🤖 machine learning

Amortized Interventional Forecasting for Multivariate CIR Processes

Cet article introduit CIR-ACTIVA, un cadre de prévision interventionnelle amortie pour les processus de Cox--Ingersoll--Ross multivariés qui permet une analyse causale de type « what-if » des séries temporelles financières, telles que les spreads de CDS, en distinguant les chocs causaux des corrélations historiques et en surpassant les modèles de référence observationnels tant en termes de sélectivité causale que de calibration résolue par horizon.

Auteurs originaux : Andreas Sauter, Sumit Sourabh, Drona Kandhai, Erman Acar

Publié 2026-08-05

📖 8 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Andreas Sauter, Sumit Sourabh, Drona Kandhai, Erman Acar

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

Imaginez que vous observez une nuée d'oiseaux. Parfois, ils plongent tous vers la gauche ensemble, et parfois, ils plongent tous vers la droite. Si vous vous contentez de les regarder, vous pourriez penser qu'ils copient tous les mouvements les uns des autres. Mais et si un oiseau était effrayé par un faucon et plongeait, provoquant ainsi la plongée des autres ? C'est une relation de cause à effet. Dans le monde de la finance, l'argent se déplace de manière similaire aux nuées. Les taux d'intérêt, les scores de crédit et le coût de l'emprunt montent et descendent souvent ensemble. Pendant longtemps, les ordinateurs prédisaient ces mouvements en se contentant d'observer les schéments du passé, supposant que si deux choses bougeaient ensemble, elles étaient liées. Mais c'est comme penser que le coq cause le lever du soleil simplement parce que le coq chante chaque matin.

Les outils spécifiques que les scientifiques utilisent pour modéliser ces « nuées » financières sont appelés processus CIR (nommés d'après trois chercheurs : Cox, Ingersoll et Ross). Considérez cela comme une méthode mathématique pour décrire des choses qui cherchent naturellement à revenir à une moyenne normale, comme un élastique qui revient en place après avoir été étiré. La grande question abordée par ce document est la suivante : que se passe-t-il si nous forçons une partie du système à changer ? Si nous provoquons artificiellement un choc sur le score de crédit d'une entreprise, comment les autres réagissent-elles ? Les anciens modèles ne peuvent pas répondre à cela car ils savent seulement comment les choses ont bougé ensemble par le passé, et non comment elles bougeraient si nous en poussions une. Ce document présente une nouvelle façon de répondre à ces questions de type « et si... » sans avoir à reconstruire le modèle informatique à chaque fois.

Le Problème : Le Coq et le Soleil

Dans le monde de la finance, beaucoup de choses se comportent comme un élastique. Si un écart de crédit (le coût de l'emprunt pour une entreprise) devient trop élevé, il cherche généralement à revenir à un niveau normal. S'il devient trop bas, il cherche à remonter progressivement. C'est ce qu'on appelle la « réversion à la moyenne ».

Pendant des décennies, les scientifiques ont utilisé un modèle standard appelé le processus CIR pour prédire ces mouvements. Il fonctionne très bien pour deviner ce qui pourrait se passer ensuite en se basant sur l'histoire. Mais il possède un angle mort. Il voit que deux choses bougent ensemble et suppose qu'elles sont liées. Il ne sait pas pourquoi.

Imaginez un test de résistance pour une banque. Un régulateur pourrait demander : « Que se passe-t-il si la note de crédit de l'entreprise A s'effondre ? » Un modèle intelligent devrait dire : « L'entreprise B pourrait s'inquiéter et sa note pourrait chuter aussi, mais l'entreprise C n'a rien à voir avec l'entreprise A, elle devrait donc rester calme. »

Les anciens modèles, cependant, sont comme un observateur confus qui voit l'entreprise A et l'entreprise C bouger ensemble dans le passé. Quand l'entreprise A s'effondre, l'ancien modèle panique et dit : « Oh non, l'entreprise C doit s'effondrer aussi ! » Il confond la corrélation (des choses qui arrivent en même temps) avec la causalité (une chose qui provoque l'autre). Cela conduit à des « chocs fantômes », où le modèle prédit des catastrophes pour des entreprises qui sont en réalité en sécurité, poussant les banques à gaspiller de l'argent en assurances inutiles.

La Solution : Un Simulateur de Voyage dans le Temps

Les auteurs de ce document, Andreas Sauter et son équipe, ont construit un nouvel outil appelé CIR-ACTIVA. Ils voulaient créer un système capable de répondre instantanément aux questions de type « et si... », sans avoir besoin d'être réentraîné pour chaque nouveau scénario.

Pour ce faire, ils ont dû résoudre un problème complexe : comment enseigner à un ordinateur la cause et l'effet si vous ne pouvez pas aller dans le monde réel et faire s'effondrer l'action d'une entreprise pour voir ce qui se passe ? On ne peut pas mener cette expérience sur les vrais marchés.

Alors, ils ont construit un monde virtuel. Ils ont créé un « simulateur causal » qui génère des données financières fictives. Dans ce monde fictif, ils savent exactement qui cause quoi. Ils peuvent dire : « D'accord, dans cette simulation, l'entreprise A provoque un changement chez l'entreprise B, mais l'entreprise C est totalement indépendante. » Ensuite, ils font s'effondrer l'entreprise A dans la simulation et regardent ce qui se passe. Cela leur donne la « vérité terrain » — la bonne réponse à la question « et si... ».

Ils ont entraîné leur modèle d'IA, CIR-ACTIVA, sur des millions de ces scénarios fictifs. Le modèle a appris à observer un historique de mouvements et un « choc » spécifique (comme « Force l'entreprise A à s'effondrer »), puis à prédire l'avenir de tout le groupe.

La Recette Secrète : Le Temps comme Personnage

La plupart des modèles d'IA qui prédisent l'avenir traitent le temps comme une simple liste de chiffres. CIR-ACTIVA fait quelque chose d'astucieux : il traite le temps lui-même comme un personnage de l'histoire.

Imaginez que vous racontez l'histoire d'une balle qui dévale une colline. Si vous donnez simplement à quelqu'un une liste de l'endroit où se trouvait la balle, il pourra peut-être deviner où elle va ensuite. Mais si vous lui dites : « La balle était en haut à 1h00, à mi-chemin à 1h05, et en bas à 1h10 », il comprendra la vitesse et l' élan.

CIR-ACTIVA regarde les données comme une collection de clichés, où chaque cliché possède un horodatage spécifique. Il n'apprend pas seulement que « l'entreprise A descend quand l'entreprise B descend ». Il apprend que « l'entreprise A descend rapidement juste après le choc, mais qu'ensuite elle ralentit et se stabilise au cours des prochains jours ».

Le modèle utilise également un tour spécial appelé inférence amortie. Habituellement, si vous voulez savoir ce qui se passe dans un nouveau scénario, vous devez enseigner l'information à l'ordinateur en partant de zéro. Cela prend beaucoup de temps. CIR-ACTIVA est comme un étudiant qui a étudié tellement de types de problèmes de physique qu'en cas de nouveau problème, il peut le résoudre instantanément sans ouvrir un manuel. Il a « amorti » (réparti) l'apprentissage à travers tous les scénarios d'entraînement.

Les Résultats : Repérer les Vraies Victimes

L'équipe a testé CIR-ACTIVA par rapport à d'autres modèles, y compris certains modèles très intelligents qui ne comprenaient ni le temps ni la causalité. Ils ont utilisé leur monde virtuel pour voir qui obtenait les bonnes réponses aux questions « et si... ».

Les résultats étaient clairs. Lorsqu'ils ont provoqué un choc sur une entreprise dans la simulation :

Les anciens modèles (et la référence « GMR ») : Ils ont paniqué. Ils ont prédit que tout le monde allait s'effondrer, même les entreprises qui n'avaient aucun lien avec la victime. Ils ne pouvaient pas faire la différence entre un ami et un étranger.
CIR-ACTIVA : Il est resté calme. Il a correctement prédit que la victime s'effondrerait, que ses amis directs ressentiraient la douleur, mais que les étrangers resteraient en sécurité. Il a fait preuve de sélectivité causale, ce qui signifie qu'il n'a blâmé que les bonnes personnes.

Le modèle était également bien meilleur pour prédire quand les choses se passeraient. Il savait que le choc frapperait fort immédiatement, mais qu'il s'estomperait avec le temps. Les autres modèles étaient souvent trop lents ou trop rapides dans leurs prédictions.

Pourquoi Cela Importe

Il ne s'agit pas seulement d'un jeu mathématique. Dans le monde réel, si une banque pense qu'une entreprise sûre est en danger à cause d'un « choc fantôme », elle pourrait vendre ses actions ou acheter des assurances coûteuses dont elle n'a pas besoin. Cela coûte de l'argent réel.

Les auteurs ont montré que leur modèle fonctionne extrêmement bien dans leur monde simulé. Ils ont même vérifié si leur monde fictif ressemblait au monde réel, et bien qu'il ne soit pas parfait (les vrais marchés présentent des sauts plus extrêmes que leur simulation), la capacité du modèle à séparer la cause de l'effet tenait bon.

Le document conclut que l'exactitude observationnelle n'est pas la même chose que la justesse causale. Le simple fait qu'un modèle puisse bien deviner le passé ne signifie pas qu'il puisse gérer un choc. CIR-ACTIVA offre un moyen de réaliser des tests de résistance qui disent réellement ce qui se passerait si l'on appuyait sur un bouton, plutôt que de simplement deviner en se basant sur ce qui s'est passé auparavant. C'est une étape vers des modèles financiers qui comprennent non seulement ce qui se passe, mais aussi pourquoi.

Résumé Technique : Prévision Interventionnelle Amortie pour les Processus CIR Multivariés

1. Définition du Problème

Les séries temporelles financières telles que les taux courts, les intensités de défaut et les spreads de Credit Default Swaps (CDS) sont souvent modélisées par des processus à retour à la moyenne, typiquement en utilisant le cadre de Cox–Ingersoll–Ross (CIR). Bien que les modèles CIR multivariés standards capturent avec succès les co-mouvements corrélés, ils manquent d'un mécanisme pour représenter l'influence causale entre les séries. Par conséquent, ils ne peuvent pas répondre à des requêtes interventionnelles : prédire comment un système réagit lorsqu'une série est soumise à un choc externe (par exemple, un test de résistance forçant un spread spécifique à un niveau de stress).

Les modèles de prévision actuels fournissent généralement des prévisions conditionnelles (prédire les valeurs futures étant donné des trajectoires historiques où une variable a pris une certaine valeur). Cela confond corrélation et causalité. Une valeur élevée dans une série corrélée peut être un symptôme d'un stress partagé plutôt qu'une cause ; ainsi, les modèles conditionnels peuvent attribuer à tort des effets de choc à des séries qui sont causalement protégées, menant à des évaluations de risques « fantômes » lors des tests de résistance.

Le défi central est la prévision interventionnelle : estimer la distribution post-intervention $p(\mathbf{V} | \mathcal{D}_{M_o}, do(V_i))$ pour les processus CIR multivariés. Cela est compliqué par l'équivalence observationnelle, où plusieurs modèles causaux génèrent des données observationnelles identiques mais impliquent des résultats interventionnels différents. De plus, les données financières réelles manquent d'échantillons interventionnels de vérité terrain, rendant l'évaluation des modèles de prévision causale impossible sans bancs d'essai synthétiques.

2. Méthodologie

Le document propose CIR-ACTIVA, un cadre combinant un générateur de données causal et un modèle d'inférence amorti.

2.1 Simulateur CIR Multivarié Causal

Pour entraîner et évaluer le modèle, les auteurs introduisent un processus de génération de données CIR multivarié causal. Ce simulateur génère des échantillons observationnels et interventionnels appariés, qui sont indisponibles sur les marchés réels.

Modèle Structurel Causal (SCM) : Le modèle définit $d$ variables où chacune évolue via une équation CIR discrétisée.
Moyenne de Long Terme Causale : Contrairement aux modèles CIR standards où la moyenne de long terme est fixe, ici la moyenne $b_{t+1}^i$ est une fonction structurelle des valeurs contemporaines des parents causaux ( $PaV_i$ ) et d'un facteur de modulation temporelle $c_i(t)$ .
Interventions Douces : Le simulateur applique des interventions douces $do(V_i := (1+\delta)f_i)$ , redimensionnant la dynamique d'une variable cible tout en conservant sa dépendance vis-à-vis de ses parents.
Variantes : Le simulateur inclut une variante non cyclique (moyenne stationnaire) et une variante cyclique où la moyenne de long terme suit une modulation sinusoïdale, testant la capacité du modèle à suivre des dynamiques variant dans le temps.
Calibration : Les paramètres sont calibrés sur des données réelles de CDS à 5 ans (2015–2021) pour s'assurer que les statistiques marginales (niveaux, autocorrélation, comportement des queues) ressemblent aux marchés réels, bien que le simulateur admette que les queues épaisses et la persistance des chocs réels sont plus difficiles à reproduire avec une pure diffusion.

2.2 Architecture du Modèle CIR-ACTIVA

Le modèle adapte le cadre ACTIVA (un estimateur causal amorti basé sur un $\beta$ -CVAE) pour les séries temporelles.

Cadrage Temporel : Au lieu de traiter les observations comme un ensemble non ordonné, le modèle promeut le temps comme une variable. Chaque observation est un tuple $(\mathbf{y}, t)$ . Cela permet au modèle d'apprendre les dépendances temporelles sans imposer de biais inductifs architecturaux rigides (comme les RNN), traitant la prévision comme un problème de prédiction tabulaire avec le temps comme caractéristique.
Encodeur : Utilise des encodeurs transformeurs équivariants pour traiter le contexte observationnel et la requête d'intervention. Il emploie un Flux de Normalisation Continue Conditionnel comme le prior $p_\eta(\mathbf{z} | \mathcal{D}_{M_o}, \mathbf{i})$ pour représenter une distribution latente multimodale sur les modèles causaux, préservant l'équivariance par permutation.
Décodeur : Un décodeur transformeur mappe le code latent $\mathbf{z}$ vers une distribution jointe sur les variables et le temps. Crucialement, il utilise un décodeur par compartiments d'horizon (horizon-bucketed decoder). L'horizon de prévision est partitionné en $K$ compartiments temporels, et le décodeur émet une Gaussienne à pleine covariance avec un décalage de moyenne linéaire dans le temps pour chaque compartiment. Cela permet à la loi interventionnelle de varier selon la distance de prévision.
Transformation de Sortie : Pour gérer la non-négativité des processus CIR, le modèle prédit la racine carrée des spreads ( $\sqrt{x}$ ), stabilisant la variance, et revient aux unités brutes via un changement de variable.
Entraînement : Le modèle est entraîné via un objectif $\beta$ -CVAE avec un poids $\beta$ important. Cela force la structure prédictive dans le chemin de conditionnement (données observationnelles + intervention) plutôt que dans le code latent, garantissant que le modèle peut généraliser à de nouvelles tâches sans réentraînement.

3. Contributions Clés

Modèle CIR-ACTIVA : Un nouveau modèle amorti pour l'estimation d'effets causaux distributionnels dans les processus CIR multivariés. Il cadre les trajectoires comme des observations horodatées et utilise un décodeur par compartiments d'horizon pour capturer comment les réponses aux chocs évoluent sur différents horizons de prévision.
Simulateur CIR Causal : Un processus de génération de données synthétiques qui produit des vérités terrains observationnelles et interventionnelles appariées. Cela permet l'entraînement et l'évaluation rigoureuse de modèles d'inférence causale amortis, une capacité qui manquait auparavant pour les séries temporelles.
Validation Empirique : Le cadre est instancié sur des spreads de CDS. Les auteurs démontrent que leur approche surpasse les bases de référence tant en termes de sélectivité causale (protection des séries non affectées contre les chocs fantômes) qu'en matière de calibration résolue par horizon (prédiction précise de l'évolution de la réponse au choc au fil du temps).

4. Résultats Expérimentaux

Le modèle a été évalué par rapport à quatre bases de référence : l'original ACTIVA, MACE-TNP (un estimateur de processus neuronal), une base de régression de mélange gaussien (GMR - non causale) et un plancher Oracle.

Sélectivité Causale : CIR-ACTIVA a nettement surpassé les bases de référence pour distinguer les descendants causaux des non-descendants.
- Sur les non-descendants (variables causalement protégées), l'erreur du modèle (excès sur l'Oracle) a chuté de 51 à 56 % par rapport aux descendants.
- En revanche, les bases comme GMR et ACTIVA n'ont pas réussi à réduire l'erreur pour les non-descendants, attribuant souvent des effets de choc « fantômes » à ceux-ci. MACE-TNP a montré une certaine sélectivité mais a perdu la moitié de son efficacité lorsque la dynamique devenait variable dans le temps (variante cyclique).
Calibration Résolue par Horizon : CIR-ACTIVA a obtenu l'erreur la plus faible aux horizons courts, là où la transition entre la dynamique observationnelle et interventionnelle est la plus critique.
- Sur les données cycliques, le score d'Énergie à l'horizon proche était de 0,46, nettement inférieur à MACE-TNP, ACTIVA et GMR.
- L'avantage a persisté sur tous les horizons sur le jeu de données non cyclique.
Étude d'Ablation : Le retrait du latent expressif (prior de flux) ou du décodeur par compartiments a dégradé les performances. La combinaison des deux était essentielle pour la précision à l'horizon proche, particulièrement dans le cadre cyclique.

5. Signification et Revendications

L'article affirme que la précision de la prévision observationnelle n'est pas un substitut à la justesse interventionnelle. Dans les systèmes financiers couplés, l'incapacité à distinguer la corrélation de la causalité conduit à des erreurs concrètes : les tests de résistance basés sur des modèles non causaux enregistrent des pertes et dimensionnent des couvertures contre des expositions qui n'existent pas.

CIR-ACTIVA répond à cela en :

Fournissant une méthode pour répondre à des requêtes « et si » sur des systèmes de spreads couplés sans réentraînement par scénario.
Établissant la validité sur une vérité terrain synthétique qui est indépendante de la qualité avec laquelle le simulateur correspond à la réalité, tout en démontant une ancrage pratique via un backtesting contre des CDS réels.
Offrant un benchmark contrôlé (le simulateur CIR causal) pour les futurs prévoyants causaux.

Les auteurs sont modestes quant aux limites : la vérité terrain synthétique sous-estime la persistance des chocs et la fréquence des mouvements importants (queues épaisses) trouvés dans les marchés réels, ce qui signifie que les scores rapportés représentent une limite optimiste de la performance réelle. De plus, l'implémentation actuelle est testée sur des systèmes de trois noms ; le passage à des panels de taille de portefeuille reste un défi distinct. Cependant, le cadre est agnostique à la classe d'actifs spécifique, applicable à toute série à retour à la moyenne modélisée par CIR (ex: taux courts, volatilité stochastique).