• 응용통계연구
• /
• 제31권5호
• /
• pp.667-675
• /
• 2018

초고빈도(ultra high frequency; UHF)시계열의 함수적 변동성 측정을 위한 최신 기법인 함수적 변동성 functional GARCH : fGARCH(1, 1) 모형을 소개하고 설명하였다. 실증분석을 위해 R-code fGARCH(1, 1) 프로그램을 KOSPI/현대차 초고빈도 수익률 자료에 적합하여 예시하였다.

• 지능정보연구
• /
• 제23권2호
• /
• pp.107-122
• /
• 2017

주식시장의 주가 수익률에 나타나는 변동성은 투자 위험의 척도로서 재무관리의 이론적 모형에서뿐만 아니라 포트폴리오 최적화, 증권의 가격 평가 및 위험관리 등 투자 실무 영역에서도 매우 중요한 역할을 하고 있다. 변동성은 주가 수익률이 평균을 중심으로 얼마나 큰 폭의 움직임을 보이는가를 판단하는 지표로서 보통 수익률의 표준편차로 측정한다. 관찰 가능한 표준편차는 과거의 주가 움직임에서 측정되는 역사적 변동성(historical volatility)이다. 역사적 변동성이 미래의 주가 수익률의 변동성을 예측하려면 변동성이 시간 불변적(time-invariant)이어야 한다. 그러나 대부분의 변동성 연구들은 변동성이 시간 가변적(time-variant)임을 보여주고 있다. 이에 따라 시간 가변적 변동성을 예측하기 위한 여러 계량 모형들이 제안되었다. Engle(1982)은 변동성의 시간 가변적 특성을 잘 반영하는 변동성 모형인 Autoregressive Conditional Heteroscedasticity(ARCH)를 제안하였으며, Bollerslev(1986) 등은 일반화된 ARCH(GARCH) 모형으로 발전시켰다. GARCH 모형의 실증 분석 연구들은 실제 증권 수익률에 나타나는 두터운 꼬리 분포 특성과 변동성의 군집현상(clustering)을 잘 설명하고 있다. 일반적으로 GARCH 모형의 모수는 가우스분포로부터 추출된 자료에서 최적의 성과를 보이는 로그우도함수에 대한 최우도추정법에 의하여 추정되고 있다. 그러나 1987년 소위 블랙먼데이 이후 주식 시장은 점점 더 복잡해지고 시장 변수들이 많은 잡음(noise)을 띠게 됨에 따라 변수의 분포에 대한 엄격한 가정을 요구하는 최우도추정법의 대안으로 인공지능모형에 대한 관심이 커지고 있다. 본 연구에서는 주식 시장의 주가 수익률에 나타나는 변동성의 예측 모형인 GARCH 모형의 모수추정방법으로 지능형 시스템인 Support Vector Regression 방법을 제안한다. SVR은 Vapnik에 의해 제안된 Support Vector Machines와 같은 원리를 회귀분석으로 확장한 모형으로서 Vapnik의 e-insensitive loss function을 이용하여 비선형 회귀식의 추정이 가능해졌다. SVM을 이용한 회귀식 SVR은 두터운 꼬리 분포를 보이는 주식시장의 변동성과 같은 관찰치에서도 우수한 추정 성능을 보인다. 2차 손실함수를 사용하는 기존의 최소자승법은 부최적해로서 추정 오차가 확대될 수 있다. Vapnik의 손실함수에서는 입실론 범위내의 예측 오차는 무시하고 큰 예측 오차만 손실로 처리하기 때문에 구조적 위험의 최소화를 추구하게 된다. 금융 시계열 자료를 분석한 많은 연구들은 SVR의 우수성을 보여주고 있다. 본 연구에서는 주가 변동성의 분석 대상으로서 KOSPI 200 주가지수를 사용한다. KOSPI 200 주가지수는 한국거래소에 상장된 우량주 중 거래가 활발하고 업종을 대표하는 200 종목으로 구성된 업종 대표주들의 포트폴리오이다. 분석 기간은 2010년부터 2015년까지의 6년 동안이며, 거래일의 일별 주가지수 종가 자료를 사용하였고 수익률 계산은 주가지수의 로그 차분값으로 정의하였다. KOSPI 200 주가지수의 일별 수익률 자료의 실증분석을 통해 기존의 Maximum Likelihood Estimation 방법과 본 논문이 제안하는 지능형 변동성 예측 모형의 예측성과를 비교하였다. 주가지수 수익률의 일별 자료 중 학습구간에서 대칭 GARCH 모형과 E-GARCH, GJR-GARCH와 같은 비대칭 GARCH 모형에 대하여 모수를 추정하고, 검증 구간 데이터에서 변동성 예측의 성과를 비교하였다. 전체 분석기간 1,487일 중 학습 기간은 1,187일, 검증 기간은 300일 이다. MLE 추정 방법의 실증분석 결과는 기존의 많은 연구들과 비슷한 결과를 보여주고 있다. 잔차의 분포는 정규분포보다는 Student t분포의 경우 더 우수한 모형 추정 성과를 보여주고 있어, 주가 수익률의 비정규성이 잘 반영되고 있다고 할 수 있다. MSE 기준으로, SVR 추정의 변동성 예측에서는 polynomial 커널함수를 제외하고 linear, radial 커널함수에서 MLE 보다 우수한 예측 성과를 보여주었다. DA 지표에서는 radial 커널함수를 사용한 SVR 기반의 지능형 GARCH 모형이 가장 우수한 변동성의 변화 방향에 대한 방향성 예측력을 보여주었다. 추정된 지능형 변동성 모형을 이용하여 예측된 주식 시장의 변동성 정보가 경제적 의미를 갖는지를 검토하기 위하여 지능형 변동성 거래 전략을 도출하였다. 지능형 변동성 거래 전략 IVTS의 진입규칙은 내일의 변동성이 증가할 것으로 예측되면 변동성을 매수하고 반대로 변동성의 감소가 예상되면 변동성을 매도하는 전략이다. 만약 변동성의 변화 방향이 전일과 동일하다면 기존의 변동성 매수/매도 포지션을 유지한다. 전체적으로 SVR 기반의 GARCH 모형의 투자 성과가 MLE 기반의 GARCH 모형의 투자 성과보다 높게 나타나고 있다. E-GARCH, GJR-GARCH 모형의 경우는 MLE 기반의 GARCH 모형을 이용한 IVTS 전략은 손실이 나지만 SVR 기반의 GARCH 모형을 이용한 IVTS 전략은 수익으로 나타나고 있다. SVR 커널함수에서는 선형 커널함수가 더 좋은 투자 성과를 보여주고 있다. 선형 커널함수의 경우 투자 수익률이 +526.4%를 기록하고 있다. SVR 기반의 GARCH 모형을 이용하는 IVTS 전략의 경우 승률도 51.88%부터 59.7% 사이로 높게 나타나고 있다. 옵션을 이용하는 변동성 매도전략은 방향성 거래전략과 달리 하락할 것으로 예측된 변동성의 예측 방향이 틀려 변동성이 소폭 상승하거나 변동성이 하락하지 않고 제자리에 있더라도 옵션의 시간가치 요인 때문에 전체적으로 수익이 실현될 수도 있다. 정확한 변동성의 예측은 자산의 가격 결정뿐만 아니라 실제 투자에서도 높은 수익률을 얻을 수 있기 때문에 다양한 형태의 인공신경망을 활용하여 더 나은 예측성과를 보이는 변동성 예측 모형을 개발한다면 주식시장의 투자자들에게 좋은 투자 정보를 제공하게 될 것이다.

• 응용통계연구
• /
• 제16권2호
• /
• pp.217-224
• /
• 2003

시간의 경과에 따라 관측된 시계열 자료를 통해 데이터 분석을 하고 적당한 모형을 생성함으로써 미래 시점을 예측하는 방법들은 그 동안 많은 방법들이 제시되었고 연구 되고 있다. 그 중 최근 들어 과거의 데이터를 바탕으로 관측된 각 시점에서의 분산을 서로 다른 분산(조건부 이분산성)을 따른다고 가정하고, 이를 분석하는 모형(ARCH, GARCH, Stochastic Volatility(SV))들이 옵션 가격분석이나 환율 변화 등 경제 시계열자료의 예측 모형을 위하여 활발히 연구되고 있다. 본 논문에서는 한국의 KOSPI 데이터(1995년 1월 3일부터 2001년 12월 28일, 총 1906일)를 바탕으로 (조건부) 우도함수 모수 추정 방법을 이용한 GARCH(1,1) 모형과, MCMC 방법을 이용하여 모수를 추정한 SV 모형을 적용시켜 보고 각 모형들의 예측 정확도를 비교하여 보았다.

• 응용통계연구
• /
• 제19권1호
• /
• pp.33-41
• /
• 2006

최근 들어 시계열 자료 분석에서 관측된 각 시점에서의 관측치의 분산을 서로 다른 분산(조건부 이분산성)을 따른다고 가정하고, 이를 분석하는 모형(ARCH, GARCH, EGARCH, IGARCH 등)들이 옵션 가격 분석이나 환율 변화 등 경제적 시계열 자료의 예측 모형을 위하여 활발히 연구되고 있다. 본 논문에서는 한국의 KOSPI 데이터 (1999년 1월 4일 $\sim$ 2003년 12월 30일, 총 1227일)를 바탕으로 조건부 우도함수 모수 추정 방법을 이용한 GARCH(1,1), IGARCH(1,1), EGARCH(1,1) 모형에 KOSPI 자료를 적합 시켜 각 모형들의 성능을 비교하여 보았다.

• 응용통계연구
• /
• 제29권4호
• /
• pp.753-771
• /
• 2016

금융기관의 위험관리를 위한 중요한 도구로서 현재 VaR가 널리 사용되고 있다. 본 논문에서는 코퓰러 함수들을 이용하여 극단치이론과 GARCH 모형을 결합한 일변량분포로부터 구축한 다변량분포들을 바탕으로 코스피, 다우존스, 상하이 그리고 니케이 지수들로 구성된 포트폴리오의 VaR 추정과 그 성과에 관해 논의하였다. 사후검증 결과 전체적으로 볼 때 가우시안, t, 클레이톤, 프랭크 코퓰러를 사용한 t-분포의 오차항을 가진 변동성 모형들이 포트폴리오 VaR의 측정에 적합한 모형들로 나타났으며, 특히 프랭크 코퓰러의 경우에 가장 우수한 성과를 나타내었다.

• Communications for Statistical Applications and Methods
• /
• 제16권2호
• /
• pp.287-297
• /
• 2009

일반적으로 일반화 자기회귀 조건부 이분산(GARCH)모형 하에서, 우도함수에 기반한 자료의 예측구간의 추정은 오차항의 분포에 민감하게 반응하고 더욱이 조건부분산의 경우 구간추정이 현실적으로 쉽게 풀리지 않는 문제이다. 이를 해결하기 위해 붓스트랩방법(bootstrap method)이 적용될 수 있음을 최근 연구들을 통해 밝혀졌다. 본 논문에서는 GARCH모형 하에서 자료와 변동성(조건부 분산)의 예측구간 추정을 위해 최근 소개된 Pascual 등 (2006)의 논문을 토대로 붓스트랩 방법를 정리하였다 실제 사례분석을 위해 국내 주가수익률자료를 이용하였다.

• 재무관리논총
• /
• 제3권2호
• /
• pp.157-185
• /
• 1996

본 연구는 한국증권시장에서 변동성의 정보비대칭효과를 조건부 이분산모형을 이용하여 검증하고자 하였다. 검증방법으로는 Engle과 Ng (1993)의 연구에 기초하여 정보반응곡선(News impact curve)으로 분석하였다. 분석자료로 1980년 부터 1995년 까지의 한국종합주가지수, 일별 초과수익률자료를 사용하였다. 정보반응곡선에 이용한 모형은 GARCH 모형, EGARCH 모형, TGARCH 모형, AGARCH 모형등 4개의 조건부 이분산 모형이다. 무조건 분산을 이용한 정보 반응곡선의 함수형태로 보면, 분산의 정보반응에 있어서 GARCH 모형은 대칭적으로 반응하며 나머지 조건부 이분산 모형인 EGARCH 모형, TGARCH 모형, 그리고 AGARCH 모형은 비대칭적으로 반응하는 모형임을 알 수 있었다. 실증분석결과 정보반응곡선을 통하여 악재(bad news)정보에 따라 예측하지 못한 주식수익률의 하락이 호재(good news)에 따른 예측하지 못한 주식수익률의 상승보다 더 큰 변동성을 발견할 수 있었다. 그러나 비대칭성의 크기는 그다지 큰 것으로 보이지 않았다. 모형적합성 검정에서도 4개의 조건부 이분산 모형은 모두 적합한 것으로 보인다. 그중에서도 EGARCH 모형과 TGARCH 모형이 상대적으로 주가예측력이 뛰어나 보인다. 그러나 변동성의 정보 비대칭반응을 통계적으로 유의적인 것으로 확인한 모형은 TGARCH모형 뿐이었다.

• 한국항만경제학회지
• /
• 제31권1호
• /
• pp.1-14
• /
• 2015

변동성이나 변이계수의 크기와 미치는 효과의 크기가 반드시 비례하는 것은 아니다. 그것은 변동성을 유발하는 요인이나 변동성의 특성에 차이가 있을 수 있기 때문이다. 그런데 광양항의 수출액과 수출량은 밀접한 선형관계를 가지나 두 변수의 변동률은 낮은 상관관계를 보인다. 이것은 두 변수의 변동성의 특성이 다르다는 것을 의미한다. 이에 물동량과 수출액의 예측하지 못한 요인의 밀도함수가 정규분포 형태를 보이지 않을 뿐만 아니라 부호편의검정, 규모편의검정, 결합검정, Ljung-Box Q 통계량 등이 GARCH와 같은 변동성 모형을 이용하여 분석을 실시하는 것이 합리적임을 보인다. 물동량 변동성에서는 대칭적 GARCH모형이 아닌 비대칭 GARCH모형이 적합한데 비해 수출액 변동성에서는 GARCH모형이 적합함을 보인다. 뉴스충격곡선을 도출하여 물동량의 경우 GJR모형이 EGARCH모형에 비해 나쁜 뉴스에 대한 분산을 과대평가하나 좋은 뉴스에 대한 분산을 과소평가하는 경향이 있음을 밝힌다.

• 한국항만경제학회지
• /
• 제23권1호
• /
• pp.1-18
• /
• 2007

본 연구에서는 환율의 컨테이너 물동량에 대한 영향의 비중을 고려하여 외환위기 이후 환율변동성이 커짐에 따라 컨테이너 물동량도 상당히 영향을 받은 것으로 예상되기 때문에 환율변동성의 컨테이너 물동량에 대한 장 단기적 영향을 체계적으로 분석하고 시사점을 도출하고자 한다. 환율변동성을 도출하기 위하여 GARCH 모형을 이용하여 우리나라의 환율 변동성 모형을 분석한다. 물론 구축된 모형을 분석하기 이전에 설정된 변수들과 모형의 안정성 검정을 위하여 단위근 검정과 공적분 검정을 실시한다. 또한 환율의 변동성이 컨테이너 물동량에 미치는 동태적 영향을 보기 위해 오차수정모형과 충격반응 및 분산분해를 실시하고 마지막으로 결론과 시사점을 도출한다. 분석결과 환율변동성을 포함시킨 컨테이너물동량함수를 회귀 분석한 결과 추정계수가 모두 이론적 예상과 부호가 일치하고 통계적 유의성도 높은 것으로 나타났다. 환율변동성은 우리나라의 컨테이너 물동량에 부(-)의 영향을 미치는 것으로 나타났다. 환율변동에 의한 불확실성이 예상됨으로써 위험기피에 의하여 무역과 생산이 감소하고 이에 따라 컨테이너 물동량도 영향을 받은 것으로 판단된다. 오차수정모형에 근거한 인과관계 검정에서 단기와 장기 모두 환율변동성에서 컨테이너 물동량간의 일방적 인과관계가 존재하였다. 또한 충격반응함수에서 나타난 바와 같이 환율변동성 충격에 대하여 컨테이너 물동량은 부(-)의 영향을 받으며 그러한 부의 효과는 비교적 짧은 기간 내에 안정적인 추세로 수렴된다. 예측오차의 분산분해의 결과는 환율변동성과 실질환율이 컨테이너 물동량의 분산에 상당한 영향을 미치고 있음을 알 수 있다.

• 응용통계연구
• /
• 제30권6호
• /
• pp.983-991
• /
• 2017

본 논문은 고빈도 시계열 자료 분석을 위한 최신 함수-변동성 functional ARCH : fARCH(1) 모형을 독자들에게 소개하고 국내 자료 적합을 예시하고 있다. fARCH(1) 모형을 KOSPI/현대차 1분 단위 고빈도 수익률 자료에 적합하여 기존의 ARCH 모형에서는 할 수 없었던 다이나믹한 일중(intraday) 변동성을 추정할 수 있음을 보여주고 있다.