Ⅰ. 서 론
각 국의 산업구조는 유통업, 금융업, 자동차산업
등으로 다양하게 구성되어 있으며 이러한 산업구조 를 대표하는 지수가 증권시장이다. 본 연구에선 다 양한 산업별지수중에서 한국 거래소에 상장되어 있
* 경남대학교 경영학부 교수([email protected]), 주저자
** 경남테크노파크 팀장([email protected]), 공동저자
*** 두산중공업 차장([email protected]), 공동저자
**** 이노브라보 재무이사([email protected]), 공동저자
***** 창원시 1인 창조기업 지원센터 매니저([email protected]), 공동저자
****** 경남신용보증재단 과장([email protected]), 공동저자
거래소 및 코스닥 유통업종의 군집현상 및 정보전달체계에 관한 연구
홍정효*1)⋅김진상**2)⋅장원석***3)⋅고봉선****4)⋅김선자*****5)⋅정주상******
국문요약
동 연구는 유통산업의 군집현상(herding effect)과 거래량정보효과에 대한 연구를 실시하였다. 이를 위하 여 1999년 6월 25일부터 2018년 10월 31일까지 코스닥 시장에 상장된 유통업종의 일별주가지수 및 거래량 자 료를 사용하였으며 GJR-GARCH(1,1)-M 모형을 이용하였으며 주요 실증분석결과는 다음과 같다.
첫째, 코스닥과 거래소 유통업종지수 가격과 거래량 등 수준변수사이에는 공적분관계가 존재하고 있으 며, 코스닥 유통업종지수 수익률은 거래소 유통업종지수 수익률에 대하여 영향을 미치고 있으나 그 반대 현 상은 통계적으로 유의한 수준에서 영향을 미치고 있지 않는 것으로 나타났다.
둘째, 거래소와 코스닥 유통업종지수 거래변화량 사이에는 양방향적인 영향력을 미치고 있는 것으로 나 타났다.
셋째, 거래소와 코스닥 유통업종지수 거래변화량은 수익률에 대해서 교차적인 영향력을 미치고 있는 것 으로 나타났다.
넷째, 거래소 유통업종지수 수익률은 거래변화량에 영향을 미치고 있지 않으나, 코스닥 유통업종지수 수 익률은 거래변화량에 대하여 교차적인 영향력을 통계적으로 유의하게 미치고 있는 것으로 나타났다.
다섯째, GJR-GARCH모형 추정결과 거래소 및 코스닥 수익률 모두 ARCH 및 GARCH 효과 그리고 변동성 군 집현상이 존재하고 있으며 정보의 비대칭성 즉, 레버리지효과도 통계적으로 유의하게 존재함에 따라 거래소 와 코스닥 유통업종지수 수익률은 호재 보다는 악재에 더 민감하게 반응하고 있음을 추론해 볼 수 있다. 동 연구 의 한계점으로는 유통업종에 대해서만 분석하였으나 다른 업종에 대한 분석과 시장효율성 측면에서 거래량관 련 주요 가설인 순차적정보도착가설과 혼합분포가설 검증에 대한 연구는 추후 연구과제로 남기기로 한다.
│주제어│유통업 주가지수, 거래량, 군집현상, 정보의 비대칭성, GARCH모형
는 유통업종지수들의 수익률과 거래변화량의 정보 전달 메커니즘을 분석하였다. 유통산업지수들의 가 격 및 거래량 변화에 대한 예측은 유통기업의 경영 자 뿐만 아니라 해당 유통산업에 대한 투자자들에게 도 매우 중요하다.
Roll(1992)은 각국의 산업구조는 주가지수를 설 명하는 주요한 변수이며 대부분의 국가에서 환율도 주식시장 수익률을 설명하는 주요한 변수로 제시하 였다. Asari et al.(2011)은 1999년부터 2009년까지 벡 터오차수정모형을 이용하여 말레이시아 이자율, 인 플레이션 및 환율사이의 상호관계를 분석한 결과 인 플레이션은 이자율에 영향을 미치고 이자율은 환율 에 영향을 미치는 것으로 제시하였다. Munir et al.(2009)는 threshold 회귀분석을 이용하여 말레이시 아 인플레이션과 경제성자율사이의 관계를 분석한 결과, 두 변수사이에는 정(+)의 관계가 있는 것으로 제시하였다. Riza and Ali(2006)는 상하이 업종 및 시 장지수를 상승장과 하락장으로 나누어 분석한 결과 중국시장에서 군집현상은 존재하지 않고 있으며 시 장지수의 변화가 큰 경우 수익률이 높으며 과도한 하락장에서는 수익률의 변동성이 상승장세보다 상 대적으로 더 큰 것으로 제시하였다. Maysami et al.(2004)는 요한센 공적분 검증모형을 이용하여 싱 가포르 거시경제지표와 증권지수, 금융, 부동산 및 호텔 등 산업별지수사이의 연관성을 분석한 결과, 싱가포르 증권지수와 부동산지수는 장단기이자율, 산업생산, 물가수준과 환율 등의 거시경제지표와 장기적인 균형관계가 존재하는 것으로 주장하였다.
Hammoudeh et al.(2004)은 공적분 모형을 이용하 여 원유가격과 원유산업지수사이의 정보전달체계 를 분석한 결과, 일별 원유산업지수는 뉴욕상품거 래소(NYMEX) 원융선물시장에 대한 영향력이 거의 없으나 원유선물시장에서 원유현물산업지수로의 변동성 이전효과는 존재하는 것으로 제시하였다.
Chang et al.(2013)은 1998년부터 2009년까지
GARCH류 모형을 이용하여 WTI, 브렌트유 등 원유
시장과 FTSE100, NYSE, S&P500 및 다우존스산업 평균지수 등 증권시장사이에 어떠한 관계가 있는지 를 분석한 결과, 두 시장사이에 변동성 전이효과와 레버리지효과 즉, 정보의 비대칭성 특성이 존재하 는 것으로 제시하였다. Rachev et al.(2007)은 22개 대 만 거래소에 상장된 산업별지수 분포(distribution)의 통계적 특성을 GARCH류 모형을 이용하여 분석한 결과, 안정적인 파레토분포가 가우스분포보다 상대 적으로 더 나으며 안정적인 ARMA-GARCH모형이 정규분포의 ARMA-GARCH모형보다 상대적으로 더 나은 것으로 제시하였다.
기존의 선행연구들은 대부분 산업전체 지수를 중 심으로 각 시계열사이의 동태적인 관계를 벡터오차 수정모형, 그랜즈 인과관계모형 또는 GARCH류 모 형 등을 이용하여 분석하였으나, 개별 산업지수에 대한 연구는 많이 이루어지지 않은 것으로 보여진 다. 따라서 본 연구는 기존 연구를 확장하여 한국거 래소의 유가증권시장과 코스닥시장에 상장된 유통 업종지수의 수익률과 거래량사이의 동적연관성을 분석하였다.
동 연구는 제1장의 서론에 이어 제2장에서는 거 래소 및 코스닥 유통업종지수 가격, 거래량의 통계 적인 특성을 분석하였으며, 제 3장에서는 유통업종 지수 수익률과 거래변화량간의 변동성이전 및 인과 관계, 레버리지효과 및 변동성군집현상 등을 분석 하기 위한 연구가설과 연구방법론을 제시하였다.
제4장에서는 거래소 및 코스닥 유통산업지수에 대 한 실증분석결과 및 제5장에서는 본 연구의 결론을 제시하였다.
Ⅱ. 분석자료 및 통계적 특성 분석
한국거래소에 상장된 유통업을 영위하는 기업들 의 주가지수사이의 동태적인 정보전달체계 및 거래 량 정보유용성, 정보의 비대칭성 및 변동성 군집현
Panel a: The Trend of the Logistic Industry’s Stock Index in the Korea Stock Exchange and KOSDAQ
Panel b: The Trend of the Logistic Industry’s Stock Index and Trading Volume in the Korea Stock Exchange
Panel c: The Trend of the Logistic Industry’s Stock Index and Trading Volume in the KOSDAQ
<Graph 1> The Trend Analysis of the Logistic Industry’s Stock Index and Trading Volume in the Korea Stock Exchange and KOSDAQ
Remarks
Logistic Industry’s Index in the Korea Stock Exchange
Logistic Industry’s Trading Volume in the Korea Stock Exchange
Level Variables Returns Level Variables Trading Volume Change
Mean 395.705 -5.34E-05 32204.74 -8.73E-05
Median 440.790 0.000 26289.000 -0.016
Maximum 653.120 0.131 217022.000 2.050
Minimum 118.360 -0.134 4312.000 -1.495
Standard Deviation 128.464 0.018 22404.920 0.324
Skewness -0.52746 -0.43294 2.37585 0.35445
Kurtosis 1.94721 9.24866 12.07885 4.21099
J-B 442.305 7924.271 20908.960 392.086
Unit Root Test
ADF -1.908529 -63.0848*** -9.46601*** -31.5616***
PP -1.751087 -62.8234*** -38.1917*** -255.787***
Samples 4,779 4,779
Panel a: The Basic Statistics Analysis of the Logistic Industry’s Index and Trading Volume in the Korea Stock Exchange
Remarks
Logistic Industry’s Index in the KOSDAQ Logistic Industry’s Trading Volume in the KOSDAQ
Level Variables Returns Level Variables Trading Volume Change
Mean 540.88 -0.0002 38755.6 0.0011
Median 475.80 0.0006 31536.0 -0.0204
Maximum 2013.40 0.8122 508285.0 4.4370
Minimum 245.45 -0.1276 25.0000 -5.0045
Standard Deviation 226.94 0.0249 35578.1 0.3593
Skewness 1.6619 7.9183 3.66596 0.1996
Kurtosis 6.7297 258.22 28.3916 17.6487
J-B 4969.9*** 13020376.0*** 139086.6*** 42760.9***
Unit Root Test
ADF -4.3095*** -26.9371*** -6.8364*** -35.1572***
PP -3.6477*** -58.9151*** -36.1429*** -211.5423***
Samples 4,779 4,779
Panel b: The Basic Statistics Analysis of the Logistic Industry’s Index and Trading Volume in the KOSDAQ
주 1: 전체분석기간은 1999년 6월 25일부터 2018년 10월 31일까지임. 2: ***는 1% 유의수준에서 통계적으로 유의함을 의미함.
3: J-B는 각 시계열의 정규성 검증을 위한 Jarque-Bera 검증 통계량을 의미함
4: ADF는 Augmented Dickey-Fuller, PP는 Phillips-Perron을 의미하며 검정통계량 값은 1%는 -3.431537, 5%는 -2.861949, 10%는 –2.567031임. 5: 단위근관련 귀무가설은 “각 변수에는 단위근이 존재한다.” 임.
<Table 1> The Basic Statistics Analysis of the Logistic Industry in the Korea Stock Exchange and KOSDAQ
상 존재여부를 분석하기위하여 코스닥 유통업종지 수가 산정되기 시작한 1999년 6월 25일부터 2018년 10월 31일까지 일별 시계열자료를 이용하였다. 거 래소 및 코스닥 유통업종지수의 수익률과 거래량은 로그 값을 취한 금일 가격 또는 거래량에서 로그값 을 취한 전일 가격 또는 거래량을 차감1)하여 계산하 였다.
<Graph 1> Panel a에 의하면 거래소 유통업종지수 는 2001년이후 2007년까지 지속적으로 상승한 후 2008년 글로벌 금융위기시에는 220포인트 수준까 지 급격히 하락한 후 2013년까지 급격히 상승하고 그 이우헤는 다소 하락하는 추세를 보여주고 있다.
Panel b에 의하면, 거래소 유통업종지수가 크게 하락 한 기간과 2011년 이후 점진적으로 하락하는 기간동 안에는 거래량이 상당히 증가하였으나, 거래소 유 통업종지수가 급격히 상승하는 기간에는 거래량이 감소하는 것으로 나타났다.
Panel c에 의하면 코스닥 유통업종 지수의 거래량 은 전반적으로 거래소 유통업종지수의 거래량보다 는 상대적으로 적으며, 2005년 이후 코스닥 유통업 종지수의 거래량은 점진적으로 증가한 후 2008년 금 융위기 기간에는 급격히 증가하였으며 2009년 이후 에는 거래량이 점진적으로 하락하는 추세를 보여주 고 있다.
<Table 1> panel a에 의하면 전체분석기간 동안 거 래소 유통업종 지수 수익률과 거래변화량은 음(-)의 값을 가지고 있으며, 일평균거래량은 32,204건이 체 결되었으며 평균 가격은 395포인트 수준인 것으로 나타났다. 거래소 유통업종지수 가격을 제외한 수 익률, 거래량 및 거래변화량은 “단위근이 가지고 있 다.”라는 귀무가설을 통계적으로 유의하게 기각하 는 것으로 나타났다.
<Table 1>의 panel b에 의하면 코스닥 유통업종지
수 수익률은 양(+), 거래변화량은 음(-)의 값을 가지 고 있으며, 코스닥 유통업종지수 일평균거래량은 38,755으로 거래소 유통업종지수 일평균 거래량보 다 상대적으로 더 많은 것으로 나타났으며, 코스닥 유통업종지수 일평균 가격은 540포인트 수준으로 거래소 유통업종지수 일평균지수보다 상대적으로 더 높은 것으로 나타났다. 한편, 단위근 검증결과 코 스닥 유통업종지수 가격, 수익률, 거래량 및 거래변 화량은 모두 “단위근을 가지고 있다.”라는 귀무가설
을 1% 유의수준에서 모두 기각하는 것으로 나타
났다.
거래소 및 코스닥 유통업종지수의 변동성을 비교 해 보면 예상한 바와 같이 코스닥 유통업종지수 수 익률과 거래변화량의 표준편차는 각각 0.0249와 0.3593으로 거래소 유통업종지수 수익률의 표준편 차(0.018)과 거래변화량의 표준편차(0.324)보다 상 대적으로 더 높은 것으로 나타났다.
한편, 거래소 및 코스닥 유통업종지수 가격 및 거 래량자료를 이용하여 전체 분석기간동안 “공적분 관계가 존재하지 않는다.”라는 귀무가설을 요한센 공적분 검증 모형을 이용하여 추정한 결과 1%유의 수준에서 기각되는 것으로 나타났다. 이는 거래소 및 코스닥 유통업종지수 가격과 거래량사이에는 장기 적인 균형관계가 존재하고 있음을 보여주고 있다.
Ⅲ. 연구가설 및 연구방법론
본 연구의 목적은 거래소 및 코스닥 유통업종지 수 수익률과 거래변화량 시계열사이의 정보전달메 커니점, 군집현상 및 레버리지효과 즉, 정보의 비대 칭성을 분석하는데 있다. 이를 검증하기 위하여 귀 무가설은 다음과 같이 설정하였다.
1) ln ln , 는 금일 거래소 및 코스닥 유통업종지수 수익률 또는 거래변화량, ln()는 로그 값을 취한 금일 거 래소 및 코스닥 유통업종지수 가격 또는 거래량, ln 는 로그 값을 취한 전일 거래소 및 코스닥 유통업종지수 가격 또는 거래 량을 각각 의미한다.
: 거래소 유통업종지수 수익률과 거래변화량 사이에는 정보이전효과가 존재하지 않는다.
: 코스닥 유통업종지수 수익률과 거래변화량
사이에는 정보이전효과가 존재하지 않는다.
: 거래소 유통업종지수 수익률과 코스닥 유통
업종 지수 수익률사이에는 정보이전효과가 존재하지 않는다.
위의 귀무가설 1 즉, 거래소 유통업종지수 수익률 과 거래변화량사이의 인과관계를 검증하기 위하여 벡터자기회귀모형에 기초한 그랜즈 인과관계분석 을 실시하였으며 이를 식으로 나타내면 다음과 같다.
그리고 거래소 유통업종지수 가격과 거래량사이 의 공적분관계를 고려하여 오차수정항을 포함시킨 벡터자기회귀모형 즉, 벡터오차수정모형을 도입하 였으며 이를 식으로 나타내면 다음과 같다.
식(1)과 (2)에서 ECT는 오차수정항, KSDIR과 KSDIVR은 거래소 유통업종지수 수익률과 거래변 화량을 각각 의미한다. 위 식(1)에서 에 통계적 인 유의성이 존재하는 경우 거래소 유통업종지수 거 래변화량이 거래소 유통업종지수 수익률에 영향을 미친다는 것을 의미한다. 이 통계적으로 유의한
경우, 이는 거래소 유통업종지수 수익률에 거래변 화량에 대하여 예측력을 지니고 있음을 의미한다.
코스닥(KOSDAQ) 유통업종지수 거래변화량과 수 익률사이의 정보전달메커니즘도 동일한 방법론 을 사용하였다. 거래소 및 코스닥 유통업지수 수익 률과 거래변화량 등 4가지 시계열을 이용한 선도- 지연관계는 4x4 행렬의 벡터자기회귀모형(VECM:
vector error correction model)을 이용하였다.
한편, 거래소 및 코스닥 유통업종지수 수익률에 대한 거래소 및 코스닥 유통업종지수 거래변화량의 조건부 평균 및 변동성이전효과, 레버리지효과 (leverage effect)와 변동성 군집효과에 대한 분석은 GJR-GARCH(1,1) 모형을 이용하였다. 이를 식으로 나타내면 다음과 같다.
조건부평균식 :
(3) 조건부분산식 :
(4)
위 식(3)의 조건부평균식에서 는 조건부분산,
, , 에 통계적으로 유의한 경우 거래소 유통업 종지수 거래변화량, 코스닥 유통업종지수 수익률과 Hypothesized
No. of CE(s) Eigenvalue Trace
Statistic
0.05
Critical Value Prob.**
None 0.023431 249.3562*** 47.85613 0.0001
At most 1 0.022039 136.1674*** 29.79707 0.0001
At most 2 0.005746 29.77845*** 15.49471 0.0002
At most 3 0.000475 2.265986 3.841466 0.1322
주 1: 전체분석기간은 1999년 6월 25일부터 2018년 10월 31일까지임. 2: ***는 1% 유의수준에서 통계적으로 유의함을 의미함.
3: 공적분 검증관련 귀무가설은 “각 변수사이에 장기적인 균형관계가 존재하지 않는다.” 임.
<Table 2> The Co-Integration Analysis of the Logistic Industry’s Index and Trading Volume in the Korea Stock Exchange and KOSDAQ
⋯
(1)
⋯
(2)
거래변화량으로부터 거래소 유통업종지수 수익률 에 대한 조건부평균이전효과가 존재하고 있음을 의
Remarks KSDIPR KSDIVR KQDIPR KQDIVR
KSDIPR (-1) 0.063423*** 0.522866** 0.041687* -0.694414**
[ 3.85877] [ 1.97910] [ 1.88700] [-2.40385]
KSDIPR (-2) -0.013529 -0.513031* 0.055738** -0.181615
[-0.82146] [-1.93790] [ 2.51784] [-0.62741]
KSDIPR (-3) 0.024018 0.101363 0.031053 0.127178
[ 1.45782] [ 0.38275] [ 1.40228] [ 0.43920]
KSDIPR (-4) -0.049388*** -0.369147 -0.007281 0.053195
[-3.00229] [-1.39607] [-0.32930] [ 0.18399]
KSDIVR (-1) -0.000381 -0.462758*** -0.0007 0.014557
[-0.42342] [-32.0263] [-0.57923] [ 0.92137]
KSDIVR (-2) 0.000519 -0.291511*** -0.000809 0.008362
[ 0.53136] [-18.5511] [-0.61587] [ 0.48670]
KSDIVR (-3) -0.001013 -0.184617*** -0.000873 -0.000531
[-1.03651] [-11.7549] [-0.66488] [-0.03091]
KSDIVR (-4) -0.000656 -0.107774*** -0.000607 -0.001458
[-0.73127] [-7.46911] [-0.50298] [-0.09244]
KQDIPR (-1) 0.050917*** 0.388799* 0.143626*** 1.856745***
[ 4.16634] [ 1.97920] [ 8.74354] [ 8.64430]
KQDIPR (-2) -0.017405 0.244422 -0.083356*** -0.146493
[-1.40111] [ 1.22410] [-4.99237] [-0.67098]
KQDIPR (-3) 0.0156 0.050906 0.019872 0.366671*
[ 1.25613] [ 0.25500] [ 1.19044] [ 1.67984]
KQDIPR (-4) 0.020989* 0.158083 0.017919 -0.004707
[ 1.70499] [ 0.79889] [ 1.08297] [-0.02176]
KQDIVR (-1) -0.001207 0.015532 0.000494 -0.472304***
[-1.46867] [ 1.17611] [ 0.44754] [-32.7088]
KQDIVR (-2) 0.000259 -0.001281 0.001438 -0.300699***
[ 0.28683] [-0.08842] [ 1.18720] [-18.9813]
KQDIVR (-3) 0.000255 0.008648 0.000701 -0.15183***
[ 0.28269] [ 0.59716] [ 0.57905] [-9.58888]
KQDIVR (-4) 0.000753 0.008739 0.000419 -0.112601***
[ 0.92456] [ 0.66754] [ 0.38302] [-7.86588]
주 1: 전체분석기간은 1999년 6월 25일부터 2018년 10월 31일까지임. 2: ***, **, *는 1%, 5% 및 10% 유의수준에서 통계적으로 유의함을 의미함.
3: 위 표에서 KSDIPR, KSDIVR은 거래소 유통업종지수 수익률과 거래변화량, KQDIPR과 KQDIVR은 코스닥 유통업지수 수익률과 거 래변화량을 각각 의미함
<Table 3> The VAR(4) Estimation Results of the Logistic Industry’s Index and Trading Volume in the Korea Stock Exchange
미한다. 식(4)에서 은 레버리지효과를 측정하는 지표이며 이 정(+)의 값을 가지는 경우, 음(-)의 추 정잔차가 양(+)의 추정잔차 보다 변동성을 더 증가 시킴을 의미하고 와 의 합이 일(1)에 가까워질 수록 변동성 충격의 지속성이 높아지는 변동성군집 효과가 거래소 유통업종지수 또는 코스닥 유통업종 지수에서 통계적으로 유의하게 존재한다는 것을 의 미한다.
Ⅳ. 실증분석결과
1. VAR모형을 이용한 거래소 및 코스닥 유통업 종시장에서의 선도-지연분석
본 연구에서는 거래소 및 코스닥 유통업종지수 수익률과 거래변화량자료를 이용하여 각 변수사이 의 단기적인 정보전달체계, 변동성 이전효과 및 변 동성 군집효과 등에 대한 분석을 실시하였다. <Table 3>에 의하면 거래소 유통업종지수 수익률은 거래소 유통업종지수 거래변화량에 대하여 시차 1에서 정 (+)영향력을 통계적으로 유의하게 미치고 있으며, 코스닥 유통업종지수 수익률에 대해서는 시차 1과 2 에서 통계적으로 유의한 정(+)의 예측력을 지니고 있으나 코스닥 유통업종지수 거래변화량에 대해서 는 시차 1에서 1% 유의수준에서 통계적으로 유의한 부(-)의 예측력을 지니고 있는 것으로 나타났다. 다 음으로 거래소 유통업종지수 거래변화량은 거래소 유통업종 수익률과 코스닥 유통업종 수익률 및 거래 변화량에 대하여 통계적으로 유의한 수준에서 예측 력을 지니고 있지 않은 것으로 나타났다.
한편, 코스닥 유통업종지수 수익률은 시차 1에서 거래소 유통업종 지수 수익률과 거래변화량과 코스 닥 유통업종지수 거래변화량에 대하여 1% 유의수 준에서 정(+)의 예측력을 미치는 것으로 나타났다.
마지막으로 코스닥 유통업종지수 거래변화량은 통 계적으로 유의한 수준에서 거래소 유통업종지수 수
익률, 코스닥 유통업종지수 수익률과 거래변화량에
대하여 영향력을 미치고 있지 않는 것으로 나타났다.
요약해 보면 거래소와 코스닥 유통업종지수 수익 률사이에는 시차 1에서 통계적으로 유의한 양방향 적인 영향력을 미치고 있으며 코스닥 유통업종지수 수익률의 거래소 유통업종지수 수익률에 대한 영향 력이 그 반대의 경우 보다 상대적으로 더 강한 것으 로 나타났다. 또한 거래소와 코스닥 유통업종지수 수익률은 거래소와 코스닥 유통업종지수 거래변화 량에 대하여 통계적으로 유의한 수준에서 정(+)의 영향력을 미치고 있으나 거래소와 코스닥 유통업종 지수 거래변화량은 거래소와 코스닥 유통업종지수 수익률에 대하여 통계적으로 유의한 예측력을 지니 고 있지 않은 것으로 나타났다.
2. Granger 인과관계 분석을 이용한 거래소 및 코스닥 유통업종시장에서의 선도-지연분석 벡터자기회귀모형의 허구적 회귀현상문제를 해 소하기 위하여 벡터자기회기모형에 기초한 그랜즈 인과관계 분석을 실시하였다. <Table 4> panel a에 의 하면 코스닥 유통업종지수 수익률과 거래변화량은
1%와 5% 유의수준에서, 거래소 유통업종지수 거래
변화량은 10% 유의수준에서 거래소 유통업종지수 수익률에 대하여 예측력을 지니고 있는 것으로 나타 났다. Panel b에 의하면 코스닥 유통업종지수 수익률 과 거래변화량은 거래소 유통업종지수 거래변화량 에 대하여 1% 유의수준에서 강한 영향력을 미치고 있으나 거래소 유통업종지수 수익률은 거래소 유통 업종지수 거래변화량에 대하여 통계적으로 유의 한 수준에서 영향력을 미치지 못하는 것으로 나타 났다.
Panel c에 의하면 거래소와 코스닥 유통업종지수 거래변화량은 코스닥 유통업종지수 수익률에 대하
여 1% 유의수준에서 영향력을 미치고 있으나, 거래
소 유통업종지수 수익률은 코스닥 유통업종지수 수 익률에 대하여 통계적으로 유의한 수준에서 예측력
을 지니고 있지 못한 것으로 나타났다. Panel e에 의 하면 코스닥 유통업종지수 거래변화량에 대하여 거 래소 유통업종지수 수익률은 통계적으로 유의한 수 준에서 영향력을 미치고 있지 않으나, 거래소 유통 업종지수 거래변화량과 코스닥 유통업종지수 수익 률은 1% 유의수준에서 코스닥 유통업종지수 거래 변화량에 대하여 강한 예측력을 지니고 있는 것으로 나타났다.
그랜즈 인과관계 분석결과를 요약해 보면, 코스 닥 유통업종지수 수익률은 거래소 유통업종지수 수
익률에 대하여 영향을 미치고 있으나 그 반대 현상 은 통계적으로 유의한 수준에서 영향을 미치고 있지 않는 것으로 나타났다. 거래소와 코스닥 유통업종 지수 거래변화량 사이에는 양방향적인 영향력을 미 치고 있으며 코스닥 거래변화량의 영향력이 상대적 으로 더 강한 것으로 나타났다. 그리고 거래소와 코 스닥 유통업종지수 거래변화량은 거래소 유통업종 지수 수익률에 대해서는 10%와 1% 유의수준에서, 코스닥 유통업종지수 수익률에 대해서는 1% 유의 수준에서 영향력을 미치는 것으로 나타났다. 이러
Panel a: Granger Causality Test to the Logistic Industry’s Index Return in the Korea Stock Exchange
Excluded Chi-sq df Prob.
D(KSDIVR) 9.3116* 4 0.0538
D(KQDIPR) 21.4348*** 4 0.0003
D(KQDIVR) 12.0621** 4 0.0169
Panel b: Granger Causality Test to the Logistic Industry’s Trading Volume in the Korea Stock Exchange
Excluded Chi-sq df Prob.
D(KSDIPR) 3.4313 4 0.4884
D(KQDIPR) 61.9415*** 4 0.0000
D(KQDIVR) 877.3892*** 4 0.0000
Panel c: Granger Causality Test to the Logistic Industry’s Index Return in the KOSDAQ
Excluded Chi-sq df Prob.
D(KSDIPR) 5.4357 4 0.2454
D(KSDIVR) 16.0020*** 4 0.0030
D(KQDIVR) 21.2856*** 4 0.0003
Panel d: Granger Causality Test to the Logistic Industry’s Trading Volume in the KOSDAQ
Excluded Chi-sq df Prob.
D(KSDIPR) 2.9601 4 0.5645
D(KSDIVR) 387.8178*** 4 0.0000
D(KQDIPR) 26.4988*** 4 0.0000
주 1: 전체분석기간은 1999년 6월 25일부터 2018년 10월 31일까지임. 2: ***, **, *는 1%, 5% 및 10% 유의수준에서 통계적으로 유의함을 의미함.
3: 위 표에서 KSDIPR, KSDIVR은 거래소 유통업종지수 수익률과 거래변화량, KQDIPR과 KQDIVR은 코스닥 유통업지수 수익률과 거 래변화량을 각각 의미함.
<Table 4> The Granger Causality Test Results of the Logistic Industry’s Index and Trading Volume in the Korea Stock Exchange
한 분석결과로부터 거래량의 수익률에 대한 정보유 용성이 통계적으로 유의하게 존재하고 있음을 추론 해 볼 수 있다. 한편, 거래소 유통업종지수 수익률은 거래소와 코스닥 유통업종지수 거래량에 대한 영향 을 미치고 있지 않으나, 코스닥 유통업종지수 수익 률은 거래소와 코스닥 유통업종지수 거래량에 대하 여 교차적인 영향력을 통계적으로 유의하게 미치고
있는 것으로 나타났다.
3. GJR-GARCH모형을 이용한 거래소 및 코 스닥 유통업종시장에서의 정보이전 및 변동 성 군집현상분석
본 장에서는 거래소와 코스닥 유통업종지수 수익
Variable Coefficient Std. Error z-Statistic Prob.
Mean Equation
GARCH 0.3861 1.2880 0.2998 0.7643
KSDIVR 0.0010** 0.0005 1.9276 0.0539
KQDIPR 0.3941*** 0.0050 78.4124 0.0000
KQDIVR -0.0004 0.0004 -0.9983 0.3181
C -4.19E-06 0.0002 -0.0182 0.9855
Variance Equation
C 9.89E-07*** 2.07E-07 4.7833 0.0000
RESID(-1)^2 0.0497*** 0.0053 9.3333 0.0000
RESID(-1)^2*(RESID(-1)<0) 0.0228*** 0.0069 3.2906 0.0010
GARCH(-1) 0.9360*** 0.0040 232.1294 0.0000
Panel a: A Test on the Influence of the Logistic Industry’s Trading Volume to Returns in the Korea Stock Exchange
Variable Coefficient Std. Error z-Statistic Prob.
Mean Equation
GARCH -0.0876 0.8099 -0.1082 0.9139
KSDIPR 0.4674*** 0.0084 55.5455 0.0000
KSDIVR -0.0016*** 0.0005 -3.1861 0.0014
KQDIVR 0.0010** 0.0004 2.1715 0.0299
C -9.29E-05 0.0002 -0.4427 0.6580
Variance Equation
C 3.23E-06*** 4.47E-07 7.2352 0.0000
RESID(-1)^2 0.1673*** 0.0064 26.2107 0.0000
RESID(-1)^2*(RESID(-1)<0) -0.0213** 0.0104 -2.0495 0.0404
GARCH(-1) 0.8549*** 0.0057 149.8666 0.0000
Panel b: A Test on the Influence of the Logistic Industry’s Trading Volume to Returns in the KOSDAQ
주 1: 전체분석기간은 1999년 6월 25일부터 2018년 10월 31일까지임. 2: ***, **, *는 1%, 5% 및 10% 유의수준에서 통계적으로 유의함을 의미함.
3: 위 표에서 KSDIPR, KSDIVR은 거래소 유통업종지수 수익률과 거래변화량, KQDIPR과 KQDIVR은 코스닥 유통업지수 수익률과 거래 변화량을 각각 의미함.
<Table 5> The Information Spillover Effect of the Logistic Industry’s Trading Volume in the Korea Stock Exchange and KOSDAQ with GJR-GARCH(1,1)-M Model
률에 대한 거래소 및 코스닥 유통업종지수 거래변화 량의 조건부 평균 및 변동성 이전효과, 정보의 비대 칭성 및 변동성 군집현상 등을 분석하였다. <Table 5>에 panel a에 의하면 거래소 유통업종지수 거래변 화량과 코스닥 유통업종지수 수익률의 거래소 유통 업종지수 수익률에 대한 조건부 평균이전효과가 통 계적으로 유의하게 존재하고 있으며 조건부 분산식 에서 ARCH효과 계수값이 +0.0497, GARCH 효과 계 수 값이 +0.9360으로 모두 양(+)을 가지므로 조건부 분산의 비음조건(non-negative)을 충족시키고 있으 므로 모형의 두 변수의 합이 0.9857로 일(1)에 가까우 므로 변동성 군집현상이 존재하고 있음을 보여주고 있다.
Panel b의 조건부 평균식에 의하면 코스닥 유통업 종지수 수익률에 대하여 거래소 유통업종지수 거래 변화량과 코스닥 유통업종지수 수익률 및 거래변화 량은 모두 1% 유의수준에서 조건부평균이전효과가 존재하는 것으로 나타났다. 조건부 분산식에 의하 면 ARCH효과 계수 값이 +0.1673, GARCH 효과 계수
값이 +0.8549으로 모두 양(+)을 가지므로 조건부분
산의 비음조건(non-negative)을 충족시키고 있으므 로 모형의 두 변수의 합이 일(1)에 가까우므로 코스 닥 유통업종지수 수익률 시계열에도 변동성 군집현 상이 존재하고 있음을 보여주고 있다.
그리고 panel a와 panel b에서 정보의 비대칭성 즉, 레버리지효과(leverage effect)를 나타내는 계수 값은
모두 1%와 5% 유의수준에서 통계적으로 유의함에
따라 거래소와 코스닥 유통업종지수 수익률은 호재 보다는 악재에 더 민감하게 반응하고 있음을 추론해 볼 수 있다.
V. 결론 및 시사점
동 연구는 거래소와 코스닥 유통업종지수 수익률 과 거래량자료를 이용하여 각 변수사이의 상호의존
성, 변동성 이전효과, 정보의 비대칭성 및 변동성 군 집현상 등에 대한 분석을 실시하였다. 표본기간은 코스닥 유통업종지수 가격과 거래량이 산출되기 시 작한 1999년 6월 25일부터 2018년 10월 31일까지 4,779개의 일별 시계열자료를 이용하여 벡터자기회 귀모형, 그랜즈 인과관계분석 및 GJR-GARCH (1,1)-M모형을 추정하였다.
분석결과 코스닥과 거래소 유통업종지수 가격과 거래량 등 수준변수사이에는 공적분관계가 존재하 고 있으며, 그랜즈인과관계 분석결과 코스닥 유통 업종지수 수익률은 거래소 유통업종지수 수익률에 대하여 영향을 미치고 있으나 그 반대 현상은 통계 적으로 유의한 수준에서 영향을 미치고 있지 않는 것으로 나타났다. 거래소와 코스닥 유통업종지수 거래변화량 사이에는 양방향적인 영향력을 미치고 있는 것으로 나타났다. 거래소와 코스닥 유통업종 지수 거래변화량은 거래소와 코스닥 유통업종지수 수익률에 대해서 영향력을 미치고 있으나 거래소 유 통업종지수 수익률은 거래변화량에 영향을 미치고 있지 않으나, 코스닥 유통업종지수 수익률은 거래 소와 코스닥 거래변화량에 대하여 교차적인 영향력을 통계적으로 유의하게 미치고 있는 것으로 나타났다.
GJR-GARCH모형 추정결과 거래소 및 코스닥 수 익률 모두 ARCH 및 GARCH 효과 그리고 변동성 군 집현상이 존재하고 있으며 정보의 비대칭성 즉, 레 버리지효과(leverage effect)도 통계적으로 유의하게 존재함에 따라 거래소와 코스닥 유통업종지수 수익 률은 호재 보다는 악재에 더 민감하게 반응하고 있 음을 추론해 볼 수 있다. 동 연구의 한계점으로는 유 통업종에 대해서만 분석하였으나 다른 업종에 대한 분석과 시장효율성 측면에서 거래량관련 주요 가설 인 순차적정보도착가설과 혼합분포가설 검증에 대 한 연구는 추후 연구과제로 남기기로 한다.
참고문헌
Asari, F. F. A. H., N. S. Baharuddin, N. Jusoh, Z. Mohamad, N.
Shamsudin, and K. Jusoff(2011), “A Vector Error Correction Model (VECM) Approach in Explaining the Relationship Between Interest Rate and Inflation Towards Exchange Rate Volatility in Malaysia,”World Applied Sciences Journal, 12, 49-56.
Chang, C. L., M. McAleer, and R. Tansuchat(2013), “Conditional Correlations and Volatility Spillovers between Crude Oil and Stock Index Returns,”The North American Journal of Economics and Finance, 25, 116-138.
Dickey, D. and W. A. Fuller(1979), “Distribution of the Estimators for Time Series Regressions with a Unit Root,”Journal of the American Statistical Association, 74, 427-431.
Engle, R. F., T. Ito, and W. L. Lin(1990), “Meteor Showers or Heat Waves
? Heteroskedastic Intra-daily Volatility in the Foreign Exchange Market,”Econometrica, 58(3), 525-542.
Granger, H. G.(1968), “Internationally Diversified Portfolios,” The American Economic Review, 58, 1,299-1,314.
Hammoudeh, S., S. Dibooglu, and E. Aleisa(2004), “Relationships among U.S. Oil Prices and Oil Industry Equity Indices,”
International Review of Economics and Finance, 13(4), 427-453.
Jayasinghe, P. and A. K. Tsui(2008), “Exchange Rate Exposure of Sectoral Returns and Volatilities: Evidence from Japanese Industrial Sectors,” Japan and the World Economy, 20(4), 639-660.
Maysami, R. C., L. C. Howe, and M. A. Hamzah(2004), “Relationship
between Macroeconomic Variables and Stock Market Indices: Cointegration Evidence from Stock Exchange of Singapore’s All-S Sector Indices,” Journal Pengurusan, 24, 47-77.
Meng, H., H. C. Xu, W. X. Zhou, and D. Sornette(2017), “Symmetric Thermal Optimal Path and Time-dependent Lead-lag Relationship: Novel Statistical Tests and Application to UK and US Real-estate and Monetary Policies,” Quantitative Finance, 17(6), 959-977.
Munir, Q., K. Mansur, and F. Furuok(2009), “Inflation and Economic Growth in Malaysia: A Threshold Regression Approach,”
ASEAN Economic Bulletin, 26(2), 180-193.
Rachev, S. T., S. S. V. Emititus, C. Wu, and F. J. Fabozzi(2007),
“Empirical Analyses of Industry Stock Index Return Distributions for the Taiwan Stock Exchange,” Annals Of Economics And Finance, 8(1), 21–31.
Riza, D. and M. K. Ali(2006), “Does Herding Behavior Exist in Chinese Stock Markets?”Journal of International Financial Markets, Institution and Money, 16(2), 123-142.
Roll, R.(1992), “Industrial Structure and the Comparative Behavior of International Stock Market Indices,” The Journal of Finance, 41(1), 3-41.
Wang, D., J. Tu, X. Chang, and S. Li(2017), “The Lead–lag Relationship between the Spot and Futures Markets in China,”
Quantitative Finance, 17(9), 1,447-1,456.
Xu, H. C., W. X. Zhou, D. Somette(2017), “Time-dependent Lead-lag Relationship between the Onshore and Offshore Renminbi Exchange Rates,” Journal of International Financial Markets, Institutions and Money, 49, 173-183.
논 문 투 고 일 2018. 11. 19 논문최종심사일 2018. 11. 26 논문게재확정일 2018. 12. 03
<Abstract>
A Study on Information Transmission,
Leverage, and Volatility Cluster Effects in Korea’s Distribution Industry Stock Index
Chung Hyo Hong*⋅Jin Sang Kim**⋅Won Seog Jang***⋅ Bong Sun Ko****⋅Sun Ja Kim*****⋅Ju Sang Jeong******2)
This paper examined the information spillovers, leverage effect and volatility cluster effects in Korea’s distribution industry stock index markets. The whole sample period is covered from June 25, 1999 to October 31. 2018 with a daily closing price and trading volume. For this purpose we estimated the ADF and PP test, Johansen co-integration test, vector autoregressive model, vector error correction model and time varying GJR-GARCH(1,1)-M model. The major empirical results are as follows.
First, there is a long-run relationship between the level variable of closing price and trading volume in KOSPI and KSDAQ distribution stock index markets. Second, according to the Granger causality test results, KOSDAQ distribution index returns have an influence to the KOSPI distribution index’s returns but not vice versa. Third, there is a bilateral impacts between the change of trading volume of KOSPI and KOSDAQ distribution indices. Fourth, the KOSDAQ distrbution index returns have an impact on the change of trading volume but KOSPI distribution index returns do not have an influence on to the trading volume changes. Fifth, according to the GJR-GARCH model, there is a ARCH and GARCH effect, volatility cluster effect in a KOSPI and KOSDAQ distribution index returns and we also find a asymmetric information spillovers. From this empirical results, we infer that KOSPI and KOSDAQ distribution indices are more sensitive to bad news than good news. The limit of this paper is not to study the other industry area and not to test the sequential information arrival and mixture distribution hypothesis in the aspect of market efficiency.
Key Words : Distribution Industry Stock Index, Trading Volume, Granger Causality Analysis, GRJ-GARCH
* Professor, Department of the Business Administration, Kyungnam University([email protected])
** Head of Team, Gyeongnam Technopark([email protected])
*** Deputy General Manager, Doosan Heavy Industry Co. Ltd.([email protected])
**** CFO, Inno Bravo Co. Ltd.([email protected])
***** Manager, Changwon Startup Business Center([email protected])
****** Manager, Gyeongnam Credit Guarantee Foundation([email protected])
저 자 소 개
1. 주저자
홍정효(Chung Hyo Hong) [email protected]
미국 Missouri State University에서 MBA를 마치고 성균관대학교 경영학과에서 재무관리 분야 경영학 박사학위를 취득하였다. 금융감독원, 예금보험공사 및 우리은행 국제금융부 에서 근무하였으며 현재 경남대학교 경영학부에서 교수로 재직 중이다. 파생상품, 국제금 융, 기업금융, Banking 등이 주요한 연구 분야이다.
2. 공동저자
김진상(Jin Sang Kim) [email protected]
경남대학교 경영학과에서 재무관리분야 경영학 박사과정에 재학 중이다. 현재 경남테 크노파크에서 근무하고 있으며 기업금융 및 중소기업 산업정책 등이 주요한 연구 분야 이다.
3. 공동저자
장원석(Won Seog Jang) [email protected]
경남대학교 경영학과에서 재무관리분야 경영학 박사과정에 재학 중이다. 현재 두산중공 업에서 근무하고 있으며 기업 재무 및 기업가치평가 등이 주요한 연구 분야이다.
4. 공동저자
고봉선(Bong Sun Ko) [email protected]
경남대학교 경영학과에서 재무관리분야 경영학 박사과정에 재학 중이다. 현재 이노브라 보(주)에서 재무이사로 근무 하고 있으며 국제금융 및 해외투자 등이 주요한 연구 분야 이다.
5. 공동저자
김선자(Sun Ja Kim) [email protected]
경남대학교 경영학과에서 재무관리분야 경영학 박사과정에 재학 중이다. 한국여성경제인 협회 사무국장으로 재직하였으며 현재 창원시 1인 창조기업 지원센터산하 창원조선업희 망센터(창업부문)에서 근무하고 있으며 창업 및 기업가정신 등이 주요한 연구 분야이다.
6. 공동저자
정주상(Ju Sang Jung) [email protected]
경남대학교 경영학과에서 재무관리분야 경영학 박사과정에 재학 중이다. 현재 경남신용 보증재단에서 근무하고 있으며 소상공인 창업, 신용평가 및 금융기관론 등이 주요한 연구 분야이다.
