산업별 주식수익률 예측에 관한 실증적 연구 = An Empirical Study on the Prediction of the Industrial Index Returns in KRX
저자
발행사항
창원 : 창원대학교 일반대학원, 2023
학위논문사항
학위논문(석사)-- 창원대학교 일반대학원 : 경제금융정보학과 2023. 2
발행연도
2023
작성언어
한국어
주제어
발행국(도시)
경상남도
형태사항
76 ; 26 cm
일반주기명
지도교수: 정정현
UCI식별코드
I804:48019-000000016785
소장기관
본 연구는 예측변수를 이용하여 산업별 주식수익률의 예측성과를 실증적으로 분석한다. KOSPI와 18개 산업별 주가지수, 11개 예측변수의 월별 자료를 이용하여 다중회귀분석을 실시한다. 분석대상 기간은 1994년 1월부터 2021년 12월까지 336개월 간이다. 벤치마크 모형은 1차 자기회귀모형을 이용하여 수익률 예측치를 형성할 수 있도록 설계한다. 예측모형은 1차 자기회귀모형에 예측변수의 1차 차분항을 추가한 모형을 이용하여 예측변수에서 발생하는 지속성 문제를 완화할 수 있도록 설계한다. 예측모형의 표본외 예측력 검증에 사용한 통계량은 Clark and West (2007) 통계량이고, MoP 전략을 적용하여 산업별 주식수익률에 대한 예측력이 개선되는지를 확인한다. 그리고 주식수익률 예측의 경제적 성과를 평가하기 위해 확실성등가 초과수익률(CER)을 산출한다. 1, 2, 3, 6, 12개월의 투자기간(horizon)을 설정하여, 투자기간의 변화에 따라 예측수익률이나 최적 예측변수, 경제적 성과 등이 받는 영향에 대하여 검토한다. 본 연구의 주요 분석결과는 다음과 같다.
첫째, KOSPI와 모든 산업별 지수수익률에 대하여 BM비율이 높은 예측력을 보이며, 그외에 배당수익률(DY)과 신용등급 스프레드(CRS) 등이 유의적인 예측력을 보이는 것으로 나타났다.
둘째, BM비율을 이용하여 수익률을 예측하는 경우의 CER은 KOSPI 수익률에 대하여 연 13.54%(공매도 허용시)로 나타났다. 가장 높은 CER을 보이는 산업은 연 21.96%의 운수장비업이다. 그리고 공매도를 허용하면 CER이 약간 증가하는 것으로 나타났다.
셋째, KOSPI 및 산업별 지수수익률 예측에 있어서, MoP 전략으로 선정된 최적 예측수익률을 이용하면 단일의 예측변수만 이용하여 예측할 때보다 예측력이 향상되는 것을 알 수 있다. 그리고 MoP 전략에 따른 최적 예측수익률의 경제적 성과가 개별 예측변수를 이용하여 생성한 예측수익률의 경제적 성과보다 더 우월한 것으로 나타났다. 이러한 경우에 KOSPI 수익률에 대한 CER은 연 20.62%(공매도 허용시)로 나타났다.
넷째, 1, 2, 3, 6, 12개월의 투자기간별로 MoP 전략에서 최적 예측변수로 가장 많이 선택된 예측변수 3개를 선정하고, 선정된 예측변수들의 예측력을 검토한다. 분석결과, 예측변수들의 예측력은 투자기간에 따라 민감하게 변화하는 것으로 나타났다. 투자기간이 2개월, 3개월인 경우에는 BM비율, 배당 관련변수 등의 예측변수들이 높은 예측력을 보이지만, 투자기간이 1개월로 짧거나, 6개월, 12개월로 길어지면 예측변수들의 예측력이 약해지는 것으로 나타났다.
다섯째, 투자기간에 따른 CER 분석결과, 예측변수들의 경제적 성과는 투자기간과 산업별로 상당한 차이를 보이는 것으로 나타났다. 투자기간이 1개월인 경우에는 경제적 성과가 없지만, 투자기간이 2개월 이상인 경우에는 BM비율, 배당수익률, 배당주가비율, 변동성, 신용등급 스프레드, 장기이자율, 채무불이행 스프레드 등의 예측변수가 유의적인 경제적 성과를 보이는 것으로 나타났다.
This study empirically analyzes predictive performance of industrial index returns by using predictor variables. Multiple regression analysis is conducted by using monthly data for KOSPI, stock indexes for eighteen industries, and eleven predictor variables. The sample period is 336 months from January 1994 to December 2021. The benchmark model is designed to generate predictive value of the returns by using a first-order autoregressive model. The predictive model is designed to alleviate a persistence problem which occurs in the predictor variables by using a model where a first order difference term of the predictor variables is added to the first-order autoregressive model. The statistic used to test the out of sample predictive power of the predictive model is the Clark and West (2007) statistic, and it is checked whether the predictive power of the industrial index returns is improved by applying MoP strategy. In addition, in order to evaluate an economic performance of forecasting the stock returns, a certainty-equivalent excess return (CER) is calculated. Investment periods (horizon) of one, two, three, six, and twelve months are set to examine an effect of their changes on predicted returns, optimal predictor variables, economic performance, and others. Main analysis results of this study are as follows.
First, it was found that BM ratio showed high predictive power for KOSPI and the industrial index returns, and dividend yield (DY) and credit rate spread (CRS) showed significant predictive power.
Second, it was found that CER showed 13.54% per annum (when short selling was allowed) for KOSPI returns when returns were predicted by using the BM ratio. The industry with the highest CER is the transportation equipment industry with an annual rate of 21.96%. In addition, it is found that the CER slightly increases when short selling is allowed.
Third, it can be seen that if the optimal predicted returns selected by the MoP strategy are used in prediction of KOSPI and the industrial index returns, the predictive power is improved compared to when predicting them by using only a single predictor variable. In addition, economic performance of the optimal predicted returns according to the MoP strategy was found to be superior to that of the predicted returns generated by using individual predictor variables. In this case, the CER for the KOSPI returns was found to be 20.62% per annum (when short selling was allowed).
Fourth, for each investment period of one, two, three, six, and twelve months, the three most selected predictor variables as the optimal ones in the MoP strategy are selected, and their predictive power is reviewed. Analysis result showed that the predictive power of the predictor variables changed sensitively according to the investment periods. It was found that the predictor variables, such as BM ratio and dividend-related variables, showed high predictive power when the investment period was two or three month, but the predictive power of the predictor variables weakened when the investment period was as short as one month or as long as six or twelve months.
Fifth, according to the CER analysis result based on the investment periods, it was found that the economic performance of the predictor variables showed a considerable difference between the investment periods and between industries. It was found that there was no economic performance when the investment period was one month, but the predictor variables, such as BM ratio, dividend yield, dividend price ratio, stock variance, credit rate spread, long term yield, and default rate spread, showed significant economic performance when the investment period was 2 months or longer.
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)