💰 quantitative finance

Epistemic Limits of Empirical Finance: Causal Reductionism and Self-Reference

Cet article soutient que la recherche d'une réduction causale unidirectionnelle en finance empirique est fondamentalement erronée en raison du caractère autoréférentiel des marchés financiers, suggérant à la place que les outils quantitatifs sont mieux adaptés à l'inférence ex post et que des cadres alternatifs reconnaissant des chaînes causales concurrentes et la réflexivité sont nécessaires.

Auteurs originaux : Daniel Polakow, Tim Gebbie, Emlyn Flint

Publié 2026-05-07

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Daniel Polakow, Tim Gebbie, Emlyn Flint

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

La Grande Idée : La Carte n'est pas le Territoire

Imaginez que vous essayez de vous repérer dans une ville. Dans une ville normale, les rues sont fixes. Si vous tournez à gauche à la boulangerie, vous finirez toujours au parc. C'est ainsi que fonctionnent généralement la science traditionnelle et les modèles financiers : ils supposent qu'il existe une cause fixe (tourner à gauche) et un effet fixe (arriver au parc).

Les auteurs de ce document soutiennent que les marchés financiers ne ressemblent pas à une ville fixe. Ils sont davantage comme une foule vivante et respirante qui s'observe mutuellement.

Dans une foule, si tout le monde voit quelqu'un courir vers la sortie, ils se mettent tous à courir aussi. La « cause » (une personne qui court) crée l'« effet » (une bousculade), mais la bousculade modifie ensuite le comportement de la première personne. Les règles du jeu changent pendant que le jeu se déroule. Le document appelle cela la Réflexivité.

Le Problème Central : Le Piège de la « Rue à Sens Unique »

La finance moderne adore l'« Inférence Causale ». Il s'agit de la tentative scientifique de prouver que A cause B.

Exemple : « Les taux d'intérêt ont augmenté (A), donc les prix des actions ont baissé (B). »

Le document soutient que, dans la finance, cette pensée de « rue à sens unique » est souvent un piège.

Le Marché est Auto-Référentiel : Les marchés sont des systèmes qui parlent à eux-mêmes. Si un économiste célèbre dit : « Les actions vont monter », les gens le croient, achètent les actions et les font monter. La prédiction a créé la réalité.
Les Directions S'inversent : Parfois A cause B, mais ensuite B cause A. Parfois, ils se causent mutuellement en même temps.
L'« Habit Neuf de l'Empereur » : Les auteurs suggèrent que la finance quantitative (QF) est déguisée dans les robes de la « science dure » (comme la physique), prétendant pouvoir prédire l'avenir avec certitude. Mais parce que les marchés sont constitués de psychologie humaine et de boucles de rétroaction, ils ne suivent pas les mêmes lois rigides que les pommes qui tombent ou les planètes qui orbitent.

Le Modèle Jouet : Le Prédateur et la Proie

Pour prouver leur point, les auteurs utilisent une métaphore tirée de la nature : Le Prédateur et la Proie (comme les loups et les lapins).

Dans un modèle simple, on pourrait penser : « Plus de loups (A) causent moins de lapins (B). »
Mais en réalité, s'il y a trop peu de lapins, les loups meurent de faim, ce qui signifie moins de loups, ce qui permet aux lapins de se reconstituer.

Les auteurs ont construit un modèle mathématique montrant que même si vous connaissez les règles exactes de l'interaction entre les loups et les lapins, vous ne pouvez pas prédire de manière fiable la population future simplement en examinant les données passées. Le système est trop chaotique et auto-référentiel.

Ils appliquent cela à la finance :

Les investisseurs sont les loups et les lapins.
Les suiveurs de tendance (loups) mangent les contrariants (lapins), mais ensuite les contrariants s'adaptent, ou les suiveurs de tendance deviennent trop nombreux et s'effondrent.
Le document montre que même avec des mathématiques parfaites, vous ne pouvez pas déterminer de manière unique qui cause quoi simplement en regardant les chiffres. La « cause » est souvent une illusion créée par le comportement de la foule.

Les Deux Types de « Science » en Finance

Le document établit une distinction nette entre deux façons d'utiliser les modèles financiers :

Estimation de Modèle (Le Piège de la « Vérité ») : C'est lorsque nous examinons les données passées et disons : « Nous avons trouvé la règle ! A cause B, donc nous pouvons prédire l'avenir. » Les auteurs disent que cela est dangereux en finance car le marché change ses règles en fonction de ce que nous pensons.
Calibration de Modèle (L'Approche « Pragmatique ») : C'est lorsque nous admettons : « Nous ne connaissons pas la vraie règle, mais ajustons nos outils pour nous aider à prendre des décisions maintenant. » C'est comme un pilote ajustant les commandes de l'avion en fonction du vent actuel, plutôt que de supposer que le vent soufflera toujours de la même manière.

La Conclusion : Pourquoi Nous Continuons d'être Pris au Dépourvu

Le document conclut que les crises financières surviennent parce que nous continuons à essayer de traiter un système humain réflexif comme un système mécanique fermé.

La Réalité : Les marchés sont des « systèmes ouverts ». Ils sont influencés par les nouvelles, la peur, la cupidité, et le fait que les gens observent les modèles eux-mêmes.
Le Danger : Lorsque nous supposons que « A cause B » et que nous construisons une stratégie d'investissement massive dessus, nous créons souvent une situation où le marché réagit à notre stratégie, brisant la règle « A cause B ».
Le Verdict : Les auteurs soutiennent que la finance empirique est actuellement une « science pathologique » dans de nombreux domaines. Elle ressemble à de la science, mais elle échoue à prédire les crises car elle ignore le fait que les participants du marché lisent les mêmes livres de science et modifient leur comportement.

Analogie de Résumé

Imaginez que vous essayez de prédire la météo en regardant dans un miroir.

Science Traditionnelle : Suppose que le miroir reflète simplement le ciel. Si le ciel est bleu, le miroir montre du bleu.
La Vision du Document : Le miroir est en fait un écran géant qui modifie la météo. Si l'écran affiche « Ensoleillé », les gens sortent, et leur présence modifie somehow les nuages.

Le document nous met en garde : Arrêtez d'essayer de prédire la météo en regardant l'écran. Au lieu de cela, admettez que l'écran fait partie de la tempête, et soyez très humbles quant à ce que nous pouvons réellement connaître.

Résumé technique : Limites épistémiques de la finance empirique

Énoncé du problème
L'article traite d'une crise épistémologique fondamentale en finance quantitative (FQ) et en finance empirique : l'application non critique du réductionnisme scientifique et de l'inférence causale unidirectionnelle aux marchés de capitaux. Bien qu'il y ait un regain d'intérêt pour l'inférence causale (s'appuyant sur les travaux de Pearl, Angrist et Pischke) afin d'éliminer les méthodologies statistiques « incorrectes », les auteurs soutiennent que ce mouvement risque de « totaliser » des phénomènes disparates. Le problème central est que les marchés de capitaux sont des systèmes ouverts et autoréférentiels (réflexifs), alors que la modélisation causale standard suppose des systèmes fermés dotés de chaînes causales stables, uniques et unidirectionnelles (A cause B).

Les auteurs postulent que le paradigme dominant en FQ traite les marchés comme s'ils adhéraient à des normes épistémiques adaptées aux sciences naturelles. Cependant, dans les systèmes réflexifs, l'acte d'observation et de prédiction altère le système lui-même (l'« effet Œdipe » ou la « prédiction auto-réalisatrice »). Par conséquent, l'hypothèse selon laquelle les chaînes causales sont fixes et peuvent être extraites de manière unique des données pour soutenir une prédiction ex ante est profondément problématique. Lorsque les marchés basculent entre différentes directions causales ou exhibent des chaînes causales concurrentes, les modèles standards échouent, conduisant souvent à des crises financières imprévues.

Méthodologie
L'article emploie une analyse théorique critique plutôt qu'un test de données empiriques. La méthodologie se compose de trois composantes principales :

Critique épistémologique : Les auteurs examinent l'histoire de la pensée économique, opposant les écoles orthodoxes (néoclassiques) et hétérodoxes. Ils analysent les limites du cadre des « anticipations rationnelles » (Muth, 1961), qui suppose que la réflexivité n'a aucun impact sur la précision des prédictions. Ils s'appuient sur les travaux de Soros, MacKenzie et Lawson pour définir les marchés comme des « systèmes ouverts » où les corrélations ne sont pas invariantes et où le système peut modifier sa propre structure.
Modélisation théorique (Modèle jouet) : Pour illustrer l'instabilité de l'inférence causale dans les systèmes réflexifs, les auteurs adaptent un modèle proie-prédateur issu de l'écologie (May, 1976 ; Sugihara et al., 2012). Ils construisent un système d'équations aux différences logistiques (LDE) impliquant deux caractéristiques couplées, $x(t)$ $x (t)$ et $y(t)$ $y (t)$ .
- Le modèle simule deux chaînes causales concurrentes où $x$ et $y$ interagissent via des paramètres de couplage ( $a_{y \to x}$ et $a_{x \to y}$ ).
- Le système est discrétisé pour montrer comment des relations causales unidirectionnelles peuvent générer des dynamiques complexes et non linéaires (bifurcations).
- Les auteurs démontrent que même avec une connaissance complète des règles causales déterministes et des paramètres, le comportement du système devient imprévisible (chaotique) sous certains taux de croissance ( $r$ ) et capacités de charge ( $K$ ).
Synthèse conceptuelle : L'article synthétise ces résultats pour soutenir que, dans un environnement réflexif, la distinction entre « estimation de modèle » (en supposant que le modèle est vrai) et « calibration de modèle » (gestion de l'incertitude avec des modèles potentiellement mal spécifiés) est cruciale.

Contributions clés

La réflexivité comme briseur de causalité : L'article formalise l'argument selon lequel la réflexivité rend la causalité unidirectionnelle ( $A \to B$ ) instable. Dans les marchés autoréférentiels, $B$ peut causer $A$ , ou la direction causale peut basculer en fonction des croyances des participants, rendant le graphe causal non unique et indistinguable des données observationnelles sans intervention.
La distinction « science pathologique » : Les auteurs proposent une classification nuancée de la finance empirique. Ils soutiennent que la FQ n'est pas simplement « à risque » de devenir une science pathologique (comme suggéré par López de Prado concernant de fausses affirmations) ; elle est catégoriquement une science pathologique dans des contextes où la réflexivité est négligeable (permettant une inférence ex post), mais clairement pas une science dans des contextes où la réflexivité domine (rendant la prédiction ex ante impossible).
Prédation et compétition causales : En adaptant des modèles écologiques, l'article introduit le concept de « prédation causale », où des chaînes causales concurrentes coexistent et interagissent. Cela remet en cause l'idée qu'un seul graphe causal peut représenter la dynamique des marchés, suggérant plutôt que plusieurs versions concurrentes de la réalité coexistent et rivalisent pour la domination.
Limites épistémiques des outils actuels : L'article affirme que les outils actuels de la FQ sont limités à l'inférence causale ex post sous des hypothèses populaires. Lorsque ces hypothèses sont contestées par des contextes réflexifs, la prescription de la causalité unidirectionnelle échoue.

Résultats et découvertes

Indiscernabilité de la rétroaction : L'analyse du modèle LDE démontre que les dynamiques de rétroaction intégrées dans un graphe causal unidirectionnel (Équation 1) sont effectivement indiscernables de celles d'un graphe causal inversé (Équation 2) sauf en cas d'intervention descendante.
Imprévisibilité dans les systèmes déterministes : Même dans un modèle déterministe avec des règles causales connues, l'introduction de couplage et d'auto-interaction conduit à des bifurcations et à l'instabilité. Cela implique qu'on ne peut pas déduire de manière significative des graphes causaux stables et uniques à partir des données de marché, même si les mécanismes causaux sous-jacents sont connus.
Échec de la prédiction ex ante : L'étude conclut que les conditions requises pour étendre la compréhension ex post à la prédiction ex ante sont sévèrement limitées dans les systèmes réflexifs. Le mécanisme d'adaptation du marché et la malléabilité des chaînes causales par les acteurs empêchent l'établissement de lois invariantes.
La « demi-régularité » des marchés : S'appuyant sur Lawson, l'article suggère que les régularités des marchés sont des « demi-régularités » — probabilistes et susceptibles de changer avec des décalages structurels sous-jacents, plutôt que d'être des lois invariantes.

Signification et affirmations
L'article affirme que la poursuite de la causalité dans des systèmes hautement réflexifs peut être « vouée à l'échec » si elle repose sur des cadres réductionnistes standards. Sa signification réside dans :

La remise en question du cadrage « scientifique » : Il soutient que la FQ s'habille souvent des « robes de la causalité » sans reconnaître que la méthode scientifique ne peut pas discerner de manière unique ses propres limites dans les systèmes autoréférentiels.
Redéfinition de la gestion des risques : Il suggère que la gestion des risques doit aller au-delà de la validation standard des modèles pour inclure des défis « hors des sentiers battus » aux hypothèses causales et une acceptation du risque de « modèle incorrect ».
Appel à l'humilité épistémologique : Les auteurs soutiennent que la finance empirique cherche fréquemment des réponses sous la seule lumière épistémologique dont elle dispose (la causalité unidirectionnelle), ce qui est insuffisant pour les marchés réflexifs. Ils appellent à une compréhension plus profonde de la réflexivité pour éviter la « tragédie des communs » dans l'investissement factoriel et pour prévenir la mauvaise application des outils statistiques.
Nécessité d'un changement de paradigme : L'article conclut qu'un paradigme alternatif viable est nécessaire pour rendre compte des anomalies de marché et de la réflexivité, notant que sans un tel changement, la FQ reste piégée dans une « spirale d'autoréférence tautologique ».

Les auteurs maintiennent un ton modeste concernant les solutions algorithmiques spécifiques, évitant explicitement le « problème de la science des données » ou les mérites d'algorithmes d'apprentissage automatique spécifiques. Au lieu de cela, ils se concentrent sur la nature fondamentale du problème : l'adoption et la diffusion de modèles dans un environnement réflexif, qui acquiert une vie propre indépendante des outils computationnels.