Introdução
Dois gráficos sobem praticamente juntos.
A Selic aumenta.
O CDI também acompanha de perto.
Visualmente, a relação parece tão forte que surge uma conclusão quase automática:
“Então a Selic causa o CDI.”
Ou talvez:
“Se o CDI acompanha a Selic, basta olhar um para explicar o outro.”
É justamente aqui que precisamos de cuidado.
Encontrar duas variáveis que se movimentam de maneira semelhante não é suficiente para demonstrar que uma provoca a outra.
Essa é uma das ideias mais importantes em análise de dados:
correlação não é causalidade.
Correlação descreve associação estatística.
Causalidade tenta responder uma pergunta muito mais forte:
se alterássemos X, isso provocaria uma mudança em Y?
Em finanças, confundir essas duas ideias pode levar a interpretações ruins, modelos desnecessariamente complicados e até decisões financeiras baseadas em relações que desapareceram quando o cenário econômico mudou.
Neste guia, vou separar correlação, causalidade e capacidade preditiva em linguagem simples.
O que é correlação?
Correlação é uma medida de associação entre variáveis.
Na interpretação mais comum, quando falamos do coeficiente de correlação linear:
- correlação positiva indica que valores maiores de uma variável tendem a aparecer junto com valores maiores da outra;
- correlação negativa indica que valores maiores de uma tendem a aparecer com valores menores da outra;
- correlação próxima de zero indica pouca associação linear.
Esse último detalhe importa.
Correlação zero não significa necessariamente:
“não existe relação alguma.”
Uma relação pode ser forte, mas não linear, e mesmo assim apresentar correlação linear baixa.
Por isso, correlação é uma ferramenta útil, mas não resume toda a relação possível entre duas variáveis.
A analogia do sorvete e dos afogamentos
Um exemplo clássico ajuda.
Imagine que, durante o verão:
as vendas de sorvete aumentam;
e
o número de afogamentos também aumenta.
As duas séries podem apresentar forte associação.
Seria absurdo concluir:
“Comprar sorvete provoca afogamentos.”
Existe uma terceira variável muito importante:
temperatura.
Dias mais quentes aumentam o consumo de sorvete.
Também levam mais pessoas a praias e piscinas.
A temperatura influencia as duas variáveis.
Esse fenômeno é chamado de confundimento.
A literatura de previsão usa exatamente esse tipo de exemplo para mostrar que uma variável pode ser útil para prever outra sem ser sua causa direta.
Por que isso importa nos dados financeiros?
O mercado e a economia estão cheios de séries que se movem juntas.
Podemos analisar, por exemplo:
- Selic;
- CDI;
- inflação;
- câmbio;
- índices de ações;
- atividade econômica;
- desemprego;
- crédito;
- commodities.
Encontrar associação entre essas variáveis é comum.
O problema começa quando saltamos diretamente de:
- séries movem juntas
- uma causa a outra
Ou ainda:
“uma certamente melhorará a previsão da outra”.
Nenhuma dessas conclusões vem automaticamente da correlação.
Correlação é uma pista.
Não é uma sentença causal.
Selic e CDI: um bom exemplo de cuidado
Selic e CDI costumam aparecer muito próximos em discussões financeiras.
Dados históricos do próprio Banco Central mostram períodos em que as duas taxas caminham muito próximas.
Mas isso não significa que um simples coeficiente de correlação seja suficiente para explicar toda a relação econômica entre elas.
As duas pertencem ao mesmo ambiente de juros de curto prazo e são influenciadas pela estrutura monetária e financeira brasileira.
Portanto, existe contexto institucional e econômico por trás da proximidade.
Esse exemplo é útil justamente porque mostra que existem três níveis diferentes de análise:
- associação estatística
- relação econômica
- relação causal
Uma matriz de correlação mostra principalmente o primeiro.
Ela não substitui os outros dois.
Correlação alta não significa boa previsão
Imagine que você queira projetar uma série Y.
Você percebe que a variável X apresenta correlação alta com Y.
A conclusão imediata poderia ser:
“Vou colocar X no modelo porque certamente vai melhorar a previsão.”
Não necessariamente.
Uma variável pode estar fortemente correlacionada e ainda assim acrescentar pouca informação preditiva.
Isso pode acontecer porque:
- a informação de X já está refletida no próprio histórico de Y;
- a relação muda com o tempo;
- a correlação foi produzida por uma tendência comum;
- X chega tarde demais para ser útil;
- a relação funciona apenas dentro da amostra analisada;
- o modelo fica mais complexo e aumenta o erro de estimação.
Em modelos multivariados, adicionar variáveis também significa estimar mais parâmetros.
Isso pode aumentar a incerteza do modelo quando a quantidade ou a qualidade dos dados não é suficiente. A literatura de previsão destaca esse trade-off em modelos VAR: quanto mais variáveis e defasagens são incluídas, maior tende a ser o número de coeficientes que precisam ser estimados.
Previsão responde a uma pergunta diferente
Em previsão, a pergunta prática é:
“Essa variável melhora a capacidade de estimar Y em dados que o modelo ainda não viu?”
Isso é diferente de:
“X causa Y?”
Imagine dois modelos.
Modelo A
Utiliza apenas o histórico da própria série.
Erro fora da amostra:
1,00
Modelo B
Adiciona uma segunda variável altamente correlacionada.
Erro fora da amostra:
1,08
Apesar da correlação, o modelo mais complexo ficou pior.
Nesse caso, a variável adicional não se justificou para aquele problema preditivo.
Agora imagine:
Modelo A: erro = 1,00
Modelo B: erro = 0,78
E o ganho aparece de forma consistente em vários períodos de avaliação.
Agora temos evidência de utilidade preditiva.
Ainda não temos, apenas por isso, evidência de causalidade.
X prever Y não significa que X causa Y
Essa distinção merece ser guardada.
Uma variável pode ser útil para previsão por vários motivos.
Talvez X cause Y.
Talvez Y influencie X.
Talvez uma terceira variável influencie ambas.
Talvez X seja apenas um indicador antecipado.
Talvez as duas façam parte de um sistema econômico interdependente.
Por isso:
capacidade preditiva não é sinônimo de mecanismo causal.
A literatura de forecasting é explícita nesse ponto: uma variável pode ajudar a prever outra sem necessariamente causá-la.
Então o que seria causalidade?
Causalidade tenta responder uma pergunta contrafactual.
Em linguagem simples:
se fosse possível mudar X mantendo adequadamente comparáveis as demais condições relevantes, Y seria diferente?
Essa é uma pergunta muito mais difícil do que calcular uma correlação.
Imagine observar que pessoas que investem mais também acumulam mais patrimônio.
Isso demonstra que simplesmente ordenar alguém a “investir mais” produzirá exatamente aquela diferença?
Não necessariamente.
As pessoas que investem mais podem também apresentar:
- renda maior;
- maior estabilidade profissional;
- mais educação financeira;
- menos dívidas;
- diferentes objetivos;
- maior tolerância a risco.
Essas características podem estar relacionadas tanto ao comportamento de investimento quanto ao patrimônio.
Para estudar causalidade, precisamos lidar com esses fatores de forma muito mais cuidadosa.
Causalidade exige desenho de pesquisa
Não existe um botão chamado:
“Calcular causa.”
Inferência causal costuma depender de desenho de estudo, hipóteses e técnicas específicas.
Experimentos randomizados, quando possíveis e apropriados, oferecem uma estrutura especialmente forte porque a randomização ajuda a tornar grupos comparáveis.
Em economia e finanças, porém, muitos fenômenos não podem ser randomizados.
Não podemos, por exemplo, alterar aleatoriamente a inflação de um país apenas para descobrir seu efeito sobre outra variável.
Por isso, pesquisadores podem recorrer a:
- experimentos naturais;
- variáveis instrumentais;
- diferenças em diferenças;
- regressão descontínua;
- modelos estruturais;
- outras estratégias de identificação.
Cada uma possui hipóteses próprias.
Isso é muito diferente de observar dois gráficos e calcular correlação.
O problema das correlações espúrias em séries temporais
Séries que crescem ao longo do tempo podem apresentar correlação alta mesmo sem uma relação econômica direta.
Imagine:
X: 10 → 20 → 30 → 40 → 50
Y: 100 → 200 → 300 → 400 → 500
A correlação será extremamente alta.
Mas talvez as duas variáveis estejam apenas crescendo ao longo do tempo.
Esse tipo de problema é particularmente importante em séries temporais.
Tendências comuns podem produzir associações aparentemente fortes.
A própria literatura estatística ressalta que duas séries podem apresentar correlação simplesmente porque ambas possuem tendência temporal, sem uma conexão causal simples entre elas.
Por isso, analisar séries financeiras exige mais cuidado do que calcular uma correlação sobre níveis brutos e encerrar a análise.
Estacionariedade e transformações também importam
Em alguns problemas de séries temporais, pode ser necessário analisar:
- diferenças;
- retornos;
- variações percentuais;
- crescimento;
- componentes de tendência;
- relações de longo prazo.
Imagine preços de dois ativos que subiram durante dez anos.
Os níveis de preço podem apresentar alta correlação simplesmente porque ambos possuem tendência ascendente.
Mas seus retornos diários podem ter uma relação completamente diferente.
A pergunta estatística precisa corresponder à pergunta financeira.
Correlação entre níveis não é necessariamente correlação entre variações.
Essa distinção pode alterar completamente uma conclusão.
A janela escolhida também muda a correlação
Suponha que duas variáveis apresentem:
Período A
X sobe e Y sobe.
Período B
X sobe e Y fica praticamente estável.
Período C
X sobe enquanto Y cai.
Se calcularmos uma única correlação usando todo o histórico, podemos esconder essas mudanças.
Se utilizarmos janelas menores, veremos que a relação varia ao longo do tempo.
Isso acontece porque economias e mercados passam por regimes diferentes.
Podem mudar:
- política monetária;
- inflação;
- liquidez;
- regulamentação;
- comportamento dos investidores;
- condições internacionais;
- prêmio de risco.
Portanto:
uma correlação histórica não é uma constante da natureza.
Correlação é sensível a outliers
Existe outra armadilha.
Uma única observação extrema pode alterar bastante uma correlação.
Imagine vários anos em que duas séries quase não apresentam relação.
Então ocorre uma crise extraordinária em que ambas mudam fortemente.
Esse único episódio pode aumentar muito a correlação calculada sobre toda a amostra.
É por isso que uma boa análise não deveria depender apenas de um número.
Também devemos olhar:
- gráficos;
- períodos;
- outliers;
- transformações;
- estabilidade da relação.
Correlação resume.
Ela não substitui a análise.
Correlação positiva e negativa
Correlação não significa necessariamente que duas variáveis sobem juntas.
Uma associação pode ser negativa.
Quando X aumenta enquanto Y tende a diminuir, temos uma correlação negativa.
Por exemplo:
X ↑ → Y ↓
Isso continua sendo correlação.
O sinal apenas indica a direção da associação linear.
E a mesma regra permanece:
correlação negativa também não demonstra causalidade.
E a chamada “causalidade de Granger”?
Existe um termo que pode gerar confusão em séries temporais:
causalidade de Granger.
Apesar do nome, ele possui uma interpretação essencialmente preditiva.
Em termos simplificados, perguntamos se valores passados de X acrescentam informação estatisticamente relevante para prever Y, depois de considerar os próprios valores passados de Y.
Ferramentas estatísticas descrevem o teste dessa forma: verifica-se se defasagens da segunda série têm poder explicativo adicional para a primeira dentro daquele modelo.
Isso não deve ser interpretado automaticamente como:
“X é a verdadeira causa econômica de Y.”
Por isso, para um público de educação financeira, vale ter cuidado especial com a palavra “causalidade” nesse contexto.
Não confunda causalidade com integridade temporal
Outro conceito que costuma aparecer em previsão é a obrigação de respeitar o tempo.
Imagine que estamos simulando uma previsão feita em janeiro.
O modelo só pode utilizar informações que estariam disponíveis até janeiro.
Ele não pode consultar fevereiro e depois fingir que produziu a previsão anteriormente.
Isso não é uma demonstração de causalidade.
É uma regra de integridade temporal.
Também podemos falar em prevenção de:
data leakage;
ou
look-ahead bias.
Em validação de séries temporais, os dados futuros devem permanecer fora do conjunto disponível para produzir a previsão daquele instante.
O objetivo é reproduzir a situação real enfrentada pelo modelo.
Look-ahead bias: quando o modelo enxerga o futuro
Imagine testar uma estratégia de investimento de 2020 a 2025.
Ao calcular uma decisão tomada em março de 2022, o algoritmo recebe uma informação que só foi publicada em abril.
O resultado estará contaminado.
O modelo utilizou informação que não existia naquele momento.
Essa é uma das formas de look-ahead bias.
O backtest pode parecer extraordinário.
Mas aquela estratégia não poderia ter sido executada da mesma maneira no mundo real.
Portanto:
respeitar a ordem temporal é uma condição do teste, não uma prova causal.
A filosofia correta para adicionar uma variável
Imagine que você acredita que a Selic pode ajudar a prever determinada série.
Uma abordagem disciplinada seria:
1. Hipótese
“A Selic talvez acrescente informação útil.”
2. Baseline
Construa primeiro um modelo simples.
3. Novo modelo
Adicione a variável.
4. Avaliação fora da amostra
Teste em dados não utilizados para ajustar o modelo.
5. Métrica
Compare MAE, RMSE ou outra métrica adequada.
6. Robustez
Veja se o ganho aparece em vários períodos.
Só depois disso podemos dizer:
“essa variável apresentou utilidade preditiva neste experimento.”
Ainda devemos evitar:
“provamos que ela causa a série prevista.”
Baseline: complexidade precisa se pagar
Modelos complexos parecem sofisticados.
Mas sofisticação não é objetivo.
Previsão melhor é objetivo.
Imagine:
| Modelo | Variáveis | Erro |
|---|---|---|
| Baseline | Histórico de Y | 1,00 |
| Modelo 2 | Y + X | 1,02 |
| Modelo 3 | Y + X + Z + W | 1,15 |
O modelo mais complexo perdeu.
Isso acontece.
Quanto mais parâmetros estimamos, maior pode ser o risco de ajustar ruído em vez de sinal.
A literatura sobre modelos VAR destaca justamente que mais variáveis e defasagens aumentam significativamente a quantidade de parâmetros que precisam ser estimados.
Complexidade extra precisa demonstrar benefício.
Correlação pode mudar fora da amostra
Outro perigo é descobrir uma relação olhando todo o histórico e depois utilizá-la como se fosse uma regra conhecida anteriormente.
Imagine analisar dados de 2010 a 2025.
Você procura entre centenas de variáveis aquelas que tiveram maior correlação com determinado ativo.
Depois constrói uma estratégia baseada justamente nas vencedoras.
É provável que parte do resultado seja seleção retrospectiva.
O próprio histórico foi usado para descobrir a regra.
Quando testamos em um período realmente novo, a relação pode desaparecer.
Esse é um motivo para separar:
desenvolvimento;
validação;
teste.
Causalidade não é requisito para uma boa previsão
Esse ponto é importante.
Um modelo não precisa descobrir a verdadeira estrutura causal da economia para produzir previsões úteis.
Se uma variável possui informação antecipada estável e disponível no momento correto, ela pode melhorar uma previsão.
Isso pode ser suficiente para determinados objetivos.
Por outro lado, se a pergunta for:
“O que aconteceria se o governo mudasse X?”
a situação muda.
Agora queremos compreender o efeito de uma intervenção.
Essa é uma pergunta causal.
Previsão e causalidade possuem objetivos diferentes.
Prever e explicar não são a mesma coisa
Podemos resumir assim:
| Objetivo | Pergunta |
|---|---|
| Correlação | X e Y apresentam associação? |
| Previsão | Conhecer X ajuda a estimar Y futuro? |
| Causalidade | Alterar X provoca mudança em Y? |
| Integridade temporal | O modelo utilizou somente informações disponíveis naquele momento? |
Essas quatro perguntas podem aparecer na mesma análise.
Mas não são equivalentes.
Como isso se conecta ao planejamento financeiro
Em planejamento financeiro, geralmente queremos utilizar dados para:
- comparar cenários;
- testar premissas;
- analisar histórico;
- estimar trajetórias;
- simular patrimônio;
- medir sensibilidade.
Não precisamos transformar cada correlação encontrada em uma teoria econômica.
Imagine descobrir que duas séries historicamente se moveram juntas.
Isso pode motivar uma análise.
Mas uma decisão responsável deveria perguntar:
A relação faz sentido?
É estável?
Persiste fora da amostra?
A informação estaria disponível no momento da previsão?
O modelo melhora de maneira consistente?
Essas perguntas são muito mais úteis do que apenas:
“Qual é a correlação?”
No EuPlanejei
Em análises de dados e planejamento financeiro, projeções devem ser tratadas como estimativas, e relações estatísticas precisam ser interpretadas dentro dos limites do método utilizado.
Comparar modelos pode revelar que determinada variável melhora uma previsão.
Isso não significa automaticamente que descobrimos uma relação causal.
Da mesma forma, encontrar uma correlação elevada pode gerar uma hipótese interessante.
Mas a hipótese ainda precisa ser testada.
A disciplina é:
- hipótese
- experimento
- avaliação
- evidência
Não:
- gráfico parecido
- conclusão causal
Erros comuns ao interpretar correlação e causalidade
- “As duas séries sobem juntas, então uma causa a outra.”
- “A correlação é alta, então a variável certamente melhora a previsão.”
- “Correlação baixa significa que não existe nenhuma relação.”
- “O modelo prevê bem, então descobrimos a causa.”
- Confundir causalidade econômica com causalidade de Granger.
- Chamar prevenção de look-ahead bias de prova de causalidade.
- Calcular correlação entre séries com tendência e ignorar o efeito do tempo.
- Generalizar uma relação encontrada em um período para todos os regimes econômicos.
- Adicionar várias variáveis sem comparar o modelo com um baseline simples.
Experimente no euplanejei (cenários ilustrativos)
As ferramentas abaixo servem para aprender e comparar cenários ilustrativos. Elas não substituem análise pessoal, nem constituem recomendação de compra, venda ou contratação de produto.
- Projeções e cenários de previsão
- Previsões de índices
- Métodos e algoritmos de previsão
- Índice de simulações
Continue a série:
Conclusão: correlação é uma pista, não um veredito
Correlação é uma ferramenta extremamente útil.
Ela ajuda a encontrar padrões, formular hipóteses e compreender como variáveis se comportaram juntas.
Mas seu alcance é limitado.
Correlação não demonstra, sozinha, que uma variável provoca a outra.
Também não garante que uma variável será útil para prever outra.
E uma boa previsão não demonstra automaticamente um mecanismo causal.
Guarde três ideias:
correlação = associação estatística;
utilidade preditiva = melhora demonstrada em dados adequados de teste;
causalidade = afirmação sobre o efeito de uma intervenção, que exige evidência muito mais forte.
No planejamento financeiro, essa separação ajuda a evitar certezas falsas.
Dois gráficos podem contar uma história interessante.
Mas primeiro precisamos descobrir se essa história resiste ao teste.
Continue aprendendo sobre dados, projeções e planejamento financeiro no EuPlanejei.com.
Próximo passo: no euplanejei, compare premissas nas previsões e no hub de simulações — sempre como cenários ilustrativos, sem recomendação de investimento.
FAQ sobre correlação e causalidade
Se CDI e Selic possuem correlação alta, posso utilizar um para prever o outro?
Você pode testar essa hipótese, mas a correlação sozinha não é suficiente. O ideal é comparar um modelo que utiliza a variável adicional com um baseline e verificar o desempenho fora da amostra.
Correlação negativa também é correlação?
Sim. Correlação negativa indica que valores maiores de uma variável tendem a estar associados a valores menores da outra. Ela também não demonstra causalidade.
Causalidade de Granger prova causa econômica?
Não. Ela verifica, dentro de uma estrutura temporal e estatística, se valores passados de uma série acrescentam informação útil para explicar ou prever outra. Isso não equivale automaticamente à causalidade no sentido de intervenção econômica.
Por que comparar um modelo complexo com um modelo simples?
Porque uma variável adicional só vale a complexidade se produzir algum benefício relevante. Em previsão, isso normalmente precisa aparecer em desempenho fora da amostra, e não apenas no ajuste ao histórico.
O que significa evitar look-ahead bias?
Significa impedir que uma previsão ou backtest utilize informações que ainda não estariam disponíveis no momento da decisão simulada. É uma regra de validação temporal e não uma prova de causalidade entre variáveis.