인과 추론은 원인과 결과의 관계를 다룬다. 확률은 우리가 정적인 세계에 가지는 믿음을 인코딩하는 반면, 인과성은 세계가 변할 때 확률이 어떻게 변하는지를 알려준다. 인과 추론에서 “인과 계산”은 이러한 질문에 답할 수 있는 도구가 된다.

인과 추론의 목표는 정적인 조건하에서의 특정 자산 시장의 가격 예측 가능성뿐만 아니라 계속 변화하는 조건에서 다양한 시장 결과들의 역학을 추론하는 것이다.

예를 들어, 이자율(I)이 자산 가격(A)에 미치는 영향은 P(I | do(A))로 작성할 수 있다. 여기에서 “do” 연산자는 이러한 인과 관계의 변화가 이자율(I) 때문이라는 것을 의미한다.

“do” 이전에는 X가 Y를 유발한다고 구체적으로 명시할 방법이 없었다. 예를 들어, P(Y|X)는 “X”가 “Y” 결과의 더 가능성 높은 상황적 증거임을 의미한다.

전통적인 통계학은 데이터만 요약한다. – Chris

우리는 인과 추론을 위한 새로운 해결책을 제시해야 한다. 이를 위해 추론 엔진이 필요하다.

인과 추론

즉, 인과 추론은 말 그대로 특정 사건이 다른 사건을 어떻게 발생시키는지를 파악하는 추론 과정이다. 단순히 두 사건이 동시에 발생하는 것이 아닌, 하나가 다른 하나에 어떤 영향을 미치는지 이해하는 것을 목표로 한다. 인과 추론은 복잡한 상황 속 정책 결정과 비즈니스 의사 결정 등 다양한 분야에서 중요한 의사 결정 방법으로 사용된다. 인과 추론을 잘 하는 사람은 특히 복잡한 문제 해결 능력이 뛰어나다.

인과 추론의 가장 쉬운 예는 의사의 진단을 생각해볼 수 있다. 의사가 환자의 증상을 보고 질병을 진단하는 과정이 인과 추론이다. 기침 또는 고열 등의 증상이 발생하는 것은 독감 등 특정 질병 때문일 수 있다. 그렇지만 의사는 단순히 증상이 나타난다고 해서 곧바로 감기라고 진단을 내리진 않는다. 다양한 추가 검사와 환자의 이전 병력을 통해 인과 관계를 파악하여 정확한 진단을 내린다.

어떤 결정이나 해결책을 찾는 방식으로 활용 될 수 있는 쉬운 예를 생각해보자.

가령, 식물에 물을 줘야 잘 자란다는 것을 우리는 알고 있다. 이 때 ‘물주기’는 식물이 잘 자라기 위한 원인이 된다. 만약 식물이 잘 자라지 않는다면 우리는 물을 더 주거나 다른 원인이 될 수 있는 햇볕을 더 많이 쐬게 해주는 등의 방법으로 원인을 해결하려고 시도하게 된다.

다양한 경제 상황에서도 유사한 예를 찾아볼 수 있다.

만약 정부에서 최저 임금을 인상한 후 고용률에 변화가 생겼다고 해보자. 인과 추론은 최저 임금 인상이 고용률 변화의 직접적인 원인인지를 분석한다. 이를 위해 경제학자들은 경제 성장률, 물가 등 다른 경제적 요인들과 함께 최저 임금 인상의 영향을 평가하게 된다.

인과 추론은 이렇게 특정 사건 또는 조치들이 결과에 어떤 영향을 미쳤는지를 이해하는 과정이다. 이를 통해 보다 근거에 기반한 결정을 내릴 수 있게 되고 효과적인 전략을 수립할 수 있다.

추론 엔진(인퍼런스 엔진 – Inference Engine)

시장 예측을 위해 딥러닝이 할 수 있는 것은 데이터에 함수를 맞추는 것 뿐이다. 시장 변동성을 예측하기 위해 우리가 겪었던 가장 큰 문제는 시장이 변할 때마다, 딥러닝은 새로운 예측 함수를 학습해야 한다는 점이었다.

추론 엔진은 가정, 쿼리, 데이터로 구성이 된다. 추론 엔진은 특정 자산 시장에서 인과 추론의 값을 찾아 Estimand를 생산한다. 이는 가상 데이터에서 답을 찾아내는 레시피로 수학적 공식으로 만들 수 있다. 추론 엔진은 다시 실제 시장가 예측 추정과 통계적 불확실성 측정을 위해 데이터를 분석한다. 이를 통해 특정 조건에서 사건이나 가격이 어떻게 변할 수 있는지 예측한다. 즉 추론엔진은 복잡한 데이타를 분석해서 인과 관계를 이해하는데 사용된다.

몇가지 쉬운 예를 생각해보자.

의사가 환자의 증상과 다양한 검사 결과 그리고 과거 병력 등의 데이타를 바탕으로 가장 효과적인 치료법을 결정 > 추론 엔진이 복잡하고 다양한 데이타와 조건들을 분석해서 가장 가능성 있는 결론을 제시

형사들이 범죄 수사를 할 때, 다양한 증거, 목격자들의 진술, 현장 분석과 사건의 동기 등 복잡한 데이타를 분석해서 용의자를 좁혀 나가는 것 > 추론 엔진도 이처럼 복잡하고 다양한 데이타를 분석해서 사건의 원인과 결과를 추론

위의 예를 보면 추론 엔진이 어떤건지 이해할 수 있다. 자 이제 추론 엔진의 적용을 시장 변화 예측에 적용하는 단순한 모델로 설명해보자.

만약 추론 엔진이 연준의 금리 인하가 주식 시장에 미치는 영향을 예측한다면 과거 데이타, 현재 경제 상황, 금리 인화 효과 등을 분석하면 된다. 이 때 사용되는 공식은 확률 모델을 기반으로 하게 된다. 예를 들어, 베이지안 네트워크에서는 P(A|B) (A가 발생할 확률, B가 주어진 조건)와 같은 확률 공식을 사용하여 가능한 시나리오의 확률을 계산한다.

추론 엔진은 위와 같은 방식으로 복잡한 시장 경제 상황에서 데이타와 상황을 분석하고 인과 관계에 기반한 결론을 도출할 수 있다.

우리는 여기에 적응성이라는 개념을 추가했다. 이는 시장 환경이 변함에 따라 적응할 수 있도록 해준다.