每天IC都为正就显著吗：自相关标准误怎样改变结论
IC均值为正，甚至连续若干天都为正，也不能单独说明统计显著。显著性需要一个误差结构：若相邻IC共享标签、市场状态或模型误差，把每天当独立观测会低估均值的不确定性。HAC在明确带宽与权重后估计长期方差，本页完整列出二十四期、去均值、自协方差和标准误，不把软件默认值藏进结论。
构造序列先说明检验对象
输入是二十四个等间隔实验日的IC，小数为相关系数本身，0.08表示相关性零点零八，不是收益百分之八。序列先缓慢向下、再缓慢向上，包含正负值。题目中的“每天都正”是需要质疑的直觉，本例没有假装二十四天全正，而是用明显的局部持续性展示均值与误差结构的区别。检验对象是这些每日IC的总体均值是否相对零偏离，不是每只股票的收益是否为正。
设x为IC，样本均值为0.02166667，残差u等于x减均值。它等价于只有截距的回归，参数个数k为一。所有数值保留未舍入精度参与乘积，表格再显示小数；不先把残差截到两位，否则较小的自协方差会明显改变。
| 实验日 | IC | 去均值u |
|---|---|---|
| 1 | 0.08 | 0.05833333 |
| 2 | 0.07 | 0.04833333 |
| 3 | 0.06 | 0.03833333 |
| 4 | 0.05 | 0.02833333 |
| 5 | 0.04 | 0.01833333 |
| 6 | 0.03 | 0.00833333 |
| 7 | 0.02 | -0.00166667 |
| 8 | 0.01 | -0.01166667 |
| 9 | -0.01 | -0.03166667 |
| 10 | -0.02 | -0.04166667 |
| 11 | -0.03 | -0.05166667 |
| 12 | -0.04 | -0.06166667 |
| 13 | -0.04 | -0.06166667 |
| 14 | -0.03 | -0.05166667 |
| 15 | -0.02 | -0.04166667 |
| 16 | -0.01 | -0.03166667 |
| 17 | 0.01 | -0.01166667 |
| 18 | 0.02 | -0.00166667 |
| 19 | 0.03 | 0.00833333 |
| 20 | 0.04 | 0.01833333 |
| 21 | 0.05 | 0.02833333 |
| 22 | 0.06 | 0.03833333 |
| 23 | 0.07 | 0.04833333 |
| 24 | 0.08 | 0.05833333 |
自协方差与Bartlett权重怎样进公式
本例对每个滞后j计算gamma_j，等于从t=j+1到n的u_t乘u_(t-j)之和除以n，所有滞后分母都固定二十四；不是除以剩余配对数n-j。配对数作为单独列给出，以免读者把不同估计约定混合。对于带宽L，权重w_j等于1-j/(L+1)，只纳入一至L阶。长期方差Omega为gamma_0加二倍的加权滞后协方差之和。
| 滞后j | 可配对数 | gamma_j分母24 | L3的Bartlett权重 |
|---|---|---|---|
| 0 | 24 | 0.00148056 | 1 |
| 1 | 23 | 0.00128044 | 0.75 |
| 2 | 22 | 0.00102894 | 0.5 |
| 3 | 21 | 0.00073854 | 0.25 |
| 4 | 20 | 0.00042176 | 0 |
| 5 | 19 | 0.00009942 | 0 |
| 6 | 18 | -0.00020764 | 0 |
以L=3为例，前三阶权重是0.75、0.5、0.25；对应自协方差均为正，加入后长期方差约0.00479942。未做自由度修正的均值标准误为sqrt(Omega/n)，不是sqrt(Omega)；遗漏除n相当于把单期波动当成均值波动。统计量是均值除标准误，本文沿用常见t记号，但不宣称它在二十四期相关样本下精确服从某个Student分布。
自由度约定和带宽敏感性必须一起报
为了让iid与HAC采用可比有限样本口径，另列只有截距时的n/(n-k)=24/23方差修正，标准误乘sqrt(24/23)。iid采用样本标准差除sqrt(24)，因此与L=0的修正HAC标准误相同。这个一致性是有用核对，不是把HAC所有带宽的有限样本分布都变成自由度二十三的精确t分布。
| 带宽L | 长期方差 | 未修正SE | df修正SE | 未修正t | df修正t |
|---|---|---|---|---|---|
| 0 | 0.00148056 | 0.00785429 | 0.00802322 | 2.75857864 | 2.70049679 |
| 1 | 0.002761 | 0.01072574 | 0.01095643 | 2.02006286 | 1.97753046 |
| 3 | 0.00479942 | 0.01414128 | 0.01444543 | 1.53215706 | 1.49989751 |
| 6 | 0.00634854 | 0.01626415 | 0.01661396 | 1.33217299 | 1.3041241 |
iid标准误约0.00802322，统计量约2.70050；L=3修正标准误约0.01444543，统计量约1.49990。带宽一与六也一并展示，不能挑一个能过门槛的带宽作为唯一结果。第六阶自协方差已为负，所以“带宽越大标准误必然越大”并不是一般定律；当前几个带宽上的变化来自这一具体输入和权重，不能当成所有IC序列的性质。
哪些前提不满足时，HAC也救不了
这套估计通常依赖足够长、具有有限矩并满足弱依赖等条件的时间序列。若IC均值本身发生结构变化，按全期同一个均值去中心化会把状态漂移混进协方差；HAC不会自动识别真实信号与制度切换。若日期有缺口，必须先明确一阶代表相邻观测还是相邻交易日，不能在缺了很多天的数组上仍称日频一阶。
横截面一天几千只股票用于形成一天IC，并不会自动把本表二十四期变成几万个独立日期。每天估计IC的股票数不同，可能造成异方差；HAC允许一定形式的异方差，但不解决股票池选择、标签前视、错误排序或少数极端股把IC扭曲的问题。应先检查每日IC本身的定义，再谈均值标准误。
某些软件默认带宽由样本长度公式产生，默认还可能带自由度修正。报告应写出L、核权重、协方差分母、回归参数数和是否修正；只写“使用Newey-West”不足以复算。如果模型有更多回归解释变量，本例截距公式不能直接搬过去，应使用相应矩阵夹心协方差，k也随拟合模型改变。
怎样核对而不制造确定性结论
人工先求二十四个u的和，应该在浮点误差范围内为零；再用零阶平方和除二十四重建gamma_0，用相邻残差乘积和重建gamma_1。接着只取前三阶按权重累加，重建L3长期方差，最后检查L0修正结果能否回到样本标准差法。每一步都比“库返回一个t值”多暴露一层可能口径错误。
如果要真正报告置信区间或p值，还需说明渐近近似、检验方向、带宽选择协议以及多重检验环境。二十四期只是透明教学规模，本页不输出显著或不显著的交易决策，不把2或1.96当普适判定按钮。统计量降低说明相关性会改变这把尺子，不能单凭一份演示估计真实策略存在优势的概率。
statsmodels的cov_hac官方文档支持等间隔时间序列、带宽、Bartlett权重和可选小样本修正这些接口条件；本文明确给出自己的截距模型约定，不宣称调用了该库。默认设置可能随版本变化，复算应以这里完整公开的式子和中间表为准。
全正日计数为什么不是另一份独立证据
有人会在均值检验之外补报正IC日比例，认为连续正值可再次证明有效。但日符号同样继承时间依赖：一个共同市场状态可能让很多天同时为正，不能照独立抛硬币直接计算连胜概率。若把同一串IC算出的均值、正日数和ICIR当成三份独立证据，又会重复使用同一信息。日符号可以描述分布，却不能免除相关性处理。
如果所有IC相等，样本残差全零，iid与HAC标准误都会退化为零。此时均值除零不是无穷大意义上的确定显著，应报告统计量未定义并检查为何没有观测变化。当前输入没有这一退化问题，但复算者扩展脚本时应保留拒绝政策，不能只添加一个极小常数强行输出巨大t值。带宽也不能超过可用滞后范围后继续假装新增了协方差信息。
继续核对研究流程时，可回到时序交叉验证母题；遇到相邻任务，再分别查看嵌套时间序列验证调参、时间序列块bootstrap置信区间。本文的滚动验证工具链接仅作基础流程说明，新增审计和统计计算由本页独立表格与模型交付。
道积君编辑组，AI辅助编写与核算。本文为构造教学实验，来源说明方法，数字由明示输入计算，不代表真实策略、收益预测或统计审定。
复算资料
本篇编号DJ4-060。下载Python复算脚本（文本）与构造输入输出JSON，按编号核对本篇。脚本改存为.py后可用Python标准库运行，数据不是实际用户记录。