인버스 ETF의 추적오차와 헤지성과의 연관성 분석

이상원; 류수복

추천

검색

자료유형: 학술저널

저자정보: 이상원 (동아대학교) 류수복 (한국주택금융공사)

저널정보: 한국산업경영학회 경영연구 경영연구 제35권 제2호

발행연도: 2020.1

수록면: 77 - 107 (31page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 연구는 여러 헤지 모형을 이용하여 기존 KOSPI200선물과 최근 활성화되고 있는 인버스 ETF(-1배)와 인버스-레버리지 ETF(-2배)를 활용한 헤지성과와 추적오차와의 연관성에 초점을 맞추어 분석하였다. 이를 위해 1-2년을 주기로 2009년 9월부터 10년간 일별자료를 이용하여 분석하였으며 연구의 결과는 다음과 같다. 현물지수인 KOSPI200과 각 헤지수단과의 추적오차를 분석한 결과, KOSPI200 선물의 추적오차가 가장 작았고, 인버스-레버리지 ETF(-2배)는 인버스 ETF(-1배)보다 추적오차가 큰 것으로 나타났다. 또한 인버스 ETF(-1배)의 경우 KOSPI200과의 추적오차가 기초지수인 KOSPI200 선물보다 작게 나타났다. 모형간 헤지성과의 결과, KOSPI200 선물의 헤지 성과는 모든 기간에서 최소분산모형, VECM, 단순헤지의 순으로 감소하였으며, 내표본의 성과가 외표본보다 높게 나타났다. 이와 반면에 인버스 ETF(-1배)와 인버스-레버리지 ETF(-2배)는 내표본에서는 최소분산모형이 가장 좋은 성과를 보였으나 외표본에서는 분석기간에 따라 성과가 좋은 모형이 상이하게 나타났다. 헤지수단간 헤지성과의 결과에서는 모든 기간에서 KOSPI200선물보다 인버스 ETF(-1배)의 성과가 높게 나타났고, 인버스-레버리지 ETF(-2배)도 전반적으로 인버스 ETF(-1배)보다 좋은 성과를 보였다. 추적오차와 관련하여 헤지 포트폴리오의 평균수익률분석 결과에서는 추적오차가 줄어드는 인버스-레버리지 ETF(-2배), 인버스 ETF(-1배), KOSPI200 선물의 순으로 평균수익률이 0으로 근접하는 것으로 나타났다. 이러한 결과를 종합하여 볼 때 인버스 ETF상품은 KOSPI200 선물보다 헤지포트폴리오의 평균수익률이 0에서 다소 벗어나는 한계는 있지만 높은 변동성감소의 효과와 증거금 및 3개월마다 롤오버를 해야 하는 KOSPI200 선물에 비해 편리성 등을 고려할 때 향후 유용한 헤지수단이 될 것으로 보인다. 다만, 인버스-레버리지 ETF(-2배)는 인버스 ETF(-1배)와는 달리 현물지수인 KOSPI200과의 추적오차가 기초지수인 KOSPI200 선물의 경우보다 큰 것으로 나타나 헤지의 수단으로의 활용성은 낮다고 판단된다.

This study analyzed relationship between hedge performance and tracking error using KOSPI200 futures, Inverse ETF(-1x) and Inverse-Leverage ETF(-2x) using hedge models. The analysis was conducted at 1-2 year intervals, and daily data was used for 10 years from Sep. 2009. The results of the study are as follows. As a result of analyzing tracking error between KOSPI200 and each hedge means, the tracking error of KOSPI200 futures was the smallest, and Inverse-leverage ETF(-2x) was larger than Inverse ETF(-1x). And Inverse ETF(-1x) showed a lower tracking error with KOSPI200 than KOSPI200 futures. As a result of hedge performance, hedge performance of KOSPI200 futures decreased in the order of minimum variance model, VECM, and simple hedge in all periods, and performance of the in-sample was higher than that of the out-of-sample. On the other hand, Inverse ETF(-1x) and Inverse-Leverage ETFs(-2x) showed the best results from the minimum variance model in the in-sample, but the better-performing model was different in the out-of-sample depending on the analysis period. As a result of hedge performance between hedge means, inverse ETF(-1x) outperformed KOSPI200 futures in all periods, and inverse-leverage ETF(-2x) was generally better than inverse ETF(-1x). As a result of average return rate of hedge portfolios in relation to tracking errors, the average return rate was close to zero in the order of inverse-leverage ETF(-2x), inverse ETF(-1x), and KOSPI200 futures. Based on these results, inverse ETF have the average return of the hedge portfolio that is slightly lower than zero than KOSPI200 futures, but it is more convenient than KOSPI200 futures, which have high volatility reduction effect, margin and rollover every three months. It will be a useful hedge tool. However, unlike Inverse ETF(-1x), Inverse-Leverage ETF(-2x) is less likely to be used as a hedging tool, since tracking error with KOSPI200 are larger than that with KOSPI200 futures.

#인버스 ETF #인버스-레버리지 ETF #헤지비율 #추적오차 #헤지성과

참고문헌 (19)

참고문헌 신청

변영태 / 2014 / KODEX200 ETF를 이용한 헤지성과 / 한국콘텐츠학회 논문지 14(11):905~914

이상구 / 2017 / 인버스 ETF의 헤지 효율성에 관한 실증적 연구 / 예술인문사회 융합 멀티미디어 논문지 7(2):35~43

이상원 / 2013 / 레버리지 ETF의 가격 및 성과 분석 / 金融工學硏究 12(4):27~48

이재하 / 2001 / KOSPI200 선물을 이용한 헤지전략 / 한국증권학회지 28(1):379~418

정재만 / 2012 / KOSPI200 추적 ETF의 추적오차 / 재무관리연구 29(2):91~124

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이상원

소속기관 동아대학교

주요연구분야 사회과학 > 경영학 사회과학 > 경제학

논문수 27 이용수 2,217

류수복

소속기관 한국주택금융공사

주요연구분야 사회과학 > 경제학 사회과학 > 경영학

논문수 3 이용수 224

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 (19)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)