株式 收益率 變動性 豫測에 關한 硏究

Abstract

최근 금융환경의 급격한 변화에 따른 금융위험의 증대로 인해 금융기관, 기업, 금융감독 당국들은 금융위험의 관리에 많은 관심을 갖게 되었고, 그 결과 금융자산 수익률 변동성의 예측에 대하여 많은 연구가 진행되어 왔다. 변동성 예측에 대한 연구는 미래의 변동성의 수준이 얼마나 될 것인지, 그리고 시간이 변화함에 따라 변동성 또한 변화하는지에 집중되어 왔으며, 이러한 연구들을 행함에 있어 변동성을 정확하게 예측하기 위하여 여러 가지 다양한 예측 기법들을 사용하였다. 그러나 어느 예측 기법이 우월한가에 대해서는 여러 가지 이견이 엇갈리고 있는데, ARCH계열의 정교하고 복잡한 기법들이 수익률의 변동성 예측을 위해 계속해서 발전하고 있는 반면에 이에 맞서 좀 더 단순한 기법들이 우월하다는 주장도 있다. 본 연구에서는 1980년 1월부터 1997년 8월까지의 한국종합주가지수를 사용, 몇 가지 변동성 예측 기법들을 이용하여 우리나라 주식 수익률 변동성을 예측하고 이 모형들을 서로 비교 평가함으로써 가장 예측력이 높은 모형을 밝히고자 하였다. 예측 모형으로는 랜덤워크모형, 장기평균모형, 이동평균모형, 지수 평활모형, 지수가중이동평균모형, 단순회귀모형, GARCH(1,1)모형을 사용하였다. 실증분석의 결과, 여러 가지 예측 모형 중에서 뚜렷하게 우월한 모형은 없었다. 또한 예측 오차의 평가 기준에 따라 예측력이 높은 모형이 달라졌다. 그러나 종합적으로 볼 때, 단순회귀모형과 지수평활모형이 우리나라 주식 수익률 변동성을 예측하는 데에 우수한 것으로 밝혀졌으며, 실무에서 많이 쓰이는 이동평균모형, 그리고 지수가중이동평균모형은 변동성 시계열의 대략적인 추세는 보여주었으나 예측력은 그리 좋지 않았다. 한편 실제 주식시장에 상응하는 상황을 반영하기 위하여 시간변화에 따른 조건부 분산의 변화를 고려하기 때문에 변동성을 좀 더 정확하게 예측할 것으로 기대했던 GARCH(1,1)모형은 예측력이 그리 높지 않은 것으로 나타났다. 그 이유는 GARCH모형의 경우 정보의 영향에 따라 변동성이 대칭적으로 반응하기 때문에 정보의 비대칭 반응 효과를 반영하지 못하기 때문인 것으로 생각된다. 본 연구는 우리나라 주식 수익률 변동성 예측을 위해 CARCH(1,1)모형을 포함하여 이전에 사용되어 왔으며 또한 실무에서 사용되고 있는 좀 더 단순한 기법들을 비교·평가하였다는 데에 그 의의가 있다고 할 수 있다. 그러나 CARCH(1,1)모형은 정보에 대하여 대칭적으로 반응하기 때문에 정보의 비대칭적 반응 효과를 포착할 수 있는 다른 예측 모형을 고려하지 못하였다는 것이 본 연구의 한계이다. 이러한 점을 고려하여 더욱 발전된 ARCH 계열의 모형들과 상대적으로 단순한 기법들의 예측력을 비교하는 것은 향후의 연구과제로 남긴다.;Because the rapidly changing financial environment has resulted in financial risk increase, institutions, companies, and regulators have been interested in financial risk management, and then people have studied about the volatility. Researchers have concerned about the level and stationarity of volatility over time. In these researches, various techniques have been used for accurate forecasts of volatility. There are, however, many different views on which technique is superior. This paper has examined the ability of several models to forecast weekly volatility of Korean stock return, using Korean Stock Rice Index, or KOSPI, from January 1980 to August 1997. These models include (1) a random walk model, (2) a long-term mean model, (3) a moving average model, (4) an exponential smoothing model, (5) an exponentially weighted moving average(EWMA) model, (6) a simple regression model, and (7) a GARCH (1,1) model. The results in this paper suggest that no single model is clearly superior. The rankings of the various model forecasts depend on the choice of error statistics. Generally, a simple regression model and a exponential smoothing model turn out to be good for forecasting Korean stock return volatility. On the other hand, moving average models and exponentially weighted moving average(EWMA) models do not. And a GARCH(1,l) model which was expected to forecast volatility better than any other model does not. I guess the reason is a GARCH(1,1) model symmetrically reacts on news impact, so it can't deal with asymmetric effect. In summary, this study has covered relatively simple models and GARCH(1,1) model considering only symmetric effect. Future study may consider other models reflecting asymmetry news impact.