全部期权指南
一个回归系数究竟比较什么约16分钟
OLS回归系数与基本假设
理解最小二乘目标、条件系数、残差、外生性、多重共线性、同方差性，以及金融回归应当如何解释
由 Mark 编写 · 官方资料列于文末
直接答案
普通最小二乘法选择使观测值与线性拟合值之间残差平方和最小的系数。一个系数表示其他已纳入变量不变时，解释变量相差一个单位所对应的结果平均线性差异。若要把这种描述性投影解释为因果效应，还需要误差条件均值为零等额外假设；高R²或小残差不能证明这些假设
OLS最小化残差平方和
在y=Xβ+u中，OLS选择使观测值与拟合值Xβ之差的平方和最小的β
当设计矩阵各列满秩时，解通常写成β̂=(X′X)⁻¹X′y
平方会重罚大误差，计算因此简洁，但数据错误和高影响力异常值也可能显著改变结果
系数是条件线性比较
βj是在其他已纳入变量取值相同时，xj相差一个单位对应的y拟合差异
Frisch–Waugh–Lovell结果表明，分别从y和xj中剔除其他控制变量的线性部分，再回归两个剩余部分，会得到同一系数
所以系数含义依赖控制变量、函数形式、单位与样本，并不等同于两个原始变量的简单相关性
线性是针对参数而言
线性回归要求系数以线性方式进入模型，解释变量仍可包含对数、平方、分段函数、虚拟变量与交互项
存在交互项时，一个变量的边际关系随另一个变量变化，不能孤立解读所谓主效应
外推把选定函数形式延伸到没有数据支持的区间，是比样本内拟合良好更强的主张
不同假设提供不同保证
误差条件均值为零表示遗漏部分不能被已纳入解释变量系统预测，是一致性与结构解释的核心
同方差性要求不同解释变量取值下误差条件方差相等，主要关系到经典标准误公式与效率，而非系数是否无偏
计算OLS不要求误差正态，但在经典模型下，正态性可支持小样本精确t与F推断
残差不是不可见的总体误差
残差e=y−Xβ̂是同一样本估计出的拟合值与观测值之差，总体扰动u本身仍未被观察
含截距的OLS会在样本中令残差与解释变量正交，因此样本相关为零并不是外生性的独立证据
残差图能提示非线性、方差变化、聚类、序列依赖与异常值，却不能认证模型正确
金融数据经常冲击经典假设
收益率具有波动聚集和尾部事件，重叠持有期收益率还会因构造方式产生序列相关
公司面板既可能有公司内部持续性，也可能有同一日期的共同冲击，简单的观测独立假设难以成立
水平序列趋势、幸存者偏差、同步价格发现与测量误差，都可能让显著系数看起来比实际更具结构性
同时报告系数与不确定性
先说明估计目标、样本、单位、变换、控制变量、固定效应、缺失处理与协方差估计方法
为系数配上标准误或区间，把数值换算为现实变化，并检验高影响力观测与可辩护替代设定的敏感性
识别是否可信、关系能否跨时间或样本保持，应与R²、符号和统计显著性分开评估
常见问题
OLS回归系数表示什么？
它表示其他已纳入变量不变时，一个解释变量相差一单位对应的结果平均拟合线性差异
线性回归不能描述曲线关系吗？
可以，只要参数仍以线性方式进入模型，就能使用对数、幂次、分段函数和交互项
多重共线性会使系数有偏吗？
非完全共线性本身不制造偏差，但会放大标准误，并让系数对样本更敏感
强健标准误能解决OLS假设问题吗？
不能。它只放宽部分协方差假设，无法修复内生性、错误函数形式或样本选择造成的系数偏差
资料来源与延伸阅读
把这个概念应用到一份期权
选择合约和目标，让价格、时间与波动率假设在同一份分析中清晰呈现
分析我的期权