所有期權指南
同一個係數也會有不同的不確定性約16分鐘
異方差、自相關與強健標準誤
解釋經典標準誤為何失效，White、群集與Newey–West HAC容許甚麼依賴結構，如何選擇，以及金融推論的邊界
由 Mark 撰寫 · 官方資料列於文末
直接解答
標準誤刻畫估計係數在重複抽樣中會如何波動。異方差表示誤差方差隨觀測條件改變，自相關表示不同時點的誤差互相關聯。White標準誤容許異方差，Newey–West HAC容許異方差和一定範圍的序列依賴，群集標準誤容許指定組內的廣泛依賴；但任何一種都不能修復內生性或錯誤的迴歸方程
標準誤衡量估計量的波動
係數是一個樣本的點估計，標準誤近似同一資料生成過程重複時估計量的抽樣變動
t統計量、p值和置信區間依賴這種協方差估計，所以同一係數在不同依賴模型下可產生不同結論
係數標準誤不是資產波幅或殘差標準差，也受研究設計與有效樣本量影響
異方差改變條件誤差方差
異方差下，擾動的條件方差會隨解釋變量取值或市場狀態而改變
若外生性仍成立，OLS係數可保持一致，但按等方差計算的經典標準誤可能錯誤
White異方差一致協方差利用逐項殘差平方與解釋變量貢獻，在大樣本中重新估計不確定性
自相關會重複計算資訊
自相關表示不同日期擾動具有非零協方差；正向依賴會令獨立計算高估有效資訊
重疊回報、緩慢吸收的衝擊、日曆匯總與持續風險狀態都是金融資料中的常見來源
加入滯後項會改變條件均值模型，只改協方差估計則改變推論，兩者不是可互換的處理
按依賴結構選擇強健方法
White類方法適合觀測之間仍獨立、但各觀測方差可以不同的橫截面問題
Newey–West HAC透過選定核與最大滯後加權樣本自協方差，同時容許時間序列異方差與自相關
群集標準誤容許公司、日期等指定組內廣泛依賴，但要求組間獨立並有足夠多群集
調整參數與小樣本都很重要
HAC滯後太短會漏掉依賴，太長會加入雜訊，所以應以資料頻率和經濟重疊結構為依據
HC0至HC3等修正對高槓桿觀測與自由度的處理不同，小樣本中的差異可能很大
群集很少或規模極不均衡時，普通漸近近似不可靠，可能需要小樣本修正或其他推論
金融迴歸需要依賴關係地圖
月度因子迴歸要考慮序列依賴，公司面板要考慮公司內依賴，同日跨資產比較要考慮日期共同衝擊
公司與日期依賴同時存在時可考慮雙向群集，但兩個維度的群集數量都必須足以支撐推論
事件窗口重疊或重複使用同一投資組合時，獨立資訊可能遠少於名義觀測數
明確說明強健究竟指甚麼
隨係數報告HC類型、群集變量與數量，或HAC核、最大滯後和小樣本修正
在若干經濟上合理的依賴結構下展示區間變化，比把一個協方差選擇當成自動答案更透明
結論應說明強健標準誤並未改變係數、樣本選擇、測量、函數形式與識別假設
常見問題
異方差一定會令OLS係數錯誤嗎？
不一定。若外生性等條件成立，係數仍可一致，但經典標準誤與效率會受影響
何時使用Newey–West標準誤？
當時間序列迴歸需要容許異方差和有限序列依賴時使用，並應披露最大滯後
公司面板是否一律按公司群集？
不是。應從設計識別誤差共同變動的維度，包括公司內持續性和可能的日期共同衝擊
強健標準誤一定會令p值變大嗎？
不會。估計出的協方差可能令標準誤增加或減少，方向不能預先假定
資料來源與延伸閱讀
把這個概念應用到一份期權
選擇合約和目標，讓價格、時間與波幅假設在同一份分析中清晰呈現
分析我的期權