Newey-West 稳健标准误：给自相关的收益率算一个诚实的 t 值 • halo 的技术博客

你回测出一个策略，20 年月度超额收益均值为正，算出 t 值 2.4，看起来稳稳越过了 1.96 的显著线，于是准备上线。但如果这条收益序列有正自相关——动量策略、carry 策略、任何持仓周期跨越多个 bar 的策略几乎都有——那么这个 2.4 是虚高的。真实的 t 值可能只有 1.5，根本不显著。你以为发现了 alpha，其实只是被一个错误的标准误骗了。

Newey-West 标准误（更准确地说是 HAC，Heteroskedasticity and Autocorrelation Consistent 标准误）就是用来堵这个漏洞的。它不改你的收益均值，只修正标准误——把序列自相关和异方差带来的额外不确定性诚实地计入分母。这篇文章用 3000 次蒙特卡洛把”iid 标准误在自相关下会撒谎”这件事量化出来，讲清带宽 L 怎么选，以及它在夏普率检验里的日常用法。

结论先放这：当策略月度收益真实均值为 0、但注入 AR(1) 系数 0.35 的正自相关时，用普通 iid 标准误做 t 检验，名义 5% 的显著性水平实际假阳性率高达 17.3%——每 6 个”显著”的策略里有 1 个多是纯噪声冒充的。换成 Newey-West 标准误（带宽 L=5），假阳性率回落到 7.1%，接近名义水平。正自相关越强，iid 越乐观，你被骗得越惨。

问题的根源：iid 标准误假设了不存在的独立性#

估计一个均值 $\bar{r}$ 的标准误，教科书公式是 $\text{SE} = s / \sqrt{n}$ ，其中 $s$ 是样本标准差。这个公式背后藏着一个致命假设：观测之间相互独立。当观测独立时， $n$ 个样本提供了 $n$ 份独立信息，标准误按 $\sqrt{n}$ 收缩。

但收益率序列往往不独立。如果 $r_t$ 和 $r_{t-1}$ 正相关，那么相邻两个观测携带的信息是重叠的——它们没有提供两份独立信息，更像是 1.3 份。有效样本量比 $n$ 小，真实标准误比 $s/\sqrt{n}$ 大。iid 公式用了虚高的有效样本量，算出的标准误偏小，t 值偏大，于是把噪声误判成信号。

先看一条真实均值为 0、但注入了 AR(1) 自相关的策略收益序列，以及它的自相关函数：

左：真实均值为0但有自相关的月度收益序列；右：残差ACF在低阶显著为正

右图的 ACF 很清楚：lag 1、lag 2 的自相关系数明显超出 95% 置信带（红色虚线）。这条序列的均值确实是 0，但相邻观测正相关，正是 iid 标准误会翻车的典型场景。

Newey-West 怎么修#

HAC 标准误的核心思想：估计均值的长期方差（long-run variance）时，不只用方差 $\gamma_0$ ，还要把各阶自协方差 $\gamma_k$ 加进来：

\text{LRV} = \gamma_0 + 2\sum_{k=1}^{L} w_k \, \gamma_k

其中 $w_k$ 是 Bartlett 核权重 $w_k = 1 - k/(L+1)$ ，随滞后阶数线性衰减； $L$ 是带宽（bandwidth），决定纳入多少阶自协方差。这个加权衰减的设计不是随意的——它保证了估计出的长期方差恒为非负（半正定），否则你可能算出一个负的方差。

用纯 numpy 实现估计均值的 Newey-West 标准误：

import numpy as np

def nw_se(x, L):
    """Newey-West HAC 标准误：估计样本均值的标准误。"""
    x = np.asarray(x, float)
    n = len(x)
    u = x - x.mean()
    gamma0 = np.sum(u * u) / n           # 0阶：方差
    s = gamma0
    for k in range(1, L + 1):
        w = 1.0 - k / (L + 1.0)          # Bartlett 核权重
        gk = np.sum(u[k:] * u[:n - k]) / n   # k阶自协方差
        s += 2 * w * gk
    return np.sqrt(s / n)

def iid_se(x):
    return np.std(x, ddof=1) / np.sqrt(len(x))

python

当 $L=0$ 时，Newey-West 退化成 iid 标准误（只有 $\gamma_0$ 项）。每增加一阶，就把那一阶的自相关贡献按 Bartlett 权重计入。正自相关会让 $\gamma_k > 0$ ，长期方差变大，标准误变大——这正是我们要的诚实。

3000 次模拟：假阳性率的直接证据#

把上面那条”真实均值 0 + AR(1)“的数据生成过程重复 3000 次，每次分别用 iid 和 Newey-West 算 t 值，统计 |t| > 1.96 的比例（即错误拒绝”均值为 0”原假设的比例）：

n_sim = 3000
T = 240
phi = 0.35
L = int(np.floor(4 * (T / 100.0) ** (2.0 / 9.0)))   # 经验带宽 ≈ 5

fp_iid, fp_nw = 0, 0
for _ in range(n_sim):
    e = rng.normal(0, 0.045, T)
    x = np.zeros(T)
    for t in range(1, T):
        x[t] = phi * x[t - 1] + e[t]     # 真实均值=0
    m = x.mean()
    fp_iid += abs(m / iid_se(x)) > 1.96
    fp_nw  += abs(m / nw_se(x, L)) > 1.96

python

3000次模拟t值分布：iid假阳性率17.3%，Newey-West回落到7.1%

红色（iid）的 t 值分布明显比标准正态更胖——尾巴超出 ±1.96 的部分远大于名义的 5%，实测 17.3%。蓝色（Newey-West）的分布收窄回接近正态，超出比例 7.1%，仍略高于 5%（HAC 在有限样本下有已知的轻微 size 扭曲，但已经是数量级的改善）。

这张图是整篇文章的核心证据：在有自相关的世界里用 iid 标准误，你有约 1/6 的概率把一个纯噪声策略判成”统计显著”。 量化研究里同时测几十上百个策略/因子，这个膨胀的假阳性率意味着你的”显著发现”里混进了大量假货。

带宽 L 怎么选：不是越大越好#

带宽 $L$ 是唯一的调参。 $L$ 太小，漏掉高阶自相关，标准误仍偏低； $L$ 太大，纳入太多噪声自协方差估计，标准误方差变大、不稳定。看 $L$ 对标准误的影响：

Newey-West标准误随带宽L上升而增大，L=0退化为iid，经验带宽L*=5

从 $L=0$ （iid）开始，随着 $L$ 增大，标准误快速上升——因为正自相关被逐步计入——然后在经验带宽附近趋于平稳。实践中最常用的自动选择是 Newey-West (1994) 的经验规则：

L = int(np.floor(4 * (T / 100.0) ** (2.0 / 9.0)))

python

对 $T=240$ （20 年月度），这给出 $L=5$ 。另一个常见做法：如果你的策略持仓周期是 $h$ 个 bar（比如季度调仓的月度数据 $h=3$ ），至少取 $L \geq h-1$ ，因为重叠持仓天然制造 $h-1$ 阶的移动平均自相关。statsmodels 里 cov_type='HAC' 配 maxlags 参数就是干这个的，但理解手算逻辑能让你判断它给的数字合不合理。

日常用法：给夏普率一个诚实的 t 值#

量化里最常见的场景是检验策略的夏普率是否显著异于 0。夏普率的 t 值近似等于均值收益的 t 值（ $t_{\text{Sharpe}} \approx \text{Sharpe} \times \sqrt{n}$ ），所以均值检验的自相关问题会原样传导到夏普率上。看五个不同自相关强度的策略：

五个策略的均值显著性：正自相关越强，iid t值越高估

动量策略（AR 系数 0.40，强正自相关）的 iid t 值远高于 Newey-West t 值——差距最大，因为它自相关最强；反转策略（AR 系数 -0.15，负自相关）反而是 Newey-West t 值略高于 iid（负自相关会让 iid 高估标准误、低估 t）。这揭示了一个常被忽略的事实：Newey-West 不总是让 t 值变小——它让 t 值变对。正自相关下修正向下，负自相关下修正向上。

配合 Lo (2002) 的夏普率标准误修正、以及 Bailey-López de Prado 的去膨胀夏普率（Deflated Sharpe Ratio），HAC 标准误是”策略显著性去水分”工具箱里最基础的一件。它不解决多重检验问题（那需要 Bonferroni/FDR），但解决了单个策略内部的自相关污染。

四个实盘会踩的坑#

一、重叠样本是自相关的头号来源，且常被忽视。 如果你用月度数据但计算的是”过去 12 个月滚动收益”，相邻观测共享 11 个月的数据，人为制造了 11 阶的强自相关。这种情况下 iid t 值可以虚高好几倍， $L$ 至少要取到重叠窗口长度。很多”年化收益显著为正”的结论一换 HAC 就崩了。

二、带宽选择本身有主观性，别用它来 p-hacking。 既然 $L$ 越大标准误通常越大，反过来你可以通过调小 $L$ 让结果”更显著”。诚实的做法是预先用经验规则确定 $L$ （比如 Newey-West 1994 或 Andrews 1991 的自动带宽），并在报告里写清楚，而不是试到 t 值刚好过 1.96 为止。

三、有限样本下 HAC 仍有 size 扭曲。 模拟里 Newey-West 的假阳性率是 7.1%，不是完美的 5%。短样本（比如只有 60 个月）加强自相关时，HAC 的过度拒绝会更明显。此时可以考虑 HAC 的小样本修正版本，或直接用 block bootstrap 做推断——后者对自相关结构的假设更少。

四、HAC 只修正推断，不修正点估计。 Newey-West 让你的标准误诚实，但如果你的均值收益估计本身有偏（比如幸存者偏差、前视偏差污染了收益序列），HAC 一点忙都帮不上。它是推断层的工具，不是数据质量的补丁。别指望它救回一个数据有问题的回测。

总结#

Newey-West / HAC 标准误解决的是一个具体而普遍的问题：收益率序列的自相关会让 iid 标准误撒谎。3000 次模拟给出的数字很直白——真实均值为 0 的策略，在 AR(1)=0.35 的自相关下，iid 标准误把假阳性率从名义 5% 抬到 17.3%，Newey-West 用 Bartlett 核加权计入各阶自协方差，把它拉回 7.1%。

它的用法可以一句话概括：任何时候你要给一个时间序列的均值（或夏普率）算 t 值，先问一句”这条序列有自相关吗”——只要答案不是斩钉截铁的”没有”，就用 HAC 标准误，别用 iid。在动量、carry、重叠样本、多步预测这些量化的家常场景里，答案几乎永远是”有”。

参考文献#

Newey, W. K., & West, K. D. (1987). A Simple, Positive Semi-Definite, Heteroskedasticity and Autocorrelation Consistent Covariance Matrix. Econometrica, 55(3).
Newey, W. K., & West, K. D. (1994). Automatic Lag Selection in Covariance Matrix Estimation. Review of Economic Studies, 61(4).
Andrews, D. W. K. (1991). Heteroskedasticity and Autocorrelation Consistent Covariance Matrix Estimation. Econometrica, 59(3).
Lo, A. W. (2002). The Statistics of Sharpe Ratios. Financial Analysts Journal, 58(4).