이분산성, 자기상관과 강건 표준오차

회귀계수는 관측한 한 표본의 점추정치이고 표준오차는 같은 자료생성과정을 반복할 때 그 추정치의 표본변동을 근사합니다

t통계량, p값과 신뢰구간은 이 불확실성 추정에 의존하므로 계수가 같아도 공분산 추정법이 달라지면 결론이 달라질 수 있습니다

표준오차는 수익률 자체의 변동성이나 잔차 표준편차가 아니며 연구설계와 표본크기에도 영향을 받습니다

이분산성에서는 설명변수 값이나 상태에 따라 조건부 오차분산이 일정하지 않습니다

외생성이 유지되면 OLS 계수는 여전히 일관적일 수 있지만 등분산을 가정한 고전적 표준오차는 잘못될 수 있습니다

White의 이분산성 일치 공분산은 잔차 제곱과 설명변수의 관측별 기여를 이용해 큰 표본에서 불확실성을 다시 추정합니다

자기상관은 한 시점의 오차가 다른 시점의 오차와 공분산을 갖는 것으로 양의 의존은 독립 계산이 유효정보를 과대평가하게 만들 수 있습니다

금융에서는 겹치는 수익률, 느리게 반영되는 충격, 거래일 집계와 지속적 위험요인이 흔한 원인입니다

계수에 시차를 더하는 것은 동학을 바꾸는 모형 결정이며 표준오차만 바꾸는 것과 같은 처방이 아닙니다

White 계열은 관측 간 독립을 유지하면서 관측별 분산이 달라도 되는 횡단면 문제에 적합합니다

Newey–West HAC는 선택한 최대시차와 커널로 표본 자기공분산을 가중해 시계열의 이분산성과 자기상관을 함께 허용합니다

군집 표준오차는 기업이나 날짜처럼 정한 군집 내부의 폭넓은 의존을 허용하되 군집 사이 독립과 충분한 군집 수를 요구합니다

HAC 최대시차가 너무 짧으면 남은 의존을 놓치고 너무 길면 잡음이 커지므로 자료 빈도와 경제적 중첩구조를 근거로 정해야 합니다

HC0부터 HC3 같은 보정은 레버리지가 큰 관측과 자유도에 다르게 대응하며 작은 표본에서는 선택 차이가 클 수 있습니다

군집 수가 적거나 군집 크기가 매우 불균형하면 보통의 점근 근사가 부정확해져 작은 표본 보정이나 다른 추론이 필요합니다

월별 요인회귀는 시차 의존을, 기업 패널은 기업 내 의존을, 같은 날 여러 자산을 비교하면 날짜 공통충격을 고려해야 합니다

여러 기업과 날짜에 의존이 있으면 양방향 군집이 후보지만 두 차원의 군집 수와 표본 설계를 함께 검토해야 합니다

사건창이 겹치거나 포트폴리오가 재사용되면 명목 관측 수보다 독립 정보가 훨씬 적을 수 있습니다

추정계수와 함께 HC 유형, 군집 변수, 군집 수, HAC 커널, 최대시차와 작은 표본 보정을 명시합니다

경제적으로 타당한 여러 의존 가정에서 신뢰구간이 얼마나 바뀌는지 민감도 표로 보여주면 한 선택에 대한 과신을 줄일 수 있습니다

강건 표준오차가 계수, 표본선택, 측정, 함수형태와 식별가정을 그대로 둔다는 점을 결론의 한계에 포함해야 합니다