4、横截面回归原理：普通最小二乘法（OLS）在横截面回归中的假设、估计与解释
横截面回归是量化金融与资产定价研究中最基础的工具之一。无论是估计Fama-French因子暴露、计算股票特质收益率，还是构建多因子选股模型，其核心估计方法几乎都指向普通最小二乘法（OLS）。理解OLS在横截面数据下的假设条件、估计过程与结果解释，是正确使用因子模型的前提。本章将系统拆解OLS在横截面回归中的数学原理、统计性质、常见误用场景及实战应对策略。
4.1 横截面回归的核心假设：从线性到外生性
横截面回归处理的是同一时点上多个个体（如股票、公司、基金）的观测数据。与时间序列回归不同，横截面数据强调个体间的差异，而非时间上的动态变化。OLS在横截面中的有效性依赖于一组清晰的假设，这些假设不仅是数学推导的基础，更是实证结果可信度的边界条件。
| 假设名称 | 数学表达 | 经济含义 | 违反后果 |
|---|---|---|---|
| 线性参数 | y = Xβ + ε | 因变量与自变量呈线性关系 | 模型设定偏误，估计有偏 |
| 严格外生性 | E(ε|X) = 0 | 因子暴露与残差不相关 | 系数估计不一致 |
| 同方差性 | Var(ε|X) = σ²I | 各股票残差方差相同 | 标准误偏误，t值失真 |
| 无完全共线性 | rank(X) = K | 因子之间不完全线性相关 | 无法唯一估计系数 |
| 正态性（推断用） | ε ~ N(0, σ²I) | 小样本下t/F检验有效 | 大样本下影响有限（CLT） |
在资产定价应用中，严格外生性是最关键也最容易被违反的假设。例如，当我们用市值（Size）和账面市值比（B/M）回归股票收益率时，如果残差中包含了与市值相关的遗漏变量（如流动性风险），则外生性假设被破坏，导致因子系数估计偏误。实践中，研究者通常通过加入更多控制变量或使用自然实验来缓解这一问题。
4.2 OLS估计的数学推导与计算流程
OLS的目标是找到一组系数β，使得残差平方和最小化。对于横截面数据，目标函数为：
min_β S(β) = (y - Xβ)'(y - Xβ) = Σᵢ(yᵢ - xᵢ'β)²对β求导并令其为零，得到正规方程：
∂S/∂β = -2X'y + 2X'Xβ = 0
⇒ X'Xβ = X'y
⇒ β̂ = (X'X)⁻¹X'y这一公式是横截面回归的核心。实际操作中，计算流程如下：
- 数据准备：收集N只股票的横截面数据，构造因变量向量y（如个股收益率）和设计矩阵X（包含截距项和K个因子暴露）。
- 矩阵运算：计算X'X（K×K矩阵）、X'y（K×1向量），并求逆得到β̂。
- 残差与方差：计算残差ê = y - Xβ̂，估计残差方差σ̂² = ê'ê/(N-K)。
- 统计推断：计算系数标准误SE(β̂ⱼ) = √[σ̂² × (X'X)⁻¹ⱼⱼ]，进而得到t统计量。
- 拟合优度：计算R² = 1 - (ê'ê)/(y'y - Nȳ²)，衡量因子对收益率的横截面解释力。
在Python或R中，这一过程通常一行代码即可完成（如statsmodels.api.OLS或lm()），但理解背后的矩阵运算有助于诊断异常结果。例如，当X'X接近奇异时，β̂的数值会极不稳定，此时需要检查是否存在完全共线性。
4.3 案例拆解：使用OLS估计Fama-French三因子横截面模型
我们以A股市场为例，演示横截面OLS的完整应用。假设我们选取2023年6月30日全部A股（剔除ST和上市不足60天个股，共约4800只），目标是用市值因子（SMB）和账面市值比因子（HML）的暴露来解释个股截面收益率。
| 步骤 | 操作内容 | 关键参数/结果 |
|---|---|---|
| 1. 数据清洗 | 剔除缺失值、极端值（Winsorize 1%分位） | 最终样本N = 4,672只 |
| 2. 因子暴露计算 | 市值取对数；B/M按年度财务数据计算 | 标准化处理，均值为0，标准差为1 |
| 3. 构建回归方程 | Retᵢ = α + β₁·Sizeᵢ + β₂·BMᵢ + εᵢ | 包含截距项 |
| 4. OLS估计 | β̂ = (X'X)⁻¹X'y | β̂₁ = -0.32 (t=-4.21)，β̂₂ = 0.58 (t=5.87) |
| 5. 诊断检验 | White检验p=0.003 → 存在异方差 | 改用HC1稳健标准误，t值变为-3.45和4.92 |
| 6. 结果解释 | Size系数显著为负，BM系数显著为正 | 小市值、高B/M股票当期收益率更高 |
该案例中，初始OLS估计显示两个因子均显著，但White检验提示存在异方差。使用稳健标准误后，t值有所下降但依然显著，说明结论稳健。值得注意的是，如果忽略异方差直接使用普通标准误，可能会高估因子的显著性，导致错误的投资结论。
4.4 常见误区与总结复盘
横截面OLS在因子收益估计中的应用看似简单，但实践中存在若干高频误区，需要研究者警惕。
- 误区一：忽视残差横截面相关性。同一行业或同一风格的股票，其残差往往正相关。若忽略这一点，标准误会被低估，t值虚高。解决方法：使用按行业或风格聚类的稳健标准误。
- 误区二：因子暴露含测量误差。例如用历史数据估计的Beta作为真实Beta的代理，存在EIV问题，导致系数向零衰减（attenuation bias）。解决方法：使用排序分组法（如Fama-MacBeth两阶段）或工具变量。
- 误区三：极端值主导回归。少数微盘股或重组股可能对回归结果产生不成比例的影响。解决方法：对连续变量进行1%-99%的Winsorize处理，或使用Huber稳健回归。
- 误区四：过度解读R²。横截面回归的R²通常较低（10%-30%），但这并不代表模型无效。因子模型的目标是解释系统性收益差异，而非预测个股全部收益。
- 误区五：忽略多重共线性。当因子间相关性较高时（如市值与流动性），单个系数的标准误会膨胀，导致因子显著性判断失真。建议计算VIF，若超过10则考虑正交化处理。