💰 quantitative finance

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

Dit artikel betoogt dat de poging tot unidirectionele causale reductie in empirische financiën fundamenteel gebrekkig is vanwege het zelfreferentiële karakter van kapitaalmarkten, en stelt in plaats daarvan dat kwantitatieve instrumenten het meest geschikt zijn voor ex post inferentie en dat alternatieve kaders die concurrerende causale ketens en reflexiviteit erkennen noodzakelijk zijn.

Oorspronkelijke auteurs: Daniel Polakow, Tim Gebbie, Emlyn Flint

Gepubliceerd 2026-05-07

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Daniel Polakow, Tim Gebbie, Emlyn Flint

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Het Grote Idee: De Kaart is niet het Territorium

Stel je voor dat je probeert een stad te navigeren. In een normale stad zijn de straten vast. Als je linksaf slaat bij de bakkerij, beland je altijd bij het park. Zo werken traditionele wetenschap en financiële modellen meestal: ze veronderstellen dat er een vaste oorzaak is (linksaf slaan) en een vast gevolg (aankomen bij het park).

De auteurs van dit paper betogen dat financiële markten niet lijken op een vaste stad. Ze zijn meer als een levende, ademende menigte mensen die elkaar in de gaten houden.

In een menigte, als iedereen ziet dat iemand naar de uitgang rent, beginnen ze allemaal ook te rennen. De "oorzaak" (één persoon die rent) creëert het "gevolg" (een stampede), maar die stampede verandert vervolgens het gedrag van de eerste persoon. De regels van het spel veranderen terwijl het spel wordt gespeeld. Het paper noemt dit Reflexiviteit.

Het Kernprobleem: De "Eénrichtingsstraat"-Fout

Moderne financiën houden van "Causale Inferentie". Dit is de wetenschappelijke poging om te bewijzen dat A B veroorzaakt.

Voorbeeld: "De rente ging omhoog (A), dus de aandelenkoersen gingen omlaag (B)."

Het paper betoogt dat in de financiën dit denken als een "éénrichtingsstraat" vaak een valstrik is.

De Markt is Zelfreferentieel: Markten zijn systemen die met zichzelf praten. Als een beroemde econoom zegt: "Aandelen zullen stijgen", geloven mensen het, kopen ze de aandelen en laten ze stijgen. De voorspelling veroorzaakte de realiteit.
De Richting Wisselt: Soms veroorzaakt A B, maar dan veroorzaakt B weer A. Soms veroorzaken ze elkaar tegelijkertijd.
De "Keizer zonder Kleren": De auteurs suggereren dat kwantitatieve financiën (QF) vermomd is in de gewaden van "harde wetenschap" (zoals natuurkunde), en doet alsof het de toekomst met zekerheid kan voorspellen. Maar omdat markten zijn opgebouwd uit menselijke psychologie en feedbacklussen, volgen ze niet dezelfde starre wetten als vallende appels of omcirkelende planeten.

Het Speelgoedmodel: De Roofdier en het Prooidier

Om hun punt te bewijzen, gebruiken de auteurs een metafoor uit de natuur: Roofdier en Prooidier (zoals wolven en konijnen).

In een simpel model zou je kunnen denken: "Meer wolven (A) veroorzaken minder konijnen (B)."
Maar in werkelijkheid, als er te weinig konijnen zijn, verhongeren de wolven en sterven ze, wat betekent dat er minder wolven zijn, waardoor de konijnen weer kunnen groeien.

De auteurs bouwden een wiskundig model dat aantoont dat zelfs als je de exacte regels kent van hoe wolven en konijnen met elkaar omgaan, je de toekomstige populatie niet betrouwbaar kunt voorspellen door alleen naar de historische data te kijken. Het systeem is te chaotisch en zelfreferentieel.

Ze passen dit toe op de financiën:

Investeerders zijn de wolven en konijnen.
Trendvolgers (wolven) eten contrarians (konijnen), maar dan passen de contrarians zich aan, of de trendvolgers worden te druk en crashen.
Het paper toont aan dat zelfs met perfecte wiskunde je niet uniek kunt achterhalen wie wie veroorzaakt door alleen naar de cijfers te kijken. De "oorzaak" is vaak een illusie die wordt gecreëerd door het gedrag van de menigte.

De Twee Soorten "Wetenschap" in Financiën

Het paper maakt een scherpe onderscheid tussen twee manieren waarop we financiële modellen gebruiken:

Model Schatting (De "Waarheid"-Valstrik): Dit is wanneer we naar historische data kijken en zeggen: "We hebben de regel gevonden! A veroorzaakt B, dus we kunnen de toekomst voorspellen." De auteurs zeggen dat dit gevaarlijk is in de financiën, omdat de markt zijn regels verandert op basis van wat we denken.
Model Kalibratie (De "Pragmatische" Aanpak): Dit is wanneer we toegeven: "We kennen de ware regel niet, maar laten we onze tools aanpassen om ons nu te helpen beslissingen te nemen." Dit is als een piloot die de besturing van het vliegtuig aanpast aan de huidige wind, in plaats van aan te nemen dat de wind altijd op dezelfde manier zal waaien.

De Conclusie: Waarom We Blijven Verrast Worden

Het paper concludeert dat financiële crises ontstaan omdat we blijven proberen een reflexief, menselijk systeem te behandelen als een gesloten, mechanisch systeem.

De Realiteit: Markten zijn "open systemen". Ze worden beïnvloed door nieuws, angst, hebzucht en het feit dat mensen zelf de modellen in de gaten houden.
Het Gevaar: Wanneer we aannemen dat "A B veroorzaakt" en daar een enorme beleggingsstrategie op bouwen, creëren we vaak een situatie waarin de markt reageert op onze strategie, waardoor de regel "A veroorzaakt B" wordt gebroken.
Het Oordeel: De auteurs betogen dat empirische financiën op veel gebieden momenteel een "pathologische wetenschap" is. Het lijkt op wetenschap, maar faalt in het voorspellen van crises omdat het negeert dat de deelnemers aan de markt dezelfde wetenschappelijke boeken lezen en hun gedrag veranderen.

Samenvattende Analogie

Stel je voor dat je probeert het weer te voorspellen door in een spiegel te kijken.

Traditionele Wetenschap: Gaat ervan uit dat de spiegel gewoon de lucht weerspiegelt. Als de lucht blauw is, toont de spiegel blauw.
Het Standpunt van het Paper: De spiegel is eigenlijk een gigantisch scherm dat het weer verandert. Als het scherm "Zonnig" toont, gaan mensen naar buiten, en hun aanwezigheid verandert op de een of andere manier de wolken.

Het paper waarschuwt ons: Stop met proberen het weer te voorspellen door naar het scherm te kijken. Geef in plaats daarvan toe dat het scherm deel uitmaakt van de storm, en wees zeer nederig over wat we eigenlijk kunnen weten.

Technische Samenvatting: Epistemische Grenzen van Empirische Financiën

Probleemstelling
Het artikel adresseert een fundamentele epistemologische crisis in de Quantitatieve Financiën (QF) en empirische financiën: de onkritische toepassing van wetenschappelijk reductionisme en unidirectionele causale inferentie op kapitaalmarkten. Hoewel er een heropleving is van interesse in causale inferentie (gebaseerd op het werk van Pearl, Angrist en Pischke) om "onjuiste" statistische methodologieën te zuiveren, betogen de auteurs dat deze beweging het risico loopt disparate fenomenen te "totaliseren". Het kernprobleem is dat kapitaalmarkten open, zelfrefererende (reflexieve) systemen zijn, terwijl standaard causale modellering gesloten systemen veronderstelt met stabiele, unieke en unidirectionele causale ketens (A veroorzaakt B).

De auteurs stellen dat het heersende paradigma in QF markten behandelt alsof ze voldoen aan epistemische normen die geschikt zijn voor de natuurwetenschappen. Echter, in reflexieve systemen verandert de daad van observatie en voorspelling het systeem zelf (het "Oedipus-effect" of "zelfvervullende voorspelling"). Bijgevolg is de aanname dat causale ketens vaststaan en uniek uit data kunnen worden gehaald om ex ante voorspellingen te ondersteunen, diep problematisch. Wanneer markten schakelen tussen verschillende causale richtingen of concurrerende causale ketens vertonen, falen standaardmodellen, wat vaak leidt tot onverwachte financiële crises.

Methodologie
Het artikel hanteert een kritische theoretische analyse in plaats van empirische datatesting. De methodologie bestaat uit drie hoofdcomponenten:

Epistemologische Kritiek: De auteurs bekijken de geschiedenis van het economisch denken, waarbij ze orthodoxe (neoklassieke) en heterodoxe scholen tegenover elkaar stellen. Ze analyseren de beperkingen van het kader van "Rationele Verwachtingen" (Muth, 1961), dat veronderstelt dat reflexiviteit geen impact heeft op de voorspellingsnauwkeurigheid. Ze putten uit het werk van Soros, MacKenzie en Lawson om markten te definiëren als "open systemen" waar correlaties niet invariant zijn en waar het systeem zijn eigen structuur kan wijzigen.
Theoretische Modellering (Toy Model): Om de instabiliteit van causale inferentie in reflexieve systemen te illustreren, passen de auteurs een roofdier-prooi-model uit de ecologie toe (May, 1976; Sugihara et al., 2012). Ze construeren een Logistiek Differentievergelijking (LDE)-systeem met twee gekoppelde kenmerken, $x(t)$ $x (t)$ en $y(t)$ $y (t)$ .
- Het model simuleert twee concurrerende causale ketens waarbij $x$ en $y$ interageren via koppelingsparameters ( $a_{y \to x}$ en $a_{x \to y}$ ).
- Het systeem wordt gediscrétiseerd om te tonen hoe unidirectionele causale relaties complexe, niet-lineaire dynamieken (bifurcaties) kunnen genereren.
- De auteurs demonstreren dat zelfs met volledige kennis van de deterministische causale regels en parameters, het gedrag van het systeem onvoorspelbaar (chaotisch) wordt onder bepaalde groeifactoren ( $r$ ) en draagkrachten ( $K$ ).
Conceptuele Synthese: Het artikel synthetiseert deze bevindingen om te betogen dat in een reflexieve omgeving het onderscheid tussen "model schatting" (aannemende dat het model waar is) en "model kalibratie" (omgaan met onzekerheid met potentieel verkeerd gespecificeerde modellen) cruciaal is.

Belangrijkste Bijdragen

Reflexiviteit als Causale Breker: Het artikel formaliseert het argument dat reflexiviteit unidirectionele causaliteit ( $A \to B$ ) instabiel maakt. In zelfrefererende markten kan $B$ $A$ veroorzaken, of kan de causale richting schakelen op basis van deelnemersverwachtingen, waardoor de causale grafiek niet-uniek wordt en niet te onderscheiden is van observationele data zonder interventie.
Het "Pathologische Wetenschap"-onderscheid: De auteurs stellen een genuanceerde classificatie van empirische financiën voor. Ze betogen dat QF niet merely "in gevaar" is om een pathologische wetenschap te worden (zoals gesuggereerd door López de Prado met betrekking tot valse claims); integendeel, het is categorisch een pathologische wetenschap in contexten waar reflexiviteit verwaarloosbaar is (waardoor ex post inferentie mogelijk is), maar duidelijk geen wetenschap in contexten waar reflexiviteit domineert (waardoor ex ante voorspelling onmogelijk wordt).
Causale Predatie en Competitie: Door ecologische modellen aan te passen, introduceert het artikel het concept van "causale predatie", waarbij concurrerende causale ketens naast elkaar bestaan en interageren. Dit daagt de notie uit dat een enkele causale grafiek marktdynamiek kan vertegenwoordigen, en suggereert in plaats daarvan dat meerdere, concurrerende versies van de werkelijkheid naast elkaar bestaan en om dominantie strijden.
Epistemische Beperkingen van Huidige Hulpmiddelen: Het artikel stelt dat huidige QF-hulpmiddelen beperkt zijn tot ex post causale inferentie onder populaire aannames. Wanneer deze aannames worden uitgedaagd door reflexieve contexten, faalt de voorskrift van unidirectionele causaliteit.

Resultaten en Bevindingen

Onderscheidingsvermogen van Feedback: De analyse van het LDE-model toont aan dat feedbackdynamiek ingebed in een unidirectionele causale grafiek (Eqn. 1) effectief niet te onderscheiden is van die in een omgekeerde causale grafiek (Eqn. 2), tenzij er top-down interventie plaatsvindt.
Onvoorspelbaarheid in Deterministische Systemen: Zelfs in een deterministisch model met bekende causale regels leidt de introductie van koppeling en zelf-interactie tot bifurcatie en instabiliteit. Dit impliceert dat men geen zinvolle stabiele causale grafieken uniek uit marktdata kan afleiden, zelfs als de onderliggende causale mechanismen bekend zijn.
Falen van Ex Ante Voorspelling: De studie concludeert dat de voorwaarden die nodig zijn om ex post begrip uit te breiden naar ex ante voorspelling ernstig beperkt zijn in reflexieve systemen. Het aanpassingsmechanisme van de markt en de vormbaarheid van causale ketens door actoren beletten de vestiging van invarianten wetten.
De "Demi-Regelmaat" van Markten: Aansluitend bij Lawson suggereert het artikel dat marktregelmatigheden "demi-regelmatigheden" zijn: probabilistisch en vatbaar voor verandering bij onderliggende structurele verschuivingen, in plaats van invarianten wetten.

Betekenis en Claims
Het artikel claimt dat de zoektocht naar causaliteit in sterk reflexieve systemen "gedoemd is te mislukken" als deze steunt op standaard reductionistische kaders. De betekenis hiervan ligt in:

Uitdagen van de "Wetenschap"-kadering: Het betoogt dat QF zich vaak kleedt in de "gewaden van causaliteit" zonder te erkennen dat de wetenschappelijke methode niet uniek haar eigen beperkingen kan onderscheiden in zelfrefererende systemen.
Hedefinieren van Risicomanagement: Het suggereert dat risicomanagement verder moet gaan dan standaard modelvalidatie om "out-of-the-box"-uitdagingen aan causale aannames en een acceptatie van "Onjuist Model"-risico omvatten.
Oproep tot Epistemische Nederigheid: De auteurs betogen dat empirische financiën vaak antwoorden zoekt onder het enige epistemische licht dat het bezit (unidirectionele causaliteit), wat ontoereikend is voor reflexieve markten. Ze roepen op tot een dieper begrip van reflexiviteit om de "tragedie van de gemeenschappelijke goederen" in factorinvestering te vermijden en de misbruik van statistische hulpmiddelen te voorkomen.
Noodzaak van Paradigmaverschuiving: Het artikel concludeert dat een levensvatbaar alternatief paradigma vereist is om marktanomalieën en reflexiviteit te verklaren, met de opmerking dat zonder een dergelijke verschuiving QF vastzit in een "spiraal van tautologische zelfreferentie".

De auteurs handhaven een bescheiden toon wat betreft specifieke algoritmische oplossingen, en vermijden expliciet het "data-science probleem" of de verdiensten van specifieke machine learning-algoritmen. In plaats daarvan focussen ze op de fundamentele aard van het probleem: de adoptie en verspreiding van modellen in een reflexieve omgeving, die een eigen leven gaat leiden, onafhankelijk van computationele hulpmiddelen.