한국의 국채 현·선물을 이용한 VECM과 ECT-GARCH 모형에 의한 헤지성과에 관한 실증적 연구

김도형; 오창혁; 임병진

추천

검색

자료유형: 학술저널

저자정보: 김도형 (영남대학교) 오창혁 (영남대학교) 임병진 (영남대학교)

저널정보: 아시아.유럽미래학회 유라시아연구 유라시아연구 제9권 제1호

발행연도: 2012.3

수록면: 67 - 91 (25page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

이 연구는 국채(KTB)현물과 선물을 이용한 채권투자의 위험관리 목적으로 전통적인 회귀분석모형인 최소분산모형, 현·선물시장에 존재하는 공적분관계를 고려한 벡터오차수정모형(Vector Error Correction Model)과 ECT-GARCH모형을 사용하여 모형의 헤지비율과 헤지성과를 비교하고 분석한 연구이다. 분석기간은 2008년 12월 30일부터 2010년 12월 17일까지이며, 유동성이 가장 높은 최근 월물(near by) 종가로 현·선물의 496일간의 자료를 이용하였다. 외표본(out-of sample)은 2010년 11월 1일 부터 2010년 12월 17일 까지 35일간의 자료를 이용하였다.일반적으로 사용하고 있는 전통적 회귀분석모형인 최소분산모형으로 추정된 헤지비율은 시계열자료의 불안정성(nonstationary)으로 인해 잘못 추정될 가능성이 있다. 시계열 자료의 불안정성으로 말미암아 야기되는 문제점들을 개선 할 수 있는 추정 모형으로는 VECM과 ECT-GARCH모형이 널리 이용되고 있다. 따라서 본 연구는 VECM과 ECT-GARCH모형을 현·선물을 대상으로 사용하여 추정된 헤지비율을 산출하고 전통적 회귀분석모형인 최소분산모형을 사용하여 추정된 헤지비율과 헤지성과를 비교하고 분석하였다. 이 연구의 실증분석결과를 요약하면 다음과 같다.첫째, 시계열자료의 안정성에 대한 단위근 검정의 결과 KTB 현물가격과 KTB 선물가격 은 모두 불안정적인 것으로 나타났다. 하지만 1차 차분한 후 시계열자료는 모두 안정적임올 확인하였다.둘째, KTB 현물가격과 KTB 선물가격간에는 공적분관계가 존재한다.셋째, 헤지모형별 헤지성과의 차이는 통계적으로 유의하지 않았다. 이는 투자자들이 국채 선물을 이용하여 헤지할 경우, 헤지비율이 일정하다고 가정하는 최소분산모형을 사용하여도 무방함을 의미한다. 헤지비율은 일정하지만 선물가격과 현물가격간의 공적분관계를 고려하여 보다 정제된 VECM에 비해 최소분산모형의 헤지성과가 뒤지지 않는 것으로 나타났다.이상의 실증분석 결과를 종합해 볼 때, 국채 선물시장에서 투자자들은 시계열의 특성이나 헤지비율을 고려하는 정교하고 혁신적인 헤지모형을 사용하지 않고 단순한 최소분산모형만을 사용하여도 바람직한 헤지성과를 얻을 수 있다는 결론을 나타낼 수 있다. 즉, 현·선물의 시계열자료의 불안정적인 특성이나 헤지비율의 시간가변성 등을 고려하지 않고 일반적인 최소분산모형에 의해 추정된 헤지비율과 벡터오차수정모형(VECM), ECT-GARCH모형으로 추정한 헤지비율은 크게 유의한 차이가 없음을 발견하였다. 따라서 채권투자를 하는 일반투자자나 채권투자 펀드메니저의 경우 채권투자위험관리를 위해 헤지하고자하는 경우 헤지비율을 벡터오차수정모형(VECM)나 ECT-GARCH모형으로 추정하는 것보다 가장 쉬운 회귀분석모형인 최소분산모형으로 추정하여 사용해도 차이가 없다.연구가 지니고 있는 한계점과 향후에 추가연구를 요약하면 다음과 같다.첫째, 본 연구에서는 KTB 현 선물 자료의 일간 자료를 이용하여 헤지비율올 추정하였다. 대부분 채권투자의 경우에 는 장기투자인데 비하여 데이터의 문제상 일간의 자료를 이용하였으나, 향후 KTB 선물과 현물시장 등의 자료가 확보되면 주별, 월별로도 헤지비율 추정에 관한 연구가 필요하다.둘째, 본 연구에서는 최소분산모형, 벡터오차수정모형(VECM), ECT-GARCH(Error Correction Term-Generalized Autoregressive Conditional Heteroskedasticity)모형에 의한 헤지비율 추정에 관한 연구만올 하였다. 그러나 향후 다른 모형에 관한연구도 필요하다.셋째, 본 연구에서는 3년 만기 국채 선물과 현물시장에 관련한 헤지비율만올 추정하였다. 그러나 기관투자가나 포트폴리오 관리자들은 다양한 채권포트폴리오를 보유하고 있어 다양한 헤지비율이 있올 수가 있다.넷째, 시장충격비용(market impact cost), 거래수수료, 세금 등이 없고 만기이전(roll over)가 자유롭게 된다는 가정하에 연구를 하였으나, 현실적으로는 시장충격비용, 거래수수료, 세금 둥이 있고, 만기이전(roll over)가 자유롭지 않을 수 있다. 따라서 향후에 이러한 가정들을 완화한 연구도 필요하다. 이상의 문제점들을 고려하여 KTB 현물시장과 선물시장과 기타 채권포트폴리오의 헤지비율과 헤지성과에 관한 연구가 계속되어야 할 것이다.

This study investigates optimal hedging strategy with the KTB futures in Korean bond market. This study used the spot and Futures(KTB) of Treasury bond investment to risk management purposes, the traditional regression analysis model of minimum variance model, present in the futures market, and achievement considering the vector error correction models at relationships VECM(Vector Error Correction Model) and ECT-GARCH models use model hedge ratio, hedge performance comparison and analysis of research. Analysis of the period of 2008-12-30 ~ 2010-12-17, liquidity, the highest last-water (near by) close to 500 days of gifts, and data. Other specimens (out-of sample) is November 1, 2010 through December 17, 2010 until 35 days of release.In General, the traditional regression analysis model of minimum variance hedge ratios are estimated as a model for a time series of estimates due to instability (nonstationary) are likely to be wrong. Time series data of instability caused by the could do them is estimated as a model and ECT-GARCH model is becoming widely used VECM. Therefore, this study presents and ECT-GARCH model County, VECM target percentage of the estimated hedge and traditional regression analysis model of minimum variance hedge ratio is estimated using mock-ups of a hedge and vs and analyzed. An empirical analysis of the study summarized results.First, the time series data for the unit but the reliability of the results of the black spot price and the price are all fireKTBKTB futures stable. But after the first calm all the time series data were OK come stable. Second, the spot price and the KTB futures price is between KTB achievement: relations exist.Third, the hedge model is the difference between a star hedge and not statistically significant. This is the investors in government bonds futures hedge ratio, hedge if you assume a minimum variance model means that the users. Hedge ratio but at present prices, spot prices, considering the relationship between the achievement of more refined compared to the models' minimum variance hedge performance VECM achieves.An empirical analysis of the results, taking into account all the above, government bonds, investors in the futures market, the time series of the attribute or the hedge ratio to elaborate and innovative hedge models without using a simple minimum dispersion models only also can get a good hedge performance: conclusions In other words, the time series of current and Futures hedge ratio of fire stable materials at the time of the attribute or the variability, and so without considering the general minimum variance hedge ratio and vector have been estimated by the model of error correction model (VECM), ECT-GARCH models estimate that there is significant hedge rates significantly. "found Therefore, bond, a bond investment fund manager to the General investors or the bond risk management for hedge, hedge ratio, if you wish to modify the model(VECM) or ECT-GARCH is a vector error model to estimate the minimum variance regression model, than the easiest model can be used to estimate.The study had limitations in the future, additional research to summarize as follows. First of all, in this study, KTB, the gift base daily rate hedging. estimated to come Most of the bonds in the case of a long term investment and invested compared to data of the issue, the use of the materials for the next bonus days in KTB futures and spot market once weekly, daily, such as material, also regarding the estimated hedge ratio, research is needed. Second, this study requires a minimum variance model, vector error correction model (VECM), ECT-GARCH (Autoregressive Conditional Heteroskedasticity Term-Generalized Error Correction) model study on estimation of the ratio of a hedge, but come. However, it is also necessary for future research on the different models.Fourth, the market impact cost (market impact cost), trading fees, taxes, etc., and no expiration (roll over) to freely assuming research, the reality is that the market impact cost, transaction fees, taxes, and Tung (roll over) is not free prior to maturity. Therefore, in the future, these assumptions are needed to ease the research degrees. In consideration of the above issues, markets and other bond portfolio of KTB spot markets and Futures hedge ratio, hedge and studies will have to be kept on.

#ECT-GARCH모형 #헤지(hedge) #KTB 국채 현·선물 #최소분산모형 #벡터오차수정모형(VECM) #KTB Futures #VECM #Traditional Regression Model #ECT-GARCH(1 #1) Model #Hedging Performances

참고문헌 (27)

참고문헌 신청

곽수종 / 1997 / KOSPI200 선물의 최적헷지비율 및 헷지효과 분석 / 선물연구 5(1):1~30

김명직 / 2002 / 금융시계열분석, 2 / 경문사

문규현 / 2003 / 아시아-태평양지역국가들의 상호의존성 / 재무관리연구 20(2):6~180

문규현 / 2003 / 코스닥시장의 가격변동 위험관리 / 선물연구 11(2):3~79

홍정효 / 2004 / 원·달러 선물시장을 이용한 헤지효과성 / 재무관리연구 21(1):231~253

이 논문의 저자 정보

김도형

소속기관 영남대학교

주요연구분야 사회과학 > 지리학 > 지역학

논문수 2 이용수 23

오창혁

소속기관 영남대학교

주요연구분야 자연과학 > 수학·통계학 TOP 5% 사회과학 > 경영학

논문수 21 이용수 4,717

임병진

소속기관 영남대학교

주요연구분야 사회과학 > 지리학 > 지역학

논문수 6 이용수 9

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 (27)

이 논문의 저자 정보

최근 본 자료

댓글(0)