Errores estándar robustos de Newey–West

Cuando los errores vecinos están ligados

Los errores estándar ordinarios suponen que cada observación aporta información nueva. Los datos financieros suelen romper eso. Los rendimientos medidos a tres meses y muestreados cada mes se solapan: cada observación comparte dos meses con su vecina y los errores se mueven juntos. Lo mismo ocurre cuando la volatilidad se agrupa. La solución conserva los coeficientes y cambia solo los errores estándar. El estimador de Newey–West, llamado también HAC por consistente con heterocedasticidad y autocorrelación, estima la varianza de largo plazo sumando las autocovarianzas rezagadas $\gamma_\ell$ de los residuos, cada una multiplicada por un peso de Bartlett $1-\ell/(L+1)$ que baja a cero en el rezago de corte $L$. En statsmodels basta añadir cov_type='HAC' y cov_kwds={'maxlags': L} a .fit().

Los datos reales muestran el tamaño del efecto. El rendimiento medio a 3 meses de SPY, muestreado cada mes, es $2{,}78\%$ con $256$ observaciones solapadas. Los errores estándar ordinarios dan $0{,}456\%$ y $t=6{,}10$. Las autocorrelaciones de la serie centrada son $0{,}68$, $0{,}35$ y $0{,}08$ en los rezagos $1$, $2$ y $3$, el triángulo que crea un solapamiento de dos meses de tres. Con Newey–West a $L=2$ el error estándar es $0{,}664\%$ ($t=4{,}18$), a $L=4$ es $0{,}732\%$ ($t=3{,}80$) y a $L=6$ es $0{,}762\%$ ($t=3{,}65$), y los $86$ trimestres sin solapamiento dan $t=3{,}55$. En una regresión mensual de tres factores para Apple ($319$ meses) el cambio es menor pero real: el error estándar de la carga de valor sube de $0{,}144$ a $0{,}170$, así que su estadístico t pasa de $-4{,}98$ a $-4{,}22$.

• Mismos coeficientes, nuevos errores estándar: HAC cambia solo la incertidumbre, nunca la estimación.
• El solapamiento fija el rezago: con rendimientos a $h$ meses muestreados cada mes, use al menos $L=h-1$ y a menudo unos cuantos más.
• Informe el t honesto: un t de 6 puede ser un t de 4 cuando se tienen en cuenta los errores vecinos.

Lab: qué se califica

• El término de varianza10 pts
• La primera autocovarianza10 pts
• La varianza de largo plazo15 pts
• El error estándar HAC15 pts
• El estadístico t robusto10 pts
• La llamada de statsmodels10 pts
• Emparejar el vocabulario10 pts
• Por qué el t ordinario es demasiado grande20 pts