KCI등재
주가지수 옵션 횡단면 정보의 미래 기대변동성 예측력에 관한 연구 = A Study on the Predictive Power of the Stock Price Index Options` Cross-Sectional Information onto Future Expected Market Volatility
저자
발행기관
학술지명
권호사항
발행연도
2016
작성언어
Korean
주제어
KDC
320
등재정보
KCI등재
자료형태
학술저널
발행기관 URL
수록면
95-122(28쪽)
KCI 피인용횟수
0
DOI식별코드
제공처
본 연구에서는 옵션들이 사후적으로 고평가가 심화될 시점에 시장의 방향성이 전환될 가능성이 높다는 점에 착안하여, 코스피200 옵션들의 횡단면 정보에 의한 미래 기대변동성의 변곡점 예측력을 검정하였다. 옵션시장의 횡단면 정보로는 크게 내재 위험중립확률 분포의 고차적률(왜도 및 첨도)과 내재변동성 곡선(기울기 및 곡률)을 사용하였으며, 미래 기대변동성의 변곡점을 예측하기 위해 프로빗 모형을 이용하였다. 실증분석결과, 일정한 첨도(혹은 곡률)의 조건하에서, 왜도(혹은 기울기)가 내포하고 있는 미래 기대변동성의 방향이 전환될 것으로 예측되었다. 첨도가 높고 왜도가 높을 때 변동성의 상승전환이 예측되었고, 첨도가 낮고 왜도가 낮을 때 변동성의 하락전환이 예측되었다. 미래 기대변동성의 변곡점을 예측하기 위해 첨도의 역할이 중요함을 알 수 있다. 특히, 심외가격 옵션들로부터 얻은 변동성 곡선의 정보(기울기 및 곡률)가 내재 고차적률 보다 더 높은 예측력을 보여, 심외가격 옵션이 미래 기대변동성의 변곡점 예측에 있어서 상대적으로 더 효율적 도구임을 알 수 있다. 이러한 결과들을 이용하여 VKOSPI에 대한 가상의 투자전략을 수행한 결과, 표본 외 예측으로도 금융위기에 기대변동성의 변곡점을 잘 포착하였다. 본 연구의 예측 모형이 투자전략 및 위험관리 측면에서 유용할 수 있음을 시사한다.
더보기It is often said that investors’ expectation about market volatility and risk premium is reflected in stock index option price (implied volatility), precisely speaking, cross-sectional information of stock index option market. For example, it is well-known that “Volatility smile” or “volatility skew” is one of the phenomena which can represent investors’ expectation or risk premium related to market uncertainties. However, abnormalities may exist in the market as well. Some authors have been argued about “overvaluation puzzle of put option price.” Broadie, Chernov, and Johannes (2009), Bondarenko (2014) have claimed that it is hard to explain every dimension of overvaluation phenomenon of put option price under the existing theoretical models, because these cross-sectional unprecedented phenomena are reflecting demands of abnormal premium for market volatility and uncertainty, and thus the excessive volatility skew or unusual volatility shape sporadically occurs. This study puts a concern about information implied in cross-sectional abnormalities rather than it investigates the abnormalities themselves. Many articles have demonstrated that when investors demand abnormal premium or have extremely biased expectation over economic uncertainty, prices of related options tend to be extremely overvalued or undervalued. Based on this empirical tendency, we can infer that a situation where investors’ overvaluation (undervaluation) of put options deepens might lead to decrease (increase) in market volatility for the future with a high possibilities. Accordingly, using this inference, we can predict volatility (price of options) if we can know when we observe overvaluation or undervaluation. Therefore, our goal is to examine the prediction power of the inflection point of the future expected market volatility using cross-sectional information of the KOSPI 200 options. To this end, we first use probit model to test for the prediction power of the cross-sectional information of the options. The implied volatility of at-the-money option is used as a proxy variable for the expected market volatility in the model. We use two independent variables sets which can be obtained from cross-sectional stock index options. The one of the set is kurtosis and skewness which are higher moments of the implied risk neutral probability density, and the other set is slope and curvature of volatility curve which are main concerns of this study. Second, we present virtual investment strategies using the VKOSPI, the daily volatility index provided by KRX, to examine the effectiveness of the investment strategy of expected volatility based on our prediction model. Our prediction tests are two-folded in terms of dependent variables. The first one is min/max method measured by peaks and troughs of expected volatility and another one is up/down method measured by expected volatility’s % change of volatility at each time interval. And then, each method is categorized into 4 sub-tests by differing independent variables, such as implied higher moments and pairs of information of volatility curves. Thus, we test the 8 sub-models of prediction in total and compare their prediction power of the cross-sectional information of the options. The results show us that first, the expected volatility seems to be near the trough (peak) when skewness or slope is getting higher (lower) and kurtosis or curvature is getting higher. Second, the prediction power of our model is strong enough to capture the expected volatility located in the near-troughs and the near-peak area. Third, prediction power is improved when the implied kurtosis or curvature is added to the model, rather than only using skewness or slope. Fourth, prediction power is relatively high when information of volatility curve, rather than implied risk neutral probability density, is used. Since slope and curvature of volatility curve are more related to the information of deep-out-of-the-money option, it can be interpreted that they are useful to predict the inflection point of expected volatility with higher prediction power. Moreover, Our empirical findings mentioned in the above works well in out-of-sample prediction as well as in-sample prediction. Using the probability obtained from the prediction model with slope and curvature of volatility curve, we found that the strategy that virtually invest in VKOSPI index outperforms others. Surprisingly, the 2008 financial crisis at which the volatility is soared up, and subsequent period at which volatility trend shows decreasing are also well captured from out-of-sample prediction. Therefore, we can conclude that our prediction model is a useful strategy of defensive investment in the practical portfolio point of view.
더보기분석정보
연월일 | 이력구분 | 이력상세 | 등재구분 |
---|---|---|---|
2026 | 평가예정 | 재인증평가 신청대상 (재인증) | |
2020-01-01 | 평가 | 등재학술지 유지 (재인증) | KCI등재 |
2017-01-01 | 평가 | 등재학술지 유지 (계속평가) | KCI등재 |
2013-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2010-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2009-01-01 | 평가 | 학술지 통합 (기타) | |
2008-03-28 | 학술지명변경 | 한글명 : 금융학회지 -> 금융연구외국어명 : Korean Journal of Money & Finance -> Journal of Money & Finance | KCI등재 |
2008-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2005-01-01 | 평가 | 등재학술지 선정 (등재후보2차) | KCI등재 |
2004-01-01 | 평가 | 등재후보 1차 PASS (등재후보1차) | KCI후보 |
2003-01-01 | 평가 | 등재후보학술지 선정 (신규평가) | KCI후보 |
기준연도 | WOS-KCI 통합IF(2년) | KCIF(2년) | KCIF(3년) |
---|---|---|---|
2016 | 0.57 | 0.57 | 0.64 |
KCIF(4년) | KCIF(5년) | 중심성지수(3년) | 즉시성지수 |
0.61 | 0.62 | 1.431 | 0.06 |
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)