因子投资-10-时序截面回归与统计推断

QUANT RESEARCH NOTE / LESSON 10

同一个“回归”可以回答完全不同的问题：时间序列回归问某资产如何随因子共同变化；横截面回归问同一时点哪些暴露或特征对应更高未来收益。混淆两者会把 Beta 当风险价格、把股票月份当独立样本，并得到过度自信的 t 值。

类型核心课程

模块研究方法

阅读约 9 分钟

材料10 节 · 1 段代码

本节解决什么问题

同一个“回归”可以回答完全不同的问题：时间序列回归问某资产如何随因子共同变化；横截面回归问同一时点哪些暴露或特征对应更高未来收益。混淆两者会把 Beta 当风险价格、把股票月份当独立样本，并得到过度自信的 t 值。

前置知识与学习目标

需要第 03、04、06、09 讲。学完后你应该能：

• 区分时序回归的 Alpha/Beta 与截面回归的 λ；
• 解释 Fama–MacBeth 两步法和暴露测量误差；
• 选择 White、Newey–West 或聚类标准误的对象；
• 陈述 GRS 联合检验的零假设和几何直觉；
• 理解正交化顺序、多重检验和 GMM 矩条件的边界。

直觉与手算

假设有 100 只股票、120 个月和 3 个因子。

• 对每只股票做时序回归：y 是 120×1，X 是 120×4（含常数），得到该股票一个 Alpha 和 3 个 Beta。重复 100 次。
• 在每个月做横截面回归：y 是 100×1，X 是 100×4，得到当月一个截距和 3 个 λ。重复 120 次，再研究 λ 的时间均值。

Beta 的含义是收益对因子的敏感度；λ 的含义是横截面中一个单位暴露对应的当期收益差。即使符号都叫回归系数，维度、经济对象和标准误来源不同。

若 120 个 λ 的均值每月 0.4%、时间标准差 2%，在独立近似下均值标准误为 2%/√120≈0.183%，t≈2.19。若 λ 有正自相关，Newey–West 标准误会更大，t 值更小。

定义与公式

时序回归

对资产或组合 i：

$$R_{i,t}^e=\alpha_i+\beta_i^{\prime}f_t+\varepsilon_{i,t}$$

T 期数据估计 Alpha 和 K 个暴露。它用于风险归因、模型拟合和定价误差检验。因子与资产收益同一期，通常不是预测回归。

截面回归

在每个 t：

$$R_{i,t+1}=\lambda_{0,t}+x_{i,t}^{\prime}\lambda_t+u_{i,t+1}$$

N 只股票估计 K 个特征价格。x 必须在 t 可得，收益发生于 t+1。λ(t) 是当期横截面斜率，不是某只股票的暴露。

Fama–MacBeth 两步法

经典资产定价实现常先用历史时序估计每只资产 Beta，再逐期做横截面回归：

$$R_{i,t}=\lambda_{0,t}+\hat\beta_i^{\prime}\lambda_t+u_{i,t}$$

最后：

$$\bar\lambda=(1/T)\sum_t\hat\lambda_t$$

推断来自 λ(t) 时间序列，而不是把 N×T 个股票月份视为独立。现代特征预测也常把每期特征直接放进横截面回归，仍沿用“逐期估计、时间平均”的思想。

Shanken 型测量误差直觉

第一步 Beta 是有限样本估计值而非真值。把含噪解释变量放进第二步会产生误差变量问题：风险价格可能偏误，普通第二步标准误也忽略第一步不确定性。Shanken 修正针对特定线性因子模型调整协方差；在滚动暴露、特征回归或机器学习暴露中不能机械套公式，应使用匹配的联合估计、自助法或模拟。

White、Newey–West 与聚类

• White 标准误： 对异方差稳健，但假设不同观测误差不相关。
• Newey–West/HAC： 对时间序列中的异方差和有限滞后自相关稳健，需选择滞后 L。
• 聚类标准误： 允许同一簇内任意相关，例如按公司、时间或双向聚类，但需要足够簇数。

方法由误差结构决定，不由“哪个给更小 p 值”决定。重叠持有、月度 λ 和组合收益通常需要时间 HAC；股票面板还可能需要公司与月份双向相关处理。

GRS 联合检验

对 N 个测试资产的时序回归，零假设是：

$$H_0:\alpha_1=\alpha_2=\cdots=\alpha_N=0$$

几何上，若因子组合张成的均值—方差前沿包含有效组合，测试资产平均收益不应在因子暴露之外留下系统方向。GRS 用残差协方差度量 Alpha 向量“离零有多远”，并根据因子自身 Sharpe 调整。

逐个 Alpha t 检验无法控制联合问题；GRS 拒绝说明至少存在未解释方向，但不告诉哪只资产、哪种机制或哪个替代模型正确。N 接近 T 时协方差逆不稳定，检验会失真。

正交化与顺序依赖

把新因子 z 对旧因子 X 回归并取残差，可以构造与 X 样本正交的 z⊥。但先正交化价值对规模，与先正交化规模对价值，保留的经济成分不同。正交只保证样本线性内积为零，不保证独立、因果或样本外稳定。

多重检验

在同一数据上尝试 M 个因子、多个股票池和参数，单个 |t|>1.96 不再控制整体假阳性。应记录完整试验族，使用更严格门槛、假发现率、样本外和发表后证据。数值阈值依赖因子相关结构与研究历史，不能把某个统一 t 值当成真理机器。

GMM 的最小直觉

许多资产定价模型可写成“理论要求某些样本平均量为零”：

$$E[g_t(\theta)]=0$$

GMM 选择参数 θ，使样本矩条件尽量接近零，并用矩条件长期协方差做推断。OLS 正交条件、消费定价误差和因子模型都可放进这个框架。本知识库只用它连接方法，不展开权重矩阵和效率推导。

Python 最小实验

下面直接用当期特征做 5 次横截面回归，再对斜率时间序列估计 HAC 均值。

PYTHON 可复现实验

import numpy as np
import statsmodels.api as sm

signal = np.array([-1.0, -0.5, 0.5, 1.0])
lambda_true = np.array([0.010, 0.020, -0.010, 0.030, 0.015])
noise = np.array([0.001, -0.001, -0.001, 0.001])

lambda_hat = []
for premium in lambda_true:
    future_return = 0.002 + premium * signal + noise
    X_cross = sm.add_constant(signal)
    result = sm.OLS(future_return, X_cross).fit()
    lambda_hat.append(result.params[1])

lambda_hat = np.asarray(lambda_hat)
mean_model = sm.OLS(lambda_hat, np.ones((len(lambda_hat), 1))).fit(
    cov_type="HAC",
    cov_kwds={"maxlags": 1},
)

assert np.allclose(lambda_hat, lambda_true)
assert np.isclose(mean_model.params[0], lambda_true.mean())
print(lambda_hat, mean_model.params[0], mean_model.bse[0])

噪声被设计为与常数和 signal 正交，所以每期斜率精确恢复真值。真实横截面不会如此整齐，且 5 期远不足以做可靠推断。

A 股实现注意事项

1. 横截面相关。 同行业、同主题和涨跌停状态造成共同残差，股票数大不等于独立样本多。
2. 短时间序列。 中国市场制度变化快，增加更早月份可能降低可比性；应并列全样本与制度子样本。
3. 暴露估计。 小盘停牌和非同步交易会偏低日频 Beta；滚动窗口、频率和缩减规则要固定。
4. 特征尺度。 每期排名或 z-score 后 λ 表示“一单位当期标准化信号”的收益差，不能与原始比率系数直接比较。
5. 行业中性。 行业哑变量改变问题为行业内定价；行业分类必须是历史版本。
6. 组合测试资产。 GRS 结果依赖选择的规模—价值、行业或其他组合。只选模型容易解释的资产会降低检验强度。
7. 可交易性。 横截面 λ 显著可能来自无法做空、涨跌停或微盘股；推断仍需成本与约束验证。

常见错误与边界

• 把时序 Beta 与截面 λ 使用同一个“因子系数”名称。
• 合并所有股票月份做普通 OLS 并使用独立标准误。
• 用未来整段收益估 Beta，再回到历史做截面检验。
• 重叠持有期仍用 White 标准误。
• 滞后阶数根据 t 值最大化选择。
• GRS 不拒绝就宣称模型为真；检验也可能功效不足。
• 对因子正交化后把残差重新命名，却不披露顺序。
• 尝试几十种口径，只对最终结果报告单次 p 值。

任何稳健标准误都不能修复未来函数、错误模型或弱识别。推断的顺序应是：先明确经济对象和数据生成过程，再选择估计量，最后选择能覆盖误差相关结构的协方差。

原书与论文

原书第 2 章（PDF 文件页 27–96）是本讲主线，附录 A（381–388）补充统计工具。

• Fama 与 MacBeth（1973）：两步回归原始来源，DOI 10.1086/260061。
• Newey 与 West（1987）：HAC 协方差，DOI 10.2307/1913610。
• Gibbons、Ross 与 Shanken（1989）：联合 Alpha 检验，DOI 10.2307/1913625。
• Harvey、Liu 与 Zhu（2016）：多重检验与因子发现门槛，DOI 10.1093/rfs/hhv059。

练习

1. 对 60 个测试组合、240 个月、5 个因子，写出时序回归中 y、X、Alpha、Beta 和残差矩阵维度。
2. 在 3000 只股票、120 个月的特征回归中，为什么均值 λ 的有效时间样本主要仍是 120？
3. 月度形成、持有 12 个月的重叠组合，给出 HAC 滞后基线与至少两个敏感性值。
4. 构造两个高度相关因子，分别改变正交化顺序，比较残差因子的均值和含义。
5. GRS 拒绝五因子模型后，列出数据错误、测试资产、模型遗漏和估计不稳四类后续检查。
6. 写一个矩条件 E[z(t)ε(t)]=0，说明 z、ε 和参数分别是什么。

校验：第 1 题每个组合 y 为 240×1，X 为 240×6；60 个 Alpha 构成 60×1，Beta 为 60×5，残差为 240×60（按时间×资产排列）。

小结与下一步

时序回归估计资产对因子的暴露和 Alpha；截面回归估计特征或暴露的当期风险价格。Fama–MacBeth 把逐期横截面系数变成时间序列推断，第一步暴露误差与序列相关必须被承认。GRS 检验联合 Alpha，HAC 处理时间相关，多重检验约束发现过程。

接下来用实验 03、04 把组合排序和 Fama–MacBeth 变成可执行函数，并用日期断言防止信号与未来收益错位。