因果与模拟

描述不是因果主张

「本月放款额跌了 12%，华东贡献了其中 92%」——这句话是恒等式分解， 在任何意义上都成立，也完全没说「是华东引起了下跌」。 可能华东只是体量大（同样的跌幅自然贡献最多），也可能两地同跌而华东只是先跌。 把分解当原因用，是数据产品最常见的越界。

因果升级梯要做的，是把「从描述走到反事实估计」变成一条有条件的梯子： 默认停在 L1（只做确定性分解）；只有当清单上的条件逐条可判定且全部满足， 才升级到 L2 差中差（DiD）或 L3 合成对照。三条铁律贯穿全篇： ① 条件满足才升级，不满足诚实降级回 L1； ② 算不出 ≠ 平行（检验做不出就不升级，与「算不出 ≠ 在带内」同一条纪律）； ③ 每条结论都带非空的假设清单，「无法由数据检验」的条目写出来而不是省略。

flowchart TB
    T["触发（已超出噪声带）"]:::entry --> C{"条件清单逐条实测"}:::gate
    C -->|"任一未过"| L1["L1 确定性分解
描述，不主张因果
unmet 各带实测值 / 阈值"]:::exec
    C -->|"C1–C5 全过"| L2["L2 差中差 DiD
ATT =（T_post−T_pre）−（C_post−C_pre）"]:::exec
    L2 -->|"mode=auto 且 C6 供体拟合通过"| L3["L3 合成对照
等权供体 · 比值外推"]:::exec
    L2 -->|"C6 未过"| S2["诚实停在 L2
unmet 写明卡在哪"]:::entry
    classDef entry fill:#71717a14,stroke:#71717a59,stroke-width:1px;
    classDef exec fill:#14b8a614,stroke:#14b8a699,stroke-width:1.5px;
    classDef gate fill:#f59e0b14,stroke:#f59e0b99,stroke-width:1.5px;
    linkStyle 2 stroke:#f59e0b,stroke-width:1.5px

条件清单：每一条都带实测值与阈值

升级判定是一个纯函数 causal.py:305 ladder_decision： 所有条件在调用前已被实测，函数只做「过/不过」的折叠。不过时返回 unmet 清单， 每条 {condition, reason, measured, threshold}—— 例如 C1: insufficient_blocks（实测 5 / 阈值 8）。

条件之间存在取数顺序，顺序即记账顺序：C4/C1 不过（块都建不出来或太少）时 不花第二条 SQL；预算不够时两条都不花、让路记账。 代价上界因此是明确的：至多 2 条取数（处置组一条 + 对照帧一条），两条都成功才记账。

还有一条容易被当成装饰、实际是审计核心的要求：假设清单永远非空 causal.py:379 assumptions_for。 每条假设附 checked：True = 在本级被检验且通过； None = 数据无法检验——写出来而不是省略。 比如 L2/L3 都有的「对照单元未受同一干预影响（数据无法检验）」， 它永远以 checked=None 出现在结论旁边。「无法检验」本身就是审计事实。

placebo 前窗：唯一不发明分布的噪声来源

DiD 的全部输入是四个数：ATT = (T_post − T_pre) − (C_post − C_pre) effect.py:59 did_2x2。 四个数没有残差自由度——教科书的模型标准误在这里无从谈起。Trove 的做法是： 只承认一种噪声，即前窗上反复做 placebo（把历史相邻块对假装成 「干预前/后」做同样的 2×2）得到的漂移散布 causal.py:119 placebo_pairs。 四值齐备才算一对，缺值的块跳过而不是补零——补出来的对会稀释 散布，而散布正是唯一噪声来源；少一对只是少一个样本，补一个假的却会污染全部结论。

由此得到两件东西，措辞都经过刻意收紧：

• did_se causal.py:188 did_se = placebo 漂移的标准差（≥2 对，ddof=1），源码明标 「非模型标准误」——它是漂移散布的粗噪声估计，不是一个假装有理论的量；
• crosses_zero causal.py:202 crosses_zero 用 ±2·se 的朴素带判断效应是否跨零，不冒充置信区间； se 缺失 → None（判不了），绝不返回 False 装「不跨零」。

平行检验本身也是三态的 causal.py:151 parallel_trends： scale（取 max(|T_pre|, |C_pre|)）为 0 或缺失 → zero_scale； 一对都没有 → no_placebo_pairs；placebo=None（检验整体做不出）→ 梯子直接停住，reason placebo_unverifiable。算不出 ≠ 平行—— 这和统计侧「算不出 ≠ 在带内」是同一条纪律换了个场景。检验不过时， 返回体带着 max_abs_did 与 threshold，「差多少才算过」照例可见。

L3 合成对照：无优化器版

没有现成对照组时，用「未受干预的同维单元」合成一个 causal.py:213 donor_counterfactual。 四步全部手算：① 前窗 index 拟合——各块按前窗均值归一化， fit = max_j |T_j/T̄ − D_j/D̄| ≤ tolerance 才准升级； ② 反事实——cf_post = T̄ × (D_post/D̄)（供体当期的整体变动率外推到处理组）； ③ 效应——effect = T_post − cf_post； ④ 数据不齐的供体进 skipped 不参与，一个供体都不剩 → no_donors 不升级。

这是刻意的最简可解释版：等权供体平均 + 比值外推，没有权重求解。 合成对照的经典做法（权重优化器）需要数值优化，超出「零第三方依赖、可复算」的 边界——verdict 是不可编辑的审计记录，反事实估计必须能从证据里的数字复算出 同一结果，优化器的收敛细节做不到这一点。

供体池的构造在取数侧完成，有一处「过滤手术」值得单说 causal_source.py:80 donor_plan： 处理组的身份就写在 subject 的等值过滤里（region=华东）。 按维分组取对照帧时必须摘掉钉在对照维上的等值过滤—— 不摘，分组结果只剩处理组自己一行，对照与供体池都不存在； 摘掉后对照组 = control.value 那一行，供体池 = 其余行， 并排除被 subject 钉住的处理组标签（供体受同一干预，合成对照就不成立）。 一颗钉子都没有（处理组 = 整个总体）→ treated_unidentified： 此时任何供体都是处理组的子集，L3 诚实不可用。

what-if：同一条内核，同一份数字

「如果华东再降 10%，这条规则会响吗」——模拟的第一纪律是零查询： 数据来源只有两条，重放最近一条 verdict 的 evidence.rows （判定当时到底在哪些数字上判的），或调用方直接给的 maps。 绝不为了「如果…会怎样」去查业务库——再取一份数字，判的就不是同一个东西了； 模拟的价值在于同一条内核（judge）在同一份数字上重跑。

flowchart LR
    V["最近一条 verdict
evidence.rows"]:::entry --> S["场景解析 parse_scenario
pct / abs / set · 未知键报错"]:::exec
    S --> A["假想数字 apply_adjustments
unapplied 记账"]:::exec
    V --> J1["judge（原数字）"]:::gate
    A --> J2["judge（假想数字）"]:::gate
    J1 --> F["flip：none / fired / cleared"]:::entry
    J2 --> F
    classDef entry fill:#71717a14,stroke:#71717a59,stroke-width:1px;
    classDef exec fill:#14b8a614,stroke:#14b8a699,stroke-width:1.5px;
    classDef gate fill:#f59e0b14,stroke:#f59e0b99,stroke-width:1.5px;

另外两条纪律与升级梯同源：

还有一个安静的选择：没有带位数据时（调用方模式、或老 verdict 没记）， require_gate 不施加——假装带没确认会把所有组判成「不触发」， 读起来像「这条规则永远不响」，比不给模拟更糟。此时翻转是条件级的， degraded 立刻说明。场景解析本身是闭集校验 whatif.py:54 parse_scenario： 未知键、未知 field/mode、非数值 value 全部在解析期抛 WhatIfError 并列出合法键—— 静默忽略一条调整，会让「模拟过了」与「模拟的是别的场景」看起来一样。

怎么用

在规则里声明 causal（schema v4）。前置：规则必须有 seasonal （块规格，因果复用同一套块语义），且 subject 用等值过滤把处理组钉到维值粒度：

seasonal:                     # 因果的块规格（复用噪声带声明）
  grain: month
  lookback: 12
causal:
  mode: auto                  # auto = L2 过后再试 L3；did = 只到 L2
  control:                    # 恰一种形态，解析期强制
    dim: region               # 形态一：对照 = 该维取 value 的那一行
    value: 华北                #        供体池 = 该维其余取值
  # filters:                  # 形态二：窄口径序列（供体池不存在，L3 不可用）
  #   - {field: product, op: "=", value: 车贷}
  placebo_blocks: 4           # 前窗相邻块对（k 对需要 k+1 个块）
  tolerance: 0.1              # 相对容差（相对前窗水平量级）

触发后的证据里随之多出 causal 节：rung（L1/L2/L3）、 unmet、assumptions、treated / control（含各自 SQL）、 placebo、synthetic、degraded——全部进 verdict 审计行。 通知缀由 causal.py:425 causal_line 生成，仅 L2/L3 且有效应时缀上（L1 拒绝主张的效应不上通知）： 「净效应：+1,234.00（DiD·区间不跨零）」——crosses_zero 为 None 时后缀是 「噪声估计不足」，限定语 causal.py:80 CAUSAL_NOTE （「条件式反事实估计，不是实验结论；不进入触发判定」）在证据节里。

what-if 走管理端 API POST /v1/admin/decisions/{rule_id}/simulate decisions.py:429 simulate： body 传 scenario（[{dim, field, mode, value}, …]，空数组 = 只重放）， 响应含 before/after 两次判定、applied/unapplied、 flip 与一句话摘要。模拟不写进判定历史——推测性评估不污染审计线。

取舍

优势在哪

• 条件式、可审计。每条 unmet 带实测值与阈值，「卡在哪、差多少才算过」一眼可见——不是一句「条件不足」。
• 同一把尺子。升级梯的 2×2 与效果验收（闭环与契约）的净效应估计是字面同一份实现（effect.py）——「判定看到的净效应」与「验收算出的净效应」不可能对不上。
• 诚实降级链。编译 MISS、SQL 报错、数据不足、预算让路——全部只进 degraded，绝不上抛、绝不改 triggered；附录永远是附录。
• 可复算、零依赖。反事实估计只用手算公式与 stdlib；模拟从证据重放——两件事都不需要再碰数据库，也不需要相信第二次计算结果。
• 假设显式化。每级结论都带假设清单，可检验的附实测细节，不可检验的以 checked=None 出现——审计看得到「我们站在什么上面」。

继续读