Performance' Improvement on Target Date Fund using GARCH Volatility Forecasting Model

김선웅

doi:http://dx.doi.org/10.47116/apjcri.2023.02.11

추천

검색

자료유형: 학술저널

저자정보: 김선웅 (국민대학교)

저널정보: 아태인문사회융합기술교류학회 아시아태평양융합연구교류논문지 아시아태평양융합연구교류논문지 제9권 제2호

발행연도: 2023.2

수록면: 135 - 144 (10page)

DOI: http://dx.doi.org/10.47116/apjcri.2023.02.11

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

The depletion problem of the national pension plan is emerging as life expectancy increases and the fertility rate decreases. The retirement pension system is being introduced in earnest to supplement the national pension system. The Target Date Fund, introduced to prepare for retirement, rebalances its portfolio through Glide Path, which has a fixed ratio of risky assets according to the subscriber’s life cycle. The purpose of this study was to propose a new Glide Path that simultaneously considers the life cycle and stock market volatility, and to analyze the possibility of improving the performance of the TDF portfolio through empirical analysis. To this end, we first predict stock market volatility for determining investment risk and derive a Glide Path reflecting the predicted volatility. Stock market volatility, which has the greatest influence on the new Glide Path, is predicted using the GARCH model. If the volatility is expected to increase, the TDF risk will be managed by reducing the risky assets. Results of the study using financial market data from 1987 to 2021 showed as follows. First, the asymmetric phenomenon of volatility was significant, and the usefulness of the asymmetric GARCH model was revealed. Second, the proposed Glide Path was able to lower the risk of TDF funds by lowering the risky asset incorporation ratio in the stock market crash periods such as 1998, 2008, and 2020. Third, the TDF portfolio applied to the proposed model showed higher returns and lower standard deviation, improving Sharpe Ratio. Fourth, the model proposed in the long-term investment performance showed a lower maximum draw down than the comparative model. It was revealed that the TDF performance could be improved by reflecting the market risk.

#Glide Path #Glosten-Jagannathan-Runkle Generalized Autoregressive Heteroskedasticity Model #Market Volatility #Sharpe Ratio #Target Date Fund

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

김선웅

소속기관 국민대학교

주요연구분야 복합학 > 학제간연구

논문수 2 이용수 1

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 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)