你的反事实会有多离谱？量化无控制组情况下连续处理的混杂偏差

压力测试提出了一个因果问题：如果宏观经济遵循不利的反事实路径，投资组合信用损失会如何变化？然而，标准做法仍是预测性的，可能因此对遗漏变量偏差敏感。我们提出了一个用于无控制组、连续常见处理的面板数据因果压力测试的部分识别框架。通过假设不可观测混杂变量对结果和宏观变量具有可加性影响，我们推导了一个由两个可解释灵敏度参数参数化的混杂包络。我们进一步分析了两种实际估计器——递归滚动和直接多期预测——推导了非渐近误差界，并描述了在何种情况下递归复合使得直接估计更可取。对于推断，我们将识别包络与重要性加权 conformal 预测结合起来，得到在协变量迁移下分离估计不确定性和识别不确定性的有限样本区间。在由真实美国失业路径构建的半合成实验中，标准高精度预测模型仍存在因果偏差并显著低于覆盖范围，而所提出的框架在各种压力测试期间实现了接近名义覆盖率。