스타일 투자수익률의 계절적 주기성에 관한 연구

우원석; 이민; 최형석

추천

검색

자료유형: 학술저널

저자정보: 우원석 이민 최형석

저널정보: 한국기업경영학회 기업경영연구 기업경영연구 제21권 제3호

발행연도: 2014.1

수록면: 93 - 108 (16page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 연구에서는 자산 배분의 중요한 기준점이 되는 스타일 포트폴리오 수익률의 계절적 주기성을 확인하고 이를 활용한 투자전략에 대해 알아보고자 한다. 이를 위해 1982년부터 2013년까지 기업 규모와 장부가치-시장가치 비율을 기준으로 여섯 개의 스타일 포트폴리오를 나누고 기업의 규모와 과거수익률을 기준으로 또 다른 여섯 개의 스타일 포트폴리오를 나누어 월별 수익률을 계산하였다. 그 결과 소형주로 구성된 포트폴리오는 잘 알려진 양(+)의 1월 효과뿐만 아니라 8월과 9월에 평균수익률보다 작은 음(-)의 계절적 효과가 있었다. 둘째, 횡단면적으로 스타일 포트폴리오의 수익률을 살펴본 결과 6월에 가장 작고 12월에 가장 큰 계절적 변동성의 패턴을 보여주었다. 이를 전략적으로 잘 활용할 수 있는지에 대해 조사한 결과 본 연구에서 제시한 무자본 스 타일 전환 투자전략은 연 평균 14.2%의 수익률을 내었다. 이러한 투자 수익률을 Lo and MacKinlay (1990)과 Conrad and Kaul (1998)의 방법에 따라 예측성 지수(predictability index)와 확산성지수(dispersion index)로 분해해본 결과 예측성 지수가 98.5% 가량의 투자수익률을 설명하는 것으로 분석되었다. 강건성 검증을 위해, 한국표준산업분류9차(대분류)에 따른 산업별 포트폴리오를 구성하여 무자본 산업 전환 투자전략 수익률을 구해 확인한 결과 연평균 23%에 달하는 수익을 얻었으며, 이러한 수익의 97% 이상은 예측성지수에 의해 설명되었다.

Investors group assets into different classes based on some similarity among them. For example, stocks can be categorized into broad classes such as small versus large stocks, value versus growth stocks, prior winners versus losers, or categorized by different industry sectors. The asset classes are called “styles” and the process allocating money among styles is called “style investing” and investors must consider styles because portfolio allocation among different styles is required by law. Much of academic literature has shown that certain styles outperform other styles in the long run. In particular, small-cap (value) stocks outperformed large-cap (growth) stocks historically. However, the relative performance between these styles is not stable over time. Chan et al., (2000), for example, show that large-cap (growth) stocks outperform small-cap (value) stocks in 13 years (8 years) out of their 29 year sample period from 1970 to 1998. Style based strategy can produce long periods of poor performance. Thus, style rotation strategy, switching from one style to another, could generate additional returns when we can forecast the relative performance between styles. In this study, we examine seasonal patterns in the cross-section of expected returns on twelve style portfolios that we composed from daily return data for stocks listed in the Korean Stock Exchange (KRX). We find that style returns exhibit substantial variations across calendar months. For example, over the sample period of January 1982 to December 2013, in January the mean return of the Small/Neutral portfolio is 6.2 percent and that of the Big/Up portfolio is only 2.3 percent. In March, however, the mean return of the Small/Neutral portfolio is -0.6 percent and that of the Big/Up portfolio is 2.5 percent. Our finding is consistent with previous literature on seasonality in stock returns which suggests the outperformance of some style against another in a specific calendar month. For example, Keim (1983), Reinganum (1983), and Roll (1983) find that small-cap stocks outperform large-cap stocks in January. Branch (1977) and Dyl (1977) suggest that tax-loss selling creates a downward price pressure on loser stocks in December and a price rebound in January. Lakonishok, Shleifer, Thaler, and Vishny (1991) find that pension funds dump prior loser stocks at the end of every quarter. However, these studies explored only the turn-of-the-year period or the end of each quarter. Our finding shows that the seasonal pattern of the style returns is not limited to January or the end of each quarter. Small stocks perform poorly in August and the Big/Down portfolios beat the market in July. We employed the style rotation strategy suggested by Choi(2014) using the seasonal patterns among style returns. We take the long positions of styles with good performance in a specific calendar month and the short positions of styles that have done poorly in the same calendar month. For example, we rank the twelve style portfolios according to their average returns during the previous five Januaries to construct a zero investment portfolio for the next January. We repeat this for each of twelve calendar months. The strategy yields profits across all calendar months except August. Specifically, the mean profit in January alone is 5.8 percent. Overall, our seasonal strategy yields economically and statistically significant profits of 14.2 percent per year. The possible source of the profit from our strategy is seasonal autocorrelation in style returns (predictability component) or cross-sectional variation (dispersion component) in mean style returns as suggested by Lo and MacKinlay (1990) and Conrad and Kaul (1998). The decomposition of the profit shows that the main source of the profit is the predictability component. The predictability component explains more than 90 percent of the profit in every calendar month. In order to check the robustness of seasonal regularities in style returns and the profitability of our zero-investment strategy, we extended our approach to the sector portfolios. The strategy based on the one-year historical performance in each month yields profits of 21.7 percent in January and 28 percent annually but they are not statistically significant due to the large volatility. However, when we construct the strategy with 5 or 10 year historical performance in each month, the strategy yields annul profit of higher than 20 percent, which is statistically significant. The decomposition of the profit shows that the main source of the profit is the predictability component as well. Therefore, the seasonal patterns among style returns have significant power to forecast future relative style performance, which would be inconsistent with the efficient market hypothesis.

#스타일 포트폴리오 #계절적 주기성 #규모 프리미엄 #가치 프리미엄 #모멘텀 프리미엄 #Style Portfolio #Seasonality #Size Premium #Value Premium #Momentum Premium

참고문헌 (28)

참고문헌 신청

Asness, C. S. / 2000 / Style Timing : Value versus Growth / Journal of Portfolio Management, Spring 2000 : 50 ~ 60

Barberis, N. / 2003 / Style Investing / Journal of Financial Economics 68 : 161 ~ 199

Branch, B. / 1977 / A Tax Loss Trading Rule / Journal of Business 50 : 198 ~ 207

Carhart, M. M. / 1997 / On Persistence in Mutual Fund Performance / Journal of Finance 52 (1) : 57 ~ 82

Chan, L. K. C. / 2000 / New Paradigm or Same Old Hype in Equity Investing? / Financial Analysts Journal 56 (4) : 23 ~ 36

이 논문의 저자 정보

우원석

소속기관 한국기업경영학회

주요연구분야 사회과학 > 경영학

논문수 1 이용수 0

이민

소속기관 한국기업경영학회

주요연구분야 사회과학 > 경영학

논문수 1 이용수 0

최형석

소속기관 한국기업경영학회

주요연구분야 사회과학 > 경영학

논문수 2 이용수 21

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (28)

이 논문의 저자 정보

최근 본 자료

댓글(0)