

python

事件前 CAR 在 0 附近平稳游走（说明两组本来同步），事件后稳步抬升，窗口末尾累计约 9.78%（理论值 $\tau\times 20 \approx 8\%$ ，加上噪声略高）。这正是 DID 识别假设「平行趋势」的可视化证据：如果事件前 CAR 已经开始分叉，说明处理组和控制在事件前轨迹就不平行，DID 的前提就破了。

事件研究：事件前 CAR 平稳，事件后稳步抬升

六、DID 在量化策略里的真实用法#

DID 不是学术玩具，它在以下场景能直接落地：

政策 / 监管事件评估：某条交易规则、某次印花税调整、某只股票被纳入 / 剔除指数，用处理组（受影响标的）vs 控制组（未受影响同类标的）做 DID，干净地估出事件带来的收益增量或成本。
策略 / 规则上线的 A/B 验证：把账户或标的随机（或按可观测特征）分成两组，一组启用新信号 / 新执行算法，一组维持旧方案，用 DID 估「新方案相对旧方案的净提升」——这比单纯看新方案收益更可信。
因子改动的归因：改了因子定义后，用 DID 区分「市场本身在涨」和「改动真正带来的改善」。

七、诚实的陷阱：DID 不是万能钥匙#

平行趋势不可直接检验。你只能看到处理前的走势是否平行（本文图 3 事件前确实平稳），但「事件后若没发生处理会怎样」是反事实，永远观测不到。一旦你怀疑处理前就不平行（比如处理组恰好是更敏感的成长股），DID 就偏了。缓解：加更多前置期做趋势检验、用协变量调整、或换合成控制。
预期效应（anticipation）。如果市场在事件「正式宣布」前就提前反应（利好泄露），那么处理效应会前移，DID 会把一部分效应算到事件前，低估真实效应。事件研究的 CAR 曲线能帮你看到这种前移。
只能识别「对处理组的平均效应」。DID 告诉你处理组平均变了 0.4%/天，但不保证每只股票都变了这么多，也不告诉你「哪只股票反应最强」。要细粒度，得上异质性处理效应（Causal Forest 等）。
时变混杂。如果有第三个因素在事件后同时改变了处理组和控制组（比如事件只影响了处理组，但宏观冲击同时打了所有人），且这个因素与处理相关，DID 会把它混进去。缓解：加入时间×组固定效应、控制可观测时变协变量。
控制组必须「可比」。最危险的隐性错误是控制组选得和处理组根本不是一类资产（例如用债券当股票的控制组）。可比性是 DID 成立的前提，比数学更重要。

八、总结#

相关性告诉你「什么和收益一起动」，因果推断告诉你「动哪个能改变收益」。DID 用「两组两期、两次差分」把共同时间趋势和组间固有差异都减掉，在「有清晰处理 / 控制边界的事件」场景下，是性价比最高的因果工具：一个 did_estimate 函数、一次聚类 bootstrap、一张事件研究 CAR 图，就能把「这个政策 / 这次规则改动到底有没有用」说清楚。

但它的诚实边界也很硬：平行趋势不可证伪、预期效应会前移、只能给平均效应。当你需要更强的反事实构造时，下一步是自然走向合成控制法（Synthetic Control）和因果森林（Causal Forest）——那是把 DID 的「找一组可比控制」从人工升级为数据驱动的文章了。