两项资产平日涨跌互不相干，到了暴跌时却总一起出事：是一方把风险传给另一方，还是某个共同冲击同时击中了它们？平均效应概括的是典型变化，少数巨亏很容易被稀释。这项研究把因果分析推进到分布尾部，也就是罕见而严重的结果。
作者研究 Causal Tail Coefficient（CTC，衡量一个变量出现极端值时，另一个变量也走向极端的程度），并允许不同变量拥有不同的“尾部厚度”。论文最值得注意的结论是：这种差异不只是麻烦，也能提供判断因果方向的线索。但隐藏因素会改变答案。尾部较轻的混杂因素——同时影响两个变量的第三个因素——在极端情况下会渐渐变得可以忽略；足够重尾的混杂因素，却可能制造出与直接因果效应无法区分的极端联动。若有合适的代理信息，作者称可用调整后的 CTC 恢复识别，并据此构造方向与重尾混杂检验。论文还将方法用于强降水与列车延误、河流流量，以及 S&P 500 与 Bitcoin 回报；这些应用结论目前均为作者自述。