개인 주식투자자자의 주가지수선물을 이용한 위험관리에 관한 연구

본 연구에서는 최소분산헤지모형, 벡터오차수정모형(VECM), 이변량 GARCH(1,1)모형을 이용하여 헤지비율을 2000년 1월 4일부터 2006년 6월 2일 까지의 KOSPI 200 현물과 선물자료 1,500개를 사용하였다. 본 연구의 중요한 결과들을 요약하면 다음과 같다.
첫째, KOSPI 200 현물과 선물 자료의 원시계열자료에 안정성검정 결과 모두 불안정적인 것으로 나타났다. 둘째, KOSPI 200 현물과 선물 자료 원시계열자료의 차분시계열자료에 안정성검정 결과는 모두 안정적임을 알 수 있었다. 셋째, KOSPI 200 선물지수와 현물지수간에는 공적분관계가 존재한다. 넷째, 최소분산헤지모형, 벡터오차수정모형, 이변량 GARCH(1,1)모형을 이용하여 헤지비율을 추정한 결과와 헤지성과는 세모형이 모두 근소한 차이만을 보이고 있으나, 통계적으로 유의적인 차이가 없는 것으로 나타났다. 다섯째, 최소분산헤지모형, 벡터오차수정모형, 이변량 GARCH(1,1)모형의 경우 모두 일별헤지비율보다는 주별헤지비율이 더 크게 나타났다. 여섯째, 단순헤지성과는 헤지된 포지션과 헤지되지 않은 포지션간 분산의 비율을 1에서 차감한 분산의 감소비율(percent reduction in variation)로 측정하였다. 헤지성과도 기간이 길수록 모두 개선되었다. 일곱째, 베타조정헤지성과는 헤지된 포지션과 헤지되지 않은 포지션의 수익률로 살펴본 결과 베타조정헤지를 한 경우 수익률이 50이상 차이가 나지만 OLS 모형, VECM 모형, GARCH 모형에 의하여 추정된 일별 헤지 비율로 베타조정헤지를 한 경우도 큰 수익률의 차이는 없는 것으로 나타났다.
이상의 헤지비율 추정과 헤지성과 실증분석 결과를 종합해 볼 때, 현실적으로 개인 재무설계사들이 KOSPI 200 선물을 통하여 불리한 가격변동으로 인한 개인 주식투자자의 주식포트폴리오의 시장위험을 제거시키기 위해서 최소분산헤지모형, 벡터오차수정모형(VECM), 이변량 GARCH(1,1)모형 중 어느 모형을 이용하여 추정한 헤지비율을 사용하든 헤지성과에는 큰 차이가 없다는 것을 알 수 있다.

#최소분산헤지모형 #벡터오차수정모형(VECM) #이변량 GARCH(1,1)모형 #헤지비율 #KOSPI 200 선물지수와 현물지수 #헤지성과 #KOSPI 200 spot #KOSPI 200 Futures #OLS #Unit Root #Cointegration #VECM #Bivariate GARCH(1,1) #hedging performance

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

임병진

소속기관 영남대학교

주요연구분야 사회과학 > 경영학 TOP 5% 사회과학 > 경제학

논문수 129 이용수 20,939

이 논문과 함께 이용한 논문

한국 주식시장에서 개인투자자의 과거 학습효과 분석

정성훈 , 박창욱 산업경제연구 2008 .12

한국주식시장의 기관투자자 매매행태 : 기관투자자 유형별 분석

우민철 , 김명애 산업경제연구 2015 .06

The Relationship between R&D investment and Ownership Structure in KOSDAQ Pharmaceutical Firms

Munjae Lee , Mankyu Choi 한국콘텐츠학회논문지 2015 .06

정보비대칭이 기업가치에 미치는 영향 : 애널리스트 커버리지를 중심으로

이상래 한국산업경제학회 정기학술발표대회 초록집 2013 .11

벤처기업에 대한 신용평가가 기업가치에 미치는 영향

박범진 , 배기수 국제회계연구 2014 .12

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2014-327-000971945

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (22)

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)