시장 변동성

마지막 업데이트: 2022년 5월 23일 | 0개 댓글
  • 네이버 블로그 공유하기
  • 네이버 밴드에 공유하기
  • 페이스북 공유하기
  • 트위터 공유하기
  • 카카오스토리 공유하기

DBpia

비밀번호를 변경하신 지 90일 이상 지났습니다.
개인정보 보호를 위해 비밀번호를 변경해 주세요.

비밀번호를 변경하신 지 90일 이상 지났습니다.
개인정보 보호를 위해 비밀번호를 변경해 주세요.

간편 교외 인증 이벤트 응모

발행기관의 요청으로 개인이 구매하실 수 없습니다.

초록 · 키워드 목차 오류제보하기

본 연구는 투자자들의 많은 투자의 대상이 되고 있는 주식시장과 채권시장 변동성의 관계를 연구한 논문으로 관측변동성에 대해서만 연구한 기존논문들과는 차별적으로 상태공간모형에 의해 추정된 영속적 변동성과 일시적 변동성에 대해서도 분석하였다. 동시기적 상관관계분석에서는 관측변동성, 영속적 변동성의 경우에는 상관관계가 유의한 것으로 나타났으며, 일시적 변동성은 상관관계가 유의하지 않은 것으로 나타났다. 동태적 관계분석에서는 관측변동성은 시차 4, 5에서 채권시장이 주식시장을 선도하는 것으로 나타났으며, 영속적 변동성의 경우에는 서로 양방향으로 영향을 미치는 상호작용관계가 있는 것으로 나타나 변동성 중에서 추세부분이 피드백관계를 갖는 것으로 판단된다. 잡음거래로부터 발생되는 일시적 변동성의 경우에는 시차 4, 5, 6의 경우에 국고채 일시적 변동성이 KOSPI 일시적 변동성에 대해 선도관계가 있는 것으로 나타났다 #영속적 변동성 #일시적 변동성 #그랜저 인과관계 #잡음거래 #Permanent Volatility #Temporary Volatility #Granger Causality #Noise Trading

earticle

In this paper, I investigate whether Korean stock market volatility is influenced by the U. S. stock market volatility. The liberalization of stock markets and the development of IT made stock market interdependence stronger. And the U. S. stock market leadership was documented in many papers. Analyzing the relationship and behavior of stock price volatility is important for portfolio formation and investment strategy. Prior studies have been concentrated only on observed volatility. But this study is distinguished from previous studies in the respect that observed volatility is decomposed into permanent volatility and temporary volatility. The descriptive statistics show the mean of Korean stock market return is higher than that of the U. S. stock market return. And the standard deviation of Korean market is higher than that of the U.S. market. The negative skewness and excess kurtosis are observed in two markets, and the Jarque-Bera normality test reveal non-normalities of two series. Therefore, GARCH type model is appropriate for anlayzing these data. As autocorrelation coefficient of time series data is not significantly different from zero, the mean equation in GJR GARCH model do not contain AR(1) term or MA(시장 변동성 1) term. The procedure used in this paper involved the following steps. First, in order to estimate KOSPI observed volatility and S&P500 volatility, GJR GARCH model is employed. In estimated GJR GARCH model, it turns out that the coefficient of asymmetric volatility term is statistically significant. Because the LB Q-statistic applied on residuals and squared residuals is insignificant, and persistence parameter is smaller than one, therefore the GJR GARCH model is well estimated. Second, to decompose observed volatility, this study employs state space model and Kalman filtering method. State space model is useful in analyzing time series model that involve unobservable variables. And Kalman filter is the basic tool to deal with state space model. In this paper, permanent volatility and temporary volatility are unobservable variables. Permanent volatility is trend component and is modelled as a random walk with drift. And temporary volatility is assumed as AR(1) process because it passes away with time. Third, to test for unit root behavior of volatility series data, ADF test is used. If the 시장 변동성 process of series is unit root process, it is to be transformed to stationary process by differencing the series. ADF test results show that all variables are I(0), that is, all series do not contain trends. In other words, each volatility series is stationary time series. As there is not unit root, raw data is used in this study. The effects of shocks to stationary time series will dissipate over time and this process reverts to mean. Fourth, to analyze the relationship between KOSPI volatility and S&P500 volatility, this study employs regression analysis. This paper uses daily data from January 2001 to April 2008. Because Korean stock market holidays differ from the U. S. stock market holidays, the corresponding date which is holiday in another country is deleted in the data set. The Second difference is time difference. Because Korean stock market of day t opens 4 hours after the U. S. market of day t-1 closes, the information occurred in the U. S. market of day t-1 influences Korean market of day t. Therefore, I examine the relationship between the U. S. data of day t-1 and Korean data of day t. The findings in this paper are as follows. First, KOSPI observed volatility is significantly related to S&P500 observed volatility. This means that there exists significant linkage in volatility between two markets. This finding is in line with most existing studies. Second, KOSPI permanent volatility is statistically significantly influenced by S&P500 permanent volatility. In other words, the trend of KOSPI volatility is significantly linked to the trend of S&P500 volatility. The trend portion has the feature of persistent and long memory. Third, in the case of temporary volatility, KOSPI temporary volatility is statistically significantly related to S&P500 temporary volatility. In short, KOSPI volatility is significantly related to S&P500 volatility in all cases uniformly. Permanent volatility is caused by economic information related to fundamental value, and temporary volatility is caused by noise trading. This means that noise trading portion of KOSPI volatility is influenced by noise trading portion of S&P500 volatility. This has important implication regarding hedging strategies. And analyzing the U. S. volatility of day t-1 is crucial for risk management.

자본시장 개방화와 IT의 발달은 국내 증권시장과 외국 증권시장 간의 관계를 더욱 밀접하게 만들었으며, 특히 우리나라 경제와 밀접한 관계를 갖고 있으며 국제자본시장의 중심인 미국 증권시장이 우리나라 증권시장에 영향을 미치고 있는 것으로 기존의 연구들에서 서술되고 있다. 본 연구는 미국 주 식시장 변동성과 한국 주식시장 변동성이 어떤 관계를 갖고 있는지에 대해 분석하였다. 즉, 미국 주식시 장에서 발생된 불안정성이 한국 주식시장의 불안정성에 영향을 미치는가를 분석하기 위하여 KOSPI 변 동성과 S&P500 변동성의 관계를 2001년 1월 2일부터 2008년 4월 30일까지의 일별 자료를 이용하여 연 구하였다. 기존 연구들은 관측변동성 간의 관계만을 분석하였지만 본 연구는 기존연구들과는 차별적으 로 관측변동성뿐만 아니라 관측변동성을 내재가치와 관련된 정보에 의해서 발생되는 영속적 변동성 부 분과 잡음거래에 의해 발생되는 일시적 변동성 부분으로 분해하여 이들 각각의 변동성이 두 시장 간에 어떤 관계를 갖고 있는지를 분석하였다. KOSPI 수익률과 S&P500 수익률의 기술적 통계량 분석에서는 KOSPI 수익률의 평균이 S&P500 수익 률의 평균보다 높으며 KOSPI 수익률의 표준편차도 S&P500 수익률의 표준편차보다 높게 나타났다. 왜도 는 KOSPI 수익률과 S&P500 수익률의 경우 모두 음의 값이며 첨도는 모두 3이상으로 나타났다. Jarque- Bera 통계량이 1% 유의수준에서 유의한 것으로 나타나 정규분포 가설을 기각하고 있다. 이와 같은 수익률의 기술적 통계량을 볼 때 KOSPI와 S&P500 변동성을 분석하는 데에는 GARCH류의 모형이 적절하다. 두 시계열 모두 자기상관관계가 없는 것으로 나타나 GARCH 모형 또는 GJR GARCH 모형의 평균방정식에 AR항 또는 MA항을 포함시키지 않았다. 본 연구의 분석 단계는 첫 번째 단계로, GJR GARCH 모형을 이용하여 KOSPI 관측변동성과 S&P500 관측변동성을 계산하였다. GJR GARCH 모형 추정결과, KOSPI와 S&P500의 경우 모두에 있어서 비대 칭적 변동성항의 계수가 유의하게 나타나 양의 충격보다 음의 충격의 경우에 더 큰 변동성을 보이는 것으로 나타났다. GJR GARCH 모형에서 시장 변동성 지속성 패러미터가 KOSPI와 S&P500의 경우 모두 1보다 작은 것으로 계산되어 모두 안정성을 만족하는 것으로 나타났으며, 추정잔차와 추정잔차자승값의 10계차 자 기상관에 대한 Ljung-Box Q통계량이 비유의적으로 나타나 모형의 타당성이 있는 것으로 판단된다. 두 번째 단계로, 상태공간모형을 이용하여 KOSPI와 S&P500 각각의 영속적 변동성과 일시적 변동성을 추 정하였다. 상태공간모형은 모형 내에 비관측변수가 포함되어 있는 경우에 비관측변수를 추정하는 데 유 용하게 사용되는 통계기법이다. 본 연구에서는 관측변동성이 관측변수이며, 영속적 변동성과 일시적 변 동성이 비관측변수이다. 세 번째 단계로, 시계열자료의 안정성을 분석하기 위하여 단위근검정을 하였다. 단위근 검정을 하여 단위근이 없는 것으로 나타나는 경우에는 원자료를 가지고 분석을 하고, 단위근이 있는 경우에는 차분을 통해 안정적인 시계열자료로 만든 다음 시장 변동성 분석을 하여야 한다. ADF 검정결과, 관측 변동성, 영속적 변동성, 일시적 변동성 모두 단위근이 존재하지 않는 것으로 나타났으므로 원시계열자료 를 이용하여 분석하였다. 네 번째 단계로, KOSPI 변동성과 S&P500 변동성 간의 관계를 분석하였다. 뉴욕 주식시장 t-1일 폐장시간이 한국시간으로 t일 오전 5시이므로 S&P500 변동성이 KOSPI 변동성에 미치는 영향을 분석하기 위해서 t-1일의 S&P500 변동성과 t일의 KOSPI 변동성을 비교하여 두 변동성 간의 관계를 분석하였다. 그리고 미국과 한국의 주식시장 중 어느 한 시장이 휴장되는 날의 변동성 자료 는 분석대상 시장 변동성 변동성 시계열자료에서 제외하였다. KOSPI 관측변동성과 S&P500 관측변동성의 관계에 대한 분석결과, S&P500 관측변동성의 증가는 KOSPI 관측변동성의 증가를 가져오는 것으로 나타났다. 두 번째, 상태공간모형과 칼만필터링을 이용하 시장 변동성 여 추정된 영속적 변동성 간에도 유의적인 양의 관계가 있었다. 즉 정보에 의해 발생되어 영속적으로 지 속되는 변동성 부분에서도 S&P500이 KOSPI에 유의하게 영향을 미치는 것으로 나타났다. 세 번째로, 일시적 변동성의 경우에서도 S&P500 변동성이 KOSPI 변동성에 유의하게 영향을 미치는 것으로 나타 났다. 특히, 잡음거래로부터 발생되는 일시적 변동성 부분도 유의적인 양의 관계가 있는 것으로 나타난 것은 단순히 시장의 전반적 추세 등을 모방하여 투자하는 행위로부터 발생되는 것으로 판단된다. 본 연 구에서와 같이 관측변동성을 영속적 변동성과 일시적 변동성을 구분하여 이들 각각의 변동성이 두 시장 간에 어떤 관계를 갖고 있는지를 분석하는 것은 투자자 또는 포트폴리오관리자들의 투자전략수립 및 위 험관리에 있어서 고려되어야 할 의미 있는 부분으로 생각된다.

ScienceON Chatbot

An analysis of the volatility of financial market based on regime switching GARCH model

우리나라의 금융시장은 외환위기와 글로벌 금융위기를 겪으면서 환경에 많은 변화가 있었다. 최근 유로존 위기로 세계 경제가 둔화되면서 급랭한 우리나라 금융시장의 불확실성은 더욱 높아지고 있다. 이에 따라 금융시장 위험관리의 중요성은 더욱 부각되었고 금융위기 상황에서 금융시장의 변동성 행태를 예측하는 것은 금융시스템의 안정성 강화를 위한 중요한 과제로 부각되었다. 본 연구에서는 금융시계열 변동성의 특징인 비대칭성, 지속성, 구조적 변화를 고려해 금융시장 변동성의 특징을 살펴보고 이를 위험관리 측면에서 분석했다. 이를 위해 주식시장, 채권.

우리나라의 금융시장은 외환위기와 글로벌 금융위기를 겪으면서 환경에 많은 변화가 있었다. 최근 유로존 위기로 세계 경제가 둔화되면서 급랭한 우리나라 금융시장의 불확실성은 더욱 높아지고 있다. 이에 따라 금융시장 위험관리의 중요성은 더욱 부각되었고 금융위기 상황에서 금융시장의 변동성 행태를 예측하는 것은 금융시스템의 안정성 강화를 위한 중요한 과제로 부각되었다. 본 연구에서는 금융시계열 변동성의 특징인 비대칭성, 지속성, 구조적 변화를 고려해 금융시장 변동성의 특징을 살펴보고 이를 위험관리 측면에서 분석했다. 이를 위해 주식시장, 채권시장과 외환시장의 데이터를 활용하여 GARCH, 국면전환 GARCH 모형을 추정하고 변동성을 예측하는 것에 초점을 맞추어 손실함수와 Value-at-Risk에 관한 예측 검정을 수행했다. 모형을 추정한 결과 주식시장과 외환시장에서 국면전환 GARCH 모형의 적정성이 GARCH 모형에 비해 우수하게 나타났으며 채권시장에서는 두 모형의 적정성이 비슷하게 나타났다. 또한 모형별 추정된 계수를 분석한 결과 우리나라 금융시장에서 국면에 따라 변동성 행태의 차이가 뚜렷했고 평균 회귀 현상이 나타났으며 음의 충격이 변동성에 더 큰 영향을 줌을 확인했다. 손실함수를 통한 성과평가 결과 주식시장과 외환시장에서 국면전환 GARCH 모형의 손실함수가 작아 설명력이 우수하게 나타났다. VaR에 의한 예측성과를 비교에서도 국면전환 GARCH 모형으로 주식시장과 외환시장의 손실확률을 계산했을 때 VaR 값이 이론적인 손실확률에 가깝게 나타났다. 국면전환 GARCH 모형은 변동성 변화가 민감한 금융시계열의 구조적 변화를 반영한 모형으로서 변동성을 분석하고 예측할 때 우수한 결과를 보임을 확인할 수 있었다.

전국투자교육협의회

경제기사에 변동성이란 단어가 심심찮게 등장합니다 .
사전적으로 보면 변동성이란 어떤 기준을 중심으로 한 등락률이라고 말할 수 있습니다 . 구체적인 수치로 측정하기 위해서는 기준이 필요한데 , 이 기준에는 ‘ 평균 ’ 을 이용합니다 .
다시 말하면 변동성이란 평균을 중심으로 한 등락 수준 이라 말할 수 있습니다 .

예를 들어 최근 25 일간 코스피 평균이 2,000 포인트 , 변동성이 5% 였다고 하면
코스피는 2,000 포인트를 중심으로 2,100 포인트와 1,900 포인트 사이에서 움직였다고 말할 수 있는 것입니다 .

이때 평균인 코스피 2,000 포인트는 고정하고 변동성 수준만 변화시킬 때 코스피 움직임을 살펴보겠습니다 .

코스피 2,000 포인트를 중심으로 변동성을 1% 에서 20% 까지 변화시켰더니 , 변동성이 커질수록 코스피의 등락이 커지는 것을 확인할 수 있습니다 .

여기서 주목해야 할 점은 변동성은 상승과 하락 모두를 포함한다는 점 입니다 . 즉 변동성이 5% 라는 것은 평균에서 상승과 하락이 모두 5% 수준으로 움직인다는 것입니다 .
코스피가 상승할지 하락할지는 알 수 없습니다 . 다만 상승한다면 5% 수준이고 , 하락해도 5% 수준이라는 것을 알려 준다는 것입니다 .
변동성과 방향성은 확실히 다른 개념이라는 점을 알아야 합니다 .

변동성이 커진다는 것은 코스피가 상하로 움직이는 정도가 커진다는 것을 , 변동성이 작아진다는 것은 코스피가 상하로 움직이는 정도가 작아진다는 것을 의미합니다 .

그럼 변동성이 커질 것으로 예상될 때 투자자뿐 아니라 금융당국이 긴장하는 이유는 무엇일까요 ?

뉴스에 반응하는 투자자들의 심리 때문에 시장이 심하게 출렁거릴 가능성 때문입니다 .
주식시장은 국내외 정보를 받아 이를 가격에 반영합니다 . 좋은 뉴스는 좋은 뉴스대로 나쁜 뉴스는 나쁜 뉴스대로 가격에 실시간으로 반영됩니다 .
여기에 투자자들의 심리가 더해지는데 , 시장 변동성 투자자들의 낙관과 공포가 한순간에 시장에 반영되면서 주식시장은 크게 출렁거리게 됩니다 .
이 때문에 시장은 보통 객관적인 정보보다 과도하게 움직이는 경향이 강합니다 .

이런 의미로 변동성은 불확실성 이라고 볼 수 있습니다 . 시장이 뉴스에 어떻게 , 어느 정도 반응할지 모른다는 의미에서입니다 .
불확실하기 때문에 변동성은 리스크 라고 볼 수 있습니다 . 향후 시장이 어떻게 전개될지 모른다는 것은 투자 측면에서 불확실한 것이며 따라서 무엇인가 하기에는 짊어질 리스크가 크다는 것입니다 .
그래서 변동성 , 불확실성 , 리스크는 그 의미가 비슷하다고 볼 수 있습니다 .

변동성은 옵션과도 깊은 관련이 있습니다 .
좀 더 정확히 표현하면 옵션의 가격과 깊은 관련이 있습니다 . 옵션도 이론적으로 가격을 구할 수 있습니다 .
옵션의 이론적인 가격을 구하는 모형 중 가장 유명하고 활용도가 높은 것이 블랙 - 숄즈 모형입니다 . 블랙과 숄즈라는 두 사람이 1973 년에 발표한 모형으로 이것으로 숄즈는 1997 년 노벨경제학상까지 받게 됩니다 .

블랙 - 숄즈 모형은 주식을 기초자산으로 하는 옵션의 이론적인 가격을 계산하는 아주 심플하면서도 파워풀한 방정식을 제시하였습니다 .
이 방정식에 의하면 옵션가격에 영향을 미치는 요인 은 다섯 가지로 요약됩니다 . 기초자산인 주가 , 행사가격 , 금리 , 잔존만기 , 마지막으로 변동성입니다 .
주목할 점은 기초자산의 주가 , 행사가격 , 금리 , 잔존만기는 모두 알려진 변수라는 것입니다 . 인터넷이나 홈트레이딩 시스템에서 시장 변동성 아주 쉽게 확인할 수 있습니다 .

다섯 가지 변수 중 확인되지 않은 것은 변동성이며 , 따라서 이를 추정해서 사용해야 합니다 . 만기까지 미래의 변동성을 알 방법은 없으므로 과거 데이터를 가지고 추정하는 것입니다 .
블랙 - 숄즈 모형에 변동성까지 추정하여 다섯 가지 변수를 모두 입력하면 옵션의 이론 가격이 계산되어 나옵니다 ( 엑셀로도 쉽게 계산할 수 있습니다 ).

블랙 - 숄즈 모형으로 계산한 이론 가격과 실제 시장에서 거래되는 옵션가격과 차이가 발생하는데 , 그 이유는 변동성에 있습니다 .
블랙 - 숄즈 모형에 입력되는 변동성은 과거 데이터를 가지고 추정한 것이지만 , 시장에서 거래되는 옵션의 가격에 내재되어 있는 변동성은 미래의 변동성을 반영하고 있기 때문입니다 .

변동성이 옵션가격에 어떤 영향을 미치는지 살펴보겠습니다 .
변동성이 크다는 것은 상승폭과 하락폭이 크다는 의미입니다 . 콜옵션은 기초자산 가격이 상승할 때 유리한 상품이고 , 풋옵션은 기초자산가격이 하락할 때 유리한 상품입니다 .
따라서 변동성이 커지면 콜옵션과 풋옵션 모두 유리하므로 변동성 상승 국면에서는 콜옵션 가격과 풋옵션 가격 모두 상승합니다 . 반대로 변동성 하락 국면에서는 콜옵션 가격과 풋옵션 가격 모두 하락하게 됩니다 .

향후 금융시장에 무언가 큰 이벤트가 벌어져 변동성이 큰 국면 , 불확실성이 큰 국면이 나타날 것 같은 예상이 든다면 콜옵션과 풋옵션을 모두 매수하는 전략을 생각해 볼 수 있습니다 .

같은 행사가격의 콜옵션과 풋옵션 모두 매수하는 것을 스트래들 (Straddle) 매수 , 행사가격이 다른 콜옵션과 풋옵션 모두 매수하는 전략을 스트랭글 (Strangle) 매수라고 합니다 .

변동성이 큰 국면이라는 것은 시장이 크게 움직일 것 같은데 시장의 방향이 상승일지 하락일지 예상하기 힘든 상황 을 말합니다 .
따라서 콜옵션과 풋옵션을 모두 매수하여 양쪽 방향성을 열어 놓고 , 또한 변동성 상승은 콜옵션과 풋옵션 가격에 상승 요인이므로 이를 활용하는 전략입니다 .

반면 , 변동성이 큰 국면에서 옵션매도는 무척 위험합니다 .
토끼같이 먹고 코끼리 같이 싸는 상황에 몰릴 수 있습니다 .

* 토끼같이 먹고 코끼리 같이 싸는 상황이 어떤 내용인지 궁금하다면 아래 포스트를 클릭하세요

옵션매도는 개인이 감당하기 힘든 수준의 의무를 짊어질 수도 있어 가급적 활용하지 않는것이 바람직합니다 .

- 본 콘텐츠는 이용자의 자산관리 및 금융 지식 향상을 목적으로 작성된 교육 콘텐츠입니다.

- 본 콘텐츠에서 제공되는 금융상품 및 시장 정보 등을 이용하여 투자를 했을 시 발생하는 손실의 귀책사유는 이용자에게 귀속되오니 투자는 이용자 자신의 판단과 책임하에 신중히 결정하여 주시기 바랍니다.

- 금융투자상품은 원금 보장이 되지 않을 수 있으며, 자산운용 결과에 따라 이익 또는 손실이 발생할 수 있습니다.

- 본 콘텐츠에 관 한 저작권 및 기타 지적재산권은 전국투자자교육협의회에 속합니다. 이용자는 투교협의 사전 동의없이 인용(발췌), 복제, 전송, 편집, 번역, 출판, 배포, 방송, 기타 방법에 의하여 이용하거나 제3자에게 무단으로 배포할 수 없습니다.


0 개 댓글

답장을 남겨주세요