• 재무관리연구
• /
• 제24권2호
• /
• pp.41-79
• /
• 2007

본 논문은 주가지수 선물과 옵션의 만기일이 주식시장에 어떠한 영향을 미치는가에 대한 분석을 통해 한국주식시장에서 만기일 효과가 존재하는지를 검증한다. 주가지수를 이용한 기존의 논문과는 달리 만기일에 현물 주식시장의 움직임을 개별 종목별로 분석했다는 점에서 본 논문은 차별성을 지닌다. 주가지수는 시장 움직임의 평균으로 개별 종목의 고유한 특성을 반영하지 못하기 때문에 주가지수를 이용한 분석은 만기일 효과를 해석하고 그 원인을 분석하는데 한계를 지니고 있다. 분석 결과 한국주식시장에서 선물 만기일 효과는 분명히 존재하지만, 옵션 만기일 효과는 뚜렷하지 않은 것으로 드러났다. 선물 만기일에 KOSPI 200 지수와 개별 종목은 가격상승 압력이 존재하고, 변동성과 거래량이 증가하며, 만기일 다음날 수익률은 반전하는 경향이 있는 것으로 나타났다. 그러나 비교표본인 NON-KOSPI 200 지수와 개별 종목에서 만기일 효과가 존재한다고 할 만한 증거를 찾지 못했다. 만기일 효과가 시장 전체적으로 나타나는 것처럼 보이지만 KOSPI 200에 속하는 대규모 기업에 한정되며, 장 후반에 집중적으로 나타난다는 사실은 프로그램 매매와 만기일의 결제제도가 만기일 효과의 간접적 원인임을 시사한다. 또한 만기일 다음날 가격이 반전하는 현상이 KOSPI 200에 속하는 대규모 기업에 한정되어 나타나는 사실은 만기일 효과가 새로운 정보의 반영에 의한 정보 효과(information effects)가 아니라 일시적 거래불균형에 의한 유동성 효과(liquidity effects)임을 보여주는 증거가 된다.

• 응용통계연구
• /
• 제23권5호
• /
• pp.823-834
• /
• 2010

주가에 영향을 미치는 정보는 장 중 뿐만 아니라 거래가 중단되고 있는 밤사이에도 계속해서 발생하고 있다. 거래가 중단되고 있는 비거래시간대에 발생하는 정보는 밤사이 누적되어 있다가 아침 동시호가에 한꺼번에 반영되면서 주가의 변동성을 확대시킬 수 있다. 본 연구는 비거래시간대의 주식시장정보가 장중 주가변동성에 미치는 영향을 분석하고자 한다. 분석모형으로는 시계열통계모형과 변동성지수모형을 제시한다. 실증분석을 위한 표본자료는 2008년 3월 3일부터 2010년 6월 22일까지의 578일간의 KOSPI 200 주가지수와 VKOSPI 지수의 일별 시가지수와 종가지수이다. 실증분석 결과 비거래시간대의 시장정보가 호재가 많아 아침 시가가 상승으로 시작하는 날은 장중변동성이 추가 하락할 확률이 커짐을 밝혔다. 한국거래소가 2010년 하반기를 목표로 VKOSPI 선물을 상장시킬 것으로 예상되어, 본 연구의 결과는 투자자들에게 중요한 투자정보를 제공하게 될 것으로 예상된다.

• The Journal of Asian Finance, Economics and Business
• /
• 제1권3호
• /
• pp.29-36
• /
• 2014

This paper attempts to measure the impact of non-financial factors including analyst practices and broker resources on performance of sell side research. Results reveal that these non-financial factors have a measurable impact on performance of target price forecasts. Number of pages written by an analyst (surrogate for analyst practice) is significantly and directly linked with target price accuracy indicating a more elaborate analyst produces better target price forecasts. Analyst compensation (surrogate for broker resource) is significantly and inversely linked with target price accuracy. Out performance by analysts working with lower paying firms is possibly associated with motivation to migrate to higher paying broking firms. The study finds that employing more number of analysts per research report has no significant impact on target price accuracy -negative coefficient indicates that team work may not result in better target price forecasts. Though insignificant, long term forecast horizon negatively affects target price accuracy while stock volatility improves target price accuracy.

• 응용통계연구
• /
• 제35권1호
• /
• pp.93-104
• /
• 2022

S&P 500과 RUSSELL 2000, DJIA, Nasdaq 100 4가지 미국 주가지수의 실현변동성(realized volatility, RV)을 예측하는데 있어서 사람들의 관심 지표로 삼을 수 있는 인터넷 검색량(search volume, SV) 지수와 내재변동성(implied volatility, IV)를 이용하여 LSTM 딥러닝(deep learning) 방법으로 RV의 예측력을 높이고자하였다. SV을 이용한 LSTM 방법의 실현변동성 예측력이 기존의 기본적인 vector autoregressive (VAR) 모형, vector error correction (VEC)보다 우수하였다. 또한, 최근 제안된 RV와 IV의 공적분 관계를 이용한 vector error correction heterogeneous autoregressive (VECHAR) 모형보다도 전반적으로 예측력이 더 높음을 확인하였다.

• 지능정보연구
• /
• 제27권1호
• /
• pp.103-128
• /
• 2021

최근 주식의 수익률과 거래량을 설명하는 주요 요인으로서 투자자의 관심도와 주식 관련 정보 전파의 영향력이 부각되고 있다. 또한 인공지능과 같은 혁신 신기술을 개발보급하거나 활용하려는 기업의 경우 거시환경 및 시장 불확실성 때문에 기업의 미래 주식 수익률과 주식 변동성을 예측하기 어렵다는 문제를 가지고 있다. 이는 인공지능 활성화의 장애요인으로 인식되고 있다. 따라서 본 연구의 목적은 인공지능 관련 기술 키워드의 인터넷 검색량을 투자자의 관심 척도로 사용하여, 기업의 주가 변동성을 예측하는 기계학습 모형을 제안하는 것이다. 이를 위해 심층신경망 LSTM(Long Short-Term Memory)과 벡터자기회귀(Vector Autoregression)를 통해 주식시장을 예측하고, 기술의 사회적 수용 단계에 따라 키워드 검색량을 활용한 주가예측 성능 비교를 통해 기업의 투자수익 예측이나 투자자들의 투자전략 의사결정을 지원하는 주가 예측 모형을 구축하였다. 또한 인공지능 기술의 세부 하위 기술에 대한 분석도 실시하여 기술 수용 단계에 따른 세부 기술 키워드 검색량의 변화를 살펴보고 세부기술에 대한 관심도가 주식시장 예측에 미치는 영향을 살펴보았다. 이를 위해 본 연구에서는 인공지능, 딥러닝, 머신러닝 키워드를 선정하여, 2015년 1월 1일부터 2019년 12월 31일까지 5년간의 인터넷 주별 검색량 데이터와 코스닥 상장 기업의 주가 및 거래량 데이터를 수집하여 분석에 활용하였다. 분석 결과 인공지능 기술에 대한 키워드 검색량은 사회적 수용 단계가 진행될수록 증가하는 것으로 나타났고, 기술 키워드를 기반으로 주가예측을 하였을 경우 인식(Awareness)단계에서 가장 높은 정확도를 보였으며, 키워드별로 가장 좋은 예측 성능을 보이는 수용 단계가 다르게 나타남을 확인하였다. 따라서 기술 키워드를 활용한 주가 예측 모델 구축을 위해서는 해당 기술의 하위 기술 분류를 고려할 필요가 있다. 본 연구의 결과는 혁신기술을 기반으로 기업의 투자수익률을 예측하기 위해서는 기술에 대한 대중의 관심이 급증하는 인식 단계를 포착하는 것이 중요하다는 점을 시사한다. 또한 최근 금융권에서 선보이고 있는 빅데이터 기반 로보어드바이저(Robo-advisor) 등 투자 의사 결정 지원 시스템 개발 시 기술의 사회적 수용도를 세분화하여 키워드 검색량 변화를 통해 예측 모델의 정확도를 개선할 수 있다는 점을 시사하고 있다.

• The Journal of Asian Finance, Economics and Business
• /
• 제9권3호
• /
• pp.203-215
• /
• 2022

Bayesian Networks are multivariate probabilistic factor graphs that are used to assess underlying factor relationships. From January 2005 to December 2018, the study examines how Dynamic Bayesian Networks can be utilized to estimate portfolio risk and return as well as determine inter-factor relationships among reversal profit-generating components in Pakistan's emerging market (PSX). The goal of this article is to uncover the factors that cause reversal profits in the Pakistani stock market. In visual form, Bayesian networks can generate causal and inferential probabilistic relationships. Investors might update their stock return values in the network simultaneously with fresh market information, resulting in a dynamic shift in portfolio risk distribution across the networks. The findings show that investments in low net profit margin, low investment, and high volatility-based designed portfolios yield the biggest dynamical reversal profits. The main triggering aspects related to generation reversal profits in the Pakistan market, in the long run, are net profit margin, market risk premium, investment, size, and volatility factor. Investors should invest in and build portfolios with small companies that have a low price-to-earnings ratio, small earnings per share, and minimal volatility, according to the most likely explanation.

• The Journal of Asian Finance, Economics and Business
• /
• 제8권8호
• /
• pp.311-324
• /
• 2021

Investors have increasingly become interested in macroeconomic antecedents in order to better understand the investment environment and estimate the scope of profitable investment in equity markets. This study endeavors to examine the interdependency between the macroeconomic antecedents (international oil price (COP), Domestic gold price (GP), Rupee-dollar exchange rates (ER), Real interest rates (RIR), consumer price indices (CPI)), and the BSE Sensex and Nifty 50 index return. The data is converted into a natural logarithm for keeping it normal as well as for reducing the problem of heteroscedasticity. Monthly time series data from January 1992 to July 2019 is extracted from the Reserve Bank of India database with the application of financial Econometrics. Breusch-Godfrey serial correlation LM test for removal of autocorrelation, Breusch-Pagan-Godfrey test for removal of heteroscedasticity, Cointegration test and VECM test for testing cointegration between macroeconomic factors and market returns,] are employed to fit regression model. The Indian market returns are stable and positive but show intense volatility. When the series is stationary after the first difference, heteroskedasticity and serial correlation are not present. Different forecast accuracy measures point out macroeconomics can forecast future market returns of the Indian stock market. The step-by-step econometric tests show the long-run affiliation among macroeconomic antecedents.

• Communications for Statistical Applications and Methods
• /
• 제31권1호
• /
• pp.105-127
• /
• 2024

We propose recurrent neural network (RNN) methods for forecasting realized volatility (RV). The data are RVs of ten major stock price indices, four from the US, and six from the EU. Forecasts are made for relative ratio of adjacent RVs instead of the RV itself in order to avoid the out-of-scale issue. Forecasts of RV ratios distribution are first constructed from which those of RVs are computed which are shown to be better than forecasts constructed directly from RV. The apparent asymmetry of RV ratio is addressed by the Piecewise Min-max (PM) normalization. The serial dependence of the ratio data renders us to consider two architectures, long short-term memory (LSTM) and gated recurrent unit (GRU). The hyperparameters of LSTM and GRU are tuned by the nested cross validation. The RNN forecast with the PM normalization and ratio transformation is shown to outperform other forecasts by other RNN models and by benchmarking models of the AR model, the support vector machine (SVM), the deep neural network (DNN), and the convolutional neural network (CNN).

• 재무관리연구
• /
• 제20권1호
• /
• pp.261-277
• /
• 2003

한국주식시장의 감리종목 제도는 단기간에 주가가 급등할 경우 투자자의 주의를 환기하여 가수요를 억제함으로써 주가의 안정을 도모하고자 하는 거래 장치중의 하나이다. 그런데, 감리 종목 제도는 그 시장안정장치로서의 역할에 관하여 이렇다 할 실증적 검증 없이, 가격제한폭 제도가 변할 때마다, 그 지정 및 해제 기준을 임의로 변경시키면서 존속되어 왔다. 본 연구에서는 1995년부터 2001년까지 7년 동안, 감리종목으로 지정된 거래소종목과 코스닥종목의 수익률 자료를 조사하였는데, 감리종목 지정 후 원래의 취지와는 달리 주가의 변동성이별로 억제되지 않는 것으로 밝혀졌다. 가 매수 세력을 감소시키는 감리종목 제도의 조건들은 주가의 변동성보다는 오히려 수익률에 제약적으로 작용하여, 해당 주식들은 감리지정 후에 수익률이 감소할 가능성이 있는 것으로 나타났다. 감리종목의 지정 후 변동성이 억제되지 못하고 오히려 그 변동성이 증대되고, 수익률만 감소되는 결과로 나타난 것은 일관되게 감리종목 제도의 변동성 억제라는 기능에 의문점을 남긴다. 이는 가격제한폭 제도에 못지않게, 감리종목 제도도 그 취지와 기능, 조건 등에 있어서 검증이 되어야 함은 물론, 명확한 기준 없는 제도의 강화내지 완화는 시장의 안정성과 일반 투자자들의 투자 행태에 부정적인 영향을 미칠 수 있다는 것을 시사한다. 따라서 향후, 감리종목 제도는 단순히 수익률이 억제되는 방향보다는 취지대로 주가의 변동성을 감소시킬 수 있도록 계발되어야 할 것이다.

• 무역학회지
• /
• 제48권4호
• /
• pp.189-208
• /
• 2023

본 논문은 한국 ETS시장, 에너지시장 및 주식시장 간의 동태적 조건부 상관관계를 분석하였다. 본 논문은 2015년 2월 2일부터 2021년 12월 30일까지의 한국 탄소배출권 거래가격, WTI원유 선물가격, 코스피지수의 일별 자료를 이용하여 실증분석하였다. 우선, GARCH 모형을 사용하여 세 시장의 변동성에 대해 분석한 후, 이변량 DCC-GARCH 모형을 사용하여 세 시장 간의 동태적 조건부 상관관계를 연구하였다. 연구결과는 다음과 같다. 첫째, 한국의 ETS시장이 주식시장보다 투자 수익률과 투자 위험도가 높은 것으로 나타났다. 둘째, 한국 ETS시장의 수익률 변동성이 외부 충격의 영향을 가장 많이 받고, 시장 자체의 변동성 정보로부터 받는 영향이 가장 작은 것으로 나타났다. 셋째, 한국 ETS시장이 WTI원유 선물시장보다 주식시장과의 상관관계의 지속성이 더 강한 것으로 나타났다. 본 논문은 한국 ETS시장, 에너지시장 및 주식시장 간의 상관관계를 분석하여 한국 ETS시장의 금융화 수준이 상당히 낮은 것을 확인하였다.