Sintesi Tecnica: Smettere di Sopprimere la Coda: Inferenza Causale per Eventi Estremi

1. Enunciato del Problema

La stima della Funzione Media Dose-Risposta (ADRF), $\theta(t) = E[Y(t)]$, sotto trattamento continuo è un compito fondamentale nell'inferenza causale, tipicamente affrontato tramite il Double Machine Learning (DML). Tuttavia, quando i risultati $Y$ presentano code pesanti (ad esempio, rendimenti finanziari, richieste di risarcimento assicurativo, perdite climatiche), gli approcci DML robusti standard si trovano di fronte a un dilemma critico:

1. Soppressione della Coda: Per stabilizzare la media del corpo, i metodi DML robusti (che utilizzano funzioni di perdita di Huber, quantili o troncate) sopprimono deliberatamente i valori estremi. Sebbene ciò stabilizzi la stima puntuale, scarta le informazioni sulla coda che sono spesso la quantità primaria di interesse in ambiti ad alto rischio (ad esempio, la perdita su 1 su 1000).
2. Dipendenza Circolare nella Stima della Coda: Un'alternativa ingenua è stimare le caratteristiche della coda (ad esempio, il parametro di forma $\xi$ della Distribuzione Pareto Generalizzata) dai residui del stimatore DML principale. Ciò introduce una circolarità strutturale: la forma della coda inferita $\hat{\xi}$ diventa una funzione della scelta dello stimatore principale. Ad esempio, sullo stesso dataset, passare dalla funzione di perdita principale da Huber a Welsch può spostare la forma della coda inferita da limitata ($\hat{\xi} \approx -0.42$) a coda pesante ($\hat{\xi} \approx +0.28$), rendendo la diagnostica inaffidabile.
3. Mancanza di Output sulla Coda: Il DML robusto standard restituisce solo una stima puntuale stabilizzata del corpo, omettendo stime della forma della coda, quantili estremi o carenze condizionali.

2. Metodologia

Gli autori propongono uno stimatore a due componenti che disaccoppia la stima principale dell'ADRF dalla diagnostica della coda, garantendo che l'output sulla coda sia invariante rispetto alla scelta del metodo principale.

A. Stimatore Principale: TailWelsch-DML

Il primo componente è uno stimatore principale robusto progettato per preservare la velocità di convergenza DML ortogonale di Neyman standard, minimizzando al contempo la soppressione della coda.

• Meccanismo: Impiega uno stimatore M lineare locale pesato con kernel che utilizza una funzione di peso Welsch ridiscendente: $w(r) = \exp(-\gamma (r/\sigma)^2)$.
• Troncamento Fisso: A differenza degli approcci adattivi, il parametro di troncamento $\gamma$ è mantenuto costante a un valore lieve ($\gamma = 0.10$). Gli autori sostengono che legare $\gamma$ a una stima della coda basata sui dati non migliora l'Errore Assoluto Medio (MAE) dell'ADRF principale e che le informazioni sulla coda sono meglio utilizzate nell'output post-principale.
• Vantaggio: Questa progettazione garantisce che la perdita del secondo stadio sia libera da regolazioni dipendenti dai dati, permettendo alle velocità DML standard di applicarsi direttamente.

B. Diagnostica della Coda: PDHTE+JK

Il secondo componente stima la forma $\hat{\xi}(t)$ e la scala $\hat{\sigma}(t)$ della coda per trattamento senza fare affidamento sui residui dello stimatore principale, rompendo così la dipendenza circolare.

• Centratura Mediana Pilota: Invece di utilizzare $Y - \hat{\theta}(T)$, il metodo centra il risultato $Y$ utilizzando una mediana pesata con kernel pilota $\tilde{Y}(t)$. Questa stima di posizione è indipendente dal metodo principale a valle.
• Rilevamento del Plateau: Il metodo applica uno stimatore di Hill su una serie di frazioni di statistiche d'ordine ($\kappa$) per rilevare un "plateau" (stabilità in $\hat{\xi}$). Una soglia del coefficiente di variazione (CV) (<0.25) determina se esiste una coda a variazione regolare.
• Stima Ibrida: Se viene rilevato un plateau, la stima finale della forma utilizza uno stimatore di momento Dekkers-Einmahl-de Haan (DEdH) (non distorto attraverso i domini di Fréchet, Gumbel e Weibull).
• Correzione Jackknife: Viene applicata una correzione jackknife smorzata da contrazione per correggere il bias di campione finito dello stimatore DEdH.
• Meccanismo di Rifiuto: Se la condizione di plateau non è soddisfatta (indicando che i dati non seguono un regime di coda a variazione regolare), lo stimatore si rifiuta esplicitamente di estrapolare, restituendo un output non definito piuttosto che una stima della coda spuria.

C. Funzionali Causali Post-Principali

Utilizzando gli output dal componente principale e dalla diagnostica, il framework costruisce cinque quantità condizionali alla coda:

1. Forma per Coda $\hat{\xi}(t)$: La stima della forma della coda invariante.
2. Recupero della Media $\hat{E}[Y(t)]$: Una formula che ricostruisce la media ADRF completa aggiungendo contributi GPD condizionati al segno (per eccedenze positive e negative) alla stima principale robusta $\hat{\theta}_W(t)$. Ciò è cruciale per contaminazioni asimmetriche dove il funzionale M differisce dalla media.
3. Livelli di Ritorno Ibridi $\hat{Q}_\alpha(t)$: Quantili estremi stimati tramite un approccio ibrido:
   • Modalità Empirica: Utilizza quantili empirici pesati con kernel quando la dimensione del campione efficace è sufficiente ($\alpha n_{eff} \ge 1$).
   • Modalità GPD: Utilizza l'estrapolazione GPD solo quando i dati sono scarsi ($\alpha n_{eff} < 1$).
4. Carenza Condizionata $\hat{S}_\alpha(t)$: La perdita attesa data un'eccedenza (analoga al CVaR), derivata in forma chiusa dal fitting GPD.
5. Effetto Coda Causale: La sensibilità del livello di ritorno al trattamento, $\partial \hat{Q}_\alpha / \partial t$.

Deconfondimento: Per contesti confusi ($T \not\perp X$), il metodo applica pesi di stabilizzazione del Punteggio di Propensione Generalizzato (GPS) ai pesi del kernel. Sebbene ciò non raggiunga la consistenza $\sqrt{n}$, fornisce un deconfondimento parziale del primo ordine, riducendo il bias nei livelli di ritorno di circa il 63%.

3. Contributi Chiave

1. TailWelsch-DML: Uno stimatore principale Welsch-DML ridiscendente con troncamento costante ($\gamma=0.10$) che migliora il MAE dell'ADRF principale dell'11,6% rispetto a Standard-DML sui pannelli di verifica.
2. PDHTE+JK: Uno stimatore ibrido della coda con rilevamento del plateau che consuma solo risultati centrati sulla mediana pilota. Stabilisce l'invarianza metodologica, garantendo che le diagnostiche della coda non siano confuse dalla scelta della funzione di perdita robusta principale. Include un meccanismo di rifiuto esplicito quando le assunzioni EVT falliscono.
3. Funzionali Causali Condizionati alla Coda: Una suite di cinque output (forma, recupero della media, livelli di ritorno, carenza, effetto coda) che forniscono metriche di eventi estremi azionabili insieme alla stima puntuale.
4. Superiorità Empirica: Riduzioni dimostrate nell'errore della coda profonda rispetto alle linee di base standard.

4. Risultati Sperimentali

Il documento convalida l'approccio attraverso Processi Generativi di Dati (DGP) sintetici e dati reali (richieste di risarcimento assicurativo motorio freMTPL2).

• Prestazioni Principali: TailWelsch-DML riduce il MAE dell'ADRF principale dell'11,6% (IC 90%: $[-17,3\%, -5,8\%]$) rispetto a Standard-DML e supera marginalmente Huber-DML.
• Invarianza Metodologica: Su DGP asimmetrici dove stimatori basati sui residui (Standard, Huber, Welsch) producevano forme di coda conflittuali (da $-0,42$a$+0,28$), PDHTE+JK si è rifiutato correttamente di stimare, dimostrando la sua indipendenza dal metodo principale.
• Accuratezza della Coda Profonda ($\alpha = 0,001$):
  • Lo stimatore proposto ha ridotto il MAE del Livello di Ritorno dell'11% rispetto alla Regressione Quantilica (QR) pesata con kernel.
  • Ha ridotto il MAE della Carenza Condizionata del 25,5% rispetto alla QR.
  • In regimi di piccoli campioni ($n \le 2000$), la riduzione del MAE è variata dal 20% al 29%.
• Classificazione del Regime: Il metodo ha classificato correttamente i regimi a coda pesante (Fréchet) in 6 su 6 casi, mentre i proxy derivati dalla QR hanno avuto successo in solo 1 su 6 casi.
• Applicazione Reale (freMTPL2): Su richieste di risarcimento assicurativo motorio con curtosi estrema (1667), lo stimatore proposto si è rifiutato esplicitamente di estrapolare sulla scala del log-claim (dove la curtosi era bassa), un output di sicurezza critico che né la QR né il DML solo perdita hanno prodotto.

5. Significato e Affermazioni

Il documento sostiene che la pratica standard di sopprimere le code pesanti per stabilizzare le stime ADRF scarta proprio le quantità che guidano le decisioni ad alto rischio (ad esempio, perdite estreme). Inoltre, evidenzia che inferire le proprietà della coda dai residui dello stimatore principale crea una dipendenza circolare che invalida la diagnostica.

Lo stimatore proposto affronta questi problemi:

1. Preservando la Coda: Evita di sopprimere gli estremi nella funzione di perdita, utilizzando invece un nucleo robusto a troncamento costante.
2. Garantendo la Validità: Fornisce una diagnostica della coda (PDHTE+JK) che è invariante rispetto alla scelta del metodo principale, rompendo la circolarità.
3. Fornendo Output Azionabili: Consegna quantità strutturate della coda (forma, livelli di ritorno, carenze) e un meccanismo di rifiuto esplicito quando i dati non supportano la modellazione dei valori estremi.

Gli autori notano modestamente i limiti: il metodo mira alle code dei residui univariati, il deconfondimento GPS non è consistente a $\sqrt{n}$, e lo stimatore assume che l'indice di coda sia causale tramite stabilità massima (Proposizione 2), mentre i livelli di ritorno e le carenze richiedono deconfondimento parziale. L'approccio è presentato come un framework pratico per l'inferenza causale in contesti a code pesanti dove gli eventi estremi sono la preoccupazione primaria.