Resumen Técnico: Dejar de Suprimir la Cola: Inferencia Causal para Eventos Extremos

1. Enunciado del Problema

La estimación de la Función de Respuesta a la Dosis Promedio (ADRF), $\theta(t) = E[Y(t)]$, bajo tratamiento continuo es una tarea fundamental en la inferencia causal, típicamente abordada mediante Aprendizaje Automático Doble (DML). Sin embargo, cuando los resultados $Y$ exhiben colas pesadas (por ejemplo, retornos financieros, reclamaciones de seguros, pérdidas climáticas), los enfoques estándar de DML robustos enfrentan un dilema crítico:

1. Supresión de la Cola: Para estabilizar el promedio del grueso, los métodos de DML robustos (que utilizan pérdidas de Huber, cuantiles o recortadas) suprimen deliberadamente los valores extremos. Si bien esto estabiliza la estimación puntual, descarta la información de la cola que a menudo es la cantidad principal de interés en dominios de alto riesgo (por ejemplo, la pérdida de 1 en 1000).
2. Dependencia Circular en la Estimación de la Cola: Una alternativa ingenua es estimar las características de la cola (por ejemplo, la forma $\xi$ de la Distribución Generalizada de Pareto) a partir de los residuos del estimador central de DML. Esto introduce una circularidad estructural: la forma de cola inferida $\hat{\xi}$ se convierte en una función de la elección del estimador central. Por ejemplo, en el mismo conjunto de datos, cambiar la pérdida central de Huber a Welsch puede desplazar la forma de cola inferida de acotada ($\hat{\xi} \approx -0.42$) a de cola pesada ($\hat{\xi} \approx +0.28$), haciendo que el diagnóstico sea poco fiable.
3. Falta de Salida de Cola: El DML robusto estándar devuelve únicamente una estimación puntual estabilizada en el grueso, omitiendo estimaciones de la forma de la cola, cuantiles extremos o déficits condicionales.

2. Metodología

Los autores proponen un estimador de dos componentes que desacopla la estimación central de la ADRF del diagnóstico de la cola, asegurando que la salida de la cola sea invariante a la elección del método central.

A. Estimador Central: TailWelsch-DML

El primer componente es un estimador central robusto diseñado para preservar la tasa de convergencia DML ortogonal de Neyman estándar mientras minimiza la supresión de la cola.

• Mecanismo: Emplea un estimador M local-lineal ponderado por núcleo utilizando una función de peso Welsch de descenso redescendente: $w(r) = \exp(-\gamma (r/\sigma)^2)$.
• Recorte Fijo: A diferencia de los enfoques adaptativos, el parámetro de recorte $\gamma$ se mantiene constante en un valor suave ($\gamma = 0.10$). Los autores argumentan que vincular $\gamma$ a una estimación de cola basada en datos no mejora el Error Absoluto Medio (MAE) de la ADRF central y que la información de la cola se utiliza mejor en la salida posterior al núcleo.
• Beneficio: Este diseño asegura que la pérdida de la segunda etapa esté libre de ajuste dependiente de los datos, permitiendo que las tasas DML estándar se apliquen directamente.

B. Diagnóstico de Cola: PDHTE+JK

El segundo componente estima la forma de cola por tratamiento $\hat{\xi}(t)$ y la escala $\hat{\sigma}(t)$ sin depender de los residuos del estimador central, rompiendo así la dependencia circular.

• Centrado en la Mediana Piloto: En lugar de usar $Y - \hat{\theta}(T)$, el método centra el resultado $Y$ utilizando una mediana ponderada por núcleo piloto $\tilde{Y}(t)$. Esta estimación de ubicación es independiente del método central aguas abajo.
• Detección de Meseta: El método aplica un estimador de Hill a través de un rango de fracciones de estadísticas de orden ($\kappa$) para detectar una "meseta" (estabilidad en $\hat{\xi}$). Un umbral de coeficiente de variación (CV) ($<0.25$) determina si existe una cola de variación regular.
• Estimación Híbrida: Si se detecta una meseta, la estimación final de la forma utiliza un estimador de momentos Dekkers-Einmahl-de Haan (DEdH) (invi sesgado a través de los dominios Fréchet, Gumbel y Weibull).
• Corrección Jackknife: Se aplica un jackknife amortiguado por contracción para corregir el sesgo de muestra finita del estimador DEdH.
• Mecanismo de Rechazo: Si no se cumple la condición de meseta (indicando que los datos no siguen un régimen de cola de variación regular), el estimador rechaza explícitamente extrapolar, devolviendo una salida indefinida en lugar de una estimación de cola espuria.

C. Funcionales Causales Post-Centro

Utilizando las salidas del núcleo y del diagnóstico, el marco construye cinco cantidades condicionales a la cola:

1. Forma por Cola $\hat{\xi}(t)$: La estimación invariante de la forma de la cola.
2. Recuperación de la Media $\hat{E}[Y(t)]$: Una fórmula que reconstruye la ADRF media completa sumando contribuciones GPD condicionadas al signo (para excedencias positivas y negativas) a la estimación central robusta $\hat{\theta}_W(t)$. Esto es crucial para la contaminación asimétrica donde el funcional M difiere de la media.
3. Niveles de Retorno Híbridos $\hat{Q}_\alpha(t)$: Cuantiles extremos estimados mediante un enfoque híbrido:
   • Modo Empírico: Utiliza cuantiles empíricos ponderados por núcleo cuando el tamaño de muestra efectivo es suficiente ($\alpha n_{eff} \ge 1$).
   • Modo GPD: Utiliza la extrapolación GPD solo cuando los datos son escasos ($\alpha n_{eff} < 1$).
4. Déficit Condicional $\hat{S}_\alpha(t)$: La pérdida esperada dada una excedencia (análogo al CVaR), derivada en forma cerrada del ajuste GPD.
5. Efecto de Cola Causal: La sensibilidad del nivel de retorno al tratamiento, $\partial \hat{Q}_\alpha / \partial t$.

Desconfusión: Para entornos confusos ($T \not\perp X$), el método aplica pesos de estabilización de Puntuación de Propensión Generalizada (GPS) a los pesos del núcleo. Si bien esto no logra consistencia $\sqrt{n}$, proporciona una desconfusión parcial de primer orden, reduciendo el sesgo en los niveles de retorno en aproximadamente un 63%.

3. Contribuciones Clave

1. TailWelsch-DML: Un estimador central Welsch-DML de descenso redescendente con recorte constante ($\gamma=0.10$) que mejora el MAE de la ADRF central en un 11.6% sobre el DML Estándar en paneles de verificación.
2. PDHTE+JK: Un estimador híbrido de cola con detección de meseta que consume únicamente resultados centrados en la mediana piloto. Establece invarianza metodológica, asegurando que los diagnósticos de cola no estén confundidos por la elección de la pérdida robusta central. Incluye un mecanismo de rechazo explícito cuando fallan los supuestos de EVT.
3. Funcionales Causales Condicionales a la Cola: Un conjunto de cinco salidas (forma, recuperación de la media, niveles de retorno, déficit, efecto de cola) que proporcionan métricas de eventos extremos accionables junto con la estimación puntual.
4. Superioridad Empírica: Reducciones demostradas en el error de cola profunda en comparación con las líneas base estándar.

4. Resultados Experimentales

El artículo valida el enfoque a través de Procesos Generadores de Datos (DGPs) sintéticos y datos del mundo real (reclamaciones de seguros de automóviles freMTPL2).

• Rendimiento Central: TailWelsch-DML reduce el MAE de la ADRF central en un 11.6% (IC 90%: $[-17.3\%, -5.8\%]$) en comparación con el DML Estándar y supera marginalmente al Huber-DML.
• Invarianza Metodológica: En DGPs asimétricos donde los estimadores basados en residuos (Estándar, Huber, Welsch) produjeron formas de cola conflictivas (ranging desde $-0.42$ hasta $+0.28$), PDHTE+JK rechazó correctamente estimar, demostrando su independencia del método central.
• Precisión de Cola Profunda ($\alpha = 0.001$):
  • El estimador propuesto redujo el MAE del Nivel de Retorno en un 11% en comparación con la Regresión de Cuantiles Ponderada por Núcleo (QR).
  • Redujo el MAE del Déficit Condicional en un 25.5% en comparación con QR.
  • En regímenes de muestra pequeña ($n \le 2000$), la reducción del MAE osciló entre el 20% y el 29%.
• Clasificación de Régimen: El método clasificó correctamente los regímenes de cola pesada (Fréchet) en 6/6 casos, mientras que los proxies derivados de QR tuvieron éxito solo en 1/6 casos.
• Aplicación en el Mundo Real (freMTPL2): En reclamaciones de seguros de automóviles con curtosis extrema (1667), el estimador propuesto rechazó explícitamente extrapolar en la escala de reclamaciones logarítmicas (donde la curtosis fue baja), una salida de seguridad crítica que ni QR ni el DML solo de pérdida produjeron.

5. Significado y Afirmaciones

El artículo argumenta que la práctica estándar de suprimir las colas pesadas para estabilizar las estimaciones de la ADRF descarta las propias cantidades que impulsan las decisiones de alto riesgo (por ejemplo, pérdidas extremas). Además, destaca que inferir propiedades de la cola a partir de los residuos del estimador central crea una dependencia circular que invalida el diagnóstico.

El estimador propuesto aborda estos problemas mediante:

1. Preservar la Cola: Evita suprimir los extremos en la función de pérdida, utilizando en su lugar un núcleo robusto con recorte constante.
2. Garantizar Validez: Proporciona un diagnóstico de cola (PDHTE+JK) que es invariante a la elección del método central, rompiendo la circularidad.
3. Proporcionar Salidas Accionables: Entrega cantidades estructuradas de la cola (forma, niveles de retorno, déficits) y un mecanismo de rechazo explícito cuando los datos no apoyan el modelado de valores extremos.

Los autores notan modestamente las limitaciones: el método apunta a colas de residuos univariadas, la desconfusión GPS no es consistente $\sqrt{n}$, y el estimador asume que el índice de cola es causal a través de la estabilidad máxima (Proposición 2), mientras que los niveles de retorno y los déficits requieren desconfusión parcial. El enfoque se presenta como un marco práctico para la inferencia causal en entornos de colas pesadas donde los eventos extremos son la principal preocupación.