因果图示意 · 从关联到识别↗
反事实 · 识别 · 效应估计
因果推断
以潜在结果与因果图定义问题，围绕识别假设、处理效应和双重机器学习，讨论因果结论的依据。
STATISTICS × QUANTITATIVE RESEARCH
你好，我是宗泽。
以统计为基础，
研究不确定性。
关注因果识别、随机动力系统与相依数据推断。
从概率假设出发，连接数学模型、数值计算与量化研究。
关注方向
因果推断 · 随机过程 · 时间序列
A LANGUAGE FOR UNCERTAINTY01 — 03
假设 · 识别 · 估计 · 验证
从数学结构到实证问题
概率论 / 统计推断 / 随机过程 / 量化研究
THEORY → INFERENCE01 / RESEARCH INTERESTS
三个方向，理解随机世界。
从识别假设出发
关注估计的依据与边界
OU 模拟路径 · 连续时间中的随机性↗
Itô 分析 · 扩散 · 数值方法
随机微分方程
用漂移与扩散刻画随机演化，连接 Itô 公式、均值回复过程、蒙特卡洛方法与量化建模。
依赖衰减示意 · 速率与矩条件共同作用↗
弱依赖 · 极限定理 · 序列建模
α 混合与时间序列
从强混合系数出发，讨论依赖衰减、矩条件与渐近推断，连接时间序列估计和样本外验证。
图形说明：因果图与依赖衰减曲线为概念示意；OU 路径由固定随机种子进行数值模拟。
02 / METHODS & CONNECTIONS
从假设出发，让结论有据可循。
理论推导与数值计算
在同一个问题中相遇
统计推断与学习
关注似然、M 估计与正则化，连接参数估计、置信区间和高维统计；区分预测误差、参数不确定性与模型偏差。
渐近理论 · 正则化 · 交叉验证
量化建模与风险
围绕收益、波动与组合风险组织模型，讨论因子暴露、协方差估计和尾部风险，并将交易成本与样本外检验纳入评价。
因子模型 · 组合优化 · VaR / ES
数值计算与验证
以数值模拟连接理论与观测，关注离散化误差、参数敏感性、时间信息边界与可复现的实验设计。
Python / R · Monte Carlo · 滚动验证
03 / RESEARCH PERSPECTIVE
关心模型，
也关心模型的边界。
研究兴趣在统计学、随机过程与量化方法的交汇处。
因果推断关注干预能改变什么；随机微分方程刻画系统如何随时间演化；相依时间序列研究观测之间的依赖，以及这些依赖如何影响推断。
我关注问题的数学结构，也关注结论成立的条件：识别是否充分，估计是否稳定，不确定性是否得到恰当度量，以及样本内结果能否经受样本外检验。
↗ 先明确假设↗ 再讨论识别与估计↗ 用验证约束结论