Newey-West
对于预测误差均值的t 检验，在通常情况下应该由预测误差的样本均值和样本方差来检验，但是由于重叠观测（overlapping problem）的问题，所以预测误差是服从MA（k-1） 的过程，即：
但是预测残差的方差就需要调整， 本文采用Newey-West的自相关异方差一致性估计 （autocorrelation and heteroskedastisity consistent covariance estimates）来调整预测误差的方差，以此来调整 t统计量值。同样的方法被 Longstaff 和 Wang（2002）所采用。
Newey-West 的自相关异方差一致性估计
当异方差的形式未知的时候，加权最小二乘法（WLS）得到的估计结果虽然仍具有一致性，但是不在有效。为了解决这一问题，White（1980）提出了Heteroskedasticity Consistent Covariances 方法使存在异方差时能够对协方差矩阵进行一致性估计，而无须知道异方差的形式，但是 White 提出的方法假定序列的残差是不存在自相关的，为了解决这一问题，Newey-West（1987）提出了一个更为一般的估计量，使存在异方差和自相关是仍然能对协方差矩阵进行一致性估计。