저작자표시-비영리-변경금지 2.0 대한민국 이용자는 아래의 조건을 따르는 경우에 한하여 자유롭게 l 이 저작물을 복제, 배포, 전송, 전시, 공연 및 방송할 수 있습니다. 다음과 같은 조건을 따라야 합니다: l 귀하는, 이 저작물의 재이용이나 배포의 경우, 이 저작물에 적용된 이용허락조건 을 명확하게 나타내어야 합니다. l 저작권자로부터 별도의 허가를 받으면 이러한 조건들은 적용되지 않습니다. 저작권법에 따른 이용자의 권리는 위의 내용에 의하여 영향을 받지 않습니다. 이것은 이용허락규약(Legal Code)을 이해하기 쉽게 요약한 것입니다. Disclaimer 저작자표시. 귀하는 원저작자를 표시하여야 합니다. 비영리. 귀하는 이 저작물을 영리 목적으로 이용할 수 없습니다. 변경금지. 귀하는 이 저작물을 개작, 변형 또는 가공할 수 없습니다.
경제학박사학위논문
실물파생상품의 거래활동성과
위험관리에 관한 연구
2015년 2월
서울대학교 대학원
농경제사회학부 농업·자원경제학전공
조 승 현
실물파생상품의 거래활동성과
위험관리에 관한 연구
지도교수 노 재 선
이 논문을 경제학박사학위논문으로 제출함
2015년 2월
서울대학교 대학원
농경제사회학부 농업·자원경제학전공
조 승 현
경제학의 박사학위논문을 인준함
2015년 1월
위 원 장
부 위 원 장
위 원
위 원
위 원
국문초록
상품선물(commodities futures)은 실물자산의 가격변동위험을 관 리할 수 있는 수단으로서 역할을 한다. 가격위험관리 기능을 제공하 기 위해 국내에서는 금선물, 돈육선물, 그리고 미니금선물이 상장되 었다. 그러나 이들 상품선물들은 현재 거래가 부진하여 위험이전의 기능(function of risk shifting)이 실종된 상태로 위험관리수단으로 서 역할을 하지 못하고 있다. 이는 상품선물의 신규상장 및 상품거 래소의 설립을 위축시키고, 전체 실물파생상품시장(commodities derivatives markets)의 조성을 더디게 하고 있다. 그럼에도 경제주체들에게는 실물자산의 가격변동 위험을 관리할 수 있는 수단이 필요하기 때문에 현재 거래가 부진한 선물의 활성 화를 위한 노력이 지속적으로 요구되고 있으며, 더불어 신규상장과 장외 실물파생상품의 개발 및 활성화가 필요하다. 그리고 이를 성공 적으로 달성하기 위해서는 우리나라의 실물파생상품에 대한 활용여 부, 필요성, 그리고 이해정도를 종합적으로 검토할 필요가 있다. 본 연구는 구체적으로 다음과 같은 목적을 가지고 있다. 첫째, “국내의 선물거래자들이 실물파생상품을 위험관리수단으로 활용하고 있는 것인가?”에 대한 의문을, 국내의 해외선물 거래량 또는 거래금 액이 시세차익(speculating)요인과 헤징(hedging)요인에 의해 설명 되는지를 확인하고자 한다. 둘째, 원자재 관련 기업이 원자재 가격 변동 위험에 노출되고 있는지를 검토하기 위해 원자재 가격변동위 험에 따라 관련 기업의 주가가 영향을 받는지를 실증분석 하고자 한다. 그리고 투자자의 입장에서 원자재 가격변동에 따라 원자재 관 련 주식을 거래하는 경우 수익성이 있는지를 검토하고자 한다. 셋 째, 헤저(hedger)가 실물파생상품에 대한 충분한 이해를 바탕으로
거래를 수행하고 있는 것인지를 확인하기 위하여, 실무현장에서 이 뤄진 장기공급계약에 대한 적절성을 평가하고자 한다. 따라서 상기의 세 가지 연구목적에 의거하여 세 가지 주제들로 논문은 구성된다. 그 내용을 요약하면 다음과 같다. 제1논문에서는 농산물 해외선물의 거래량과 거래금액을 시세차익요인과 헤징요인 으로 설명되는지를 분석하였다. 시세차익요인으로 해외선물시장의 일중수익률(intra-day return), 일간수익률(inter-day return) 표준 편차와 종가의 교호작용, 시세차익압력(speculating pressure)과 KOSPI의 일중수익률, 그리고 일간수익률 표준편차와 종가의 교호작 용 변수를 사용하였고, 헤징요인으로는 미결제약정(open interest), 헤징압력(hedging pressure), 수출입량, 수출입가격, 환율, 금리, 그 리고 실업률의 변수를 사용하여 패널분석을 시도하였다. 분석결과, 시세차익요인 변수들이 유의한 결과를 얻었지만 헤징요인 변수들은 대부분 유의성이 나타나지 않았다. 따라서 농산물 해외선물의 거래 활동성은 시세차익요인에 의해 주로 설명되는 것으로 판단되었다. 제2논문은 일간, 주간, 월간자료를 사용하여 원자재 가격 변화가 주가에 영향을 미치는지를 비철금속산업을 대상으로 살폈고, 더불어 원자재 선물가격이 상승하는 경우 매입하고, 하락하는 경우 매도하 는 원자재 시세추종 매매전략을 실행하는 경우의 수익성을 평가하 였다. 분석결과, 일간자료와 주간자료에서는 원자재 가격변동이 주 가에 대체로 양(+)의 영향을 미치는 것으로 나타났다. 그러나 월간 자료에서는 이러한 유의성은 대부분 없는 것으로 나타났다. 그 이유 로서, 예상이윤(expected profit)이 주가에 수렴한다는 전제하에, 자 연헤징(natural hedging)이 존재하는 것으로 추론된다. 즉 원자재 가격변동 위험에 대하여 기업의 예상이윤은 영향을 받지 않는 것으 로 판단된다. 원자재 시세추종 매매전략에 대한 수익성을 검토한 결 과, 주간자료에서 원자재 시세추종 매매전략은 매입보유전략보다 초
과수익이 많이 발생하는 것으로 나타났다. 제3논문은 지난 2013년 9월에 체결된 한돈 장기공급계약에 대한 가치를 평가하여 계약의 적정성을 검토하였고, 만약 적정하지 않다 면 적절하기 위한 방안을 제시하고자 하였다. 분석결과, 한돈 장기 공급계약은 공급자에게 불리하였던 계약으로 평가되었다. 공급자에 게 본 계약은 계약시점을 기준으로 9억원의 경제적인 손실로 평가 되었다. 또한, 신뢰수준 5%에서 최대손실금액(Value at Risk)은 공 급자가 35억원으로 추정되지만, 구매자는 10억원으로 추정되어 수 요자에 비해 공급자가 상대적으로 더 위험한 것으로 분석되었다. 그 리고 당초 상한가를 3,400원으로 하고, 하한가를 2,600원으로 하는 계약조건이 공정한 계약이 되기 위해서는 상한가(ceiling price)와 하한가(floor price)를 재설정하여야 하는 데, 상한가를 3,400원으로 고정하는 경우 하한가를 3,370원으로 설정하는 것이 적정하였고, 하 한가를 2,600원으로 고정하는 경우 상한가를 4,220원로 하는 것이 적정하였다. 이상의 세 가지 연구의 결과는 국내 실물파생상품의 신규개발 및 거래활성화 방안을 마련하는 데 기여할 것으로 기대된다. 주요어 : 상품선물, 위험관리, 장기공급계약, 표본추출편의, 패널분석, 몬테카를로 시뮬레이션 학 번 : 2009-30972
목 차
서 문 ··· 1
제1논문: 농산물 해외선물의 국내 거래활동성 분석 ··· 5
1.1. 서론 ··· 5
1.2. 연구방법 ··· 10
1.2.1. 선물거래량 결정모형 ··· 10 1.2.2. 패널자료 단위근 검정 ··· 12 1.2.3. 패널자료에 대한 추정법 ··· 131.3. 자료 및 변수 ··· 16
1.4. 분석결과 ··· 22
1.5. 요약 및 결론 ··· 34
1.6. 참고문헌 ··· 37
제2논문: 원자재 선물의 가격변동 위험과 주식거래의
수익성-비철금속산업을 중심으로 ··· 42
2.1. 서론 ··· 42
2.2. 비철금속산업의 특징 ··· 46
2.3. 연구방법 ··· 48
2.3.1. 원자재 가격에 따른 기업가치 ··· 482.3.2. 다요인모형에 의한 자산 수익률 ··· 51 2.3.3. 매매전략과 수익성 평가 ··· 52
2.4. 분석자료 ··· 54
2.5. 분석결과 ··· 58
2.6. 요약 및 결론 ··· 71
2.7. 참고문헌 ··· 74
제3논문: 한돈 장기공급계약의 경제적 가치평가 ·· 76
3.1. 서론 ··· 76
3.2. 연구방법 ··· 82
3.2.1. 가격에 대한 확률과정 ··· 82 3.2.2. 한돈 장기공급계약의 수익구조 ··· 86 3.2.3. 몬테카를로 시뮬레이션에 의한 가치평가 ··· 89 3.2.4. 최대손실금액(Value at Risk) ··· 913.3. 분석자료 ··· 92
3.4. 분석결과 ··· 95
3.5. 요약 및 결론 ··· 105
3.6. 참고문헌 ··· 108
Abstract ··· 110
< 표 차 례 >
<표 1.1> 국내투자자의 농산물 해외선물 거래량 및 거래금액(월평균) ··· 16 <표 1.2> 사용된 변수 ··· 20 <표 1.3> 사용된 변수의 기초통계량 ··· 21 <표 1.4> 설명변수의 상관관계 ··· 21 <표 1.5> 패널자료에 대한 단위근 검정 ··· 22 <표 1.6> 패널개체별 불변변수 단위근 검정 ··· 23 <표 1.7> 패널그룹 간 이질성 검정 및 Hausman 검정 ··· 24 <표 1.8> GLS모형의 패널개체 간 이분산성 검정 및 자기상관 검정 ··· 25 <표 1.9> 해외선물의 거래량 및 거래금액의 분석결과 ··· 26 <표 1.10> 고정효과 분석결과 ··· 29 <표 1.11> 거래량에 대한 SURE 분석 결과 ··· 31 <표 1.12> 거래량에 대한 농산물 선물 간 동시적 상관관계 ··· 32 <표 1.13> 거래금액에 대한 SURE 분석 결과 ··· 33 <표 1.14> 거래금액에 대한 농산물 선물 간 동시적 상관관계 ···· 34 <표 2.1> 비철금속 관련 10개 상장기업 ··· 48 <표 2.2> 이윤함수의 정성적 특징 ··· 50 <표 2.3> 원자재 시세추종 매매전략 ··· 53 <표 2.4> 사용된 변수의 기초통계량 ··· 56 <표 2.5> 일간, 주간, 월간자료의 단위근 검정 ··· 57 <표 2.6> 일간자료의 다요인모형 분석 결과 ··· 60 <표 2.7> 원자재 선물의 가격변화율 대한 비대칭성 검정(일간자료) ·· 61 <표 2.8> 주간자료에 대한 다요인모형 분석 결과 ··· 63<표 2.9> 원자재 선물의 가격변화율에 대한 비대칭성 검정(주간자료) ··· 64 <표 2.10> 월간자료에 다요인모형 분석 결과 ··· 65 <표 2.11> 원자재 선물의 수익률 변화에 대한 비대칭성 검정(월간자료) ·· 66 <표 2.12> 일간자료에 대한 매매전략의 수익성 분석 결과 ··· 68 <표 2.13> 주간자료에 대한 매매전략의 수익성 분석 결과 ··· 69 <표 2.14> 월간자료에 대한 매매전략의 수익성 분석 결과 ··· 70 <표 3.1> 한돈 장기공급계약의 수익구조(payoff) ··· 88 <표 3.2> 지육 경락가격(박피)에 대한 계절조정치 ··· 93 <표 3.3> 가축전염병 발생 월 설정 ··· 94 <표 3.4> 한돈 지육의 경락가격 및 후지의 도매가격에 대한 기초통계량···· 94 <표 3.5> 한돈 지육(박피) 경락가격과 도매가격(후지)의 시계열 특징 분석··· 96 <표 3.6> 확률과정의 모수 설정 ··· 98 <표 3.7> 공급자의 한돈 장기공급계약의 경제적 가치 및 VaR(1kg 기준) ·· 101 <표 3.8> 구매자의 한돈 장기공급계약의 경제적 가치 및 VaR(1kg 기준) ·· 102 <표 3.9> 한돈 장기공급계약의 경제적 가치 및 VaR(월 250톤) ·· 103 <표 3.10> 적정 행사가격 추정결과 ··· 104
< 그 림 차 례 >
<그림 2.1> 비철금속산업, 구리산업, 아연산업, 알미늄산업 주가지수 ·· 55 <그림 3.1> 한돈 장기공급계약의 월별 공급가격 조건 ··· 87 <그림 3.2> 공급자와 구매자의 장기공급계약에 대한 수익구조 ·· 88 <그림 3.3> 한돈 지육의 경락가격과 후지의 도매가격 ··· 93 <그림 3.4> 경락가격(박피) 및 도매가격(후지)의 시뮬레이션 결과 ··· 100서 문
선물시장(futures market)은 공정한 가격을 형성하고 발견하는 기능(price discovery)을 포함하여 가격변동 위험을 이전시킬 수 있 는 기능(risk transfer function)을 한다. 이러한 경제적 기능을 가진 선물시장이 도입되면, 재고자산에 대한 시차적 배분(intertemporal allocation of inventories)을 가능케 하고, 신용위험(credit risk)의 감소로 유동성이 증대될 수 있으며, 더불어 선물과 연계된 다양한 금융상품의 개발도 가능하게 된다.
세계 주요 선물거래소들(futures exchanges)은 선도거래(forward trading)를 바탕으로 출발하여 선물시장(futures market)으로 발전 되었다. 영국에서는 19세기 석탄 무역선이 칠레에서 영국으로 회항 할 때 가지고 오던 동(copper)에 대하여 3개월 선도거래를 시작하 면서 런던금속거래소(London Metal Exchange, LME)가 설립되었 고, 지금은 금속 선물거래의 국제적 중심지로 자리매김하고 있다. 19세기 미국 시카고에서는 농민과 상인 간에 농산물 현물의 가격위 험을 관리하고자 선도거래가 이뤄졌는데, 계약불이행이 빈번하여 이 를 방지하고자 82명의 상인이 1848년에 시카고상품거래소(Chicago Board of Trade, CBOT)를 설립하였고, 1865년부터는 곡물선물을 거래하기 시작하였다. 지금은 시카고상업거래소(Chicago Mercantile Exchange, CME)와 통합되어 상품에 대한 국제거래소의 역할을 하 고 있다. 선물시장의 경제적 기능과 세계적인 선물거래소의 발전배경을 고 려하면, 우리나라의 상품선물 거래는 제 기능을 수행하지 못하고 있 으며, 경험과 기반도 매우 취약하다. 현재 상장되어 있는 상품선물
은 금선물, 돈육선물, 미니금선물이지만, 거래가 활발하게 이뤄지고 있지 못하거나, 심지어 거래가 없기까지 한 상황이다. 금선물은 1999년 선물거래소의 설립과 동시에 상장되었지만 2010년 4월 이 후로 거래가 전무한 실정이고, 미니금선물은 금선물의 거래단위를 10분의 1로 줄여 2010년 9월에 상장되었으나, 2011년 5월에 3만여 계약에 이르던 거래량은 2014년 9월 390계약에 그쳐, 이 역시 거래 가 부진한 상황이다. 농축산물로는 최초로 상장된 돈육선물은 2008 년 7월에 거래가 시작되었지만 2013년 6월 이후로 거래가 전혀 없 는 상황이다. 이러한 거래부진은 시장에 충분한 유동성을 제공해주지 못하여 헤저(hedger)의 선물시장 이용을 어렵게 만들고, 선물시장의 핵심적 기능인 위험이전의 기능을 저하하는 요인이 된다. 또한, 상품선물의 거래부진 경험은 국내에서 신규상품의 상장을 위축시키는 요인으로 작용하고, 결국 선물시장이 지니고 있는 경제적 기능을 활용하지 못 하게 된다. 반면에 한국금융투자협회의 통계에 의하면 국내거래자가 해외 상 품선물을 이용한 거래는 2013년 기준으로 3백만 계약에 달하고, 금 액기준으로는 2,403억 달러에 이른다. 이러한 점은 국내의 상품선물 이 부진한데도 상품선물에 대한 수요와 역할이 존재함을 암시해준 다. 한편, 선물시장 혹은 파생상품의 경제적 기능을 활용하기 위해서 는 앞으로 신규상품을 상장하거나 장외에서 선도, 옵션, 스왑 등의 다양한 파생상품거래가 활성화되어야 한다. 따라서 현재 상장된 상 품선물의 실패 경험을 피하고, 성공적인 실물파생상품시장의 조성을 위해서는 다음을 살피는 것이 반드시 필요하다. 첫째, 현재 이용되는 해외 상품선물은 어떠한 목적으로 거래되는 지를 살펴볼 필요가 있다. 선물의 이용자를 크게 시세차익거래자
(speculator)와 헤저(hedger)로 구분한다면, 과연 시세차익의 목적 으로 이용되는 것인지 아니면 헤징(hedging)의 목적으로 이용되는 지를 살펴야 한다. 그 결과는 향후 신규상품 개발 시 거래목적을 고 려한 유인을 마련하는 데 반영될 수 있을 것이고, 현재의 해외 상품 선물 거래량을 흡수하는 데 기여할 수 있을 것이다. 둘째, 그간의 상품선물 활성화 실패는 상품선물이 위험관리도구로 서의 수요가 실제 부존재하여 발생한 것일 수도 있기 때문에, 원자 재를 이용하는 기업이 과연 원자재 가격변동 위험에 노출된 것인지 를 점검할 필요가 있다. 만약 원자재 조달가격이 변동하더라도 이를 판매가격에 전가할 수 있다면, 실제 이윤의 변동위험은 제거되고 결 국 상품선물을 위험관리도구로서 활용할 이유가 없어진다. 따라서 신규선물이 상장되더라도 헤저의 이용이 부진할 수 있기 때문에 현 재 원자재 관련기업을 대상으로 이를 검토할 필요가 있다. 셋째, 국내에서 상품선물시장을 조성하기가 현실적으로 어렵고 상 품의 가격변동위험이 존재한다면, 장외에서의 적정한 선도, 옵션, 그 리고 스왑 등의 실물파생상품거래를 활성화해 위험관리도구로 활용 되어야 한다. 그러기 위해서는 현재 실무에서 이뤄지고 있는 실물파 생상품거래에 대하여 적정한 거래가 수행되고 있는지를 검토할 필 요가 있다. 장외에서의 실물파생상품거래가 적정하게 이뤄지고 그 규모가 확대된다면, 선진 상품선물거래소가 선도거래를 기반으로 성 장한 것과 같이, 향후에 선물거래로 전환될 수 있을 것이다. 따라서 본 연구는 위의 필요성에 따라, 다음과 같은 구체적인 목 적을 가지고 이하의 소 논문들로 구성하고자 한다. 제1논문에서는 국내의 농산물 해외선물의 거래량과 거래금액이 어떠한 요인에 의 하여 결정되는지를 분석하고자 한다. 요인은 시세차익요인과 헤징요 인으로 구성하고, 과연 이들 요인에 의하여 거래참여가 이루어지는 지를 살피고자 한다. 제2논문에서는 국내의 원자재 수요 기업들이
원자재 가격변동에 따라 주가에 실제 영향을 미치는지를 살피고자 한다. 만약 원자재 가격변동 위험에 노출되어 있다면 향후 상품선물 혹은 실물파생상품 거래의 수요가 될 수 있을 것이다. 제3논문은 실 무현장에서 선도거래가 적정하게 이뤄지고 있는지를 살피기 위해, 2013년 9월에 성사된 한돈 장기공급계약에 대한 가치를 평가하고자 한다. 즉, 계약 당사자인 공급자와 구매자 사이에 상호 불리하지 않 도록 공정한 계약이 체결되었는지를 판단하고, 공정하지 못하였다면 공정한 계약이 되기 위한 방안을 제시하고자 한다. 각 소 논문의 제목은 다음과 같다. 제1논문은 “농산물 해외선물의 국내 거래활동성 분석”이고, 제2논문은 “원자재 선물의 가격변동 위 험과 주식거래의 수익성: 비철금속을 대상으로”이다. 마지막으로 제 3논문은 “한돈 장기공급계약의 경제적 가치평가”이다. 본 연구의 결과는 신규상장 선물을 개발하거나 실물파생상품 거 래를 활성화하고자 할 때 정책적인 함의를 제공하거나 실무적인 개 선을 가져올 것으로 기대된다.
제1논문: 농산물 해외선물의 국내 거래활동성 분석
1.1. 서론
우리나라에 농축산물 관련 선물이 처음으로 도입된 것은 2008년 7월이다. 돈지육의 대표가격을 기초로 돈육선물을 한국거래소에 상 장하였다. 당초 기초자산의 높은 가격변동성과 현물시장의 규모 등 을 고려할 때 활발한 거래가 예상되었지만, 2013년 6월 이후로 거 래가 전무한 상황이다. 반면, 농축산물 해외선물은 2013년에만 364,160계약, 금액기준으로는 131억 달러에 달한다1). 국내 돈지육 선물시장의 심각한 부진에도 불구하고 농산물 해외선물의 필요성과 역할은 여전히 유효한 것으로 보인다. 농산물 해외선물이 계속 이용되는 데는 두 가지 이유가 있는 것 으로 파악된다. 첫째, 현물의 가격 위험을 관리하기 위한 헤징 (hedging)에 대한 수요가 하나의 이유가 될 수 있다. 식품과 배합사 료를 생산하는 기업은 옥수수, 대두, 밀과 같은 원료를 투입하여 제 품을 생산하는데, 현재 이와 같은 농산물의 국내 생산량은 미미한 수준이며 대부분 수입에 의존하고 있다2). 필연적으로 국제 농산물 가격, 환율, 운임 등과 같은 국제상거래 시 발생하는 위험에 노출될 수밖에 없다. 해당 기업은 이들 위험을 관리하게 되는데, 특히 수입 원료 가격변동 위험을 최소화하는 수단으로 수입 원료를 기초자산 1) 한국금융투자협회 자본시장통계(freesis.kofia.or.kr), 국내투자자의 해외파생상 품 거래동향(2013) 2) 한국농촌경제연구원(2013)에 의하면 2012년 기준으로 밀의 자급률은 0.7%이 고, 옥수수는 0.9%, 콩은 9.5%에 그친다.으로 하는 선물을 이용하는 것이다3). 다만, 윤병삼(2010)에 의하면 헤저의 농산물 선물 활용은 비중이 매우 적은 것으로 보고되고 있 다. 둘째, 현물 보유와는 무관하게 선물의 시세를 예측하여 방향성 투 자를 실행하는 것이 가능한데, 이러한 성격의 투자는 시세차익거래 (speculation)로 볼 수 있다. 연기금, 생명보험 등과 같은 기관투자 자들은 분산투자 효과를 누리면서, 기대수익을 높이는 방향으로 원 자재 금융상품을 포트폴리오에 편입하는 경향이 강해졌고, 개인투자 자들도 안전자산에 대한 선호, 원자재 가격 상승 또는 하락 기대 등 으로 원자재 금융상품에 대한 관심도가 높아졌다. 그러나 국내 금융 시장에서 원자재 관련 금융상품은 선택폭이 제한적이어서, 투자자들 이 직접 해외선물시장을 활용하거나 원자재 관련 간접투자 상품을 이용하게 된다. 헤징 또는 시세차익의 목적으로 해외선물시장에 참여하는 정도는 거래량과 거래금액으로 나타난다. 거래량과 거래금액은 시장의 활성 화정도를 나타낼 수 있기 때문에 거래활동성(trading activity)이라 부를 수 있다. 한국금융투자협회의 2008년~2013년 자료에 따르면, 지난 5년간 주요 농산물 해외선물의 거래량은 품목별로 차이가 있 지만, 변동성이 매우 높아진 것으로 나타난다4). 이는 농산물 해외선 물의 수요량이 시점에 따라 변화하고 있음을 의미한다. 거래량 또는 거래금액의 변화가 어떤 요인에 영향을 받을 것인가 는 정책당사자나 선물중개인에게 주요한 관심사가 될 수 있다. 정책 당사자 입장에서는 투자자나 헤저가 어떠한 시장조건에서 선물을 3) 해외 상품선물을 이용한 위험관리 방법과 그 효율성에 관하여 국내에서 다수의 연구가 수행된 바 있다(노재선·김한호, 1997; 노재선·윤원철·김수덕, 1998; 윤 종복·김성훈·윤병삼, 2005; 양승룡·문진영, 1999; 이상학·양승룡, 2001; 윤선희· 윤병삼, 2007 등) 4) 거래금액도 거래량과 유사한 변화를 보인다.
활용하는지를 파악하여 신규시장을 개설하거나 활성화하는 정책을 마련하는데 유용한 정보로 활용할 수 있다. 선물중개인은 수수료 수 익을 예측하여 사업전략을 수립하는 데 반영할 수 있을 것이다. 많은 연구자가 거래량 또는 거래금액에 관심을 두고 연구하였으 며, 혼합분포가설(mixture of distributions hypothesis)과 연속정보도 달가설(sequential information arrival hypothesis)에 기초하여 실증분 석을 수행하였다. 혼합분포가설은 가격과 거래량 간에 동시적인 상 관관계가 존재하여 새로운 정보가 발생하면 동시에 반응한다는 가 설을 말한다 (Clark, 1973; Epps and Epps, 1976; Tauchen and Pitts, 1983; Harris, 1986; Lamoureux and Lastrapes, 1990). 반 면, 연속정보도달가설은 시장정보가 투자자에게 순차적으로 전달되 고, 투자자별로 다양하게 반응하여 거래량이 증가하거나 감소한다는 가설이다 (Copeland, 1976; Morse, 1980; Jennings and Barry, 1983).
이러한 가설을 바탕으로 주식에 대한 현물과 선물에 관한 실증연 구들이 다수 이뤄졌다 (Karpoff, 1987; Bessembinder, 1996; Wang and Huang, 2012; Andersen, 1996; Gallo and Pacini, 2000; Kim and Kon, 1994; Lamoureux and Lastrapes, 1990). 대표적인 연구 를 보면, Karpoff(1987)는 주식시장을 대상으로 일별자료를 사용하 여 기초자산 가격변동성이 선물시장의 거래량과 높은 상관관계가 있다는 것을 보였고, Bessembinder(1996)는 S&P500 지수 선물을 대상으로 거래활동성에 대한 분석을 하였는데, 미결제약정이 커짐에 따라 거래활동성이 높아지는 것을 제시하였다. 상품선물을 대상으로 거래량에 관한 연구도 수행되었다 (Martell and Wolf, 1987; Garcia et al, 1986; Herburt, 1995; Alizadeh, 2012). Garcia et al (1986)은 곡물(옥수수, 대두, 밀) 선물을, Herburt(1995)는 천연가스선물을, Alizadeh(2012)는 해운선물을 대
상으로 가격변동성과 거래량 간에 유의미한 상관관계가 있음을 밝 혔다. Martell and Wolf(1987)는 기존의 연구를 확장시켜 분석을 시도하였다. 금속선물시장을 대상으로 시세차익거래자와 헤저 사이 에 균형모형을 설정하고 거래량 결정요인에 대해 파악하였다. 분석 결과를 보면, 시장변수 중 가격변동성과 미결제약정 등이 주요한 영 향을 미치는 것으로 나타났으며, 거시변수 중 이자율과 인플레이션 도 거래량에 영향을 미치는 것으로 나타났다. 그리고 Malliaris and Urrutia(1991)은 산업생산, 소비자물가지수, 생산자물가지수, 선물 가격, 선물가격의 분산을 요인변수로 하여 대두, 옥수수 등의 거래 량을 분석한 바 있다. 본 연구의 목적은 국내의 농산물 해외선물 거래량/거래금액의 결 정요인을 분석하는 데 있다. 역내 선물시장의 거래량이 변동성이나 거시변수 등에 영향을 받는지에 대한 연구는 활발하지만, 현재까지 역외 선물시장을 이용한 정도를 분석한 연구는 발견되지 않는다. 따 라서 본 연구는 국내에서 국제 농산물 선물시장을 이용한 정도를 분석하는 최초의 연구라 하겠다.
본 논문은 Martell and Wolf(1987)의 모형을 바탕으로 해외선물 거래 환경에 맞춰 분석하고자 한다. 다만, 기존의 연구와 몇 가지 차별성을 가지고 있다. 첫째, 시세차익 목적으로 해외선물시장을 이용하는 거래자에게 국 내 금융시장은 대체시장(substitution market)으로 볼 수 있다. 따라 서 시세차익거래자는 해외선물시장과 국내 금융시장의 시세차익 우 위에 따라 해외선물거래의 참여 결정을 하게 된다. 본 연구에서는 이러한 특성을 반영하여 KOSPI를 대체상품으로 상정하고, KOSPI 변동성을 분석에 반영하였다. Martell and Wolf(1987)의 연구에서 는 S&P지수를 시장성과(market performance)의 대용치(proxy)로 분석에 반영하였다.
둘째, 현물의 수급 정보와 시세차익거래 경향을 정보 변수로 반영 할 수 있도록 미국상품선물위원회(CFTC)에서 발표하는 투자자별 포지션 현황 보고서(commitment of trader report, COT)를 이용하 여 헤징압력(hedging pressure)과 시세차익압력(speculative pressure) 변수를 생성하고 이를 반영하고자 한다. Martell and Wolf(1987)는 현물시장의 수요와 공급에 대한 정보로 미결제약정(open interest) 을 사용하지만, 미결제약정은 헤징거래와 시세차익거래의 정보를 동 시에 포함하고 있어 현물시장의 수급상황만을 반영한다고 보기 어 렵다. 따라서 시세차익거래 정보를 분리하기 위하여 본 연구에서는 COT에서 ‘생산자/도매인/가공업자/소비자’로 분류된 거래자의 순매 도 비율을 헤징압력 변수로 산출하여 현물시장의 수급정보를 나타 내는 대리변수로 반영하고자 한다. 또한, 분리된 시세차익거래 정보 가 반영될 수 있도록 스왑딜러(Swap Dealer)와 머니매니저 (Managed Money)의 순매수 비율을 시세차익압력(speculator pressure) 변수로 사용하고자 한다.
셋째, 국제상거래를 통하여 현물을 수입하는 경우 환율 이외 수출 입가격, 해상운임은 수입비용으로 작용할 수 있고, 이에 따라 기대 실물포지션(expected physical position)이 결정될 수 있기 때문에 이들 변수를 반영하고자 한다. 또한, 수출입량은 헤징 대상이 되는 잠재 선물 수요량으로 볼 수 있기 때문에 이를 반영한다. 다수의 연 구에 의하면 역외헤징(offshore hedging)에 있어 베이시스(basis), 거래비용 등과 같은 헤징비용은 헤징수요량 또는 헤징효과를 감소 시키는 것으로 나타난다 (Jin and Koo, 2006; Carter and Loyns, 1985 등). 따라서 베이시스로 작용하는 해상운임을 요인변수로 고 려하는 것은 기존 연구와 부합한다.
이 논문의 제Ⅱ장에서는 선물거래량 모형과 패널분석 방법에 대 하여 설명한다. 제Ⅲ장에서는 이용될 자료와 변수에 대하여 설명하
고, 제Ⅳ장에서는 추정결과를 설명한다. 마지막으로 제Ⅴ장에서는 요약하고 결론을 내린다.
1.2. 연구방법
1.2.1. 선물거래량 결정모형
Martell and Wolf(1987)는 선물시장의 참여자를 헤저()와 시세 차익거래자()로 구성한 거래량 결정모형을 제시하였다. 이들의 모 형을 바탕으로 선물시장의 거래량, bid-ask 스프레드, 변동성 사이 의 관계를 분석하거나 거래비용이 선물 거래량에 미치는 영향을 평 가하기도 하였다 (Wang and Yau, 2000; Abid and Trabelsi, 2012, Wang, Yau and Baptiste, 1997). Martell and Wolf(1987)는 선물 거래 참여자들이 선물거래 의사결정에서 독립적(independently)이 고, 위험회피성향이 동일(identical)하다고 가정하고, 다음 식 (1.1) 과 같은 선형모형을 제시하였다. (1.1)
여기서 는 요구균형포지션(desired equilibrium position)을 의미 하고 매수이면 양수(+), 매도이면 음수(-)로 나타낸다. 은 유보 선물가격(reservation futures price)이고 는 선물가격이다. 는 기 대실물포지션(expected physical position)을 의미한다. 또한 는 거
래자(헤저 와 시세차익거래자 )를 나타내고, 는 폼목(옥수수, 대두, 밀 등)을 나타낸다. 그리고 는 시간을 의미한다.
지션의 규모에 의해 선물 거래량이 결정된다는 관점을 제공한다. 그 러나 본 모형에서는 유보선물가격과 기대실물포지션을 실제로 관측 할 수 없으므로 이를 대리(proxy)할 수 있는 변수를 채용하였다. 우 선, 식 (1.1)의 오른쪽 등식에 대한 첫째항의 대리변수로 '고가() 와 저가()의 범위'와 '종가( )와 변동성()의 교호작용' 변수를 사용하였고, 둘째 항에 대해서는 환율, 주가, 채권수익률, 재고량, 실 업률, 소비자가격지수를 사용하였다.
본 연구에서는 Martell and Wolf(1987)의 시각을 해외선물거래 환경으로 확장하고자 한다. 이러한 환경에서는 역내 시세차익거래자 가 역내상품과 역외상품을 대상으로 수익기회를 비교하여 상품을 선택할 수 있게 된다. 반면 헤저의 경우에는 국내의 기대실물포지션 에 의해 헤징규모를 결정하게 되고, 이는 수입현물 조달환경에 크게 영향을 받게 된다. 따라서 식 (1.1)을 확장하여 다음 식 (1.2)와 같 이 나타낼 수 있다. (1.2) 위 식 (1.2)에서 은 대체상품의 유보가격(reservation price)이 고, 는 대체상품의 가격이다. 본 연구에서 대체상품은 한국거래소 의 KOSPI로 상정하였다. 는 시세차익의 경향을 정보변수로 반영하 기 위한 변수이다. 그리고 는 국내 기대실물포지션을 의미한다. 국 내 기대실물포지션의 정보변수로 미결제약정, 헤징압력, 수출입량, 수출입가격, 환율, 운임, 금리, 실업률 변수를 사용하였다.
여기서 미결제약정 변수와 헤징압력은 Martell and Wolf(1987)와 같이 수요와 공급의 현물시장 정보를 나타내는 대리변수로 사용하 였고, 수출입량과 수출입가격 변수는 수입현물에 대한 직접적인 정 보를 담고 있다. 환율, 운임, 금리는 베이시스 위험(basis risk) 정
보를 담고 있고, 실업률은 거시경제상황을 나타내는 정보변수로 반 영하였다.
1.2.2. 패널자료 단위근 검정
최근 패널자료의 이용이 많아지면서 ‘길이(T)가 짧고 폭(N)이 넓 은 자료’의 사용에서 ‘길이(T)가 길고 폭(N)이 긴 자료’의 사용이 빈번해졌다. 이로 인하여 자료가 시간적으로 더 확장되어 자료의 안 정성(stationarity)의 여부에 따라 허구적(spurious) 회귀 문제가 대 두되고 있다. 따라서 타당한 회귀분석이 이뤄지기 위해서는 패널자 료에 대한 단위근(unit-root) 검정이 우선적으로 검토되어야 한다. 패널자료의 단위근 검정(Panel Unit Root Tests)은 여러 검정법 이 제안되었으나, 본 연구에서는 IPS 검정(Im, Peasaran and Shin, 1997)과 p-값 병합 검정(combining p-value test)을 사용하고자 한다.5) Hlouskova and Wagner (2006)에 의하면, 이상의 두 검정법은 불균형 패널(unbalanced panel)에 대한 검정이 가능하다. 특히 p-값 병합 검정법은 길이(T)가 길고 폭(N)이 고정된 자료일수록 적합하다. 다음 식 (1.3)과 함께 단위근 검정을 수행한다. 여기서 귀무가설 는 이고, 대립가설 은 이다. 귀무가설은 단위근이 존재하는 것을 의미한다. 따라서 귀무가설이 기각되는 것은 단위근 이 존재하지 않음을 의미하고, 자료가 통계적으로 정상성 (stationarity)을 내포하게 되는 것이다.
5) Levin and Lin(1992) 검정도 널리 사용하나, 패널자료의 자기상관이 횡단면 단 위(cross-section units of panel) 별로 동질적(homogeneous)이라고 가정하고 있어 본 연구에서 제외하였다.
′ (1.3) 식 (1.3)은 Dickey-Fuller 회귀분석과 같은 형태를 취하고 있다. IPS 검정은 패널단위별로 위 식 (1.3)을 회귀분석하고, 에 대한 값의 평균을, 즉 검정통계량
로 하여 검정한다. 또한, 병합 p-값 검정(combining p-value test)은 IPS 검정법과 상당히 유 사한 개념으로 접근하는 검정법으로, 값이 아닌 값을 병합하여 검 정을 한다. Maddala and Wu(1999)와 Choi(1999)는 Fisher-type
형태의 검정법을 제시하였고, 검정통계량은
ln 이다. 이 는 자유도가 2N인 분포를 따른다.1.2.3. 패널자료에 대한 추정법
본 연구의 자료는 개의 품목과 개의 시점으로 자료를 구축한 다. 이렇게 구축된 자료는 패널자료가 되는데, 이에 대한 선형회귀 분석은 다음 식 (1.4)와 같다. , , (1.4) 다만, 본 분석이 타당하기 위해서는 다음의 기본가정이 성립하여 야 한다. (가정a) ∀ (가정b) ∀ (가정c) ∀ ≠ ≠ (가정d) ∀ 이상의 가정이 위배되지 않는 경우 패널자료를 단순회귀분석 (OLS) 할 수 있고, 이를 합동(pooled)회귀분석법이라 한다. 만일 (가정a)~(가정d)가 위배되더라도 일반화회귀분석(GLS, generalized least squares)으로 효율추정량을 구할 수 있다. 만약 패널 개체별로 이질성(heterogeneity)이 존재하는 경우라면, 다음 식 (1.5)와 같은 고정효과(fixed effect) 추정법을 고려할 수 있다. , , (1.5) 식 (1.5)의 모형은 식 (1.4)에서 오차항 를 로 확장한 것 이며, 장점은 개체별 특성을 로 통제한 상태에서 순수한 한계효과 를 얻을 수 있다. 여기서 는 추정해야 할 모수가 된다. 반면, 를 확률변수로 가정하게 되면 확률효과(random effect) 모형이 된다. 여기서 오차항 는 ∼ 으로 가정하고, ∼ 로 가 정한다. 또한, 오차항 와 는 상관성이 없는 것으로 가정한다. 즉, 이다. 확률효과 추정법은 동분산 성질은 만족하나, 자기상관이 존재하여 단순회귀분석(OLS)으로는 효율추정량을 구할 수 없다. 따라서 일반 화추정법(GLS) 또는 최우추정법(MLE)을 사용할 수 있다. 두 추정 법은 표본크기가 충분히 크면 결과가 유사한 것으로 알려졌다. 본고 에서는 MLE를 사용한다. 농산물 선물은 날씨, 기호, 대체관계 등의 영향으로 상품 상호 간 에 상관관계가 일정부분 존재한다. 이러한 상관관계로 교차헤징 (cross hedging)도 가능하게 된다. 따라서 개별 상품에 대한 수요모
형의 오차항 사이에 동시적인 상관관계(contemporaneous correlation)가 발생할 가능성을 내포하게 된다.
동시적 상관관계를 고려한 회귀분석법은 외형상 무관해 보이는 회귀분석법(SUR, seemingly unrelated regression)이다. 이 추정법 은 식 (1.6)과 같이 패널 개체별로 모형을 설정하고 동시적 상관관 계를 고려하여 추정한다. ⋮ (1.6) 그 추정법은 GLS 추정방법을 응용하는 것이다. 식 (1.6)은 행렬 과 벡터 형태인 로 나타낼 수 있고, 공분산행렬은 ′ 이다. 추정절차는 패널 개체별로 OLS를 추정 하고 개별식의 오차항을 이용하여 공분산을 추정한다. 이 공분산을 적용하여 GLS추정을 시행하면 된다. 이를 실행가능한(feasible) GLS라 한다.
1.3. 자료 및 변수
본 연구에서는 거래활동성(trading activity)의 분석대상 변수로 거래량과 거래금액을 사용하고자 한다. 이들 자료는 월별로 발표되 는 한국금융투자협회의「국내투자자의 해외파생상품 거래동향」자 료를 통하여 확보하였다. 그리고 여기서 5개의 주요 품목만을 대상 으로 분석에 사용하였다. 선택된 품목은 <표 1.1>에서 옥수수 (corn), 대두(soybeans), 원당(sugar), 밀(wheat), 원면(cotton)으 로 거래량이 많은 순이다.<표 1.1> 국내투자자의 농산물 해외선물 거래량 및 거래금액(월평균) 단위: 계약수, 천달러
순번 품목명 거래량 거래금액
1 Corn (CME Group) 10,567 304,800 2 Soybeans (CME Group) 6,304 361,020 3 Sugar No. 11 (ICE) 4,957 95,908 4 Wheat (CME Group) 4,935 154,944 5 Cotton (ICE) 2,842 145,004 6 Soybean Oil (CME Group) 933 28,082 7 Soybean Meal (CME Group) 910 37,089 8 Coffee (ICE) 833 47,683 9 Rubber (TOCOM) 593 9,500 10 Cocoa (ICE) 446 11,818 주: 순번은 거래량을 기준으로 함. 자료: 한국금융투자협회, 재가공 5대 품목만을 선택한 것은 선물시장의 특성6)을 고려한 것인데, 일반적으로 선물시장에서 특정품목과 최근월물의 거래가 활발하지 6) Stein(1986)은 선물시장의 10가지 주요 특징에 대해 언급하였다.
만, 그 외 품목과 원월물은 거래가 부실한 편이다. 이는 선물참여자 가 충분하지 않거나, 정보가 시장에 잘 반영되지 않아 시장 효율성 을 의심하게 하기 때문에 선물시장의 합리적 참여의사결정이 쉽지 않게 된다. 따라서 본 분석에서는 주요 품목만을 대상으로 분석한 다. 분석대상 기간은 2008년 1월부터 2014년 1월까지(T=73)이다. 다만, 2008년도 자료는 옥수수, 대두, 원당만 제공되고 있어, 밀과 원면은 자료가 분석에 포함되지 못하였다. 이에 따라 불균형 패널자 료가 구축되었고, 이를 분석에 사용하였다. <표 1.2>는 본 연구에서 사용할 변수들이다. 시세차익거래의 설 명변수로 일중수익률(intraday log return)7), 일간수익률(interday
log return), 종가 변수를 사용하고자 한다. 스캘퍼(scalper)와 데이 트레이더(day trader)는 틱(tick)변동성 또는 일중변동성이 수익을 높이는데 기여할 수 있고, 포지션트레이더(position trader)에게는 가격수준과 수익률 추세가 중요한 변수로 작용하기 때문에 일간수 익률을 고려하고자 한다. 여기서 일중수익률은 상한가()와 하한가 ()의 로그수익률(log)을 말하고, 일간수익률은 종가()에 대하여 전일 대비 로그수익률(log )을 말한다. 그리고 해외 선물 시세차익거래의 대체 시세차익거래 시장으로 KOSPI를 고려할 수 있는데, 이를 고려하기 위하여 KOSPI 일중수익률 및 일간변동성 변수를 고려하였다. 본 연구에서 사용된 상한가, 하한가, 그리고 종 가는 Bloomberg 단말기8)를 통하여 획득하였고, KOSPI9) 자료는 한 7) Martell and Wolf(1987)에서 상한가와 하한가의 범위에 대한 로그변수를 사용 하였으나, 두 가격이 동일한 경우 0이 나오는 현상을 방지하고자 로그수익률 (log return)을 사용한다.
8) Bloomberg Terminal, Symbol(corn-C1, soybean-S1, Wheat-W1, Cotton-CT1, Suger-SB1)
국거래소의 자료를 사용하였다.
또한, 시세차익거래의 정보변수로 시세차익압력(speculative pressure) 변수를 식 (1.7)과 같이 도입하였다. 이 변수는 미국상품 선물위원회(CFTC)가 발표하는 투자자별 포지션 현황(COT)10)자료
중 스왑딜러(Swap Dealer)와 머니매니저(Money Manager)의 순매 수 포지션 비율을 사용한다. 시세차익압력 매수포지션 매도포지션매수포지션 매도포지션 (1.7) 본 연구에서는 시세차익거래 대상자를 스왑딜러와 머니매니저로 구성하였는데, 스왑딜러를 시세차익압력에 반영한 것은 스왑딜러가 실물포지션이 없는 상태에서 스왑 중개를 위한 거래를 수행하고, 실 물을 보유한 스왑 대상자의 실물 규모와 무관하게 선물시장의 포지 션을 취할 수 있으며, 대부분이 투자은행으로 구성되어 있기 때문이 다. 또한 기타(other reportables)를 제외한 것은 헤징을 목적으로 하더라도 ‘생산자/도매인/가공업자/소비자’, 스왑딜러, 머니매니저의 분류기준에 부합하지 않으면 기타 거래자로 분류되기 때문에 시세 차익거래자로 분류하는 것이 적절치 않기 때문이다. 헤저의 기대실물포지션()에 대한 정보변수로 미결제약정(open interest), 헤징압력, 수출입량, 수출입가격, 환율, 해상운임, 회사채 3년물 수익률, 실업률을 이용하고자 한다. 미결제약정은 선물시장에 서의 현물에 대한 수급전망 정보를 내포하고 있고, 수출입량, 수출
10) 2009년 10월에 거래자를 ‘Producer/Merchant/Processor/User’, ‘Swap Dealer’, ‘Managed Money’, ‘Other Reportables’로 구분한 투자자별 미결제약정 현황보 고서(disaggregated commitments of traders)이다. 자료는 2006년 6월부터 제공하고 있다. 2009년 10월 이전까지는 거래자를 commercial과 non-commercial 로 구분하여 제공하였다.
입가격, 환율, 해상운임, 회사채 3년물 수익률 변수는 현물 규모와 베이시스(basis), 보유비용(cost of carry)에 대한 정보를 반영한다. 마지막으로 거시경제 상황을 대리하는 변수11)로 실업률 변수12)를 사용하고자 한다. 헤징압력은 농산물 ‘생산자/도매인/가공업자/소비자’의 순 선물매 도 포지션 비율을 나타낸다. 이는 현물의 수요와 공급에 따른 가격 불안정성에 대한 헤저의 위험관리 성향을 반영하고 있다. 따라서 현 물에 대한 정보를 내포하고 있다고 할 수 있다. 헤징압력의 산출은 미국상품선물거래위원회(CFTC)가 발표하는 투자자별 포지션 현황 보고서(commitments of traders reports)에서 ‘생산자/도매인/가공 업자/소비자’의 순매도 포지션과 ‘생산자/도매인/가공업자/소비자’의 전체 포지션의 비율로 다음 식 (1.8)과 같이 계산한다. 헤징압력 매도포지션 매수포지션매도포지션 매수포지션 (1.8) 종속변수를 포함하여 대부분의 변수는 자연로그(natural logarithm)변환을 하였다. 다만, 수익률 또는 비율과 같은 변수들은 변환 없이 사용하였다. 수익률은 일간자료를 월 평균하여 사용하였 고, 수익률 표준편차는 일간수익률의 월간 표준편차를 의미한다. COT 자료는 주간자료를 월 평균하여 월간자료로 변환하였다. 11) 소비자물가지수도 함께 고려할 수 있으나, 분산팽창계수(variance inflation factors, VIF)가 높게 나타나 분석에서 제외하였다. 12) 실업률 변수는 경기가 호황임에도 실업률이 높게 나타나는 현상이 있기도 하 고, 경기가 좋지 않은 상황임에도 실망실업자, 과소취업자 등으로 통계에 반영 되지 않는 경우가 있다. 이는 경제상황을 대리하는 측면에서 한계점이 될 수 는 있지만, 다른 월별 거시경제 지표들도 유사문제를 안고 있기 때문에 한계 에도 불구하고 기존연구에서 사용한 변수를 본 연구에서도 사용한다.
<표 1.2> 사용된 변수 구분 변수명 변수 설명 자료 출처 종속 변수 거래량 log(거래량) 한국금융 투자협회 거래금액 log(거래금액) 설명 변수 일중수익률 월평균 log(일중상한가/일중하한가) Bloomberg 일간수익률 표준편차×평균종가 일간수익률의 월간 표준편차()와 월평균 종가()의 교호작용 KOSPI 일중수익률 월평균 log(일중상한가/일중하한가) 한국 거래소 KOSPI 일간수익률 표준편차×평균종가 일간수익률의 월간 표준편차()와 월평균 종가()의 교호작용 시세차익압력 스왑딜러와 머니매니저의 순매수 포지션 비율 미국 상품선물 거래위원회 (CFTC) 미결제약정 log(미결제약정) 헤징압력 생산자/도매인/가공업자/소비자의 순매도 포지션 비율 수출입량 log(수출입물량) 관세청 수출입가격 log(톤당 수출입가격) 해상운임 log(발틱 벌크선 운임지수) 발틱거래소 환율 log(원달러환율) 한국 은행 금리 회사채 금리(3년, AA-) 실업률 실업률 정리하면, 분석에 사용될 품목은 옥수수, 대두, 밀, 원당, 원면으로 5개(n=5)이고, 분석기간은 2008년 1월부터 2014년 1월(T=73)까 지 월간자료이다. 다만 밀과 원면의 경우에는 2008년 자료가 존재 하지 않는다. 따라서 총 자료 수는 341개(N=341)고 불균형패널 (unbalanced panel) 자료가 구축된다. <표 1.3>은 구축된 자료의 기초통계량이고, <표 1.4>는 변수들 간의 상관관계를 보여준다.
<표 1.3> 사용된 변수의 기초통계량 변수명 변수 평균 표준편차 최소값 최대값 n 거래량 8.408 0.797 6.402 10.324 341 거래금액 11.863 0.968 9.144 13.911 일중수익률 0.028 0.011 -0.004 0.070 일간수익률 표준편차×평균종가 9.362 8.881 0.080 44.111 시세차익압력 0.557 0.198 0.048 0.923 KOSPI 일중수익률 0.015 0.009 0.008 0.061 73 KOSPI 일간수익률 표준편차×평균종가 20.862 9.655 9.468 62.568 미결제약정 11.636 1.392 4.410 13.478 341 헤징압력 0.483 0.157 0.043 0.968 수출입량 11.966 1.213 9.337 13.996 수출입가격 6.293 0.743 5.283 8.386 해상운임 7.526 0.726 6.522 9.345 73 환율 7.038 0.086 6.848 7.288 금리 0.048 0.014 0.029 0.086 실업률 0.034 0.005 0.027 0.050 <표 1.4> 설명변수의 상관관계 1.00 0.09 1.00 0.47 0.11 1.00 0.39 0.12 0.80 1.00 -0.03 0.46 0.11 0.06 1.00 0.18 0.07 0.02 -0.01 -0.07 1.00 -0.02 0.10 -0.03 -0.03 0.56 -0.39 1.00 0.17 0.24 0.00 -0.01 -0.08 0.63 -0.30 1.00 -0.17 -0.30 -0.08 0.02 0.00 -0.60 0.22 -0.90 1.00 0.28 0.02 0.08 0.04 0.27 0.04 0.22 0.04 -0.18 1.00 0.19 -0.03 0.49 0.15 -0.06 -0.09 -0.03 -0.07 -0.07 -0.17 1.00 0.57 0.11 0.70 0.41 0.26 0.04 0.11 0.02 -0.17 0.49 0.44 1.00 0.12 -0.05 0.00 -0.16 0.03 0.00 0.09 -0.03 -0.05 0.09 0.28 0.27 1.00
1.4. 분석결과
13)
분석에 앞서 자료에 대한 단위근 검정을 하였다. 패널자료의 단위 근 검정은 IPS 검정과 Fisher type(Dickey-Fuller)검정이 수행되었고, 단일시계열자료는 Dickey-Fuller 단위근 검정을 수행하였다. 그중 패 널자료에 대한 검정결과는 <표 1.5>와 같다. 수출입가격 변수를 제 외한 이외의 변수들은 단위근이 존재하지 않는 것으로 나타난다.
<표 1.5> 패널자료에 대한 단위근 검정
변수명 변수 IPS검정 Fisher type 검정 거래량 -8.31*** 145.98*** 거래금액 -6.76*** 102.89*** 일중수익률 -4.06*** 40.2*** 일간수익률 표준편차×평균종가 -5.15 *** 60.95** 시세차익압력 -1.91** 19.40*** 미결제약정 -9.00*** 163.87*** 헤징압력 -1.86** 22.06** 수출입량 -10.15*** 205.59*** 수출입가격 -0.70 11.76 주: 1) ***은 1%에서, **은 5%에서, *은 10%에서 유의
2) IPS검정은 점근적(asymptotic) 정규분포에 의하여 검정이 이뤄지고, Fisher type 검정은 점근적 분포에 의해 수행
패널개체 불변변수(individual invariant variable)에 대한 단일시 계열 단위근 검정결과는 <표 1.6>과 같다. KOSPI 일중수익률과 일간수익률 표준편차와 평균종가의 교호작용(또는 ‘KOSPI 교호작 용’으로 혼용함) 변수, 실업률은 수준변수에서 단위근이 존재하지 않는 것으로 나타난다. 반면, 해상운임, 환율, 금리는 수준변수에서 단위근이 존재하였다. 13) 본 분석에는 Stata 12.1을 사용하였다.
<표 1.6> 패널개체별 불변변수 단위근 검정 변수명 변수 수준변수 차분변수 KOSPI 일중수익률 -3.563*** KOSPI 일간수익률 표준편차×평균종가 -4.149*** 해상운임 -2.245 -7.156*** 환율 -2.330 -5.340*** 금리 -1.013 -4.814*** 실업률 -3.295** 주: 1) Dickey-Fuller 단위근 검정을 수행함. 2) ***은 1%에서, **은 5%에서, *은 10%에서 유의( 검정) 종속변수에 해당하는 거래량 및 거래금액 변수가 단위근이 존재 하지 않기 때문에 독립변수가 단위근이 존재하더라도 허구적 회귀 (spurious regression)의 발생가능성은 크지 않다. 따라서 본 연구 에서는 단위근이 존재하는 독립변수라도 그대로 사용하였다. 본고는 종속변수로 거래량과 거래금액을 사용하여 패널자료 분석 을 시행하였다. 만약 패널 개체별로 이질성(heterogeneity)이 존재 하는 경우에는 고정효과(fixed effect) 추정법이나 임의효과(random effect) 추정법을 사용하는 것이 바람직할 것이고, 이질성이 확인되 지 않는 경우에는 합동(pooled) 회귀분석을 수행하는 것이 바람직 할 것이다. 그리고 패널 개체별로 이분산성이 존재하는 경우 이를 고려하여야 할 것이다. 따라서 적절한 모형을 선택하기 위해 이질 성, 이분산성을 검토한 후 분석을 진행한다. 우선 <표 1.7>은 패널 개체 간에 이질성(heterogeneity)을 고려 할 것인지를 검정하고, 고려한다면 고정효과 추정법과 임의효과 추 정법 중 어느 것이 더 효율적인 추정량인지를 검정한 것이다. 검정 결과에 의하면, 거래량을 종속변수로 하였을 때 고정효과 추정결과 와 임의효과 추정결과에서 패널 개체별 이질성이 발견되지 않았다
(F검정, LR검정). 반면에 거래금액을 종속변수로 한 모형에서는 고 정효과 추정결과와 임의효과 추정결과에서 패널 개체 간 이질성이 확인되었다. 따라서 거래량을 종속변수로 한 모형은 합동회귀분석을 수행하는 것이 가능할 것이다. 거래금액을 종속변수로 한 경우에는 합동회귀분석보다는 고정효과 또는 임의효과 추정법이 바람직할 것 이다. 그리고 이에 대한 Hausman 검정에 따르면 고정효과 추정법 이 더 효율적인 추정량인 것으로 나타난다. <표 1.7> 패널그룹 간 이질성 검정 및 Hausman 검정 종속변수 고정효과모형 이질성검정† ( ) 임의효과모형 이질성검정†† ( ) Hausman 검정††† ( ) 거래량 1.82 0.00 7.21 거래금액 7.76*** 11.35*** 28.68*** 주: 1) ***은 1%에서, **은 5%에서, *은 10%에서 유의 2) †은 분포, ††은 분포, †††은 분포에 의해 수행 종속변수를 거래량으로 한 경우에는 합동회귀분석이 수행되는데, 패널 개체별로 이분산성, 자기상관 등이 존재하는 경우에는 이를 고 려하야만 바람직한 추정량을 얻을 수 있다. 따라서 이분산성이 존재 하는 것인지 또는 자기상관이 존재하는 것인지를 검정할 필요가 있 다. <표 1.8>은 이에 대한 검정 결과이다. 옥수수, 대두, 밀, 원당, 원면에 대한 패널 개체별 오차항 분산의 차이는 LR(Likelihood Ratio)검정을 통하여 분석되었는데, 동분산성(homoskedasticity)의 귀무가설은 기각되었다. 오차항의 자기상관 여부는 Wooldridge 검 정을 통하여 실시하였고, 검정결과에 따르면 자기상관은 없는 것으 로 나타난다. 따라서 거래량을 종속변수로 하는 모형에서는 이분산 을 고려한 합동회귀분석을 시행하는 것이 바람직하다.
<표 1.8> GLS모형의 패널개체 간 이분산성 검정 및 자기상관 검정 분산( ) 옥수수 대두 밀 원당 원면 이분선상 LR 검정 Wooldridge 자기상관검정 거래량 0.330 0.236 0.189 0.644 0.202 34.57*** 0.576 거래금액 0.285 0.353 0.228 0.691 0.277 22.72*** 1.837 주: 1) ***은 1%에서, **은 5%에서, *은 10%에서 유의 2) LR검정은 분포에 의하여 수행. Wooldridge 자기상관검정은 분포 에 의하여 수행 <표 1.9>는 거래량과 거래금액에 대한 분석결과이다. 거래량의 경우, 앞서의 검정을 통하여 적절한 분석방법은 이분산이 고려된 합 동회귀분석이었고, 거래금액의 경우에는 고정효과 추정법이 적정하 였다. 다만, <표 1.9>는 이질성과 이분산을 통제하지 않더라도 설 명변수의 유의성에는 큰 변화가 없다는 것을 확인할 수 있도록 두 추정결과를 동시에 제시하였다. 앞의 검정결과에 따라 해외선물 거래량에 대한 분석 결과를 살펴 보면, 해외선물 시장의 월간 평균 일중수익률은 양(+)의 관계가 나 타난다. 일간수익률 표준편차와 종가의 교호작용(또는 ‘교호작용’이 라 혼용함)은 통계적 유의성을 보였다. 일중수익률은 스캘퍼와 데이 트레이더를 염두에 둔 변수인데, 양(+)의 영향을 미치는 것으로 나 타났고, 포지션트레이더14)를 고려한 일간수익률 표준편차와 종가의 교호작용 변수도 양(+)의 영향을 미치는 것으로 나타났다. 이는 해 외선물시장의 변동성이 확대되면, 시세차익 선물거래는 확대되는 것 을 제시한다. 대체 시세차익거래 시장으로 KOSPI를 고려하여 그 일중수익률과 일간수익률 표준편차와 종가의 교호작용 변수를 반영하였는데 유의 한 결과를 얻었다. 일중수익률이 상승하는 경우 해외선물거래가 감 14) 장기적인 전망을 가지고 시세차익거래를 하는 자를 말한다.
소하는 것으로 나타나고, 일간수익률 표준편차와 종가의 교호작용이 커지는 경우 해외선물거래가 증가하는 것으로 나타난다. 이는 스갤 퍼나 데이트레이더의 입장에서 해외선물과 KOSPI 간에 반비례 관 계의 성격(대체성)을 보여준다. 반면 포지션트레이더의 입장에서는 해외선물과 KOSPI 간에 비례 관계(보완성)를 보여준다. <표 1.9> 해외선물의 거래량 및 거래금액의 분석결과 종속변수 거래량 거래금액 합동회귀† (이분산 GLS) 고정효과 (fixed effect) 합동회귀 (이분산 GLS) 고정효과† (fixed effect) 일중수익률 28.710*** 25.175*** 24.556*** 31.919*** 일간수익률 표준편차×평균종가 0.007 0.013 * 0.038*** 0.016** 시세차익압력 2.056*** 1.417*** 2.611*** 2.060*** KOSPI 일중수익률 -21.785 ** -30.734*** -25.281** -26.950** KOSPI일간수익률 표준편차×평균종가 0.011* 0.020*** 0.01 0.013* 미결제약정 0.067** 0.059* 0.046 0.049 헤징압력 -1.104*** -0.756* -1.319*** -1.055** 수출입량 0.096 0.027 0.1 0.024 수출입가격 -0.119 -0.358* 0.215* 0.209 해상운임 -0.039 -0.076 -0.032 -0.074 환율 -0.126 -0.293 -1.199* -1.731*** 금리 -25.109*** -23.894*** -26.327*** -25.800*** 실업률 32.987*** 34.928*** 38.298*** 38.044*** 상수 7.064 10.973* 15.715*** 20.758*** 표본수 341 341 341 341 0.178 0.406 0.58 0.596 0.086 0.317 주: 1) †은 적정한 추정모형을 나타냄. 2) ***은 1%에서, **은 5%에서, *은 10%에서 유의(고정효과: t-검정, GLS: z-검정)
해외선물시장의 시세차익 매수 경향에 따라 국내 선물거래 시장 이 어떠한 반응을 보이는지 살피기 위해 반영한 시세차익압력 변수 는 통계적 유의성이 확인되었다. 즉, 해외선물시장의 시세차익거래 자들에 대한 순매수 포지션 비율이 확대되면 국내의 해외선물 거래 량도 증가하는 것으로 나타난다. 이는 해외의 시세차익거래자들의 매수포지션과 국내의 해외선물거래량 간에는 동조성을 지닌 것으로 판단할 수 있다. 이외의 추정변수들은 헤저의 기대실물포지션에 대한 정보변수이 다. Martell and Wolf(1987)의 연구에서는 현물시장의 수급상황을 반영하기 위하여 미결제약정변수를 포함하였다. 기존연구와 같이 본 연구에서도 미결제약정 변수를 포함하였고, 더 나아가 현물시장과 직접적인 관계가 있는 헤저의 순매도 포지션을 반영하고자 하였다. 그 결과 미결제약정은 유의한 것으로 나타났다. 헤징압력은 해외선 물거래와 양(+)의 관계가 나타났다. 즉 해외시장에서 헤저들의 순 매도 비율이 확대되면 국내 해외선물 거래는 증가한다. 순매도 포지 션이 확대되는 것은 ‘생산자/도매인/가공업자/소비자’가 생산물에 대 한 매도헤징 경향이 짙어지는 것을 의미하는 데, 이 경우 국내의 해 외선물거래 규모는 동시에 확대되는 것으로 나타난다. 수출입량과 수출입가격은 유의미성을 보이지 못하였다. 해상운임, 환율 변수는 통계적 유의성이 나타나지 않았다. 만약, 선물을 위험 관리 수단으로 활용할 수 있는 헤저들의 이용이 활발하였다면, 이들 변수는 선물 거래량에 영향을 미쳤을 것으로 예상된다. 하지만 윤병 삼(2010)에 의하면 국내의 농산물 업체들은 농산물 해외선물을 이 용하는 데 다음의 한계가 있다고 지적하였다. 우선, 국내 농산물업 체들은 선물거래의 목적과 헤징의 기본 메커니즘에 대한 인식이 부 족하고, 헤징을 통한 구매 목표가격에 대한 명확한 인식도 부재하 며, 베이시스 자료의 축적이 미흡하다고 하였다. 또한, 수입업체 간
에 농산물의 수입을 공동구매하는 관행이 존재하고, 해외신용거래와 회계처리의 어려움, 전문인력 부재 등으로 헤저가 선물을 활용하는 데 제약요인이 있음을 언급하였다. 유영태(2008)의 일부 기업을 대 상으로 한 설문조사에 따르면, 베이시스 거래를 통해 구매량의 20~30%를 조달하는 것으로 조사된 바 있고, 윤종복·김성훈·윤병삼 (2005)은 옥수수 구매량의 4%만이 선물시장을 활용하는 것으로 조 사한 바 있다. 따라서 이상의 해외선물 이용실태로 인해 기대실물포 지션 정보 변수들은 유의미한 결과를 얻지 못한 것으로 보인다. 금리는 통계적 유의미성을 보였다. 금리가 상승하는 것은 수입원 료 조달비용의 상승을 의미하게 되는데, 만약 다른 조건이 동일하다 면, 비용 상승은 수입물량을 감소시키기 때문에 헤징대상도 감소하 게 된다. 그리고 이에 따라 선물거래량도 감소하게 된다. 더불어 금 리는 시세차익거래자에게도 영향을 미칠 수 있다. 금리가 상승하면 투자자금 조달비용이 상승하는 것임으로 해외선물거래를 축소하는 결과를 낳게 할 수 있다.
Martell and Wolf(1987)의 모형에서 거시경제 전반을 나타내는 대리변수로 실업률 변수를 포함한 것과 같은 이유로 본 연구에서도 실업률 변수를 포함하였는데, 실업률 변수는 양(+)의 영향을 미치 는 것으로 나타났다. 만약 국내 헤저가 해외선물을 적극적으로 활용 하는 실태라면, 음(-)의 관계가 나타나는 것이 예상된다. 그 이유는 실업률이 거시경제를 대리한다는 측면에서 실업률 상승은 경기 악 화를 의미하고, 이에 따라 실물에 대한 수요는 감소하게 될 것이고, 매입헤지량도 줄어들게 될 것이기 때문이다. 그럼에도 양(+)의 관 계가 나타난 것은 여러 가능성에서 검토될 수 있다. 첫째, 필립스 곡선(phillips curve)에 따라 높은 실업률은 저물가를 의미하게 되 어, 포지션트레이더가 상품가격이 낮게 형성된 것으로 판단하고 매 수포지션을 증가시킬 가능성을 가지게 된다. 다만, 국내에서 실업률
과 물가 간에 안정적인 상충관계(trade-off)가 실증적으로 확립되 는 경우에만 이러한 해석이 가능하게 될 것이다15). 둘째, 실업률 변 수가 계절적 변동을 내포하고 있어, 계절성 통제 변수로 작용하였을 가능성이 있다. 실제 실업률은 상대적으로 1, 2, 3월에 높게 나타나 고, 9, 10, 11월에 낮게 나타나는 경향이 있다. 따라서 해외선물 거 래량이 계절적인 영향을 받아 변동된 것일 가능성이 있다. 거래금액 모형에서는 일간수익률 표준편차와 평균종가의 교호작 용 변수와 환율 변수가 추가적으로 통계적 유의성을 보였다. <표 1.9>의 분석결과 하단에는 에 대한 계수가 있다. 이 계수 는 로 계산되고, 전체 오차항의 분산에서 패널 그룹 의 오차항이 차지하는 비율을 의미한다. 거래량을 종속변수로 한 모 형에서는 고정효과 추정법의 는 0.086으로 나타났고, 거래금액을 종속변수로 한 모형에서는 각각 0.317으로 나타났다. 거래금액모형 이 거래량모형보다 더 패널 개체별로 이질적인 특성이 있음을 나타 내고 있다. <표 1.10>은 고정효과 추정법에서 패널 개체별 이질성의 정도를 나타내고 있다. 각 개체의 모수가 모두 0이 아니라는 귀무가설에 대 한 F 검정의 결과, 추정모수는 유의미한 것으로 나타난다. <표 1.10> 고정효과 분석결과 고정효과() 옥수수 대두 밀 원당 원면 F 검정 거래량 5.766 5.395 5.199 5.330 5.094 13.20*** 거래금액 11.095 10.988 10.707 10.900 11.161 72.03*** 주: ***은 1%에서, **은 5%에서, *은 10%에서 유의( 분포에 의한 검정) 15) 장기적 측면에서 물가와 실업의 상충관계는 나타나지 않지만, 단기적 관점에 서는 존재할 가능성이 있다.
