• 재무관리연구
• /
• 제26권2호
• /
• pp.181-201
• /
• 2009

This study is on the forecasting performance analysis of range volatility estimators(Parkinson, Garman and Klass, and Rogers and Satchell) relative to historical one using two-scale realized volatility estimator as a benchmark. American sub-prime mortgage loan shock to Korean stock markets happened in sample period(January 2, 2006~March 10, 2008), so the structural change somewhere within this period can make a huge influence on the results. Therefore sample was divided into two sub-samples by May 30, 2007 according to Zivot and Andrews unit root test results. As expected, the second sub-sample was much more volatile than the first sub-sample. As a result of forecasting performance analysis, Rogers and Satchell volatility estimator showed the best forecasting performance in the full sample and relatively better forecasting performance than other estimators in sub-samples. Range volatility estimators showed better forecasting performance than historical volatility estimator during the period before the outbreak of structural change(the first sub-sample). On the contrary, the forecasting performance of range volatility estimators couldn't beat that of historical volatility estimator during the period after this event(the second sub-sample). The main culprit of this result seems to be the increment of range volatility caused by that of intraday volatility after structural change.

• 응용통계연구
• /
• 제31권2호
• /
• pp.205-216
• /
• 2018

본 논문에서는 모형 기반 GARCH 변동성, 실현변동성(realized volatility; RV), 역사적 변동성(historical volatility), 지수가중이동평균(exponentially weighted moving average; EWMA) 등 다양한 변동성 추정 방법을 소개하고, 실현변동성에 비대칭 효과(leverage effect)를 반영한 분계점 실현변동성(threshold-asymmetric realized volatility; T-RV)을 제안하였다. 또한, 예시를 위해 KOSPI 고빈도 수익률 자료의 변동성을 분석하였다.

• 융합정보논문지
• /
• 제11권2호
• /
• pp.82-89
• /
• 2021

본 연구의 목적은 투자자의 은퇴 시점뿐만 아니라 시장의 예측 변동성을 동시에 고려하여 Target Date Fund의 위험자산 편입 비율을 동적으로 조정하는 새로운 Glide Path를 제안하고, 은퇴 시점만 고려하여 위험자산 편입 비율이 정해지는 전통적 Glide Path와 투자 성과를 비교 분석하는 것이다. 시장 변동성의 예측치로는 역사적 변동성, 시계열모형인 GARCH 변동성, 그리고 변동성지수인 VKOSPI를 활용하였으며, 2003년부터 2020년까지의 분석 기간에서 변동성을 고려하는 새로운 동적 Glide Path의 투자 성과가 우수함을 보여주었다. 3가지 변동성 예측모형 모두에서 은퇴 시점만을 고려하는 Glide Path보다 수익률은 더 높고 위험은 더 낮아지면서 투자 성과 지표인 Sharpe Ratio가 개선되었다. 실증 분석 결과는 은퇴예정자뿐만 아니라 Target Date Fund 운용업계에 새로운 Glide Path의 활용 가능성을 제시하고 있다.

• 응용통계연구
• /
• 제28권6호
• /
• pp.1163-1170
• /
• 2015

본 연구에서는 금융시계열 변동성 측정을 위한 다양한 방법들을 소개하고 비교분석 하였다. 최근 들어 활발한 연구가 이루어지고 있는 고빈도(high frequency) 자료에 기초한 변동성 측정방법을 국내 주가에 적용시켜 1분 단위 고빈도 주가로부터 일별 변동성을 계산하였다. 또한, 모형 기반 방법인 GARCH와 자료 기반 방법인 역사적 변동성(historical volatility)을 융합하여 새로운 변동성 측정법을 제안하였다.

• Communications for Statistical Applications and Methods
• /
• 제17권2호
• /
• pp.293-308
• /
• 2010

본 연구는 2003년 1월 3일부터 2007년 6월 29일 동안의 실현변동성 측정방법에 따른 KOSPI200 지수의 변동성 예측성과를 비교 분석하였다. 또한 VKOSPI 선물이 상장되면 기초자산인 VKOSPI의 예측이 중요한 이슈가 되므로 어떤 변동성이 VKOSPI를 잘 예측할 수 있는지에 대한 분석도 실시하였다. 본 연구에서는 고빈도 자료를 사용하여 실현변동성을 산출할 때, 우리나라 주식거래의 특성인 동시호가제도를 반영할 수 있는 방법과 야간변동성과 주간변동성의 차이를 고려해주기 위하여 기존의 연구에서는 일간수익률(daily return)을 사용한 것과는 달리 일중수익률(intradaily return)을 사용하여 조정해주는 방법을 제시하였다. 새롭게 제시된 실현변동성은 기존의 실현변동성 측정방법과는 t-검증과 F-검증에서 0.01% 이하 유의수준에서 차이가 있고 기초통계량측면에서 보다 안정적(stable)인 것으로 나타났다. 변동성 측정 방법에 VKOSPI의 예측성과를 상관분석, 회귀분석, 교차타당성 (cross validation) 성과를 통한 검증에서 본 논문에서 새롭게 제시한 실현변동성 측정방법이 가장 예측력이 높았다. 회귀분석을 통한 미래 실현될 실현변동성에 대한 예측 검증결과 변동성지수인 VKOSPI가 역사적 변동성이나 CRR 내재변동성보다 우수함을 기존의 방법론과 새롭게 제시된 방법론에서 동시에 확인할 수 있었다.

• 한국IT서비스학회지
• /
• 제13권2호
• /
• pp.151-161
• /
• 2014

KOSPI 200 index options market has the highest trading volume in the global options markets. The risk and return structure of options contracts are very complex. Volatility complicates options trading because volatility plays a central role in options pricing process. This study develops a trading system for KOSPI 200 index options trading using KOSPI 200 volatility index. We design a database system to handle the complex options information such as price, volume, maturity, strike price, and volatility using Oracle DBMS. We then develop options trading strategies to test how the volatility index is related to the prices of complicated options trading strategies. Back test procedure is presented with PL/SQL of Oracle DBMS. We simulate the suggested trading system using historical data set of KOSPI 200 index options from December 2008 to April 2012.

• 지능정보연구
• /
• 제23권2호
• /
• pp.107-122
• /
• 2017

주식시장의 주가 수익률에 나타나는 변동성은 투자 위험의 척도로서 재무관리의 이론적 모형에서뿐만 아니라 포트폴리오 최적화, 증권의 가격 평가 및 위험관리 등 투자 실무 영역에서도 매우 중요한 역할을 하고 있다. 변동성은 주가 수익률이 평균을 중심으로 얼마나 큰 폭의 움직임을 보이는가를 판단하는 지표로서 보통 수익률의 표준편차로 측정한다. 관찰 가능한 표준편차는 과거의 주가 움직임에서 측정되는 역사적 변동성(historical volatility)이다. 역사적 변동성이 미래의 주가 수익률의 변동성을 예측하려면 변동성이 시간 불변적(time-invariant)이어야 한다. 그러나 대부분의 변동성 연구들은 변동성이 시간 가변적(time-variant)임을 보여주고 있다. 이에 따라 시간 가변적 변동성을 예측하기 위한 여러 계량 모형들이 제안되었다. Engle(1982)은 변동성의 시간 가변적 특성을 잘 반영하는 변동성 모형인 Autoregressive Conditional Heteroscedasticity(ARCH)를 제안하였으며, Bollerslev(1986) 등은 일반화된 ARCH(GARCH) 모형으로 발전시켰다. GARCH 모형의 실증 분석 연구들은 실제 증권 수익률에 나타나는 두터운 꼬리 분포 특성과 변동성의 군집현상(clustering)을 잘 설명하고 있다. 일반적으로 GARCH 모형의 모수는 가우스분포로부터 추출된 자료에서 최적의 성과를 보이는 로그우도함수에 대한 최우도추정법에 의하여 추정되고 있다. 그러나 1987년 소위 블랙먼데이 이후 주식 시장은 점점 더 복잡해지고 시장 변수들이 많은 잡음(noise)을 띠게 됨에 따라 변수의 분포에 대한 엄격한 가정을 요구하는 최우도추정법의 대안으로 인공지능모형에 대한 관심이 커지고 있다. 본 연구에서는 주식 시장의 주가 수익률에 나타나는 변동성의 예측 모형인 GARCH 모형의 모수추정방법으로 지능형 시스템인 Support Vector Regression 방법을 제안한다. SVR은 Vapnik에 의해 제안된 Support Vector Machines와 같은 원리를 회귀분석으로 확장한 모형으로서 Vapnik의 e-insensitive loss function을 이용하여 비선형 회귀식의 추정이 가능해졌다. SVM을 이용한 회귀식 SVR은 두터운 꼬리 분포를 보이는 주식시장의 변동성과 같은 관찰치에서도 우수한 추정 성능을 보인다. 2차 손실함수를 사용하는 기존의 최소자승법은 부최적해로서 추정 오차가 확대될 수 있다. Vapnik의 손실함수에서는 입실론 범위내의 예측 오차는 무시하고 큰 예측 오차만 손실로 처리하기 때문에 구조적 위험의 최소화를 추구하게 된다. 금융 시계열 자료를 분석한 많은 연구들은 SVR의 우수성을 보여주고 있다. 본 연구에서는 주가 변동성의 분석 대상으로서 KOSPI 200 주가지수를 사용한다. KOSPI 200 주가지수는 한국거래소에 상장된 우량주 중 거래가 활발하고 업종을 대표하는 200 종목으로 구성된 업종 대표주들의 포트폴리오이다. 분석 기간은 2010년부터 2015년까지의 6년 동안이며, 거래일의 일별 주가지수 종가 자료를 사용하였고 수익률 계산은 주가지수의 로그 차분값으로 정의하였다. KOSPI 200 주가지수의 일별 수익률 자료의 실증분석을 통해 기존의 Maximum Likelihood Estimation 방법과 본 논문이 제안하는 지능형 변동성 예측 모형의 예측성과를 비교하였다. 주가지수 수익률의 일별 자료 중 학습구간에서 대칭 GARCH 모형과 E-GARCH, GJR-GARCH와 같은 비대칭 GARCH 모형에 대하여 모수를 추정하고, 검증 구간 데이터에서 변동성 예측의 성과를 비교하였다. 전체 분석기간 1,487일 중 학습 기간은 1,187일, 검증 기간은 300일 이다. MLE 추정 방법의 실증분석 결과는 기존의 많은 연구들과 비슷한 결과를 보여주고 있다. 잔차의 분포는 정규분포보다는 Student t분포의 경우 더 우수한 모형 추정 성과를 보여주고 있어, 주가 수익률의 비정규성이 잘 반영되고 있다고 할 수 있다. MSE 기준으로, SVR 추정의 변동성 예측에서는 polynomial 커널함수를 제외하고 linear, radial 커널함수에서 MLE 보다 우수한 예측 성과를 보여주었다. DA 지표에서는 radial 커널함수를 사용한 SVR 기반의 지능형 GARCH 모형이 가장 우수한 변동성의 변화 방향에 대한 방향성 예측력을 보여주었다. 추정된 지능형 변동성 모형을 이용하여 예측된 주식 시장의 변동성 정보가 경제적 의미를 갖는지를 검토하기 위하여 지능형 변동성 거래 전략을 도출하였다. 지능형 변동성 거래 전략 IVTS의 진입규칙은 내일의 변동성이 증가할 것으로 예측되면 변동성을 매수하고 반대로 변동성의 감소가 예상되면 변동성을 매도하는 전략이다. 만약 변동성의 변화 방향이 전일과 동일하다면 기존의 변동성 매수/매도 포지션을 유지한다. 전체적으로 SVR 기반의 GARCH 모형의 투자 성과가 MLE 기반의 GARCH 모형의 투자 성과보다 높게 나타나고 있다. E-GARCH, GJR-GARCH 모형의 경우는 MLE 기반의 GARCH 모형을 이용한 IVTS 전략은 손실이 나지만 SVR 기반의 GARCH 모형을 이용한 IVTS 전략은 수익으로 나타나고 있다. SVR 커널함수에서는 선형 커널함수가 더 좋은 투자 성과를 보여주고 있다. 선형 커널함수의 경우 투자 수익률이 +526.4%를 기록하고 있다. SVR 기반의 GARCH 모형을 이용하는 IVTS 전략의 경우 승률도 51.88%부터 59.7% 사이로 높게 나타나고 있다. 옵션을 이용하는 변동성 매도전략은 방향성 거래전략과 달리 하락할 것으로 예측된 변동성의 예측 방향이 틀려 변동성이 소폭 상승하거나 변동성이 하락하지 않고 제자리에 있더라도 옵션의 시간가치 요인 때문에 전체적으로 수익이 실현될 수도 있다. 정확한 변동성의 예측은 자산의 가격 결정뿐만 아니라 실제 투자에서도 높은 수익률을 얻을 수 있기 때문에 다양한 형태의 인공신경망을 활용하여 더 나은 예측성과를 보이는 변동성 예측 모형을 개발한다면 주식시장의 투자자들에게 좋은 투자 정보를 제공하게 될 것이다.

• 한국경영과학회지
• /
• 제39권4호
• /
• pp.137-152
• /
• 2014

In this paper, I suggest several techniques to estimate covariance matrix and compare the performance of the global minimum variance portfolio (GMVP) in terms of out of sample mean standard deviation and return. As a result, the return differences among the GMVPs are insignificant. The mean standard deviation of the GMVP using historical covariance is sensitive to the estimation window and the number of assets in the portfolio. Among the model covariance, the GMVP using constant systematic risk ratio model or using short sale restriction shows the best performance. The performance difference between the GMVPs using historical covariance and model covariance becomes insignificant as the historical covariance is estimated with longer estimation window. Lastly, the implied volatilities from ELW prices do not lead to superior performance to the historical variance.

• Journal of the Korean Data and Information Science Society
• /
• 제25권6호
• /
• pp.1507-1520
• /
• 2014

본 연구는 금리변동성이 금리수준과 양의 상관관계가 있음을 밝힘으로써 현행 위험기준 자기자본제도 하에서 금리리스크의 측정에 사용되는 금리변동계수가 금리수준에 따라 달라질 필요가 있음을 제시한다. 이를 위해 본 연구는 국공채 금리 자료를 이용, 이자율의 역사적 변동성을 측정하여 이자율 수준과 금리변동성 간의 비례관계를 확인한다. 또한 균형이자율 모형 중 지수형 Vasicek 모형과 Cox-Ingersoll-Ross 모형을 통해 금리수준과 금리변동성의 상관관계를 분석한다. 이후 국공채 자료에 기반하여 두 이자율 모형의 모수를 추정하고 이에 따라 금리수준별 금리변동성을 측정한다. 이에 따르면 금리수준이 높을수록 금리변동성 역시 크게 나타난다. 금리가 2.8%일 경우 지수형 Vasicek 모형과 CIR 모형에서는 금리변동계수가 각각 0.9와 1.1로 현 제도 하에서 금리하락 시 적용되는 금리변동계수 1.5보다 작게 나타난다. 이는 금리리스크에 대응하여 보험사가 보유해야 하는 자기자본이 현재 수준의 60%와 73% 로 낮춰질 수 있음을 의미한다. 본 연구에서는 이러한 결과를 반영하여 수정 금리변동계수를 이자율 모형에 따라 금리수준별로 제시한다. 금리수준과 금리변동계수를 연동시킴으로써 금리리스크를 보다 합리적으로 측정하고 관리하는 방안을 제시하였다는 점에 본 연구의 의의가 있다.

• 경영과정보연구
• /
• 제30권2호
• /
• pp.237-255
• /
• 2011

변동성을 측정하는 데에는 주로 종가기반(close-to-close)의 수익률 자료를 이용하여 이루어지고 있지만, 일중 변동폭을 나타내는 가격범위에 관한 정보인 고가와 저가를 포함한 범위변동성에 대한 연구가 최근 활발해지고 있다. 본 연구는 범위 변동성에 대한 개념이 생긴 이후 최근 확장되고 있는 다양한 연구주제와 더불어 범위변동성을 실무적으로 활용하기 위한 것으로 범위변동성 예측에 있어 적절한 예측기간을 제시하는 것을 목적으로 하고 있다. 범위변동성은 Parkinson(1980; PK), Garman and Klass(1980; GK) Rogers and Satchell(1991; RS), Yang and Zhang(2008; YZ)이 제시한 추정치를 이용하였으며, AR(1), MA(1)모형을 이용하여 예측된 변동성과 실현변동성간의 예측오차를 비교하는데 이때 예측기간을 시변하여 산출함으로써 예측력을 비교분석하였다. 2000.5.22~2009.9.18(총 2,307일간)의 KOSPI200지수를 대상으로 분석한 결과는 다음과 같다. 첫째, PK, GK, RS, YZ 변동성 중 KOSPI200의 변동성을 가장 잘 예측하는 변동성은 PK변동성 또는 RS변동성으로 보인다. 두 변동성의 예측력 우위는 분석기간에 따라 미세한 차이를 보이는데 금융위기를 포함하는 경우 PK변동성이 우수하며, 포함하지 않는 경우는 RS변동성이 우수한 것으로 나타났다. 둘째, 금융위기를 포함하지 않는 경우 대부분의 경우 예측오차가 크게 줄어드는 것으로 나타나 금융위기처럼 변동성이 크게 나타나는 경우에는 범위변동성을 이용한 변동성예측력이 상당히 떨어질 수 있음을 확인하였다. 셋째, 범위변동성을 이용하여 변동성을 예측하는 경우 AR(1), MA(1)모형의 모수추정기간을 길게 하는 경우 예측오차의 평균은 감소하는 경향이 확인되었다. 특징적인 점은 60일 또는 90일로 기간을 늘일 경우에 예측오차가 급격하게 감소하는 경향을 보이는 것인데, 각각의 변동성과 예측모형에 따라 다소의 차이가 나타난다. 그리고, 예측오차의 편차는 90일 이후 큰 변화를 보이지 않고 있는 것으로 보인다. 따라서, 범위변동성을 이용하여 범위변동성을 예측할 경우 90거래일 이상의 가격 정보를 이용하여 예측을 하는 것이 예측오차를 줄여 예측력을 높일 수 있을 것으로 판단된다.