Ⅴ. 한국과 미국시장의 정보전이효과 비교
1. 시장효율성과 정보전이효과
3.2. 공적분 검정
현물시장, 선물시장 및 ETF 시장이 균형관계를 가지는 공적분(cointegration) 관계에 있으면 시간의 흐름에 따라 장기적으로는 평균으로 회귀하게 된다. 이와 같이 한 시장의 가격변화가 다른 시장의 가격변화에 영향을 주면서 장기적인 균 형관계로 회귀하는 과정을 다음 식과 같이 나타낼 수 있다.
(5.7)
여기서 , , : 시점의 현물, 선물 및 ETF 가격
, , : 모수, : 균형관계로부터의 오차
위 식에서 표준오차의 불일치로 인하여 , , 가 비안정적(nonstationary)이 라면 OLS 방법은 적절하지 않아 공적분 계수 , 에 관한 가설검정을 불가능 하게 만든다. Engle and Granger(1987)에 의하면 시계열벡터(vector)의 변수들이 비안정적이어서 차분이 필요함에도 불구하고 변수의 선형조합이 차분 없이 안정 적이라면 공적분 상태에 있다고 한다. 즉 , , 가 비안정적이고 오차 가 안정적이라면 , , 는 공적분 되어 있고 , , 사이에는 균형관계가 존 재한다는 것을 알 수 있다.
식(5.7)에서 , , 가 공적분 계수 , 의 유의성 검정을 가능하게 하고,
, , 가격이 공적분 관계를 가지기 위해서는 동일한 차수(order)로 적분 (integration)되어 있어야 하며, 차수는 각 시장가격의 시계열에 단위근 검정을 실시하여 결정할 수 있다. 만약 각 시계열이 수준변수에서 비안정적이고 1차 차 분된 시계열이 안정적이며, 선형관계식의 잔차가 안정적이면 가격은 공적분되어 있다고 보고 , 을 공적분 계수로 가지는 CI(1, 1)으로 표시할 수 있다.
3.3. 벡터오차수정모형 검정
벡터오차수정모형(VECM)을 통한 인과관계검정은 오차수정계수의 유의성과 추 정계수의 상대적인 크기로 검정할 수 있다. 따라서 , , 사이에서 공적분이 존재하여 장기균형관계를 갖게 되는 경우 공적분 관계의 추론은 변수들이 갖는 비정상성들을 차분 없이 동적이고 안정적인 장기균형을 유용하게 도출할 수 있 는 Engle and Granger(1987)의 오차수정모형으로 검증할 수 있다.
본 연구에서는 ETF 시장가격이 현물과 선물시장 가격과는 그 단위가 다르기
때문에 가격에 로그를 취하여 사용하였으며, 1차 차분된 시차변수 대신에 수익률 을 사용한다. 분석에 사용할 , , 사이의 VECM은 다음과 같다.
(5.8)
(5.9)
(5.10)(단, )
여기서 : 시점의 현물수익률, : 시점의 선물수익률,
: 시점의 ETF 수익률
위 식에서 항 ( )은 시점에서 각 수익률과 의 불균형오차를 나타내며, 이 때 조정속도는 현물, 선물, ETF 지수의 오차수정 항계수인 의 통계적 유의성을 통하여 검증된다. VAR 모형에서 적정 lag(p)의 선택은 AIC(Akaike's Information Criterion) 기준에 의거한다.
3.4. 변동성전이효과의 측정
변동성전이효과의 측정은 Engle(1982)과 Bollerslev(1986)의 ARCH와 GARCH 모형에 의하여 변동성 시계열의 수익률과 시변적 특성의 연구에 광범위하게 활 용되어 왔다. Chan, Chan, and Karolyi(1991), Koutmos and Tucker(1996) 등의 연구는 현물시장과 선물시장 간의 변동성전이효과를 연구하였으며, Ross(1989)의 연구는 변동성전이효과가 정보의 흐름과 직접적인 관련이 있다고 주장하였다.
본 연구에서 KOSPI200 현물시장, KOSPI200 선물시장 및 KODEX200 시장 간 변동성전이효과의 분석결과는 동일한 거시경제 정보요인에 의해 영향을 받는 관
련 자산시장 간 변동성전이효과의 실증적 증거를 제공할 것이다. 이를 위하여 다 변량(multivariate) GARCH 모형을 이용하여 변동성전이효과를 검증하고자 다음 과 같이 식을 구성하여 분석한다. 식(5.11)∼식(5.14)의 무자기상관 는 식(5.8)∼
식(5.10)으로부터 구해진다.
′ ∼ (5.11)
(5.12)
(5.13)
(5.14) (단, ≤ )
여기서 : VECH 모형의 3×3 시변적조건부공분산 행렬
: 시점의 해당 시장에서의 모든 정보들의 집합
위 식에서 시장1은 KOSPI200 현물, 시장2는 KOSPI200 선물, 시장3은 KODEX200 시장을 의미하며, 모수는 Marquardt 알고리즘을 이용하여 추정한다.
다변량 GARCH모형의 식(5.12)에서 추정계수의 의미는 다음과 같다. 첫째, 계 수 와 는 시장 의 변동성 군집(volatility clustering) 현상을 측정하는 계수 로서 두 계수의 값이 양수(+)로 유의적이면 어떤 변수의 변동에 대한 충격이 시 간이 경과할수록 지속하게 되는 것을 의미하며, 변동성의 지속성은 두 계수들의 크기 정도에 달려 있다. 그리고 두 계수의 합이 1에 근사할수록 충격의 지속성은 더 크다는 것을 의미한다. 둘째, 계수 와 는 다른 두 시장으로부터 어느 한 시장으로의 변동성전이효과를 측정하는 계수로서 두 계수의 값이 모두 유의적이 면 계수를 통하여 KOSPI200 선물시장으로부터 KOSPI200 현물시장으로의 전 이효과를 측정할 수 있으며, 계수를 통하여 KODEX200 시장으로부터 KOSPI200 현물시장으로의 전이효과를 측정할 수가 있다.
4. 실증분석결과
4.1. 기초통계량
<표 5-1a>, <표 5-1b>는 각각 한국과 미국의 5분, 1분 간격 주식수익률의 기 초통계량을 나타낸다. 표에서 한국과 미국의 시계열자료는 모든 지수에서 유사한 결과를 보여준다. 즉 분포의 대칭도(skewness)는 모두 음(-)의 값을 나타내고 있 어 왼쪽으로 긴 꼬리 형태의 분포를 이루고 있으며, 정규분포의 형태보다 뾰족한 정도를 나타내는 첨도(kurtosis)는 3보다 크기 때문에 모두 정규분포보다 첨예한 분포를 이루고 있음을 알 수 있다. 그리고 표본의 정규성을 검정하는 Jarque-Bera(J-B)는 정규분포를 검정하는 통계량으로 표본분포가 정규분포 한다 는 귀무가설이 1% 유의수준에서 모두 기각되어 실증분석에서의 분포형태는 정 규분포하지 않는 것으로 나타났다.
<표 5-1a> 한국시장의 지수별 수익률의 기초통계량
구분 5분 자료 1분 자료
평균(10-4) 0.063 -0.024 0.060 0.015 0.012 0.012 중앙값 0.000 0.000 0.000 0.000 0.000 0.000 최대값 0.040 0.027 0.040 0.034 0.037 0.035 최소값 -0.055 -0.047 -0.053 -0.051 -0.055 -0.047 표준편차 0.002 0.001 0.002 0.001 0.001 0.001
왜도 -1.543 -0.924 -1.325 -2.015 -1.411 -1.116 첨도 124.916 50.436 133.244 529.708 482.453 437.580 J-B(104)
(확률) 4,865***
(0.000) 737***
(0.000) 5,552***
(0.000) 454,000***
(0.000) 376,000***
(0.000) 309,000***
(0.000) 관측 수 78,511 78,511 78,511 392,519 392,519 392,519
1) : KOSPI200 현물수익률, : KOSPI200 선물수익률, : KODEX200 수익률
2) Jarque-Bera 검정통계량은 표본의 정규성(normality)을 검정하는 통계량이며, 귀무가설(
)하 에서 분포를 따르고, ***는 1%의 통계적 유의수준을 나타냄.<표 5-1b> 미국시장의 지수별 수익률의 기초통계량
구분 5분 자료 1분 자료
평균(10-4) 0.065 0.078 0.076 0.013 0.016 0.015 중앙값 0.000 0.000 0.000 0.000 0.000 0.000 최대값 0.026 0.057 0.040 0.020 0.057 0.040 최소값 -0.042 -0.050 -0.039 -0.018 -0.046 -0.031 표준편차 0.001 0.002 0.001 0.001 0.001 0.001
왜도 -0.666 -0.056 -0.844 -0.685 0.516 -0.725 첨도 41.933 150.647 81.434 93.811 587.057 294.296 J-B(104)
(확률) 557***
(0.000) 8,006***
(0.000) 2,260***
(0.000) 15,100***
(0.000) 626,000***
(0.000) 156,000***
(0.000) 관측 수 88,139 88,139 88,139 440,699 440,699 440,699
1) : S&P500 현물수익률, : S&P500 선물수익률, : SPDR 수익률
10000 20000 30000 40000 50000 60000 70000
KOSPI200
10000 20000 30000 40000 50000 60000 70000
KOSI200F
10000 20000 30000 40000 50000 60000 70000
KODEX200
50000 100000 150000 200000 250000 300000 350000
KOSPI200
50000 100000 150000 200000 250000 300000 350000
KOSPI200F
50000 100000 150000 200000 250000 300000 350000
KODEX200
주) 왼쪽 그림은 5분 자료, 오른쪽 그림은 1분 자료에 대한 KOSPI200 현물, KOSPI200 선물 및 KODEX200의 시계열 분포도를 나타낸다.
<그림 5-2> 미국시장의 지수별 시계열 그래프
10000 20000 30000 40000 50000 60000 70000 80000
S&P500
10000 20000 30000 40000 50000 60000 70000 80000
S&P500F
10000 20000 30000 40000 50000 60000 70000 80000
S&P500SPY
50000 100000 150000 200000 250000 300000 350000 400000
S&P500
50000 100000 150000 200000 250000 300000 350000 400000
S&P500F
50000 100000 150000 200000 250000 300000 350000 400000
S&P500SPY
는 KOSPI200 선물시장과 비슷하게 1차 lag에서 유의하게 음(-)의 부호를 나타내
(-4.148) -0.0231***
(-3.258) -0.0186***
(-3.655) 0.0170***
(4.357) -0.0186***
(-4.305) -0.0423***
(-10.633) 2 -0.0221***
(-3.006) -0.0107
(-1.191) -0.0031
(-0.434) 0.0156***
(5.312) -0.0002
(1.051) -0.0103*
(-2.395) -0.0128***
(-3.960) -0.0009
(0.897) -0.0056*
(-1.897) -0.0040
(0.685) -0.0065**
(-2.192) -0.0045
(-0.127) -0.0099***
(-3.508) -0.0005
(0.055) -0.0071***
(-3.266) -0.0034
4.2.2. 미국시장
(9.702) -0.0199***
(-3.973) -0.0238***
(-3.958) 0.1073***
(19.654) -0.0368***
(-9.191) -0.0086* (-1.940) 2 -0.0220***
(-2.630) -0.0147***
(-3.383) -0.0158**
(-2.292) 0.0190***
(6.393) -0.0071***
(-2.968) -0.0062* (-1.955)
(0.376) -0.0104* (-1.926) 4 -0.0075
(-1.056) -0.0091*
(-1.858) -0.0013
(-0.182) -0.0104***
(-3.754) -0.0051**
(-2.087) -0.0122***
(-4.619) 5 0.0085
(1.406) 0.0084
(1.535) 0.0023
(0.352) 0.0055*
(1.937) 0.0012
(-0.106) -0.0110**
(-2.086) -0.0047
(-1.535) -0.0068***
(-2.579) -0.0033
(-0.259) -0.0059**
(-2.182) -0.0050* (-1.828) 9 -0.0018
(-0.268) -0.0054
(-1.430) 0.0002
(0.032) -0.0056**
(-2.206) -0.0034
(-1.262) -0.0025 (-1.002) 10 -0.0049
(-0.984) -0.0075*
(-1.689) 0.0001
특히 SPDR 수익률의 자기상관계수는 1차부터 4차 lag까지 유의한 음(-)의 상 관관계가 지속되고 있다. 그리고 SPDR 수익률의 1차 자기상관계수의 크기는 S&P500 선물수익률에 비하여 작게 나타났다.
4.2.3. 자기상관계수의 분석결과
한국은 5분 자료의 분석결과 KODEX200 시장의 정보전달은 KOSPI200 현물시 장보다 신속하게 이루어지고, KOSPI200 선물시장은 KOSPI200 현물시장보다 신 속하게 이루어지는 것으로 나타났다. 1분 자료의 분석결과는 KOSPI200 현물시 장의 정보전달이 지연되는 것으로 나타나 KOSPI200 선물시장의 정보전달이 KOSPI200 현물시장에 비하여 신속하게 이루어지고, KODEX200 시장은 KOSPI200 선물시장보다 신속하게 이루어지는 것으로 나타났다.
미국은 5분 자료의 분석결과 S&P500 선물시장의 정보전달은 S&P500 현물시 장보다 신속하게 이루어지고, SPDR 시장은 S&P500 선물시장보다 신속하게 이 루어지는 것으로 나타났다. 1분 자료의 분석결과는 SPDR 시장의 정보전달이 S&P500 현물시장보다 신속하게 이루어지고, S&P500 선물시장은 SPDR 시장보 다 신속하게 이루어지는 것으로 나타났다.
4.3. 선․후행 관계 분석결과
4.3.1. 한국시장
<표 5-4>는 한국시장의 5분 자료와 1분 자료의 회귀분석에 의한 선․후행 관 계를 분석한 결과이다. 식(5.4)은 현물과 선물, 식(5.5)은 현물과 ETF, 식(5.6)은 ETF와 선물 간의 수익률 관계를 나타낸다. 음(-)의 부호를 나타내는 계수 ( ∼ )는 후행계수(lag coefficient)이고 양(+)의 부호를 나타내는 계수 (∼)는 선행계수(lead coefficient)이다. 그리고 는 동시계수(concurrent coefficient)를 나타낸다. 만약 식(5.4)에서 후행계수가 유의한 양(+)의 값을 나타
내면 현물이 선물을 후행한다는 의미이고, 선행계수가 유의한 양(+)의 값을 나타 내면 현물이 선물을 선행한다고 해석될 수 있다.
먼저 5분 자료에서 식(5.4)의 현물과 선물수익률 간의 분석결과 의 값이 모 든 계수들 중에서 가장 큰 값을 보여 두 시장이 시장의 정보에 대해 동시에 반 응하는 것으로 나타났다. 의 값은 1% 유의수준에서 유의한 양(+)의 값을 보 여 선물시장이 현물시장에 영향을 주는 것으로 나타났고, 의 값이 의 값보 다 크게 나타나 선물시장이 현물시장을 강하게 선도하는 경향을 보였다. 식(5.5) 의 현물과 ETF 수익률 간의 분석결과 의 값이 모든 계수들 중에서 가장 큰 값을 보여, 과 는 1% 유의수준에서 유의한 양(+)의 값으로 나타나 현물시 장과 ETF 시장 간에 상호 영향을 주는 것으로 나타났다. 그리고 의 값이
의 값보다 크게 나타나 ETF 시장이 현물시장을 강하게 선도하는 경향을 보였다.
식(5.6)의 ETF와 선물수익률 간의 분석결과 의 값이 모든 계수들 중에서 가장 큰 값을 보이고, 은 1% 유의수준에서 유의한 양(+)의 값으로 나타나 선물시 장이 ETF 시장에 영향을 주는 것으로 나타났다. 그러나 의 값이 의 값보 다 크게 나타나 선물시장이 ETF 시장을 강하게 선도하는 경향을 보였다.
다음으로 1분 자료로는 5분 자료에 비하여 어느 시차까지 영향을 미치는지를 보다 세밀하게 분석할 수 있다.
우선 식(5.4)의 현물과 선물수익률 간의 분석결과 1분 자료는 까지 유의한 양(+)의 값으로 나타나 선물수익률이 현물수익률을 3분 정도 선행하였으나 5분 자료는 까지 유의한 양(+)의 값을 보여 선물수익률이 현물수익률을 5분 정도 선행하였다. 식(5.5)의 현물과 ETF 수익률 간의 분석결과 1분 자료는 까지 유의한 양(+)의 값으로 나타나 ETF 수익률이 현물수익률을 3분 정도 선행하였
우선 식(5.4)의 현물과 선물수익률 간의 분석결과 1분 자료는 까지 유의한 양(+)의 값으로 나타나 선물수익률이 현물수익률을 3분 정도 선행하였으나 5분 자료는 까지 유의한 양(+)의 값을 보여 선물수익률이 현물수익률을 5분 정도 선행하였다. 식(5.5)의 현물과 ETF 수익률 간의 분석결과 1분 자료는 까지 유의한 양(+)의 값으로 나타나 ETF 수익률이 현물수익률을 3분 정도 선행하였