Resumo Técnico: Parar de Suprimir a Cauda: Inferência Causal para Eventos Extremos

1. Declaração do Problema

A estimação da Função de Resposta-Dose Média (ADRF), $\theta(t) = E[Y(t)]$, sob tratamento contínuo é uma tarefa fundamental na inferência causal, tipicamente abordada via Double Machine Learning (DML). No entanto, quando os resultados $Y$ exibem caudas pesadas (por exemplo, retornos financeiros, sinistros de seguros, perdas climáticas), as abordagens padrão de DML robustas enfrentam um dilema crítico:

1. Supressão da Cauda: Para estabilizar a média do volume principal, os métodos robustos de DML (usando perdas de Huber, Quantil ou Winsorizadas) suprimem deliberadamente valores extremos. Embora isso estabilize a estimativa pontual, descarta a informação da cauda que frequentemente é a quantidade primária de interesse em domínios de alto risco (por exemplo, a perda de 1 em 1000).
2. Dependência Circular na Estimação da Cauda: Uma alternativa ingênua é estimar características da cauda (por exemplo, o formato $\xi$ da Distribuição Generalizada de Pareto) a partir dos resíduos do estimador central de DML. Isso introduz uma circularidade estrutural: o formato de cauda inferido $\hat{\xi}$ torna-se uma função da escolha do estimador central. Por exemplo, no mesmo conjunto de dados, trocar a perda central de Huber para Welsch pode deslocar o formato de cauda inferido de limitado ($\hat{\xi} \approx -0,42$) para cauda pesada ($\hat{\xi} \approx +0,28$), tornando o diagnóstico não confiável.
3. Ausência de Saída de Cauda: O DML robusto padrão retorna apenas uma estimativa pontual estabilizada no volume principal, omitindo estimativas de formato de cauda, quantis extremos ou déficits condicionais.

2. Metodologia

Os autores propõem um estimador de dois componentes que desacopla a estimação central da ADRF do diagnóstico de cauda, garantindo que a saída da cauda seja invariante à escolha do método central.

A. Estimador Central: TailWelsch-DML

O primeiro componente é um estimador central robusto projetado para preservar a taxa de convergência DML ortogonal de Neyman padrão, minimizando ao mesmo tempo a supressão da cauda.

• Mecanismo: Emprega um estimador-M local-linear ponderado por kernel usando uma função de peso Welsch de descida: $w(r) = \exp(-\gamma (r/\sigma)^2)$.
• Recorte Fixo: Ao contrário de abordagens adaptativas, o parâmetro de recorte $\gamma$ é mantido constante em um valor suave ($\gamma = 0,10$). Os autores argumentam que vincular $\gamma$ a uma estimativa de cauda orientada por dados não melhora o Erro Absoluto Médio (MAE) da ADRF central e que a informação da cauda é melhor utilizada na saída pós-central.
• Benefício: Este design garante que a perda da segunda etapa esteja livre de ajuste dependente de dados, permitindo que as taxas DML padrão se apliquem diretamente.

B. Diagnóstico de Cauda: PDHTE+JK

O segundo componente estima o formato de cauda por tratamento $\hat{\xi}(t)$ e a escala $\hat{\sigma}(t)$ sem depender dos resíduos do estimador central, quebrando assim a dependência circular.

• Centralização pela Mediana Piloto: Em vez de usar $Y - \hat{\theta}(T)$, o método centraliza o resultado $Y$ usando uma mediana ponderada por kernel piloto $\tilde{Y}(t)$. Essa estimativa de localização é independente do método central a jusante.
• Detecção de Platô: O método aplica um estimador de Hill em uma faixa de frações de estatísticas de ordem ($\kappa$) para detectar um "platô" (estabilidade em $\hat{\xi}$). Um limite de coeficiente de variação (CV) (<0,25) determina se existe uma cauda de variação regular.
• Estimação Híbrida: Se um platô for detectado, a estimativa final de formato utiliza um estimador de momento Dekkers-Einmahl-de Haan (DEdH) (não viesado nos domínios Fréchet, Gumbel e Weibull).
• Correção Jackknife: Um jackknife com amortecimento de contração é aplicado para corrigir o viés de amostra finita do estimador DEdH.
• Mecanismo de Recusa: Se a condição de platô não for atendida (indicando que os dados não seguem um regime de cauda de variação regular), o estimador recusa-se explicitamente a extrapolar, retornando uma saída indefinida em vez de uma estimativa de cauda espúria.

C. Funcionais Causais Pós-Central

Usando as saídas do central e do diagnóstico, o framework constrói cinco quantidades condicionais à cauda:

1. Formato por Cauda $\hat{\xi}(t)$: A estimativa de formato de cauda invariante.
2. Recuperação da Média $\hat{E}[Y(t)]$: Uma fórmula que reconstrói a ADRF média completa adicionando contribuições GPD condicionais ao sinal (para excessos positivos e negativos) à estimativa central robusta $\hat{\theta}_W(t)$. Isso é crucial para contaminação assimétrica onde o funcional-M difere da média.
3. Níveis de Retorno Híbridos $\hat{Q}_\alpha(t)$: Quantis extremos estimados via uma abordagem híbrida:
   • Modo Empírico: Usa quantis empíricos ponderados por kernel quando o tamanho efetivo da amostra é suficiente ($\alpha n_{eff} \ge 1$).
   • Modo GPD: Usa extrapolação GPD apenas quando os dados são escassos ($\alpha n_{eff} < 1$).
4. Déficit Condicional $\hat{S}_\alpha(t)$: A perda esperada dado um excesso (análogo ao CVaR), derivada em forma fechada a partir do ajuste GPD.
5. Efeito Causal de Cauda: A sensibilidade do nível de retorno ao tratamento, $\partial \hat{Q}_\alpha / \partial t$.

Desconfundimento: Para configurações confundidas ($T \not\perp X$), o método aplica pesos de estabilização de Pontuação de Propensão Generalizada (GPS) aos pesos do kernel. Embora isso não alcance consistência $\sqrt{n}$, fornece um desconfundimento parcial de primeira ordem, reduzindo o viés nos níveis de retorno em aproximadamente 63%.

3. Contribuições Principais

1. TailWelsch-DML: Um estimador central Welsch-DML de descida com recorte constante ($\gamma=0,10$) que melhora o MAE da ADRF central em 11,6% sobre o DML Padrão em painéis de verificação.
2. PDHTE+JK: Um estimador híbrido de detecção de platô que consome apenas resultados centralizados pela mediana piloto. Estabelece invariância de método, garantindo que os diagnósticos de cauda não sejam confundidos pela escolha da perda robusta central. Inclui um mecanismo de recusa explícito quando as premissas de EVT falham.
3. Funcionais Causais Condicionais à Cauda: Um conjunto de cinco saídas (formato, recuperação da média, níveis de retorno, déficit, efeito de cauda) que fornecem métricas de eventos extremos acionáveis juntamente com a estimativa pontual.
4. Superioridade Empírica: Reduções demonstradas no erro de cauda profunda em comparação com linhas de base padrão.

4. Resultados Experimentais

O artigo valida a abordagem em Processos Geradores de Dados (DGPs) sintéticos e dados do mundo real (sinistros de seguros automotivos freMTPL2).

• Desempenho Central: O TailWelsch-DML reduz o MAE da ADRF central em 11,6% (IC 90%: $[-17,3\%, -5,8\%]$) em comparação com o DML Padrão e supera marginalmente o Huber-DML.
• Invariância de Método: Em DGPs assimétricos onde estimadores baseados em resíduos (Padrão, Huber, Welsch) produziram formatos de cauda conflitantes (variando de $-0,42$a$+0,28$), o PDHTE+JK recusou-se corretamente a estimar, demonstrando sua independência do método central.
• Precisão de Cauda Profunda ($\alpha = 0,001$):
  • O estimador proposto reduziu o MAE do Nível de Retorno em 11% em comparação com a Regressão Quantílica Ponderada por Kernel (QR).
  • Reduziu o MAE do Déficit Condicional em 25,5% em comparação com a QR.
  • Em regimes de amostra pequena ($n \le 2000$), a redução do MAE variou de 20% a 29%.
• Classificação de Regime: O método classificou corretamente regimes de cauda pesada (Fréchet) em 6/6 casos, enquanto os proxies derivados da QR tiveram sucesso em apenas 1/6 casos.
• Aplicação no Mundo Real (freMTPL2): Em sinistros de seguros automotivos com curtose extrema (1667), o estimador proposto recusou-se explicitamente a extrapolar na escala de log-sinistro (onde a curtose era baixa), uma saída de segurança crítica que nem a QR nem o DML apenas de perda produziram.

5. Significado e Alegações

O artigo argumenta que a prática padrão de suprimir caudas pesadas para estabilizar estimativas de ADRF descarta as próprias quantidades que impulsionam decisões de alto risco (por exemplo, perdas extremas). Além disso, destaca que inferir propriedades de cauda a partir de resíduos do estimador central cria uma dependência circular que invalida o diagnóstico.

O estimador proposto aborda essas questões ao:

1. Preservar a Cauda: Evita suprimir extremos na função de perda, usando em vez disso um núcleo robusto com recorte constante.
2. Garantir Validade: Fornece um diagnóstico de cauda (PDHTE+JK) que é invariante à escolha do método central, quebrando a circularidade.
3. Fornecer Saídas Acionáveis: Entrega quantidades estruturadas de cauda (formato, níveis de retorno, déficits) e um mecanismo de recusa explícito quando os dados não suportam a modelagem de valores extremos.

Os autores observam modestamente limitações: o método visa caudas de resíduos univariadas, o desconfundimento GPS não é consistente em $\sqrt{n}$, e o estimador assume que o índice de cauda é causal via estabilidade máxima (Proposição 2), enquanto níveis de retorno e déficits requerem desconfundimento parcial. A abordagem é apresentada como um framework prático para inferência causal em configurações de cauda pesada onde eventos extremos são a principal preocupação.