KOSPI에서 섹터와 시장의 선도 지연 관계 연구

김수현

doi:10.18032/kaaba.2021.34.12.2167

추천

검색

질문

자료유형: 학술저널

저자정보: 김수현 (숭실대학교)

저널정보: 대한경영학회 대한경영학회지 대한경영학회지 제34권 제12호

발행연도: 2021.12

수록면: 2,167 - 2,179 (13page)

DOI: 10.18032/kaaba.2021.34.12.2167

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

주식시장의 수익률을 횡단면 또는 시계열 방향을 예측하는 요인에 대한 연구는 실증가격결정 모형의 오랜 연구 주제이다. 인플레이션이나 신용 스프레드와 같은 다양한 거시변수 혹은 변동성, 배당률과 같이 주식시장에 내재되어 있는 요인들을 계측하여 예측에 활용한 모형이 주를 이룬다.
이 연구에서는 개별 산업의 수익률이 시장을 선도하는지를 실증 분석하고자 한다. 다시 말해 업종별로 그룹 지어진 산업별 주식 포트폴리오가 전체 시장 포트폴리오에 대해 예측성이 있는지를 분석한다. 본 연구에서는 국채와 BBB-급 채권 수익률 등 주요 거시변수가 2000년도부터 가용하기 때문에 2020년까지 약 20년의 월간 자료를 활용하여 실증분석을 진행한다. 또한 최대한의 자료 확보를 위하여 KRX 산업지수보다는 KOSPI 산업지수를 산업 포트폴리오의 대용 포트폴리오로 삼는다.
먼저 시장 포트폴리오의 자기상관만을 통제한 후에 산업별로 한 시차 이후의 시장 수익률의 예측성을 검증하고, 이후에 인플레이션율, 신용 스프레드, 시장 배당수익률을 통제한 모형으로 확장하고 마지막으로 시장의 변동성까지 통제한 모형으로 검증을 확대한다. 그 결과 식음료, 기계, 전기전자, 건설 업종에서 통계적으로 유의한 예측력을 보인다. 다만, 전기전자 업종의 경우 통제 변수를 추가한 모형에서는 부호가 바뀌는 것으로 나타나 강건한 유의성이라고 판단할 수 없다. 또한 예측의 기간을 한 달 이상으로 확대하여 세 달까지 실증분석한 결과 유의성이 산업지수의 예측력은 한 달 이후에는 소멸되는 것으로 보인다. 이는 유사한 미국 주식시장의 실증분석의 세 달 소멸기간과 비교하면 짧다고 할 수 있다.
다음으로 위의 예측력이 경제적으로 얼마나 높은지를 판단하기 위해 경제적 유의성 및 상대 경제적 유의성을 계산한다. 경제적 유의성은 회귀 계수의 변동이 시장 수익률 변동에 영향을 미치는 크기를 계측한 것이고 상대 경제적 유의성은 그 경제적 유의성이 시장의 변동폭에 대비한 크기를 계산한 것이다. 이를 통해 분석한 결과 식음료와 기계, 전자전기 및 건설 업종에서 높은 경제적 의미를 찾을 수 있었고, 통계적 유의성에 더해 경제적 함의도 가지고 있음을 확인한다.
마지막으로 경제 변수만을 예측변수로 삼은 회귀식과 산업지수까지 예측변수에 더한 회귀식을 기반으로 한 간단한 마켓 타이밍 전략을 수행한다. 미국의 실증 결과와는 달리 벤치마크로 삼은 시장 포트폴리오보다 더 높은 수익률을 보인다. 산업지수가 경제 변수가 갖지 못한 추가적인 예측력은 없는 것으로 판단된다.

Research on the factors predicting the cross-sectional or time series direction of the stock market return is a long-standing topic of the empirical asset pricing model. Various macro variables such as inflation and credit spreads, or factors implied in the stock market such as volatility and dividend rates, are mainly measured and used for prediction.
This study aims to empirically analyze whether the return on individual industries leads the market. In other words, it analyzes whether the stock portfolios by industry has predicting power for the entire market portfolio. In this article, an empirical analysis is conducted using monthly data of about 20 years until 2020 since major macro variables such as government bonds and BBB-class bond yields are available from 2000. In addition, in order to secure maximum data length, the KOSPI industry indices rather than the KRX industry indices are employed as a proxy portfolio for the industry portfolio.
First, controlling only the autocorrelation of the market portfolio, we verify the predictability of lagged industry returns for the market. Then we expand towards models with more control variables such as inflation, credit spread, and market dividend yields, and finally market volatility. As a result, food and beverage, machinery, electricity and electronics, and construction industries show statistically significant predictive power. However, in the case of the electric and electronic industry, the coefficient sign appears to change in the model in which the control variables are added, which does not seems robust. In addition, models with extending the period of prediction to more than one month, the predictive power of the industrial index seems to disappear after a month. This can be said to be shorter than the three-month extinction period of similar empirical analysis of the US stock market.
Next, economic significance and absolute relative economic significance are calculated to determine to what extent the predictive power means economically. Economic significance is a measure of the magnitude of the variation of industry returns affecting the variation of the market return, and absolute relative economic significance is a measure of the magnitude of the fluctuation of the market. This analysis confirms that high economic significance are found in the food and beverage, machinery, electronic electricity, and construction industries, and that they also had economic implications.
Finally, a simple market timing strategy is implemented based on two regressions; the one with only economic variables as predictors and the other with economic variables and industrial indices. Contrary to the empirical results of the United States, it shows that both strategies have higher returns than the market portfolio used as a benchmark. It is also found that there is no additional predictive power implied in the industrial indices than economic variables.

#산업지수 #선도관계 #정보전이 #섹터로테이션 #마켓타이밍 #Sector Index #Lead and Lag #Information Diffusion #Sector Rotation #Market Timing

참고문헌 (15)

참고문헌 신청

김민건 / 2013 / 시간가변 장기기억 특성 분석: KOSPI 주요 산업지수 중심으로 / 金融工學硏究 12(1):31~50

김수현 / 2021 / 한국 주식시장 산업군별 장기기억 효과 분석 / 서비스경영학회지 22(2):170~185

김태혁 / 2014 / 산업지수별 구조변화 시점과 선도지연 관계에 관한 실증분석 / Journal of The Korean Data Analysis Society 16(4):2021~2032

박종해 / 2015 / IT산업지수와 타 산업지수간의 선도지연관계에 관한 실증분석 / 인터넷전자상거래연구 15(1):147~157

박창래 / 2013 / 경기순환국면별 산업의 주가수익률 / 회계와 정책연구 18(2):317~340

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

김수현

소속기관 숭실대학교

주요연구분야 사회과학 > 경영학 사회과학 > 경제학

논문수 7 이용수 401

이 논문과 함께 이용한 논문

교양과목에서의 재무제표 분석 실습 사례

육지훈 교양학연구 2023 .04

손실과 이익감소 회피목적의 이익조정이 회계정보 가치관련성에 미치는 영향

박범진 대한경영학회지 2023 .01

경영자의 주식담보대출이 타인자본비용에 미치는 영향

박순홍 , 김현숙 , 임병권 한국증권학회지 2021 .12

경영자의 변혁적 리더십, 성과측정시스템의 공정성 및 상호작용적 이용방식, 그리고 경영성과의 관련성에 관한 연구 : 1차 설문조사 자료와 2차 아카이발 자료를 이용하여

손성진 경영학연구 2018 .10

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2022-324-000205019

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 (15)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)