• 응용통계연구
• /
• 제28권2호
• /
• pp.189-200
• /
• 2015

본 논문에서는 정상적 부트스트래핑을 금융 자산 가격에서 시장 미시구조 잡음에 대한 라그랑지 승수 검정에 적용한다. 몬테 카를로 실험을 통해 부트스트래핑 방법이 조건부 이분산 모형을 적용한 기존 라그랑지 승수 검정의 유의수준 왜곡 문제를 개선함을 보인다. 이 검정을 KOSPI 지수와 원-달러 환율과 같은 실제 데이터에 적용한다.

• 응용통계연구
• /
• 제30권2호
• /
• pp.243-257
• /
• 2017

본 논문에서는 옵션의 가격을 결정하기 위해 사용될 수 있는 몇 가지 근사적인 방법들을 수치적으로 비교하였다. 헤르미트 다항식 계열의 Edgeworth 확장과 A-type Gram-Charlier 방법, C-type Gram-Charlier 방법, normal inverse gaussian (NIG) 분포를 이용하는 방법, 그리고 비선형 회귀를 이용한 점근적 근사방법이 그것이다. 이 방법들을 위험중립 확률측도 하에서 수익률의 분포함수를 근사하여 옵션가격을 계산하는 방식과 옵션의 근사가격식을 먼저 구하고 모수를 추정하여 가격을 계산하는 두 가지 방식을 사용하여 비교하였다. 모의실험에서는 확률변동성 모형에서 많이 사용되는 Heston 모형과 레비확률과정에서 좋은 적합도를 보이는 NIG 모형을 이용하여 자료를 생성하였고, 실제 자료로는 KOSPI200 콜옵션을 이용하였다. 모의실험과 실제 자료분석의 결과, 근사적 가격식을 먼저 구하는 방식이 좀 더 우수한 성능을 보였고 그 가운데 A-type Gram-Charlier와 비선형 회귀를 이용한 점근적 근사방법이 좋은 성능을 보였으며, 분포함수를 추정하여 옵션가격을 계산하는 경우 NIG분포를 이용하는 것이 상대적으로 좋은 결과를 보였다.

• 재무관리연구
• /
• 제22권1호
• /
• pp.93-118
• /
• 2005

본 논문에서는 회사채의 가치평가모형 중에서 기업이 목표부채비율을 설정하고 부채비율을 조정하는 경우를 고려하는 모형인 목표부채비율 회귀모형(Collin-Dufresne and Goldstein(2001))을 우리나라 회사채시장에 적용하여 실증분석을 하였다. 먼저, 본 논문의 채택된 자료 중에서 부채비율이 목표부채비율로 회귀하는 성질을 갖는 회사는 5개회사로 나타났다. 목표부채비율 회귀모형을 우리나라 회사채시장에 적용해서 만기수익률 및 신용가산금리를 예측한 결과, 예측치가 실제 값에 비해서 전체적으로 과대평가하는 것으로 나타났다. 이러한 예측오차에 영향을 주는 원인을 찾기 위해서 본 논문에서는 t-검정을 실시하였다. t-검정 결과, 부채비율, 자산변동성, 목표부채비율과 현재 부채비율의 차이, 잔존만기, 신용등급, 자산가치 등의 변수들이 예측오차 중 중간 값을 기준으로 예측오차가 큰 그룹과 작은 그룹 사이에서 서로 통계적으로 다른 결과를 나타내는 사실을 발견하였다. 또한, 부채비율과 자산변동성이 예측오차에 가장 큰 영향을 주며 회사채의 만기도 영향을 주는 것으로 나타났다.

• 응용통계연구
• /
• 제29권1호
• /
• pp.85-98
• /
• 2016

본 논문은 장외거래 수익률을 이용하여 추정한 여러 실현변동성들을 실증적으로 비교분석한다. 실제 금융 자산 시장에서는 장외시간이나 휴일에 거래가 적거나 드물게 나타나기 때문에 하루 전체의 실현변동성을 정확히 계산하는데 문제가 발생한다. 이를 해결하기 위해 제안되어진 장외거래 수익률을 여러 가지 방법으로 반영한 다양한 실현변동성의 추정치들에 대한 검토가 이루어진다. 실제 데이터의 실현변동성 추정치들의 예측정확성을 비교하기 위해 미국의 NASDAQ 지수와 S&P500 지수와 우리나라의 KOSPI 지수와 원/달러환율이 분석된다. 적분변동성의 불편추정치인 다음날의 로그수익률의 제곱을 기준으로 일일 실현 변동성의 추정치들은 비교되어지며 비교를 위해 절대평균오차(MAE)와 제곱평균오차근(RMSE)이 이용된다. 또한 통계적 추론을 위하여 Model Confidence Set(MCS) 방법과 Diebold-Mariano 검정법을 사용한다. 세 가지 주가지수 데이터에 대해 동일한 최적 방법이 선택되어지는데, 장외시간 수익률을 이용하여 장내시간 실현변동성의 크기 조정을 한 방법이다.

• 인터넷정보학회논문지
• /
• 제15권6호
• /
• pp.15-26
• /
• 2014

본 연구는 실물옵션모형을 이용하여 기업의 빅데이터 기술도입에 따른 경제적 가치를 분석한 연구로, 빅데이터 기술도입을 결정한 기업의 주가를 이용하여 주가증분으로 평가한 경제적 가치의 크기를 옵션가치를 통해 분석하였다. 옵션가치 도출을 위해 빅데이터 기술을 마케팅에 활용한 기업의 주가를 통해 빅데이터 기술에 의한 주가증분을 추출하고, 해당 주가로 일반화적률법(GMM)을 이용하여 확률과정을 추정하였다. 옵션가치 도출을 위해 블랙-숄즈 편미분방정식을 도출하였고, 이를 수치해석적 방법인 유한차분법으로 해를 구하여 빅데이터 기술 도입에 따른 경제적 가치를 추정하였다. 분석결과, 빅데이터 투자비용을 5천만 원으로 가정했을 때, 주가증분을 통해 도출한 옵션가치는 약 38.5억 원으로 나타났고 시간가치는 약 1백만에 해당하는 것으로 나타났다. 따라서 빅데이터 기술도입은 실질적인 기업의 수익을 창출하는 효과에 더하여, 미미하지만 투자시점에 고려할 수 있는 추가적 시간가치까지 존재하는 것으로 해석된다. 민감도분석 결과 기초자산 크기가 작아질수록 옵션가치는 낮아지고, 투자비용이 낮아질수록 옵션가치는 높아지는 것으로 분석되었고, 변동성 변화에 따른 옵션가치 민감도는 크지 않은 것으로 나타났는데 이는 빅데이터 기술의 경우 기술도입 기간과 이에 따른 주가변동 폭이 낮아 변동성 증가에 따른 내재가치 증가 효과가 크지 않기 때문인 것으로 해석된다. 본 연구는 빅데이터 기술도입에 따른 효과를 실물옵션을 도입하여 분석한 최초의 연구로 빅데이터 옵션가치 도출에 빅데이터 기술을 도입한 기업의 주가를 기초자산으로 사용한 최초의 연구라는 점에서 기존연구와 차별화된다. 기업들의 빅데이터 기술 도입이 비교적 최근에 발생하였음을 고려할 때 동 분석방법론을 다양한 기업에 적용함으로 빅데이터 기술의 정체한 가치를 도출하는데 기여할 수 있을 것으로 기대된다.

• 유통과학연구
• /
• 제13권9호
• /
• pp.37-45
• /
• 2015

Purpose - This paper's aim is to investigate whether or not gross profitability explains the cross-sectional variation of the stock returns in the Korean stock market. Gross profitability is an alternative profitability measure proposed by Novy-Marx in 2013 to predict cross-sectional variation of stock returns in the US. He shows that the gross profitability adds explanatory power to the Fama-French 3 factor model. Interestingly, gross profitability is negatively correlated with the book-to-market ratio. By confirming the gross profitability premium in the Korean stock market, we may provide some implications regarding the well-known value premium. In addition, our empirical results may provide opportunities for the fund distribution industry to promote brand new styles of funds. Research design, data, and methodology - For our empirical analysis, we collect monthly market prices of all the companies listed on the Korea Composite Stock Price Index (KOSPI) of the Korea Exchanges (KRX). Our sample period covers July1994 to December2014. The data from the company financial statementsare provided by the financial information company WISEfn. First, using Fama-Macbeth cross-sectional regression, we investigate the relation between gross profitability and stock return performance. For robustness in analyzing the performance of the gross profitability strategy, we consider value weighted portfolio returns as well as equally weighted portfolio returns. Next, using Fama-French 3 factor models, we examine whether or not the gross profitability strategy generates excess returns when firmsize and the book-to-market ratio are controlled. Finally, we analyze the effect of firm size and the book-to-market ratio on the gross profitability strategy. Results - First, through the Fama-MacBeth cross-sectional regression, we show that gross profitability has almost the same explanatory power as the book-to-market ratio in explaining the cross-sectional variation of the Korean stock market. Second, we find evidence that gross profitability is a statistically significant variable for explaining cross-sectional stock returns when the size and the value effect are controlled. Third, we show that gross profitability, which is positively correlated with stock returns and firm size, is negatively correlated with the book-to-market ratio. From the perspective of portfolio management, our results imply that since the gross profitability strategy is a distinctive growth strategy, value strategies can be improved by hedging with the gross profitability strategy. Conclusions - Our empirical results confirm the existence of a gross profitability premium in the Korean stock market. From the perspective of the fund distribution industry, the gross profitability portfolio is worthy of attention. Since the value strategy portfolio returns are negatively correlated with the gross profitability strategy portfolio returns, by mixing both portfolios, investors could be better off without additional risk. However, the profitable firms are dissimilar from the value firms (high book-to-market ratio firms); therefore, an alternative factor model including gross profitability may help us understand the economic implications of the well-known anomalies such as value premium, momentum, and low volatility. We reserve these topics for future research.

• 경영과정보연구
• /
• 제37권4호
• /
• pp.63-74
• /
• 2018

최근 자산운용업계에서는 패시브 전략과 액티브 전략의 중간 성격을 갖는 스마트 베타 전략이 관심을 받고 있다. 이러한 스마트 베타 전략에서는 가치, 모멘텀, 저변동성, 퀄리티 지수를 널리 사용한다. 본 연구에서는 다른 지수에 비해 그 개념이 불명확하고 지수산출방법이 복잡한 퀄리티 지수에 대해 분석하였다. MSCI 방법론을 따라 자기자본이익률, 부채비율, 이익변동성 3개의 변수로 퀄리티 지수를 산출하였다. 또한 퀄리티 지수에 대한 비교대상으로 자기자본이익률 변수만을 이용한 지수, 자기자본이익률과 부채비율 2개 변수만을 이용한 지수, KOSPI 지수를 사용하였다. 분석대상인 지수들의 성과를 평가하기 위해 산술평균 수익률, 변동계수, 기하평균 수익률을 사용하였다. 그리고 각 지수에서 비정상수익률이 나타나는지를 검증하기 위한 가격결정모형으로는, 관련 연구에서 폭넓게 사용되고 있는 Fama and French(1993) 모형을 사용하였다. 실증분석 결과는 다음과 같다. 첫째, 모든 기간의 분석에서 보유기간 수익률 관점에서 퀄리티 지수가 가장 우수하였다. 둘째, 외환위기와 글로벌 금융위기 기간에서도 퀄리티 지수의 성과가 가장 우수하였다. 셋째, 글로벌 금융위기 이전 기간에서는 모든 지수에서 비정상수익률을 발견할 수 없었다. 넷째, 글로벌 금융위기 이후 기간에서는 퀄리티 지수가 가장 높은 비정상수익률을 갖는 것으로 나타났다.

• 재무관리연구
• /
• 제22권2호
• /
• pp.189-212
• /
• 2005

본 연구는 새로운 정보에 대하여 국채선도금리시장(forward market)과 국채 현물시장(spot market) 중 어느 시장이 더 효율적으로 반응하는지에 관한 분석을 실시하였다. 2002년 3월부터 2005년 1월말까지 3개월, 6개월, 9개월 및 1년물 국채선도금리(forward rate)와 각 시계열들의 현물 금리의 수익률 및 변동성자료를 사용하여 그랜져인과관계분석, 충격반응함수 및 분산분해 분석을 실시하였으며 주요 분석결과는 다음과 같다. 먼저 수익률 및 변동성을 이용한 그랜져인과관계분석(Granger causality test)결과에 의하면 국채 선도금리시장이 국채현물시장보다 새로운 정보에 대하여 더 효율적으로 반응하는 것으로 나타났다. 충격 반응함수(impulse response analysis)에서도 국채선도금리시장의 국채현물시장에 대한 영향력이 국채현물시장의 국채선도금리시장에 대한 영향력보다 더 강하고 지속적인 것으로 나타났다. 분산분해분석(variance decomposition analysis)에서는 전체적으로 3개월 및 6개월 등기간이 짧은 국채선도금리 수익률 및 변동성이 기간이 긴 국채선도금리보다 국채현물시장에 대한 영향력이 상대적으로 더 큰 것으로 나타났다. 이러한 분석결과로부터 새로운 정보에 대하여 국채현물시장보다는 국채선도금리시장이 더 효율적으로 반응하고 있음을 추론해 볼 수 있으며 이는 기존 국내외 주식현물시장과 선물시장들 간의 영향력을 분석한 결과 선물시장의 현물시장에 대한 영향력이 더 강한다는 결과들과 일맥상통하는 것으로 나타났다.

• 재무관리연구
• /
• 제21권2호
• /
• pp.125-151
• /
• 2004

본 연구는 1998년 7월 1일부터 2003년 12월 31일까지 국내 주요 채권현물(spot market)시장(콜금리, 3년물 및 5년물 국채, 3년물 회사채)에 대한 미국 장단기 국채 현물시장(3개월물 T-bill, 5년물 T-note, 10년물 T-bond)의 가격발견(price discover)기능에 대한 분석을 실시하였다. 전체분석기간을 채권시가평가제도가 도입된 2(in년 7월 1일 전후로 나누어 변동성이전효과 여부를 시간변동 일변량(univariate) AR(1)-GARCH(1,1)-M모형을 이용하여 추정하였으며, 주요 분석결과는 다음과 같다. 첫째, 전체분석 기간동안 국내 콜금리, 3년물 및 5년물 국채, 3년만기 회사채에 대한 미국 3개월물 T-bill, 5년물 T-note 및 10년물 T-bond의 변동성이전효과(volatility spillover effect)가 1%수준에서 통계적으로 유의하게 존재하는 것으로 나타났다. 둘째, 채권시가평가제도 도입이전보다는 도입이후에 조건부 변동성이전효과가 더 강하고 지속적인 것으로 나타났으며, 특히 미국의 3개월물 T-bill 및 5년물 T-note보다는 대표적인 장기금리인 10년물 T-bond 금리는 국내 주요금리에 대한 조건부평균 및 변동성이전효과가 통계적으로 유의한 수준에서 모두 존재하는 것으로 나타났다. 이러한 분석결과는 주식시장을 이용한 변동성이전효과와 마찬가지로 IMF 외환위기 이후 국내자본시장개방 및 정보통신발달에 따른 국제자본시장통합(int'1 capital market integration)에서 기인하는 것으로 보인다. 또한 이러한 채권시장의 변동성이전효과에 대한 이해는 국내채권 투자자들의 자본자산가격결정(valuation), 위험관리(risk management) 및 국제포트폴리오관리 (int'1 portfolio management) 측면에 다소 시사점이 있을 것으로 여겨진다.다중회귀분석에서 각각 일관되게 관찰할 수 있었다. 또한 이러한 결과는 IMF 이후에도 여전히 유지되는 것으로 나타났다.과와는 별개의 PER효과가 여전히 존재하며, 다만 이 PER 효과는 전통적 의미의 일반적으로 낮은 PER종목이 초과수익률을 내는 것이 아니라, 기업규모가 크더라도 그 기업의 개별특성을 고려했을 때 이와 비교해 상대적으로 PER가 낮은 종목에 투자하면 초과수익을 낼 수 있음을 의미한다. 발견하였다.적 일정하게 하는 소비행동을 목표로 삼고 소비와 투자에 대한 의사결정을 내리고 있음이 실증분석을 통하여 밝혀졌다. 투자자들은 무위험 자산과 위험성 자산을 동시에 고려하여 포트폴리오를 구성하는 투자활동을 행동에 옮기고 있다.서, Loser포트폴리오를 매수보유하는 반전거래전략이 Winner포트폴리오를 매수보유하는 계속거래전략보다 적합한 전략임을 알 수 있었다. 다섯째, Loser포트폴리오와 Winner포트폴리오를 각각 투자대상종목으로써 매수보유한 반전거래전략과 계속거래 전략에 대한 유용성을 비교검증한 Loser포트폴리오와 Winner포트폴리오 각각의 1개월 평균초과수익률에 의하면, 반전거래전략의 Loser포트폴리오가 계속거래전략의 Winner포트폴리오보다 약 5배정도의 높은 1개월 평균초과수익률을 실현하였고, 반전거래전략의 유용성을 충분히 발휘하기 위하여 장단기의 투자기간을 설정할 경우에 6개월에서 36개월로 이동함에 따라 6개월부터 24개월까지는 초과수익률이 상승하지만, 이후로는 감소하므로, 반전거래전략을 활용하는 경우 주식투자기간은 24개월이하의 중단기가 적합함을 발견하였다. 이상의 행태적 측면과 투자성과측면의 실증결과를 통하여 한국주식시장에 있어서 시장수익률을 평균적으로 초과할 수 있는 거래전략은 존재하므로 이러한 전략을 개발 및 활용할 수 있으며, 특히, 한국주식시장에 적합한 거래전략은 반전거래전략이고, 이 전략의 유용성은 투자자가 설정한 투자기간보다

• 지능정보연구
• /
• 제23권4호
• /
• pp.147-168
• /
• 2017

오래 전부터 학계에서는 정확한 주식 시장의 예측에 대한 많은 연구가 진행되어 왔고 현재에도 다양한 기법을 응용한 예측모형들이 연구되고 있다. 특히 최근에는 딥러닝(Deep-Learning)을 포함한 다양한 기계학습기법(Machine Learning Methods)을 이용해 주가지수를 예측하려는 많은 시도들이 진행되고 있다. 전통적인 주식투자거래의 분석기법으로는 기본적 분석과 기술적 분석방법이 사용되지만 보다 단기적인 거래예측이나 통계학적, 수리적 기법을 응용하기에는 기술적 분석 방법이 보다 유용한 측면이 있다. 이러한 기술적 지표들을 이용하여 진행된 대부분의 연구는 미래시장의 (보통은 다음 거래일) 주가 등락을 이진분류-상승 또는 하락-하여 주가를 예측하는 모형을 연구한 것이다. 하지만 이러한 이진분류로는 추세를 예측하여 매매시그널을 파악하거나, 포트폴리오 리밸런싱(Portfolio Rebalancing)의 신호로 삼기에는 적합치 않은 측면이 많은 것 또한 사실이다. 이에 본 연구에서는 기존의 주가지수 예측방법인 이진 분류 (binary classification) 방법에서 주가지수 추세를 (상승추세, 박스권, 하락추세) 다분류 (multiple classification) 체계로 확장하여 주가지수 추세를 예측하고자 한다. 이러한 다 분류 문제 해결을 위해 기존에 사용하던 통계적 방법인 다항로지스틱 회귀분석(Multinomial Logistic Regression Analysis, MLOGIT)이나 다중판별분석(Multiple Discriminant Analysis, MDA) 또는 인공신경망(Artificial Neural Networks, ANN)과 같은 기법보다는 예측성과의 우수성이 입증된 다분류 Support Vector Machines(Multiclass SVM, MSVM)을 사용하고, 이 모델의 성능을 향상시키기 위한 래퍼(wrapper)로서 유전자 알고리즘(Genetic Algorithm)을 이용한 최적화 모델을 제안한다. 특히 GA-MSVM으로 명명된 본 연구의 제안 모형에서는 MSVM의 커널함수 매개변수, 그리고 최적의 입력변수 선택(feature selection) 뿐만이 아니라 학습사례 선택(instance selection)까지 최적화하여 모델의 성능을 극대화 하도록 설계하였다. 제안 모형의 성능을 검증하기 위해 국내주식시장의 실제 데이터를 적용해본 결과 ANN이나 CBR, MLOGIT, MDA와 같은 기존 데이터마이닝 기법들이나 인공지능 알고리즘은 물론 현재까지 가장 우수한 예측 성과를 나타내는 것으로 알려져 있던 전통적인 다분류 SVM 보다도 제안 모형이 보다 우수한 예측성과를 보임을 확인할 수 있었다. 특히 주가지수 추세 예측에 있어서 학습사례의 선택이 매우 중요한 역할을 하는 것으로 확인 되었으며, 모델의 성능의 개선효과에 다른 요인보다 중요한 요소임을 확인할 수 있었다.