• 경영과정보연구
• /
• 제35권2호
• /
• pp.1-12
• /
• 2016

본 연구는 2010년 4월 9일부터 2015년 12월 30일까지의 일별자료를 이용하여 KODEX 레버리지(TIGER 레버리지, KStar 레버리지) 시장이 기초자산인 KOSPI200 현물시장에 대해 가격발견기능이 존재하는 지에 대해 분석 한 것이다. 본 논문의 주요 분석결과는 다음과 같다. 첫째, VECM의 오차조절계수를 이용한 분석에서는 레버리지 ETF시장이 KOSPI200 현물시장에 대해 가격발견에 있어서 우월하다는 증거를 발견하지 못하였다. 둘째, Baba and Inada(2009)가 제시한 Granger-Gonzalo 비율 분석에서도 동일한 결과를 보였다. 셋째, Hasbrouck 비율 분석의 경우 레버리지 ETF 시장이 KOSPI200 현물시장에 대해 가격발견의 우월성은 발견되지 않았으나, KOSPI 200 현물시장이 레버리지 ETF 시장에 대해 가격발견에 있어서 우월한 것으로 나타났다. 이러한 결과는 어떤 정보가 시장에 도착했을 때 레버리지 ETF의 기초자산에 정보가 우선적으로 반영이 되고, 이후에 레버리지 ETF 시장에 정보가 반영된다는 것을 의미한다. 즉, KOSPI200 현물시장이 레버리지 ETF 시장보다 정보의 효율성이 높음을 암시한다.

• 디지털융복합연구
• /
• 제16권5호
• /
• pp.185-197
• /
• 2018

종목 수가 급증하고 있는 한국 ETF 시장을 분석하여 투자효율성이 어느 정도 인가를 규명하여 ETF 투자자들에게 투자방향을 제시하는 것이 연구목적이다. 연구절차와 방법은 2010년~2018년에 거래된 ETF를 대상으로 국내ETF 및 해외 ETF, 기초자산, 추적배수의 종류별로 수익률 결과 및 변화추이, 상관관계, 회귀분석을 하였다. 연구결과, 국내 ETF의 전체 수익률은 3.51%로서 코스피 상승률 보다 낮았으며, 주식 ETF 수익률도 4.03%로서 코스피 상승률 보다 낮았다. 레버리지 ETF 수익률도 3%이하여서 투자자들이 기대했던 수익률 보다 낮았으며, 채권 ETF와 통화 ETF의 수익률은 1%이하였고, 인버스 ETF 수익률은 마이너스를 보였다. 가장 수익률이 높은 것은 인덱스 ETF였고, 다음은 국내주식 ETF, 레버리지 ETF, 해외 ETF 순이다. 연구기여도는 투자자 입장에서 실제로 달성 가능한 투자효과를 분석하여 ETF를 매입할 때 고려사항을 정립한 데 기여하였고, 향후연구방향은 ETF 자료를 많이 축적해서 ETF 투자방향을 더 정밀하게 제시하고자 한다.

• 한국융합학회논문지
• /
• 제10권4호
• /
• pp.1-6
• /
• 2019

신경회로망은 과거 데이터로부터 유용한 정보를 추출해서 주가지수의 이동 방향을 예측하는데 사용되어 왔다. 주가 지수의 상승 또는 하락 방향을 예측하는 기존 연구는 지수의 작은 변화에도 상승이나 하락을 예측하므로 이를 기반으로 지수 연동 ETF를 매매 하면 손실이 발생할 가능성이 높다. 본 논문에서는 ETF 매매 손실을 줄이고 매매 당 일정 이상의 수익을 내기 위한 일별 KOrea composite S0tock Price Index (KOSPI)의 이동 방향을 예측하는 신경회로망 모델을 제안한다. 제안된 모델은 이동 방향 예측을 위해 전일 대비 지수 변동률이 상승(변동률${\geq}{\alpha}$), 하락(변동률${\leq}-{\alpha}$)과 중립($-{\alpha}$<변동률<${\alpha}$)을 표시하는 출력을 갖는다. 예측이 상승이면 레버리지 Exchange Traded Fund (ETF)를, 하락이면 인버스 ETF를 매수한다. 본 논문에서 구현된 신경회로망 모델 중 PNN1의 Hit ratio (HR)은 학습에서 0.720, 평가에서 0.616이다. 평가용 데이터로 ETF 매매를 시뮬레이션하면 수익률은 8.39 ~ 16.32 %를 보인다. 또한 제안된 이동 방향 예측 신경회로망 모델이 주가지수 예측 신경회로망 모델 보다 ETF 매매 성공률과 수익률에서 더 우수하다.