IT산업과 종합주가지수 사이의 정보메커니즘에 관한 연구

정재영; 문규현; 박민경; 채지은

doi:10.35527/kfedoi.2024.23.2.001

추천

검색

자료유형: 학술저널

저자정보: 정재영 (경기대학교) 문규현 (경기대학교) 박민경 (중국절강수인대학 디지털경영기술연구원) 채지은 (경기대학교)

저널정보: 한국금융공학회 金融工學硏究金融工學硏究 제23권 제2호

발행연도: 2024.6

수록면: 1 - 18 (26page)

DOI: 10.35527/kfedoi.2024.23.2.001

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 연구는 대략 10년 전부터 산업의 새로운 축을 형성하고 있는 IT산업지수와 코스피 사이의 정보전달메커니즘을 규명하는 데 있다. 이를 위해 한국거래소로부터 2015년 3월부터 2020년 3월까지의 약 5년간 국내 IT산업지수와 코스피의 일별자료를 제공받았다. 실증분석을 위한 절차는 다음과 같다. 먼저 유사한 과거 연구들에 대해 조사를 하였고 연구목적에 부합하는 가설을 설정하였다. 그랜저 인과관계검정으로부터 IT산업지수 수익률의 변화와 코스피 수익률의 변화 사이에는 상호 피드백적인 예측력을 보였지만 통계적 유의수준에서 코스피 수익률의 변화로부터 IT산업지수 수익률의 변화로의 기각확률이 높은 것으로 나타났다. 예측력의 지속성과 크기를 보여주는 충격반응함수와 분산분해의 결과는 그랜저 인과관계의 결과를 뒷받침해 주어 분석결과의 타당성을 높였다. 이분산성을 이용한 GARCH(1,1)-M모형의 결과에서도 VAR모형의 결과와 일맥상통한 결과를 보여 IT산업지수 수익률의 변화와 코스피 수익률의 변화 사이에는 상호 예측력을 지니는 것으로 나타났다. 마지막으로 과거의 정보를 분해하여 정보이전표과가 과연 호재정보에서 나오는지 악재정보에서 나오는지를 비대칭적 모형인 GJR-GARCH(1,1)-M모형을 통해 분석하였다. 분석결과 IT산업지수 수익률의 변화의 경우 악재정보만이 코스피 수익률의 변화에 영향을 미치는 것으로 나타났다. 반면 코스피 수익률의 변화의 경우 악재정보와 더불어 호재정보도 통계적 유의수준에서 IT산업지수 수익률의 변화에 영향을 미치는 것으로 나타났다. 이러한 결과는 투자자들에게 실무에서 포트폴리오를 관리하거나 지수투자를 선택할 경우 유용한 정보를 제공할 수 있을 것으로 기대된다. 또한 학계에는 기존의 분석은 매크로적인 측면에서 주로 주가지수 현/선물에 대한 정보전달메커니즘에 관한 연구가 주를 이루었다면 이제는 마이크로적인 측면에서 섹터별 자료를 이용한 정보전달메커니즘을 규명할 필요성을 제시하였다.

This paper studies the information spillover effects between IT industry index and KOSPI using the daily data from March, 2015 to March, 2020 with VAR models and GARCH(1,1)-M model, GJR-GARCH(1,1)-M model. The Granger causality test showed mutual feedback predictive power between the change in the IT industry index rate of return and the change in the KOSPI rate of return, but the probability of rejecting the change in the KOSPI rate of return as the change in the IT industry index rate of return was high at the level of statistical significance. The results of the GARCH(1,1)-M model using heteroskedasticity also showed results consistent with the results of the VAR model, showing that there is mutual predictive power between changes in IT industry index returns and changes in KOSPI returns. Lastly, the past information was decomposed and analyzed through the GJR-GARCH(1,1)-M model, an asymmetric model, to determine whether the information transfer profit came from good news information or bad news information. As a result of the analysis, it was found that in the case of changes in the IT industry index rate of return, only adverse news information affected the change in the KOSPI rate of return. On the other hand, in the case of changes in KOSPI returns, it was found that in addition to bad news information, good news information also affected the change in IT industry index returns at the level of statistical significance. These results are expected to provide investors with useful information when managing portfolios or selecting index investments in practice. In addition, while existing analyzes in academia mainly focused on research on the information transmission mechanism for stock index currents/futures from a macro aspect, it was now suggested that there was a need to identify the information transmission mechanism using sector-specific data from a micro aspect.

#IT산업지수와코스피 #정보전달메커니즘 #VAR모형 #GARCH(1 #1)-M모형 #GJR-GARCH(1 #1)-M모형 #IT industry index and return of KOSPI #information spillover effects #VAR model #GARCH(1 #1)-M #GJR-GARCH(1 #1)-M

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!

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

최근 본 자료

댓글(0)