全部期权指南
同一个系数也会有不同的不确定性约16分钟
异方差、自相关与强健标准误
解释经典标准误为何失效，White、聚类与Newey–West HAC允许什么依赖结构，如何选择，以及金融推断的边界
由 Mark 编写 · 官方资料列于文末
直接答案
标准误刻画估计系数在重复抽样中会如何波动。异方差表示误差方差随观测条件变化，自相关表示不同时点的误差相互关联。White标准误允许异方差，Newey–West HAC允许异方差和一定范围的序列依赖，聚类标准误允许指定组内的广泛依赖；但任何一种都不能修复内生性或错误的回归方程
标准误衡量估计量的波动
系数是一个样本的点估计，标准误近似同一数据生成过程重复时估计量的抽样变动
t统计量、p值和置信区间依赖这种协方差估计，因此同一系数在不同依赖模型下可产生不同结论
系数标准误不是资产波动率或残差标准差，也受研究设计与有效样本量影响
异方差改变条件误差方差
异方差下，扰动的条件方差会随解释变量取值或市场状态而变化
若外生性仍成立，OLS系数可以保持一致，但按等方差计算的经典标准误可能错误
White异方差一致协方差利用逐观测残差平方与解释变量贡献，在大样本中重新估计不确定性
自相关会重复计算信息
自相关表示不同日期扰动具有非零协方差；正向依赖会使独立计算高估有效信息
重叠收益、缓慢吸收的冲击、日历聚合与持续风险状态都是金融数据中的常见来源
加入滞后项会改变条件均值模型，只改变协方差估计则改变推断，两者不是可互换的处理
按依赖结构选择强健方法
White类方法适合观测之间仍独立、但各观测方差可以不同的横截面问题
Newey–West HAC通过选定核与最大滞后加权样本自协方差，同时允许时间序列异方差与自相关
聚类标准误允许公司、日期等指定组内广泛依赖，但要求组间独立并有足够多的聚类
调整参数与小样本都很重要
HAC滞后太短会漏掉依赖，太长会加入噪声，因此应以数据频率和经济上的重叠结构为依据
HC0至HC3等修正对高杠杆观测与自由度的处理不同，小样本中的差异可能很大
聚类很少或规模极不均衡时，普通渐近近似不可靠，可能需要小样本修正或其他推断
金融回归需要依赖关系地图
月度因子回归要考虑序列依赖，公司面板要考虑公司内依赖，同日跨资产比较要考虑日期共同冲击
公司与日期依赖同时存在时可考虑双向聚类，但两个维度的聚类数量都必须足以支撑推断
事件窗口重叠或重复使用同一投资组合时，独立信息可能远少于名义观测数
明确说明强健究竟指什么
随系数报告HC类型、聚类变量与数量，或HAC核、最大滞后和小样本修正
在若干经济上合理的依赖结构下展示区间变化，比把一个协方差选择当成自动答案更透明
结论应说明强健标准误并未改变系数、样本选择、测量、函数形式与识别假设
常见问题
异方差一定会使OLS系数错误吗？
不一定。若外生性等条件成立，系数仍可一致，但经典标准误与效率会受影响
什么时候使用Newey–West标准误？
当时间序列回归需要允许异方差和有限序列依赖时使用，并应披露最大滞后
公司面板是否一律按公司聚类？
不是。应从设计中识别误差共同变动的维度，包括公司内持续性和可能的日期共同冲击
强健标准误一定会让p值变大吗？
不会。估计出的协方差可能使标准误增大或减小，方向不能预先假定
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