한국주식시장에서 범위변동성의 기간별 예측력에 관한 연구

박종해 대한경영정보학회 2011 경영과 정보연구 Vol.30 No.2

변동성을 측정하는 데에는 주로 종가기반(close-to-close)의 수익률 자료를 이용 하여 이루어지고 있지만, 일중 변동폭을 나타내는 가격범위에 관한 정보인 고가와 저가를 포함한 범위변동성에 대한 연구가 최근 활발해지고 있다. 본 연구는 범위 변동성에 대한 개념이 생긴 이후 최근 확장되고 있는 다양한 연구주제와 더불어 범위변동성을 실무적으로 활용하기 위한 것으로 범위변동성 예측에 있어 적절한 예측기간을 제시하는 것을 목적으로 하고 있다. 범위변동성은 Parkinson(1980; PK), Garman and Klass(1980; GK) Rogers and Satchell(1991; RS), Yang and Zhang(2008; YZ)이 제시한 추정치를 이용하였으며, AR(1), MA(1)모형을 이용하 여 예측된 변동성과 실현변동성간의 예측오차를 비교하는데 이때 예측기간을 시변 하여 산출함으로써 예측력을 비교분석하였다. 2000.5.22~2009.9.18(총 2,307일간)의 KOSPI200지수를 대상으로 분석한 결과는 다음과 같다. 첫째, PK, GK, RS, YZ 변동성 중 KOSPI200의 변동성을 가장 잘 예측하는 변 동성은 PK변동성 또는 RS변동성으로 보인다. 두 변동성의 예측력 우위는 분석기 간에 따라 미세한 차이를 보이는데 금융위기를 포함하는 경우 PK변동성이 우수하 며, 포함하지 않는 경우는 RS변동성이 우수한 것으로 나타났다. 둘째, 금융위기를 포함하지 않는 경우 대부분의 경우 예측오차가 크게 줄어드는 것으로 나타나 금융위기처럼 변동성이 크게 나타나는 경우에는 범위변동성을 이용 한 변동성예측력이 상당히 떨어질 수 있음을 확인하였다. 셋째, 범위변동성을 이용하여 변동성을 예측하는 경우 AR(1), MA(1)모형의 모 수추정기간을 길게 하는 경우 예측오차의 평균은 감소하는 경향이 확인되었다. 특 징적인 점은 60일 또는 90일로 기간을 늘일 경우에 예측오차가 급격하게 감소하는 경향을 보이는 것인데, 각각의 변동성과 예측모형에 따라 다소의 차이가 나타난다. 그리고, 예측오차의 편차는 90일 이후 큰 변화를 보이지 않고 있는 것으로 보인다. 따라서, 범위변동성을 이용하여 범위변동성을 예측할 경우 90거래일 이상의 가격 정보를 이용하여 예측을 하는 것이 예측오차를 줄여 예측력을 높일 수 있을 것으 로 판단된다. This empirical study is focused on practical application of Range-Based Volatility which is estimated by opening, high, low, closing price of overall asset. Especially proper forecasting period is what I want to know. There is four useful Range-Based Volatility(RV) such as Parkinson(1980; PK), Garman and Klass(1980; GK) Rogers and Satchell(1991; RS), Yang and Zhang(2008; YZ). So, four RV of KOPSI 200 index during 2000.5.22-2009.9.18 was used for empirical test. The emprirical result as follows. First, the best RV which shows the best forecasting performance is PK volatility among PK, GK, RS, YZ volatility. According to estimating period forcasting performance of RV shows delicate difference. PK has better performance in the period with financial crisis of sub-prime mortgage loan. if not, RS is better. Second, almost result shows better performance on forecasting volatility without sub-prime mortgage loan period. so we can say that forecasting performance is lower when historical volatiltiy is comparatively high. Finally, I find that longer estimating period in AR(1) and MA(1) model can reduce forecasting error. More interesting point is that the result shows rapid decrease form 60 days to 90 days and there is no more after 90 days. So, if we forecast the volatility using Range-Based volaility it is better to estimate with 90 trading period or over 90 days.

재무분석가의 예측치가 기업의 고유변동성에 미치는 영향

김정옥(Kim, Jeong Ok),신유진(Shin, Yoo Jin) 한국공인회계사회 2018 회계·세무와 감사 연구 Vol.60 No.3

본 연구는 재무분석가가 발표하는 예측치의 특성이 기업의 고유변동성에 미치는 영향을 분석하는데 그 목적이 있다. 고유변동성이란 시장변동성과 함께 투자변동성을 구성하는 요소로서 통제가 불가능한 시장변동성과는 달리 투자자들이 의사결정을 하는 과정에서 통제가 가능하다는 이유로 그 중요성이 증가하고 있는 추세이다. 이에 다수의 연구들이 고유변동성을 중심으로 연구결과를 제시하였으며, 특히 기업이 제공하는 회계정보의 특성이 고유변동성에 의미 있게 반영된다는 다수의 연구결과가 보고되었다. 본 연구는 이들 선행연구의 관점과 달리 자본시장에서 정보중개자로서 중요한 역할을 하는 재무분석가가 제공하는 정보의 특성이 고유변동성에 미치는 영향을 미치는지를 분석하였다는데 그 차별점이 있다. 그리고 이에 더 나아가 재무분석가의 특성이 이익예측치에 영향을 미친다는 선행연구의 결과에 따라 재무분석가의 특성이 이익예측치의 특성과 고유변동성과의 관계에 의미 있는 영향을 미치는지를 분석하였다. 본 연구의 결과를 요약하면 다음과 같다. 첫째, 재무분석가가 발표하는 이익예측치 및 예측치의 표준편차는 고유변동성과 유의한 관계를 보였다. 즉, 이익예측치의 평균 및 예측치의 표준편차가 높을수록 고유변동성이 높은 것으로 나타났다. 이는 예상되는 수익률이 높을수록 위험도 높아진다는 자본시장의 원리와 일맥상통한 것으로 해석할 수 있다. 즉, 재무분석가의 이익예측치가 높을 경우 이에 대한 위험도 높아져서 이것이 고유변동성에 반영된다는 것을 알 수 있으며, 표준편차의 경우에도 재무분석가 간 예측치의 차이가 크다면 해당 기업에 대한 신뢰성과 불확실성이 높아 고유변동성이 높아진다는 것이다. 다음으로 재무분석가의 이익예측치 및 표준편차가 고유변동성에 미치는 영향이 재무분석가의 특성에 따라 차이가 있는지를 분석하였다. 분석결과, 대체로 재무분석가의 특성이 상대적으로 우수하고 신뢰성이 높다고 알려진 표본에서 재무분석가의 이익예측치 및 표준편차가 고유변동성에 더 의미 있는 영향을 미치는 것으로 나타났다. 이와 같은 본 연구의 결과를 통해 자본시장에서 재무분석가의 역할을 재조명할 수 있으며, 고유변동성에 영향을 미칠 수 있는 요인을 재무분석가의 관점에서 고려할 필요가 있다는 시사점을 제공할 것이다. We investigate the effect of the characteristics of earnings forecast on idiosyncratic volatility. Investment risk is well-known for being influenced by idiosyncratic volatility and market volatility. Generally, because that is determined by overall market circumstances, market volatility can not be controlled by investor. But idiosyncratic volatility can be reduced by adjusting investment portfolio. The reason why idiosyncratic volatility is a factor that is affected by firm specific characteristics. Therefore the importance of idiosyncratic volatility is increasing and lots of prior research suggest the results about idiosyncratic volatility. Our research focus on earnings forecast. When investor decide their investment, they focus on firm characteristics. Therefore the characteristics of earnings forecast can influence on idiosyncratic volatility. Because role of analyst is to provide firm information and reduce information asymmetry between company and investor. Our research results as follows. First, earnings forecast and standard deviation of earnings forecast have a positive relationship with idiosyncratic volatility. Second, the characteristics of analyst have a significant role to relationship between the earnings forecast(or standard deviation of earnings forecast) and idiosyncratic volatility.

국제유가 변동성이 산업별 생산활동에 미치는 영향

김부권,최기홍,윤성민 한국산업경제학회 2019 산업경제연구 Vol.32 No.3

The change in crude oil prices is one of the main factors affecting the production cost of industries, but the extent of their impact different by industrial. This paper demonstrates how the volatility of crude oil prices (Dubai) affects various industries in the Korean economy. Crude oil prices are decided by the demand and supply of the crude oil market, but are decided by geopolitical events such as specific political events and wars. This study divided oil price volatility into predictable and unpredictable oil price volatility, and analyzed how each of them affects the production activities of various industries in Korea. The results of the empirical analysis are summarized as follows. First, the Granger causality test show that both predictable and unpredictable oil price volatility have a significant effect on the production activities of each manufacturing. For the industry of service industry, it is shown that predictable oil price volatility would affect, but not unpredictable oil price volatility. Second, the results of the impulse response function show that predictable oil price volatility initially has negative effects on manufacturing production activities and positive impacts over time, but unpredictable oil price volatility has only negative effects. In the service industry, both predictable and unpredictable oil price volatility do not have impact on production activities. Third, the results of the forecast error variance decomposition show that the unpredictable oil price volatility is more important in predicting the manufacturing production activities than in the service industry. 원유 가격의 변화는 기업의 비용에 영향을 미치는 주요 요인의 하나이지만, 그 영향의 정도는 산업별로 차이가 있다. 본 연구는 국제유가(두바이)의 변동성이 한국경제의 여러 산업에 어떠한 영향을 미치는지를 실증적으로 분석하였다. 국제유가는 원유시장의 수요와 공급에 의해 가격이 조정되지만, 특정 정치적 사건 및 전쟁 등과 같은 지정학적 이벤트(event)에 의해 가격이 크게 변화하기도 한다. 본 연구는 전체 유가 변동성을 예측 가능한 유가 변동성과 예측 불가능한 유가 변동성으로 분해하고, 그 각각이 우리나라 여러 산업의 생산활동에 어떠한 영향을 미치는지 분석하였다. 실증분석 결과를 요약하면 다음과 같다. 첫째, 그랜저 검정 결과, 예측 가능한 유가 변동성과 예측 불가능한 유가 변동성 모두 각 제조업의 생산활동에 유의한 영향을 미치는 것으로 나타났다. 각 서비스업의 생산활동 경우에는 예측 가능한 유가 변동성은 대부분 영향을 미치지만, 예측 불가능한 유가 변동성은 영향을 미치지 않는 것으로 나타났다. 둘째, 충격 반응함수의 결과를 보면, 예측 가능한 유가 변동성은 제조업 생산활동에 음(-)의 영향을 미치다가 시간이 지남에 따라 양(+)의 충격을 미치는 것으로 나타나지만, 예측 불가능한 유가 변동성은 음(-)의 영향만 미치는 것으로 나타났다. 서비스업의 경우 예측 가능한 유가 변동성과 예측 불가능한 유가 변동성 모두 생산활동에 미치는 영향이 크지 않은 것으로 나타났다. 셋째, 예측 오차 분산분해 결과를 보면, 예측 불가능한 유가 변동성이 서비스업의 경우보다 제조업 생산지수 예측에 더 중요한 것으로 나타났다.

비선형모형을 포함한 범위 변동성 추정량의 예측성과 비교연구

김은영 한국재무학회 2011 한국재무학회 학술대회 Vol.2011 No.08

본 연구는 2000년 1월 3일부터 2011년 6월 30일까지의 KOSPI 200 일별 시가, 고가, 저가, 종가 자료를 대수변환한 후 범위 변동성 추정량 공식에 따라 산출한 세 가지 범위 변 동성 추정량 시계열과 종가 기준 수익률 시계열을 분석 대상 으로, ARMA, GARCH, 2국면 SETAR 모형을 예측필터로 하 여 RMSE 평가기준에 의거, 세 가지 범위 변동성 추정량의 예측성과를 비교분석한 것이다. 분석 결과는 다음과 같다. 첫째, 범위 변동성 추정량은 변동성이 큰 기간에서는 낮은 예측 성과를, 변동성이 작아서 안정적인 기간에서는 높은 예측성과 를 보였다. 둘째, Parkinson 변동성 추정량과 Garman and Klass 변동성 추정량은 선형 필터인 ARMA 모형을 사용한 경우에, Rogers and Satchell 변동성 추정량은 비선형 필터 인 GARCH 모형과 2국면 SETAR 모형을 사용한 경우에 더 좋은 예측성과를 보였다. 셋째, ARMA 모형은 Parkinson 변 동성 추정량과 Garman and Klass 변동성 추정량에서 좋은 성과를 보인 반면, 2국면 SETAR 모형은 가격과정에 추세를 반영한 Rogers and Satchell 변동성 추정량에서 좋은 예측력 을 보였다. 추가적으로 GARCH 모형은 시장 상황과 범위 변 동성 추정량의 종류에 상관없이 가장 무난한 예측력을 보이 는 모형이라고 평가할 수 있다.

변동성 모형의 질적 특성에 관한 연구

안주영,김철중 한국기업경영학회 2012 기업경영연구 Vol.19 No.6

This study analyzed the qualitative characteristics of the volatility model based on various analytical standards. In the analysis of prediction errors according to the empirical analysis results, the prediction errors of EVARCH model compared with RMSE standard were found to be least for 5 and 10 days, and those of GARCH model for 20 and 30 days. But comparing with MAE standard, the prediction model of GARCH model was the least in EGARCH model for 5 days, in EWMA for the 10 days, in GARCH model on 20 and 30 days. In cases of comparison with MAPE standard, EWMA showed the most superior prediction performance. In the analysis of information effectiveness, the implied volatility was found to be most superior during the 20 day prediction period and EGARCH model was superior in the forecast period of 5, 10, and 30 day prediction period. In the unbiased analysis, EMWA model was found to have bias in the freedom in the prediction periods of 10, 20 and 30 days. According to the analysis results of volatility model using the methodology of Davidson and Mackinnon which enables the intuitive comparison of the model, EGARCH model had superior prediction in 5 and 10 day prediction periods and GARCH model has superior prediction performance for 20 and 30 days. Compared with RMSE standard, EGARCH model showed the least prediction errors across all prediction days before the global financial crisis. But the prediction errors were least during 20 days in GARCH and for 30 days in the implied volatility. When comparing with MAE standard, while EGARCH and EWMA showed outstanding prediction performances during the period before the financial crisis, the prediction errors were analysed to be least in GARCH model and EGARCH model. When comparing with MAPE standard, while EWMA showed outstanding prediction performances during all prediction days before the financial crisis, the prediction errors were found to be least in GARCH model and EGARCH model in the period after the financial crisis. The implied volatility of the information effectiveness was shown to be highest during the period after the financial crisis but the information effectiveness of EGARCH model was higher. EWMA model, regardless of the period of the financial crisis, showed characteristics of unbiased estimates. Although EGARCH model showed characteristics of unbiased estimates during 20 and 30 estimate days, it did not show these characteristics since the period after the financial crisis. According to the analysis results using methods of Davidson and Mackinnon (1981), EGARCH model showed the most excellent prediction performances in the period before the financial crisis. On the contrary, the prediction of EGARCH (5 and 10 days), GARCH (20days) and implied volatility (30days) were during the period after the financial crisis. These results indicate that the qualitative characteristics of each variability are different. In other words, there is not any volatility model which is unique and superior in all the qualitative characteristics. Therefore, it is necessary to choose a model considering qualitative prediction periods and characteristic to be focused on in case of using the volatility model. Limitations of this study is the assumption of the average equation as AR (1) process to presume GARCH model and EGARCH model. The daily rate of return of KOSPI200 index is affected not only by its time series process but other exogenous variables. Accordingly, it is required to examine which effects are made on prediction of variability when estimating conditional volatility by inputting exogenous variables significantly affecting the mean equations of EGARCH model, commitment to estimate the conditional volatility, we need to look at what any change in the predictive power of the volatility. 본 연구의 목적은 다양한 분석 방법을 도입한 변동성 모형의 질적 특성 비교하고 평가하는 것을 목표로 한다. 표본자료는 1997년 7월 7일부터 2011년 6월 9일까지의 KOSPI200지수 일별수익률 3509개이며 비교할 모형은 GARCH, EGARCH, EWMA 및 내재변동성 모형이다. 실증분석 결과 예측오차 분석에서는 RMSE 기준으로 비교할 경우 5일, 10일 예측기간은 EGARCH 모형, 20일, 30일 예측기간은 GARCH 모형의 예측오차가 가장 작다. MAE 기준으로 비교할 경우 5일 예측기간은 EGARCH 모형, 10일 예측기간은 EWMA 모형, 20일, 30일 예측기간은 GARCH 모형의 예측오차가 가장 작은 것으로 나타났다. MAPE 기준으로 비교할 경우 모든 예측기간에서 EWMA 모형이 가장 우월한 예측력을 보였다. 정보효과 분석에서는 20일의 예측기간은 내재변동성모형이, 5일과 10일 그리고 30일의 예측기간은 EGARCH 모형이 우월한 것으로 나타났다. 불편성 분석한 결과, EWMA 모형이 10일, 20일, 30일의 예측기간에서 불편성을 갖는 것으로 나타났다. 모형의 직관적 비교가 가능한 Davidson and Mackinnon(1981)의 방법론을 이용하여 변동성 모형을 분석할 경우 5일과 10일 예측기간에서는 EGARCH 모형이, 20일과 30일 예측기간에서는 GARCH 모형이 우월한 예측력을 갖는 것으로 나타났다. 글로벌 금융위기 전후 기간에 대해 Davidson and Mackinnon(1981)의 경합모형 분석 방법을 적용할 경우 금융위기 이전에는 EGARCH 모형이, 반면에 금융위기 이후에는 EGARCH(5일, 10일), GARCH(20일), 내재변동성(30일)의 예측력이 우수한 것으로 분석되었다. 이러한 결과는 각 변동성 모형이 갖는 질적 특성이 다르다는 것을 나타낸다. 즉, 모든 질적 특성에서 가장 우월하고 유일한 변동성 모형은 존재하지 않는것을 나타내는 것이다. 따라서 변동성 모형을 이용할 경우 예측하려는 기간이나 집중하고자 하는 질적 특성을 고려하여 모형을 선별할 필요가 있다

거래회전율을 반영한 범위변동성이 수익률 및 변동성에 미치는 영향에 관한 실증연구

박종해,정대성 한국자료분석학회 2016 Journal of the Korean Data Analysis Society Vol.18 No.2

본 연구의 주요 목적은 거래규모에 의해 조정된 범위변동성이 수익률과 변동성의 예측성과를 제고할 수 있느냐 하는 것이다. 이를 위해 거래회전율을 포함한 수정모형을 통하여 수익률과 변동성 예측에 미치는 영향을 살펴봄으로써 조정된 예측모형이 더 작은 예측오차를 나타내는 경우, 범위변동성 이용 시 거래규모와 관련된 변수를 도입할 필요가 있음을 확인하고자 하였다. 추가적으로 주식시장의 수익률과 변동성에 영향을 미치는 것으로 알려진 변동성지수를 도입하여 연구모형을 수립하였다. 분석대상은 KOSPI200 수익률과 변동성이며, 분석기간은 2003년 1월 3일부터 2012년 4월 30일까지 총 11년 4개월간이다. 분석결과, 거래회전율을 제외하였을 때와 포함하였을 때 모두 범위변동성과 변동성지수는 수익률과 변동성에 유의적인 영향을 미치는 것으로 분석되었다. 예측오차를 통해 수익률 및 변동성 예측력을 검토한 결과 거래회전율을 포함하여 분석하였을 경우 예측력이 높아지는 것을 발견하였다. 그리고 AR모형이 수익률 예측에서, MA모형이 변동성 예측에서 예측력이 다소 우수함을 발견하였다. This paper is for investigating the range volatility with a trading turnover can improve its forecasting performance on asset returns and volatilities. For the purpose of this paper we designed the modified ARMA model including range volatility and turnover variable and observe which model is better for forecasting the returns and volatilities. In addition, we adopt a volatility index, VKOSPI in Korean, which has many evidence for the effect on the returns and volatilities. The index we consider is KOSPI200 and the periods analyzed are from 2003 to 2012. Our data include daily returns, 1 minute returns, daily VKOSPI and turnover rates for KOSPI200. The results are the following. The all of range volatilities, PK, GK, RS, YZ, and VKOSPI have an effect on the return and volatility of KOSPI200 in the all models including turnover or not. The mean squared errors in forecasting show the reason why we consider the trading volume factor like a turnover. The models with a turnover variable show higher forecasting performance.

범위변동성의 측정방법에 따른 예측성과 비교 분석

서상구,박종해 한국자료분석학회 2013 Journal of the Korean Data Analysis Society Vol.15 No.6

Using realized range-based volatility (RRV), this study investigates the difference of forecasting power by applying KOSPI and KOSDAQ index as a part of forecasting market volatility. RRV can be characterized to show different value according to measure scale. The data using the analysis is range volatility (RV) which is measured by daily, weekly, monthly respectively. We test the forecasting power targeting KOSPI and KOSDAQ index. The model to forecast the volatility are AR model and MA model and the forecasting error is measured by RMSE and MRB. We try to forecast RRV of out-of-the sample based on the RRV of in-the sample. The findings are follows. First, if we use daily scale in-the sample, the coefficient value shows minus (-) value. But using weekly and monthly scale, the coefficient value shows plus (+) value. Second, the more we increase the scale in-the sample, the more the forecasting error decrease. Third, the forecasting results of out-of the sample are almost similar to that of in-the sample in analyzing the robustness the main findings. Fourth, the forecasting results of KOSPI is superior to that of KOSDAQ either in-the sample or out-of the sample. 본 연구는 범위변동성을 이용하여 시장의 변동성을 예측하고자 하는 연구의 일환으로 앞서 실현범위변동성(realized range volatility; RRV)의 개념을 응용하여 한국의 유가증권시장과 코스닥 시장에 적용해 보고 예측력의 차이를 분석하였다. 실현범위변동성은 실현변동성의 산출방식과 유사하게 측정되는 것으로 측정하는 스케일에 따라 변동성이 다르게 측정되는 특징을 가진다. 연구에 사용된 자료는 1일, 1주, 1개월 단위로 스케일을 달리 하여 측정된 범위변동성이며, 한국종합주가지수와 코스닥지수를 대상으로 예측력을 분석하였다. 예측에 활용된 모형은 자기회귀모형 중 AR모형과 MA모형을 이용하였으며 예측오차는 RMSE와 MRB로 측정하여 비교하였다. 분석과정은 내표본의 예측결과를 바탕으로 외표본 예측을 시도하였다. 분석결과는 다음과 같다. 첫째, 내표본에서 예측모수를 측정한 결과 스케일을 1일로 하였을 경우 1시차에서 음의 계수가 나타나지만, 1주일과 1개월인 경우에서는 양의 계수값이 나타나는 점에서 큰 차이를 보였다. 둘째, 내표본의 예측오차를 분석한 결과 스케일을 크게 할수록 예측오차가 줄어드는 특징을 보였으며, 높은 시차보다는 낮은 시차의 모형에서 우수한 예측결과를 보였다. 셋째, 강건성 분석을 위해 시도한 외표본의 예측결과는 내표본의 예측력 분석결과와 거의 일치하였다. 마지막으로, 내표본에서나 외표본에서나 종합지수의 예측결과가 코스닥지수의 예측결과보다는 우수하게 나타났으며, 이는 범위변동성의 수준이 코스닥지수가 상대적으로 더 크기 때문인 것으로 추측된다.

한국과 세계 선진주식시장 변동성의 효율적인 예측방법에 관한 연구

강인철 한국자료분석학회 2012 Journal of the Korean Data Analysis Society Vol.14 No.4

Ability to forecast volatility of market is critical to analysts, investors and policy makers. A large number of methods are available for forecasting volatility. This study obtains volatility forecasts from time series models. ARMA-ARCH/GARCH time series model is applied to time series of stock index returns. This study uses stock index closing prices of Korea and advanced stock market. This study calculate realized volatility of the stock index prices. Then compare with the volatility forecasts for corresponding horizons (5 trading day and 20 trading day). This study uses two criteria to evaluate forecast efficiency: (a) mean absolute error (MAE) and root mean squares error (RMSE) of forecasted volatility over a particular horizon with respect to volatility realized over that horizons, and (b) test of differences in the means of forecasts compared to realized volatility. The result of this study suggest that the volatility forecasting models of Korea and advanced stock markets and the forecasting performance of their models are statistically significant. 본 연구는 2002년 1월부터 2012년 2월까지 한국을 비롯한 선진 6개국 주식시장을 대상으로 각 시장의 변동성을 예측할 수 있는 방법을 모색하기 위하여 ARCH 계열의 시계열모형을 이용하여 주별 및 월별 시장변동성을 예측하였다. 본 연구의 결과를 요약하면, 첫째 한국을 비롯한 선진 6개국 시장의 변동성 예측모형이 모두 ARCH 계열이 아닌 GARCH 계열의 모형이 선정되었다. 이것은 GARCH 계열의 모형이 자산의 조건부 기대수익률과 조건부 분산을 잘 설명하고 예측한다는 기존 연구와 일맥상통한다. 둘째, 추정된 모형을 이용하여 변동성 예측치를 주별과 월별로 구분하여 실현변동성과 비교한 결과, 주별 예측에서는 KOSPI를 비롯한 6개 시장의 경우 AIC 기준에 의해 선정된 모형들의 예측력이 우수하였고, 다우산업을 포함한 3개 시장의 경우는 SC 기준에 의해 선정된 모형들의 예측력이 더 나은 것으로 나타났다. 그리고 월별예측에서는 KOSPI를 포함한 7개 시장에서 SC 기준에 의해 선정된 예측모형의 예측력이 뛰어난 것으로 나타난 반면 나머지 시장은 혼재된 결과를 보여주고 있었다. 셋째, 변동성 예측치들의 예측성과를 알아보기 위해 실현변동성과 회귀분석한 결과, 모든 시장에서 변동성 예측치들이 실현변동성을 잘 설명하고 있는 것으로 보였다.

마코프전환 멀티프랙탈(Markov Switching Multifractal)모형을 이용한 KOSPI200지수의 장기변동성 예측성과 비교

이상헌,김명직 한국재무학회 2015 한국재무학회 학술대회 Vol.2015 No.05

금융시계열 변동성에 관하여 잘 알려진 특징(stylized facts)은 변동성집중현상(volatility clustering), 장기기억 (long memory), 국면전환(regime change), 그리고 이상치(outliers)의 존재 등이다. 작은 수의 파라미터를 사용함에도 불구하고 이러한 특징들을 동시에 잘 설명하는 것으로 알려진 마코프전환 멀티프랙탈(Markov Switching Multifractal; MSM) 변동성 모형을 이용하여 우리나라 KOSPI200 지수의 변동성을 추정하고 다기간 예측성과를 비교 분석하였다. 표본기간은 2003 년 1 월 2 일부터 2014 년 12 월 30 일까지이며 비교 모형은 GARCH 모형과 국면전환 GARCH 모형이다. 실증분석 결과 모형 적합도와 사후 예측성과 면에서 모두 MSM 모형이 전반적인 우위를 보였으며 특히 예측 기간이 길어질수록 이러한 경향이 더욱 강하였다. MSM 모형에 의한 KOSPI200 수익률의 변동성은 단기 및 중장기 변동성 부분으로 분해해 볼 수 있는데 2008 년 글로벌 금융위기와 2011 년 유럽 재정위기의 경우 변동성의 속성이 다르다는 것을 확인하였다. 전자의 경우 단기 및 중기빈도의 변동성뿐만 아니라 저빈도의 장기변동성 또한 높아 높은 변동성 국면으로 전환했던 것으로 나타났지만 후자의 경우 단기와 중기빈도 변동성은 높아진 반면 장기빈도의 변동성 국면전환은 발생하지 않은 것으로 나타났다. MSM 모형의 예측성과가 특히 장기로 갈수록 나아진다는 점은 자산배분이나 보다 정교한 VaR 측정을 통한 시장위험관리, 그리고 파생상품을 이용한 헤지 의사결정과 같이 단기뿐만 아니라 중장기 변동성 예측이 중요한 분야에서 유용성이 있을 것으로 기대된다.

범위변동성 추정량의 예측력에 관한 연구: 비대칭성에 따른 비교

박종해 ( Jong Hae Park ) 한국금융공학회 2012 금융공학연구 Vol.11 No.2

일반적으로 변동성은 종가를 기반으로 측정되고 있으나, 종가이외에 발생하는 시가, 고가, 저가를 포함하여 시장의 심리를 보다 정확하게 반영하는 측정치로 범위변동성이 이용되고 있다. 한국시장을 대상으로 한 범위변동성의 예측력에 관한 연구가 최근 진행되고 있으며, 실무에서의 활용방법이 지속적으로 논의되고 있다. 본 연구의 동기는 종가가 시가보다 높은 양봉이 발생한 경우나 그 반대로 음봉이 발생한경우 동일하게 산출되는 범위변동성이 있기 때문에 이러한 비대칭성을 고려할 경우에 실증적인 분석결과들이 달라질 수 있는 가능성이 존재할 수 있다는 점에서 출발하였다. 따라서 본 연구는 이러한 비대칭성에 초점을 맞추어 범위변동성이 실현변동성에 대한 예측력이 양봉과 음봉의 비대칭성에 따라 어떻게 달라지는지에 대해 실증분석 하고자 한다. 분석결과에서 볼 수 있듯이 양봉과 음봉에 따라서 범위변동성의 예측에 미치는 영향력이 다르게 나타날 수 있음을 알 수 있는데, 이 경우 범위변동성의 산출방법에 따라 다른 것으로 보인다. 예측력에 있어 범위변동성과 비대칭성에 관한 기존의 연구를 바탕으로 연구모형을 수정하여 분석한 결과 범위변동성을 자기회귀모형으로 예측하였을 경우 단순한 모형일수록 예측오차가 적었다. 또한 아주 큰 차이는 아니지만 음봉을 고려하여 범위변동성을 예측한 경우 비대칭성을 고려하지 않은 모형보다 예측력이 다소 높게 나타나는 것으로 보이며, 양봉의 경우 예측력의 향상은 나타나지 않았다. In common, a volatility is measured with closing price, while there is additional three price such as opening, high, low price of assets in intraday. The RV(range volatility) is measured with these four price and it could have more information about asset price movement. For this reason RV can be used for forecasting asset volatility and this paper is a series of forecasting performance using that. In particular, according to color of candle chart(black/red) there can be different forecasting power in same RV and this is the major consideration. The result of this empirical study as follows; The red candle and black candle shows different forecasting performance. When the opening price is lower than closing price, RV dummy can improve forecasting performance. In conclusion when we measure the RV and forecast volatility the color of candle could be important factor.