액티브/패시브 운용의 성과기여도 비교분석: 전략적 자산배분 관점에서 국가별 실증연구

김광남; 김태용; 이지연; 김채린

추천

검색

자료유형: 학술저널

저자정보: 김광남 (서울시립대) 김태용 ((주)모닝스타투자자문) 이지연 ((주)모닝스타투자자문) 김채린 (한국금융연구원)

저널정보: 한국재무학회 재무연구 재무연구 제30권 제1호

발행연도: 2017.1

수록면: 69 - 102 (34page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 연구는 자산운용상 중요한 정책적 과정인 자산배분의 수익률 기여도를 분석하기 위해 한국, 미국, 영국 및 호주의 주식형펀드와 혼합형펀드를 대상으로 시계열 및 횡단면 회귀분석을 수행하고 결정계수를 산출, 비교하였다. 회귀분석 시 수익률 분해방식을 달리하여, 회귀분석의 종속변수로 총 수익률과 초과수익률을 이용한 두 가지 회귀식을 구성하였고, 각각의 회귀식에 대해 시계열 및 횡단면 분석을 수행하였다. 본 연구의 결과를 요약하면 다음과 같다. 총 수익률을 이용한 시계열 회귀분석 결과, 4개국의 주식형 및 혼합형펀드 모두 자산배분효과인 패시브 운용이 운용성과에 대한 설명력이 가장 높은 것으로 나타났고, 시장초과 수익률을 이용한 시계열 회귀분석에서는 운용성과의 대부분이 시장 움직임(market movement)에 의해 설명되는 것으로 분석되었다. 그리고 시장 움직임이 통제된 초과수익률을 이용한 횡단면 회귀분석의 결과, 4개국에서 공통적으로 주식형펀드는 액티브 운용의 설명력이 패시브 운용보다 높거나 유사한 수준이었고, 혼합형펀드는 패시브 운용의 설명력이 더 높았다.

Asset allocation is one of the most important decisions made in the asset management process to achieve a portfolio’s target return within the constraints of its risk tolerance level. Brinson et al. (1986, 1991) conclude that asset allocation policy explains 93.6% or 91.5% of performance. This greatly helps practitioners understand the importance of asset allocation in asset management. However, at the same time, it triggers the publication of other studies with different views on its empirical testing and different interpretations of its results. For example, Ibbotson et al. (2000) and Vardharaj et al. (2007) conduct empirical tests using regression models to measure the explanatory powers of asset allocation in fund performance and find that the dispersion of R2 in their models is wider than those of Brinson et al. Alternatively, Xiong et al. (2010) decompose the total return into three components: market movement, asset allocation policy return in excess of the market return, and active return. They then run time-series and cross-sectional regressions on total returns and excess market returns for both equity and blend funds, respectively. Based on their regression analyses, Xiong et al. (2010) conclude that market movement dominates the other two components. Additionally, they find that the explanatory powers of passive management (asset allocation policy) and active management are at similar levels. In sum, although multiple studies propose different conclusions from Brinson et al. (1986), they all agree that asset allocation is significant in the asset management process. Applying the methodologies of Brinson et al. (1986) and Xiong et al. (2010), this study performs time-series and cross-sectional analyses of equity and blend fund returns in Korea, the U.S., the U.K. and Australia, based on each country’s style benchmark and leading market index returns. A performance attribution analysis is conducted to determine the contribution of passive and active management to fund performance by comparing the coefficients of determination (R2) for each country’s regression models. The results indicate that in accordance with the time-series regression analysis of Brinson et al. (1986), the explanatory power of asset allocation reaches its highest level when the total fund return is explained by benchmark returns reflecting market movement. However, in all four countries, when market movement is separated, it’s the greatest contribution to the performance of both equity and blend funds. When a market-movement-excluded excess return is used, in three countries, excluding the U.K., active management has higher explanatory power for equity funds and passive management has higher explanatory power for blend funds. When a cross-sectional regression analysis is conducted using the methodology of Xiong et al. (2010) to measure the explanatory power of asset allocation performance without market movement, the explanatory power of active management is higher for equity funds in all four countries. In the case of blend funds, however, the explanatory power of active management is higher in the U.S. and U.K., where equities hold a larger portion of funds than bonds. Finally, passive management shows higher explanatory power in Korea, where its funds are composed of similar levels of equities and bonds. Comprehensively reviewing the results of this study from a mid- and long-term investment policy perspective, we conclude that the selected variables in strategic asset allocation consist of investors’ risk preferences and asset class risk premiums, not short-term market movements. Therefore, it is difficult to agree with Xiong et al. (2010) that it is reasonable to exclude market movements from returns because the contribution to investment performance for mid- and long-term market movements are already reflected in risk premiums. We add, however, that if market movements are under control, which can be explained as constant asset class risk premiums, then we support the finding of preceding studies that active management is as significant as passive management in terms of its contribution to performance.

#Asset Allocation #Performance #Passive Management #Active Management #Attribution Analysis

참고문헌 (8)

참고문헌 신청

원종욱 / 2008 / 국민연금 기금운용 성과 평가

이윤구 / 2007 / 한국 펀드시장에서 자산배분효과에 대한 실증분석 / 대한경영학회지 20(4):1977~1999

Brinson, G. P. / 1986 / Determin-Ants of Portfolio Performance / Financial Analysts Journal 42(4):39~44

Brinson, G. P. / 1991 / Determinants of Portfolio Performance Ⅱ: Un update / Financial Analysts Journal 47(3):40~48

Hood, R. L. / 2005 / Letter from Randolph L. Hood: Determinants of Portfolio Performance—20 Years Later / Financial Analysts Journal 61(5):6~8

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

김광남

소속기관 서울시립대학교

주요연구분야 사회과학 > 경영학 사회과학 > 경제학

논문수 3 이용수 34

김태용

소속기관 (주)모닝스타투자자문

주요연구분야 사회과학 > 경영학 사회과학 > 지리학 > 국제·지역개발학

논문수 2 이용수 24

이지연

소속기관 (주)모닝스타투자자문

주요연구분야 사회과학 > 경영학 사회과학 > 지리학 > 국제·지역개발학

논문수 2 이용수 24

김채린

소속기관 한국금융연구원

주요연구분야 사회과학 > 경영학 사회과학 > 지리학 > 국제·지역개발학

논문수 2 이용수 24

최근 본 자료

전체보기

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

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (8)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)