VIX | S&P 다우존스 지수

earticle

In this paper, I investigate whether Korean stock market volatility is influenced by the U. S. stock market volatility. The liberalization of stock markets and the development of IT made stock market interdependence stronger. And the U. S. stock market leadership was documented in many papers. Analyzing the relationship and behavior of stock price volatility is important for portfolio formation and investment strategy. Prior studies have been concentrated only on observed volatility. But this study is distinguished from previous studies in the respect that observed volatility is decomposed into permanent volatility and temporary volatility. The descriptive statistics show the mean of Korean stock market return is higher than that of the U. S. stock market return. And the standard deviation of Korean market is higher than that of the U.S. market. The negative skewness and excess kurtosis are observed in two markets, and the Jarque-Bera normality test reveal non-normalities of two series. Therefore, GARCH type model is appropriate for anlayzing these data. As autocorrelation coefficient of time series data is not significantly different from zero, the mean equation in GJR GARCH model do not contain AR(1) term or MA(1) term. The procedure used in this paper involved the following steps. First, in order to estimate KOSPI observed volatility and S&P500 volatility, GJR GARCH model is employed. In estimated GJR GARCH model, it turns out that the coefficient of asymmetric volatility term is statistically significant. Because the LB Q-statistic applied on residuals and squared residuals is insignificant, and persistence parameter is smaller than one, therefore the GJR GARCH model is well estimated. Second, to decompose observed volatility, this study employs state space model and Kalman filtering method. State space model is useful in analyzing time series model that involve unobservable variables. And Kalman filter is the basic tool to deal with state space model. In this paper, permanent volatility and temporary volatility are unobservable variables. Permanent volatility is trend component and is modelled as a random walk with drift. And temporary volatility is assumed as AR(1) process because it passes away with time. Third, to test for unit root behavior of volatility series data, ADF test is used. If the process of series is unit root process, it is to be transformed to stationary process by differencing the series. ADF test results show that all variables are I(0), that is, all series do not contain trends. In other words, each volatility series is stationary time series. As there is not unit root, raw data is used in this study. The effects of shocks to stationary time series will dissipate over time and this process reverts to mean. Fourth, to analyze the relationship between KOSPI volatility and S&P500 volatility, this study employs regression analysis. This paper uses daily data from January 2001 to April 2008. Because Korean stock market holidays differ from the U. S. stock market holidays, the corresponding date which is holiday in another country is deleted in the data set. The Second difference is time difference. Because Korean stock market of day t opens 4 hours after the U. S. market of day t-1 closes, the information occurred in the U. S. market of day t-1 influences Korean market of day t. Therefore, I examine the relationship between the U. S. data of day t-1 and Korean data of day t. The findings in this paper are as follows. First, KOSPI observed volatility is significantly related to S&P500 observed volatility. This means that there exists significant linkage in volatility between two markets. This finding is in line with most existing studies. Second, KOSPI permanent volatility is statistically significantly influenced by S&P500 permanent volatility. In other words, the trend of KOSPI volatility is significantly linked to the trend of S&P500 volatility. The trend portion has the feature of persistent and long memory. Third, in the case of temporary volatility, KOSPI temporary volatility is statistically significantly related to S&P500 temporary VIX | S&P 다우존스 지수 volatility. In short, KOSPI volatility is significantly related to S&P500 volatility in all cases uniformly. Permanent volatility is caused by economic information related to fundamental value, and temporary volatility is caused by noise trading. This means that noise trading portion of KOSPI volatility is influenced by noise trading portion of S&P500 volatility. This has important implication regarding hedging strategies. And analyzing the U. S. volatility of day t-1 is crucial for risk management.

자본시장 개방화와 IT의 발달은 국내 증권시장과 외국 증권시장 간의 관계를 더욱 밀접하게 만들었으며, 특히 우리나라 경제와 밀접한 관계를 갖고 있으며 국제자본시장의 중심인 미국 증권시장이 우리나라 증권시장에 영향을 미치고 있는 것으로 기존의 연구들에서 서술되고 있다. 본 연구는 미국 주 식시장 변동성과 한국 주식시장 변동성이 어떤 관계를 갖고 있는지에 대해 분석하였다. 즉, 미국 주식시 장에서 발생된 불안정성이 한국 주식시장의 불안정성에 영향을 미치는가를 분석하기 위하여 KOSPI 변 동성과 S&P500 변동성의 관계를 2001년 1월 2일부터 2008년 4월 30일까지의 일별 자료를 이용하여 연 구하였다. 기존 연구들은 관측변동성 간의 관계만을 분석하였지만 본 연구는 기존연구들과는 차별적으 로 관측변동성뿐만 아니라 관측변동성을 내재가치와 관련된 정보에 의해서 발생되는 영속적 변동성 부 분과 잡음거래에 의해 발생되는 일시적 변동성 부분으로 분해하여 이들 각각의 변동성이 두 시장 간에 어떤 관계를 갖고 있는지를 분석하였다. KOSPI 수익률과 S&P500 수익률의 기술적 통계량 분석에서는 KOSPI 수익률의 평균이 S&P500 수익 률의 평균보다 높으며 KOSPI 수익률의 표준편차도 S&P500 수익률의 표준편차보다 높게 나타났다. 왜도 는 KOSPI 수익률과 S&P500 수익률의 경우 모두 음의 값이며 첨도는 모두 3이상으로 나타났다. Jarque- Bera 통계량이 1% 유의수준에서 유의한 것으로 나타나 정규분포 가설을 기각하고 있다. 이와 같은 수익률의 기술적 통계량을 볼 때 KOSPI와 S&P500 변동성을 분석하는 데에는 GARCH류의 모형이 적절하다. 두 시계열 모두 자기상관관계가 없는 것으로 나타나 GARCH 모형 또는 GJR GARCH 모형의 평균방정식에 AR항 또는 MA항을 포함시키지 않았다. 본 연구의 분석 단계는 첫 번째 단계로, GJR GARCH 모형을 이용하여 KOSPI 관측변동성과 S&P500 관측변동성을 계산하였다. GJR GARCH 모형 추정결과, KOSPI와 S&P500의 경우 모두에 있어서 비대 칭적 변동성항의 계수가 유의하게 나타나 양의 충격보다 음의 충격의 경우에 더 큰 변동성을 보이는 것으로 나타났다. GJR GARCH 모형에서 지속성 패러미터가 KOSPI와 S&P500의 경우 모두 1보다 작은 것으로 계산되어 모두 안정성을 만족하는 것으로 나타났으며, 추정잔차와 추정잔차자승값의 10계차 자 기상관에 대한 Ljung-Box Q통계량이 비유의적으로 나타나 모형의 타당성이 있는 것으로 판단된다. 두 번째 단계로, 상태공간모형을 이용하여 KOSPI와 S&P500 각각의 영속적 변동성과 일시적 변동성을 추 정하였다. 상태공간모형은 모형 내에 비관측변수가 포함되어 있는 경우에 비관측변수를 추정하는 데 유 용하게 사용되는 통계기법이다. 본 연구에서는 관측변동성이 관측변수이며, 영속적 변동성과 일시적 변 동성이 비관측변수이다. 세 번째 단계로, 시계열자료의 안정성을 분석하기 위하여 단위근검정을 하였다. 단위근 검정을 하여 단위근이 없는 것으로 나타나는 경우에는 원자료를 가지고 분석을 하고, 단위근이 있는 경우에는 차분을 통해 안정적인 시계열자료로 만든 다음 분석을 하여야 한다. ADF 검정결과, 관측 변동성, 영속적 변동성, 일시적 변동성 모두 단위근이 존재하지 않는 것으로 나타났으므로 원시계열자료 를 이용하여 분석하였다. 네 번째 단계로, KOSPI 변동성과 S&P500 변동성 간의 관계를 분석하였다. 뉴욕 주식시장 t-1일 폐장시간이 한국시간으로 t일 오전 5시이므로 S&P500 변동성이 KOSPI 변동성에 미치는 영향을 분석하기 위해서 t-1일의 S&P500 변동성과 t일의 KOSPI 변동성을 비교하여 두 변동성 간의 관계를 분석하였다. 그리고 미국과 한국의 주식시장 중 어느 한 시장이 휴장되는 날의 변동성 자료 는 분석대상 변동성 시계열자료에서 제외하였다. KOSPI 관측변동성과 S&P500 관측변동성의 관계에 대한 분석결과, S&P500 관측변동성의 증가는 KOSPI 관측변동성의 증가를 가져오는 것으로 나타났다. 두 번째, 상태공간모형과 칼만필터링을 이용하 여 추정된 영속적 변동성 간에도 유의적인 양의 관계가 있었다. 즉 정보에 의해 발생되어 영속적으로 지 속되는 변동성 부분에서도 S&P500이 KOSPI에 유의하게 영향을 미치는 것으로 나타났다. 세 번째로, 일시적 변동성의 경우에서도 S&P500 변동성이 KOSPI 변동성에 유의하게 영향을 미치는 것으로 나타 났다. 특히, 잡음거래로부터 발생되는 일시적 변동성 부분도 유의적인 양의 관계가 있는 것으로 나타난 것은 단순히 시장의 전반적 추세 등을 모방하여 투자하는 행위로부터 발생되는 것으로 판단된다. 본 연 구에서와 같이 관측변동성을 영속적 변동성과 일시적 변동성을 구분하여 이들 각각의 변동성이 두 시장 간에 어떤 관계를 갖고 있는지를 분석하는 것은 투자자 또는 포트폴리오관리자들의 투자전략수립 및 위 험관리에 있어서 고려되어야 할 의미 있는 부분으로 생각된다.

독점적인 데이터 및 리서치에 접근하고 경험을 개인화하며 이메일 업데이트를 받을 수 있도록 등록하십시오.

VIX란 무엇이며 무엇을 측정할까요?

변동성 측정 및 예측 부문에서 업계 표준

VIX로 더 잘 알려진 Cboe 변동성 지수는 가까운 장래에 미국 주식시장이 현재 수준 이상 또는 이하로 움직일 가능성이 있는 범위를 예측합니다. 특히 VIX는 S&P 500 지수 ® (SPX)의 향후 30일 내재변동성을 측정합니다. 내재변동성이 크면 VIX 수준이 높고 가능한 값의 범위가 넓습니다. 내재변동성이 작으면 VIX 수준이 낮고 범위가 좁습니다.

VIX는 주식시장이 가장 불안할 때 최고 수준에 도달하기 때문에 언론에서는 VIX를 공포지수로 언급하는 경향이 있습니다. VIX가 감정(특히 걱정)의 척도라는 점에서 이러한 설명이 정확합니다.

VIX 및 시장심리

내재변동성은 일반적으로 시장이 불안정하거나 경제가 흔들릴 때 증가합니다. 이와 대조적으로 주가가 상승하고 있고 극적인 변화가 없을 것 같으면 VIX는 하락하거나 범위의 하단에서 안정을 유지하는 경향이 있습니다. 즉, VIX는 주가와 음의 상관관계를 갖습니다.

예를 들어, 2020년 3월 투자자들이 코로나19 위기에 직면하면서 VIX는 82.69로 사상 최고치를 기록했습니다. 주가가 높았던 2013년 겨울에는, VIX가 12 근처를 맴돌았습니다.

일반적으로 시장의 낙관론을 나타냅니다.

일반적으로 정상적인 시장 환경을 나타냅니다.

일반적으로 시장에서 우려가 커지고 있음을 나타냅니다.

일반적으로 시장의 동요를 나타냅니다.

일반적으로 시장에 극심한 혼란이 있음을 나타냅니다.

VIX vs. S&P 500 지수

VIX와 S&P 500 지수는 일반적으로 반대 방향으로 움직이며 VIX는 향후 30일 S&P 500 지수 움직임을 예상합니다.

지수명	지수 수준	$l_vix_mtdReturns
VIX 지수 출시일: Sep 22, 2003	21.34	19.18%
S&P 500 지수 출시일: Mar 04, 1957	4,127.83	-1.57%

VIX가 측정하는 것

VIX는 광범위한 풋옵션 및 콜옵션의 가중 가격을 평균화하여 내재변동성을 측정합니다. 투자자들이 옵션을 사고 팔 때, 취하는 포지션(풋옵션 또는 콜옵션)과 선택하는 행사가격은 모두 기초지수 수준이 어느 정도 그리고 얼마나 빨리 움직일 것이라고 생각하는지를 반영합니다. 사실 변동성은 변화의 속도와 양입니다. VIX는 옵션가격이 매수자와 매도자가 예상하는 변동성을 반영하기 때문에 계산할 때 주가보다는 옵션가격을 사용합니다. 이것이 내재변동성에 내재된 의미입니다.

VIX를 계산하는 데 사용되는 옵션은 S&P 500 지수의 풋옵션과 콜옵션입니다. 해당 지수가 미국 주식의 총시장가치 중 약 80%를 대표하고 세계에서 가장 유동성이 높은 시장 중 하나에서 얻는 이익을 나타내기 때문에 S&P 500 지수 옵션을 사용하면 VIX가 변동성에 대한 광범위한 현재 관점을 나타낼 수 있습니다. 또한 VIX는 일반적으로 옵션가격에 영향을 미치는 다른 모든 요소들의 균형을 유지하도록 설계된 옵션의 특정 조합을 사용하여 변동성 기대치와 일치하는 지수를 생성합니다.

풋옵션 및 콜옵션

지수 콜옵션 을 보유하면 지수 가치가 옵션의 행사가격보다 높을 경우 현금 결제를 받을 수 있는 권리를 갖게 됩니다.

지수 풋옵션 을 보유하면 지수 가치가 옵션의 행사가격보다 낮을 경우 현금 결제를 받을 수 있는 권리를 갖게 됩니다.

VIX측정값 이해하기

미래의 “내재된” 변동성, 30일 후

VIX 시간 프레임이 중요합니다. VIX는 특히 향후 30일 S&P 500 지수 움직임을 예상합니다. 투자자들이 결정을 내리고 그에 따라 행동하기에 충분한 시간이지만, 중요한 변화가 예상되는 경우 긴박함을 더할 수 있을 만큼 충분히 가까운 시간입니다.

간단히 말해 VIX는 옵션가격으로 전달되는 주식시장 변동성에 대한 기대치를 측정합니다. VIX는 “실현” 변동성 또는 역사적 변동성을 측정하는 대신 S&P 500 지수의 옵션가격 변화를 측정하여 “내재” 변동성 또는 예상 변동성(특히 향후 30일)을 예상합니다.

투자자가 VIX를 이용하는 방법

많은 투자자들은 VIX에 연계된 투자를 사용하여 포트폴리오를 다각화하고 잠재적 수익률을 크게 낮추지 않으면서 포트폴리오 위험을 회피하려고 합니다. 예를 들어, 시장이 불안정할 때 투자자는 투자 포트폴리오의 예상 손실을 상쇄하기 위해 VIX 선물에 연계된 ETF 또는 ETN과 같은 VIX 관련 상품에 자본 중 작은 비율을 할당할 수 있습니다.

다각화 전략에서 VIX가 매력적인 이유는 첫째, 주식과 지속적으로 음의 상관관계가 있다는 것입니다. 시장이 하락할수록 변동성은 커집니다.

둘째, VIX는 시장이 크게 하락할 때 더 극적으로 상승하는 경향이 있습니다. 예를 들어, 주식 또는 S&P 500 지수가 50% 하락하면 VIX는 수백 퍼센트 증가할 것으로 예상될 수 있습니다. 일반적으로 큰 자본 이득보다 큰 자본 손실에 더 극적으로 반응하는 이러한 특성을 볼록성이라고 합니다. 볼록성은 VIX와 관련된 투자가 방어를 가장 필요할 때 더 큰 방어를 제공할 수 있음을 의미합니다.

시장 사이클이 나타내는 반복적인 상승 및 하락 패턴으로 인해 투자자들은 약세장 이후 VIX 관련 제품을 판매하려고 할 수 있습니다. 이 경우 주식이 가치를 얻기 시작하고 변동성 연계 상품의 가격이 하락할 것으로 예상합니다. 또는 VIX가 낮을 때 투자자들은 향후 약세기를 예상하여 VIX 관련 상품을 메수하기를 원할 수 있습니다. 이러한 유사한 거래 전략은 VIX가 점점 더 높거나 낮은 수준을 유지한 후 평균으로 회귀하는 역사적 경향을 활용하는 것을 목표로 합니다.

투자자들은 또한 VIX 관련 상품의 가격 책정 오류로 인한 차익거래 기회를 모색할 수 있습니다. 예를 들어, 개별 옵션을 판매하고 VIX 연계 상품에서 반대 포지션을 취할 수 있습니다. 특히 개별 옵션의 내재된 변동성이 VIX에 비해 비싸 보이는 경우에 그렇습니다. 또는 VIX 옵션이나 만기가 다른 선물에서 반대 포지션을 취할 수 있습니다. 예를 들어 어떤 경우에는 VIX 연계 옵션의 프리미엄이 실현변동성이 정당화하는 것보다 높거나 낮을 수 있으며 이러한 불일치를 활용하면 이익을 얻을 수 있습니다.

다른 지수와 마찬가지로 VIX는 수준 또는 숫자로 표시됩니다. 상승 또는 하락하는 수준의 변화는 백분율로 표시됩니다. 하지만 결과가 시장 성과를 나타내는 다른 지수와 달리 VIX 수준은 S&P 500 지수의 30일 내재변동성이라는 다른 정보유형을 전달합니다. 내재변동성은 S&P 500 지수의 향후 30일 예상 범위를 현재 수준의 상승과 하락으로 나타냅니다.

특정 날짜의 VIX 수준이 높을수록 내재변동성이 커지고 S&P 500 지수 수준의 잠재적 변동 범위가 더 넓어집니다. 예를 들어, 현재 수준이 10인 경우(역사적 측정치의 하한) 연환산 30일 내재변동성은 2.9%입니다. 이는 향후 30일에 S&P 500 지수가 현재 수준보다 낮게는 2.9%, 높게는 2.9% 일 것으로 예상된다는 것을 의미합니다. 반면에 VIX 수준이 30이면 S&P 500 지수의 향후 30일 예상 수준이 낮게는 8.7%, 높게는 8.7% 일 것임을 의미합니다.

자산군으로서의 변동성

변동성은 매수하거나 매도할 수 있습니다. 다각화 도구로 기능합니다. 이자와 배당금을 지급하지는 않지만 플러스 수익을 제공할 수 있습니다. 하지만 대다수 전통적 자산군과 달리 변동성은 결코 장기투자 대상은 아닙니다.

VIX가 S&P 500 지수에 대해 알려주는 내용

S&P 500 지수의
예상범위

시간 및 변동성

VIX는 연환산 수치로 보고됩니다. 변동성은 통계적으로 분산의 제곱근으로 정의되므로 VIX가 내포하는 월별 변동성은 1년이 12개월이므로 해당 수준을 12의 제곱근으로 나누어 계산할 수 있습니다.

VIX를 사용하여 S&P 500의 예상범위를 계산하는 방법

VIX 수준에서 S&P 500 지수의 30일 내재변동성을 찾는 데는 몇 가지 비교적 간단한 단계가 필요합니다. 예를 들어, VIX 수준이 18이고 S&P 500 지수의 현재값이 3,550이라고 가정합니다.

아래 제시된 단계를 따르면 시장에서 S&P 500 지수가 향후 30일에 거래될 것으로 합리적으로 예상하는 수준을 계산할 수 있습니다. 많은 투자자들이 단기거래 결정을 내리는 데 사용하는 정보입니다.

VIX 수준 = 18 | S&P 500 지수 수준 = 3,550

VIX 구축 및 계산 방법

VIX 즉, S&P 500 지수의 연환산 30일 내재변동성은 특정 S&P 500 지수 콜옵션 및 풋옵션 그룹의 가중 가격을 평균하여 각 거래일에 계산됩니다. 다른 S&P DJI 지수와 마찬가지로 VIX를 계산하는 데 사용되는 방법론은 엄격하고 투명하지만 유가증권 가격 변화보다는 변동성을 측정한다는 점에서 다른 지수와 다릅니다.

VIX 방법론은 만기가 23일 이상 37일 미만인 S&P 500 지수 옵션계약이 지수 계산에 사용되도록 지정합니다. 만기가 23일에서 37일 범위인 표준 및 주간 옵션계약이 모두 해당됩니다.

일주일에 한 번씩 VIX를 계산하는 데 사용되는 옵션이 새로운 계약 만기로 롤링됩니다. 예를 들어, 10월 두 번째 화요일에 VIX는 24일 후에 만기가 되는 “근월물” 옵션과 31일 후에 만기가 되는 “차월물” 옵션의 두 가지 옵션 세트를 사용하여 계산됩니다. 다음 날 30일 이내에 만기가 되는 옵션은 계산할 때 근월물 옵션이 되며 37일 이내에 만기가 되는 SPX 옵션은 새로운 차월물 옵션이 됩니다. 이 예에서 근월물 옵션은 만기가 25일인 표준 S&P 500 지수 옵션인 반면, 차월물 만기 옵션은 만기가 32일인 주간 옵션입니다.

각 VIX 계산이 시작되면 첫 번째 단계는 행사가격이 현재 SPX 수준보다 높거나 낮은 옵션계약이 포함될 것인지 결정하는 것입니다. 계약 수는 계산에 따라 다를 수 있지만 일반적으로 100개 이상의 풋옵션과 콜옵션이 포함됩니다. 자르기 위해서 계약에 현재 0이 아닌 매수 및 매도호가가 있거나 해당 가격으로 매수 또는 매도할 의사가 있는 투자자의 호가가 있어야 합니다. 행사가격이 현재 SPX 수준에서 멀어질수록 호가를 찾을 가능성이 낮아지고 호가가 없는 계약은 제외됩니다. 연속 행사가격이 있는 두 계약에 호가가 없는 시점에서 추가 계약이 포함되지 않고 구성종목이 설정됩니다.

다음 단계에서는 선택된 옵션계약이 각각 계산에 필요한 영향을 미칠 수 있도록 가중치가 부여됩니다. VIX 공식은 VIX의 후속 움직임이 기초자산의 변동성에만 의존하는 방식으로 옵션을 결합하도록 설계되었습니다. S&P 500 지수 수준, 배당금, 이자율, 기타 요인의 변화는 균형을 이루고 제거되었기 때문에 영향을 미치지 않습니다. 가중치에 대한 정확한 정당성은 기술적이지만 결과적으로 옵션 행사가격의 제곱에 반비례하여 각 옵션에 가중치를 두는 시스템이 됩니다. 따라서 VIX는 행사가격이 낮은 옵션의 가격 변화에 더 민감하고 행사가격이 높은 옵션에 덜 민감합니다.

연구과제 상세정보

최근 재무 분야에서 고유변동성(idiosyncratic volatility 또는 고유위험, idiosyncratic risk)과 주식수익률 간의 관계가 큰 주목을 받고 있다. CAPM과 같은 전통적인 자산가격결정모형이 가정하는 것처럼 투자자들이 잘 분산된 포트폴리오를 구성할 수 있다면 개별기업 .

최근 재무 분야에서 고유변동성(idiosyncratic volatility 또는 고유위험, idiosyncratic risk)과 주식수익률 간의 관계가 큰 주목을 받고 있다. CAPM과 같은 전통적인 자산가격결정모형이 가정하는 것처럼 투자자들이 잘 분산된 포트폴리오를 구성할 수 있다면 개별기업의 고유위험은 주가 변화를 설명하는 요인이 될 수 없다. 그러나 현실시장에서 투자자들은 다양한 이유로 충분히 분산된 포트폴리오를 구성하지 못하며 이 경우 투자자들은 고유위험을 부담하는 대가로 추가적인 양(+)의 프리미엄을 요구하게 된다(Levy, 1978; Merton, 1987; Malkiel and Xu, 2006). 그러나 예상과는 달리 최근의 실증연구에서 Ang, Hodrick, Xing and Zhang(2006, 2009)은 미국과 23개국의 선진자본시장 자료를 이용하여 검증한 결과 높은 고유변동성을 갖는 주식들이 낮은 수익률을 얻는다는 퍼즐링(puzzling)한 결과를 보여주어 학계와 실무계에 다양한 논쟁을 불러일으키고 있다. 그간 많은 연구가 고유변동성 수수께끼를 설명하기 위하여 노력을 하였지만 아직 어느 연구도 고유변동성 효과를 충분히 설명하고 있지는 못하다. 본 연구에서는 기존연구들과는 달리 새로운 관점에서 고유변동성 수수께끼를 설명하기 위해 (1) 경기변동(business cycles)과 고유변동성의 관계를 반영하고, 고유변동성을 장단기요소(long-run and short-run idiosyncratic volatility components)로 분해하여 고유변동성-주식수익률의 관계를 검증한다. (2) 또한 개별주식들의 고유변동성이 갖는 공통속성을 도출하고, 도출된 공통속성이 경기상황을 반영하는지를 체계적으로 분석하여 고유변동성요인이 주가변동을 설명하는 새로운 위험요인(pricing factor)인지를 검증한다. (3) 마지막으로 기존연구에서 대표적으로 사용되어온 투자전략과 고유변동성을 결합하는 새로운 투자전략을 구성하고 그 성과를 검증함으로써 고유변동성을 반영하는 투자전략의 유용성을 평가한다.
선행연구의 결과를 토대로 추론하면 고유변동성을 장단기변동성요소로 분해하고 경기상황을 반영할 경우, 장기고유변동성이 주식수익률과 갖는 관계는 경기상황에 관계없이 유의적인 양(+)의 관계를 가질 것으로 예상할 수 있다. 반면, 단기고유변동성과 주식수익률의 관계는 경기상황에 따라 가변적이며, 경기침체기에는 이 관계가 유의적인 (-)의 관계를 가질 것으로 예상할 수 있다. 즉, Ang et al.(2006, 2009)이 보인 고유변동성 수수께끼는 경기침체기에 단기고유변동성이 주식수익률과 갖는 관계가 표출된 것이라고 추론할 수 있다. 본 연구에서는 경기상황을 반영하는 주식수익률-장단기고유변동성의 관계분석을 통하여 이러한 추론을 검증한다. 이를 위해 먼저 개별기업의 고유변동성을 장기고유변동성과 단기고유변동성의 두 요소로 분해한다. 그리고 경기상황을 확장기(expansion stage)와 수축기(contraction stage)로 구분하고 이를 나타내는 경기지표변수(business cycle indicator variable: BC)를 구성한다. 이후 경기지표변수와 두 고유변동성요소를 이용하여 경기변동이 반영된 주식수익률과 장단기고유변동성 간의 관계를 검증한다. 본 연구의 두 번째 연구동기는 고유변동성요인이 주식시장에서 경기상황을 반영하는 공통요인으로서의 역할을 하는가를 확인하는 것이다. 이를 위해 개별주식과 포트폴리오에 대한 시계열/횡단면 분석을 통하여 고유변동성(또는 장단기고유변동성 요소)이 주가변동을 설명하는 가격결정요인을 역할을 하는지를 검증하고, 고유변동성에 대한 위험추정치의 공통속성과 경기상황을 반영하는 제 변수들간의 관련성을 분석함으로써 고유변동성의 공통요인으로서의 역할을 검증한다. 본 연구에서 다루어지는 마지막 연구주제는 고유변동성을 이용한 투자전략이 현실적으로 의미있는 투자전략이 될 수 있는지를 평가하는 것이다. Ang et al.(2006,2009)을 비롯한 많은 기존연구에서 고유변동성 효과를 보여주기 위하여 사용한 대표적인 방법은, 낮은 고유변동성을 갖는 주식들을 매수하고 높은 고유변동성을 갖는 주식들은 매도하는 무비용 차익거래포트폴리오를 구성하였을 때 이 포트폴리오가 양(+)의 유의적인 초과수익률을 얻는지를 검증하는 것이다. 그러나 이러한 방법은 단순하게 구성된 차익거래포트폴리오의 미래기간의 성과를 관찰한 것으로, 임의적이고 통제되지 않은 투자성과이기 때문에(구체적인 문제점은 2.8 참조) 현실적인 포트폴리오 전략으로써 그 유용성을 논하는 데에는 한계가 있다. 본 연구에서는 이러한 문제점을 고려하여 고유변동성과 대표적인 적극적 투자전략인 Treynor & Black 모형과, Markowitz 포트폴리오 전략, 그리고 Black & Litterman 모형 각각을 결합한 포트폴리오 구성전략을 통하여, 고유변동성을 이용한 투자전략의 구현 가능성과 그 유용성을 평가한다.

본 연구의 연구동기는 최근 많은 논쟁을 불러일으키고 있는 ‘고유변동성 수수께끼’를 경기변동의 영향을 반영하고 고유변동성의 장단기요소로의 분해를 통해 새롭게 검증함으로써 해결해보고자 하는 것이다. 더불어 고유변동성이 주식시장에서 경기상황을 반영하는 가격결 .

본 연구의 연구동기는 최근 많은 논쟁을 불러일으키고 있는 ‘고유변동성 수수께끼’를 경기변동의 영향을 반영하고 고유변동성의 장단기요소로의 분해를 통해 새롭게 검증함으로써 해결해보고자 하는 것이다. 더불어 고유변동성이 주식시장에서 경기상황을 반영하는 가격결정요인지를 검증하고 고유변동성의 공통속성이 갖는 경제적 의미를 규명하고, 이를 이용한 투자전략을 개발함으로써 관련 분야의 연구에 새로운 시사점을 제공하고자 한다. 본 연구에서 이루어질 연구 성과들은 기존연구에서 해결되지 못하고 있는 고유변동성 수수께끼에 대한 새로운 설명과 원인분석, 자산가격결정모형의 현실설명력의 제고 및 새로운 투자전략의 개발이다. 이를 위해 기존의 재무 분야의 연구역량에 인접 학문분야에서 개발된 새로운 방법론을 접목함으로써 설정한 연구목표가 효과적으로 달성될 수 있도록 노력하며, 연구성과의 적극적인 국내외 학술발표 및 논문게재, 연구 참여인력의 활발한 공동연구의 수행을 통하여 다양한 후속담론의 확산에 기여하고자 한다. 본 연구를 통하여 기대되는 학문적 및 실무적 기여도, 그리고 인력양성 및 교육효과에 대하여 간단히 요약·정리하면 다음과 같다.

■ 학문적 기여도
- 고유변동성 수수께끼에 대한 새로운 관점에서의 설명과 해결
- 고유변동성의 장·단기 속성, 경기변동과의 관계, 경제적 의미 및 그 위험 속성에 관한 근원적 이해
- 가격결정요인으로서의 고유변동성의 역할과 정보가치에 대한 검증
- 고유변동성을 이용한 투자전략의 개발 가능성과 그 유용성

■ 실무적 기여도
- 학문적 발견에 바탕을 둔 실무 투자전략의 개발
- 금융시장의 핵심인 가격형성 메커니즘의 새로운 이해와 투자성과의 평가
- 포트폴리오 투자전략 (시뮬레이션) 구현 알고리듬 개발

■ 인력양성 및 교육 연계
- 석·박사 과정 학생의 적극적인 참여를 통한 후속학문세대의 육성
- 참여연구진의 공동연구를 통한 다양한 연구성과의 창출과 결과물의 교육에의 연계 및 적용
- 적극적인 국내외 학술발표 및 세미나 개최를 통한 다양한 후속담론의 확대 재생산

본 연구에서는 미국과 한국 시장의 자료를 대상으로 고유변동성-주식수익률간의 관계에 대해 다음과 같은 세 주제를 심층적으로 분석한다. (1) 먼저, 경기변동이 고유변동성과 갖는 관계를 반영하고, 고유변동성의 장단기요소로의 분해를 통하여 고유변동성과 주식수익률 .

본 연구에서는 미국과 한국 시장의 자료를 대상으로 고유변동성-주식수익률간의 관계에 대해 다음과 같은 세 주제를 심층적으로 분석한다. (1) 먼저, 경기변동이 고유변동성과 갖는 관계를 반영하고, 고유변동성의 장단기요소로의 분해를 통하여 고유변동성과 주식수익률간에 갖는 조건부 관계를 새롭게 검증한다. (2) 둘째, 고유변동성이 주식시장에서 경기변동을 반영하는 새로운 공통요인(가격결정요인)으로 역할을 할 수 있는지를 체계적으로 검증하고, 경기상황을 반영하는 상태변수로서의 고유변동성의 속성을 구체적으로 분석하여 주식수익률과 고유변동성에 관련된 연구에 새로운 시사점을 제공한다. (3) 셋째, 고유변동성을 이용한 투자전략이 현실적으로 의미있는 투자전략이 될 수 있는지를 고유변동성과 기존 투자전략과의 결합을 통하여 검증하고 그 유용성을 평가한다.
이를 위해 먼저 개별기업의 고유변동성을 장기고유변동성과 단기고유변동성의 두 요소로 분해하고, 경기상황을 나타내는 경기지표변수를 구성한 후, 경기지표변수와 두 고유변동성요소를 이용하여 주식수익률과 장단기고유변동성 간의 관계를 검증한다. 이후 개별주식과 포트폴리오에 대한 시계열/횡단면 분석을 통하여 고유변동성이 경기상황을 반영하는 새로운 공통요인으로서 역할을 할 수 있는지를 검증하고, 고유변동성의 속성에 대한 구체적인 설명원인을 분석한다. 마지막으로 대표적으로 이용되어온 투자전략인 마코위츠의 포트폴리오 전략, Treynor-Black 모형, 그리고 Black-Litterman 모형과 고유변동성을 결합한 투자전략을 구성하고 투자전략으로서의 현실성과 유용성을 평가한다.
본 연구는 최근 많은 논쟁을 불러일으키고 있는 ‘고유변동성 수수께끼’를 설명하기 위한 새로운 시도이다. 경기변동이 주식시장에 큰 영향을 미친다는 것은 주지의 사실이며, 고유변동성이 자산가격결정모형에서 누락된 변수들과 밀접한 관련을 가질 수 있음 또한 잘 알려져 있다. 본 연구는 이러한 누락변수들의 영향이 경기상황으로 집약될 수 있으며, 고유변동성요인이 주식시장에서 이를 나타내는 공통요인으로서의 역할을 수행하는지를 검증하고자 하는 동기에서 출발한다. 이러한 연구동기는 주제의 중요성에 비추어 매우 제한적인 선행연구만이 존재한다. 본 연구에서는 기존연구에서 간과한 경기변동이 주식수익률과 고유변동성의 관계에 미치는 영향과, 장단기고유변동성이 주식수익률에 미치는 영향을 반영하여 고유변동성 수수께끼를 새롭게 검증함으로써 기존연구에서 설명하지 못한 수수께끼에 대한 원인을 파악하고 진일보한 설명을 가능하게 할 것이다. 또한 고유변동성이 경기상황을 반영하는 새로운 공통요인으로 역할을 할 수 있는지와 그 구체적인 설명원인에 대한 체계적인 검증을 통하여 주식수익률과 고유변동성에 관련된 연구에 새로운 시사점을 제공하고 다양한 후속담론을 이끌어낼 수 있을 것이다.

• 한글키워드
• 고유변동성, 고유변동성수수께끼, 경기변동, 변동성요소, 주식수익률, 공통요인, 투자전략

• 영문키워드
• Idiosyncratic Volatility; Idiosyncratic Volatility Puzzle, Business Cycles, Voaltility Components, Stock Returns, Common factor, Investment Strategy

1. 한국주식시장의 고유변동성 퍼즐에 대한 연구 본 연구는 한국자본시장에서 고유변동성이 주식수익률과 갖는 관계를 1992년 7월 ~ 2012년 6월의 표본을 대상으로 횡단면 분석을 통하여 검증하였다. 강건한 결과 확보를 위해 검증결과에 영향을 미칠 수 있는 실증방법상 .

1. 한국주식시장의 고유변동성 퍼즐에 대한 연구 본 연구는 한국자본시장에서 고유변동성이 주식수익률과 갖는 관계를 1992년 7월 ~ 2012년 6월의 표본을 대상으로 횡단면 분석을 통하여 검증하였다. 강건한 결과 확보를 위해 검증결과에 영향을 미칠 수 있는 실증방법상의 여러 요소들을 고려하여 실증모형을 설계하고, 모형에서 생략된 변수들에 의한 영향으로부터 자유로운 결과를 얻기 위하여 선행연구에서 확인된 여러 변수들을 통제하여 분석하였다. 분석결과는, 결과에 차이를 가져오는 것으로 잘 알려진 실증방법상의 중요한 영향요소인 고유변동성의 추정방법이나 포트폴리오의 구성방법에 관계없이, 고유변동성이 미래 주식수익률과 유의한 음(-)의 관계를 가짐을 보여준다. 또한 고유변동성-주식수익률간의 음(-)의 관계는 가격결정모형에 생략된 변수들(단기수익률반전, 모멘텀, VIX | S&P 다우존스 지수 거래회전율, 주가수준)에 의한 왜곡된 현상이 아니다. 그러나 이러한 관계는 주식시장의 상황을 통제하는 경우 시장하락기에서만 유의하게 나타나고 시장상승기에서는 그 유의성이 사라진다. 또 수익률의 계절특성을 통제하는 경우 1월에는 음(-)의 관계가 확인되지 않는다. 이러한 결과는 Ang et al. (2006, 2009에서 보인 고유변동성 퍼즐이 한국자본시장에도 존재하나 이는 시장하락기에 고유변동성이 주식수익률과 갖는 관계가 나타난 결과이며 또 1월 외의 기간에만 나타나는 현상임을 보여주는 것이다. 2. 한국주식시장의 규모효과에 대한 재검증 Fama and French(1992,1993) 이후 한국주식시장을 대상으로 한 연구에서 규모요인은 자산가격결정모형의 검증, 자산배분 및 포트폴리오 구성, 변동성의 추정 등 중요 분야에서 널리 이용되고 있으나, 한국주식시장에서 규모효과가 존재하는가에 대한 여러 실증연구는 일관된 결과를 보여주지 못하고 있다. 본 연구는 1990년 이후 최근까지의 기간을 대상으로 한국주식시장에서 규모효과가 존재하는지를 재검증하고, 우리 시장에 나타타는 규모효과의 특성을 어떻게 VIX | S&P 다우존스 지수 설명할 수 있는지 살펴본다. 본 연구의 주요결과는 다음과 같다. 첫째, 우리 시장에서 전통적인 규모효과는 1990년대에 존재하는 것으로 나타나나, 이는 포트폴리오 구성방법에 크게 좌우되는 불안정한 결과이다. 둘째, 2000년 대 이후에 우리 시장에서는 역의 규모효과가 유의하게 나타난다. 즉, 소규모기업의 프리미엄이 사라지고 반대로 대규모기업 프리미엄이 유의적으로 존재한다. 셋째, Knez와 Ready(1997)가 미국시장에서 규모효과의 설명원인으로 제시한 Turtle Egg 효과는 우리 시장의 규모효과의 특징에 대해 제한적인 설명력을 갖는 데에 그친다. 대신에 우리 시장에서는 외환위기 이후 기업규모가 크고 가치비율이 높은 기업들이 지속적으로 높은 초과수익률을 실현하였으며, 이러한 결과가 2000년대 들어 나타나는 역의 규모효과와 가치효과를 설명한다. 본 연구의 결과는 한국주식시장에서 규모요인을 포함하는 요인모형이나 가격결정모형을 이용하는 연구나 가격결정모형의 검증에서 표본기간의 특성을 주의 깊게 고려하는 것이 매우 중요하며 또한 주식수익률 변동에 기업특성이 중요한 영향을 미침을 보여주는 것이다.

1. A Study on the Relationship between Idiosyncratic Volatility and Stock Returns in the Korean Stock Markets: The idiosyncratic volatility(IVOL) puzzle, as first documented in Ang, et al. (2006), has received so much attention in the finance literat .

1. A Study on the Relationship between Idiosyncratic Volatility and Stock Returns in the Korean Stock Markets: The idiosyncratic volatility(IVOL) puzzle, as first documented in Ang, et al. (2006), has received so much attention in the finance literature. We examine the IVOL puzzle in the Korean stock markets. We use monthly realized IVOL based on daily stock returns and conditional IVOL from EGARCH based on monthly stock returns. We find that stocks with recent past high IVOL have low future VIX | S&P 다우존스 지수 average returns in Korean stock markets after controlling for market beta, size and value factors. The negative relationship between IVOL and stock returns is significant and robust for controlling short-term reversal, momentum, trading volume turnover ratio, stock price level. This result suggest that the IVOL puzzle of Ang et al.(2006) exists and there are broad, not easily diversifiable factors in Korean stock markets. However, we can not find this IVOL puzzle in the down market period and January. In January high IVOL stocks on average outperform low IVOL stocks while in other months they underperform. And in up markets the negative relationship between IVOL and stock returns is not significant but it is very significant in down markets. These results mean that high IVOL stocks earn large negative returns when the market goes down and induce the IVOL puzzle in the Korean stock markets. 2. A Re-examination on the Size Effect of the Korean Stock Markets: Since Fama and French (1992), there has been a vigorous, ongoing debate on whether the size effect exists in the Korean stock markets, but no consensus of results has yet been found. We re-examine the small firm effect on Korean stock returns during the sample period from 1990 to 2012 and investigate how to explain the empirical results. We find that the traditional size effect exists in the 1990s in the Korean stock markets, however this result is not robust and is very sensitive to the weighting scheme for portfolio construction. Second, there is significant reverse-size effect and value effect in the 2000s, larger and higher book-to-market ratio firms obtain higher risk-adjusted returns, on average, than smaller and lower book-to-market firms. Third, unlike the Knez and Ready(1997)’s findings for the US market, the turtle egg effect is not good hypotheses for the stock return behavior of big and small firms. However larger and higher book-to-market ratio firms keep obtaining higher excess returns for the period after the 1997 Asian-financial crisis than smaller and lower book-to-market firms, and these results explain the reverse size effect and value effect in the 2000s. Our findings imply that firm and sample period characteristics are important variables for understanding the changes of stock returns in Korean stock markets.

본 연구는 한국자본시장에서 고유변동성이 주식수익률과 갖는 관계를 1992년 7월 ~ 2012년 6월의 표본을 대상으로 횡단면 분석을 통하여 검증하였다. 강건한 결과 확보를 위해 검증결과에 영향을 미칠 수 있는 실증방법상의 여러 요소들을 고려하여 실증모형을 설계하고, .

본 연구는 한국자본시장에서 고유변동성이 주식수익률과 갖는 관계를 1992년 7월 ~ 2012년 6월의 표본을 대상으로 횡단면 분석을 통하여 검증하였다. 강건한 결과 확보를 위해 검증결과에 영향을 미칠 수 있는 실증방법상의 여러 요소들을 고려하여 실증모형을 설계하고, 모형에서 생략된 변수들에 의한 영향으로부터 자유로운 결과를 얻기 위하여 선행연구에서 확인된 여러 변수들을 통제하여 분석하였다. 분석결과는, 결과에 차이를 가져오는 것으로 잘 알려진 실증방법상의 중요한 영향요소인 고유변동성의 추정방법이나 포트폴리오의 구성방법에 관계없이, 고유변동성이 미래 주식수익률과 유의한 음(-)의 관계를 가짐을 보여준다. 또한 고유변동성-주식수익률간의 음(-)의 관계는 가격결정모형에 생략된 변수들(단기수익률반전, 모멘텀, 거래회전율, 주가수준)에 의한 왜곡된 현상이 아니다. 그러나 이러한 관계는 주식시장의 상황을 통제하는 경우 시장하락기에서만 유의하게 나타나고 시장상승기에서는 그 유의성이 사라진다. 또 수익률의 계절특성을 통제하는 경우 1월에는 음(-)의 관계가 확인되지 않는다. 이러한 결과는 Ang et al. (2006, 2009에서 보인 고유변동성 퍼즐이 한국자본시장에도 존재하나 이는 시장하락기에 고유변동성이 주식수익률과 갖는 관계가 나타난 결과이며 또 1월 외의 기간에만 나타나는 현상임을 보여주는 것이다.

현재 진행 중이거나 향후 진행될 연구들은 기존연구에서 해결되지 못하고 있는 고유변동성 수수께끼에 대한 새로운 설명을 제공해줄 수 있으며, 한국시장에서의 고유변동성 퍼즐에 대한 강건한 결과를 제공해줄 것이다. 이를 통해 연구성과의 적극적인 국내외 학술발표 및 .

현재 진행 중이거나 향후 진행될 연구들은 기존연구에서 해결되지 못하고 있는 고유변동성 수수께끼에 대한 새로운 설명을 제공해줄 수 있으며, 한국시장에서의 고유변동성 퍼즐에 대한 강건한 결과를 제공해줄 것이다. 이를 통해 연구성과의 적극적인 국내외 학술발표 및 논문게재, 연구 참여인력의 활발한 공동연구의 수행을 통하여 다양한 후속담론의 확산에 기여하고자 한다. 본 연구를 통하여 기대되는 학문적 및 실무적 기여도를 간단히 요약·정리하면 다음과 같다. - 고유변동성 수수께끼에 대한 새로운 관점에서의 설명과 해결 - 고유변동성의 장·단기 속성, 경기변동과의 관계, 경제적 의미 및 그 위험 속성에 관한 근원적 이해 - 가격결정요인으로서의 고유변동성의 역할과 정보가치에 대한 검증 - 고유변동성을 이용한 투자전략의 개발 가능성과 그 유용성

earticle

Volatility is one of the important parameters in financial markets. It plays a very important role in asset pricing, risk management, and investment policy. As concerns volatility increase, VIX, an index for volatilities in the US financial markets, was invented in 1993. At first time, the implied volatility had been used to calculate VIX, option prices have been used since September 2003. There have been many research works on whether VIX is the unbiased estimate of the realized volatility. They focus on improving model specifications, finding a better estimation method or relaxing assumptions on model specifications. However, results are not consistent. They cannot lead to the same result. Jorion(1995), Christensen and Prabhala(1998) find that implied volatility has better information contents than historical volatility. Canania and Figlewski(1993) insist that historical volatility is better than implied volatility in terms of information contents and that implied volatility has nothing to do with future realized volatility. Day and Lewis(1992) suggest that any candidate does not perform better than others. Corrado and Miller(2005), Lee and Chung(2006) find that VIX performs well to predict the future realized volatility. Rhee and Hwang(2008) obtain the result that model-free implied volatility(MFIV) has better predictive power for future realized volatility. Eom et al.(2008) calculate the monthly volatility index using KOSPI200 option prices and test the predictive power of the monthly volatility index for the future realized volatility. They find that the volatility index is an unbiased estimator after taking the measurement error or the omitted-variable problem into account, while it’s a biased estimator in general regression test. These results show that the unbiasedness of the volatility index to VIX | S&P 다우존스 지수 the actual volatility is not rejected when some econometric issues are considered and that the volatility index has higher predictability power than those of other volatility measures such as past actual volatilities. Yoo and Koh(2009) find out whether the information from foreign capital markets can improve the forecasting power for the realized volatility of KOSPI200 index. The realized VIX | S&P 다우존스 지수 volatility is estimated by using both daily return series and 5 minutes intraday data of KOSPI200. The volatilities of S&P100 return series and Won/Dollar exchange rate are considered as the information from foreign capital markets, and the volatility of Korean domestic interest rate is introduced as an additional variable to improve the forecasting power for the realized volatility of KOSPI200 returns. It turns out that those additional variables are statistically significant to improve the predictive power for the realized volatility of KOSPI200. Can the predictability of realized volatility be improved when volatilities of other financial markets are added as explanatory variables? To answer this question, the dependent variable, that is, realized volatility is estimated by using various data sets with different frequencies of day, hour, 30 minutes and 5 minutes. As for explanatory variables, we use both domestic and foreign financial markets variables. For domestic financial market variables, there are volatility of domestic three-month CD rates and volatilities of foreign exchange rates. For foreign financial market variables, there are equity volatilities of U.S., Japan, Hong Kong, and U.K., and volatilities of three-month U.S. treasury rates and three-year U.S. treasury rates. It turns out that VKOSPI is a biased estimator of the corresponding realized volatility. VKOSPI, historical volatility of S&P500, and historical volatility of KOSPI200 explain similarly the realized volatility of KOSPI200 in terms of the explanatory power, that is,  . In addition to VKOSPI, volatilities of domestic bond and won/dollar exchange markets have additional minor explanatory power to the realized volatility. One thing interesting is that the volatility of the domestic interest rate market is negatively related to the realized volatility. For volatilities from foreign stock markets, we first use volatility of S&P500 as an explanatory variable and then add volatilities of other foreign equity markets. It turns out that there exists little improvement in  . That means that S&P500 has dominant explanatory power to the realized volatility of KOSPI200.

변동성은 금융시장에 가장 중요한 파라미터 중의 하나이다. 가격책정이나 위험관리, 투자정 책 등에서 중요하게 고려되고 있는 변수이다. 변동성에 대한 관심이 증가하면서 1993년 미국에서 변동성 지수인 VIX를 만들게 되었다. 초기에는 내재변동성을 이용하여 계산되었으나, 2003년 9월부터는 옵션가 격을 기초로 계산되고 있다. 그리하여 초기에는 이러한 VIX가 실현변동성에 대한 불편예측치인가에 대 한 실증분석이 많았다. 실현변동성을 예측함에 있어 우수한 방법이나 모형을 제시 및 검증하고, 기존모 형의 가정을 완화하여 실제 보다 가까운 방법을 찾아내는데 초점을 맞추었다. 하지만 이러한 방법들 중 에서 특정 모형이 일관성 있게 우월성을 보이지 못하고 상이한 결과를 보이고 있다. Jorion(1995), Christensen과 Prabhala(1998) 등의 VIX | S&P 다우존스 지수 연구에서는 과거변동성에 비해 내재변동성이 정보우수성을 가진다고 주 장하고, Canina와 Figlewski(1993) 등의 연구에서는 과거변동성의 정보우수성을 주장하고 내재변동성은 미래변동성과 아무런 상관관계도 없다고 주장한다. 그리고 Day와 Lewis(1992)의 연구에서는 혼재된 결 과를 보고하여 어느 한쪽의 일방적인 주장을 부정하였다. 또한 Corrado와 Miller(2005), 이재하와 정제련 (2006) 등의 연구에서는 변동성지수(VIX)의 예측력의 우수성을 주장한다. 이병근과 황상원(2008)의 경 우, 모델프리 내재변동성(model-free implied volatility; MFIV)의 실현변동성에 대한 예측력이 내재변동 성이나 과거변동성보다 뛰어나다고 실증분석하였다. 엄영호 등(2008)은 월별 변동성지수 산정을 통해서 변동성지수의 실현변동성에 대한 예측력을 검증하였다. 또한 측정오차나 비중심적률의 고차적률을 고려하는 경우, 변동 성지수의 실제변동에 대한 기댓값의 불편성이 기각되지 않음 보였다. 유시용과 고중양 (2009)의 경우, 콜옵션과 풋옵션의 내재변동성, 환율변동성, 국내 이자율변동성, 미국주식시장 변동성 등 을 설명변수로 추가하여 실현변동성의 예측력을 제고시킬 수 있음을 보였다. 본 연구에서 변동성은 변동 성지수나 과거 일정기간동안의 수익률의 표준편차를 의미하며, GARCH 모형의 변동성을 의미하지는 않 는다. Aboura와 Villa(1999), Carr와 Wu(2006), Becker 등(2006), 엄영호 등(2008)에서 언급된 바와 같 이, GARCH모형의 변동성은 변동성지수에 비해서 설명력이 없다고 밝혀졌기 때문이다. 실현변동성에 대한 예측력이 변동성지수뿐만 아니라 다른 금융시장의 변동성을 설명변수로 추가하였을 때에 향상될 수 있을까? 이를 실증분석하기 위해서 KOSPI200 일별자료 및 고빈도자료를 활용하여, 일 별, 1시간 단위, 30분 단위, 및 5분 단위 주가수익률의 역사적 변동성과 실현변동성을 각각 계산하였다. 그리고 국내 금리시장, 외환시장, 외국의 주식시장 및 금리시장 등의 변동성 역시 계산하였다. 먼저 국내 의 변동성지수인 VKOSPI가 실현변동성이 불편 조건부 기댓값인지를 검정한 결과 불편성을 가지는 것 으로 나타나지는 않았다. 그리고 KOSPI200 실현변동성에 대한 설명력의 정보의 크기 VKOSPI, S&P500의 역사적 변동성, KOSPI200 의 역사적 변동성 등 모두 유사하게 나타나고 있다. 그리고 VKOSPI 외에 다른 국내 변동성지표들을 설 명변수로 사용하여 추정한 결과, 조정-R2 이 다소 개선되는 것으로 나타났다. 한 가지 특이한 것은 국내 금리시장의 변동성과 실현변동성 간에는 부(-)의 관계가 있는 것으로 나타났다. 이는 이자율시장의 변 동성과 주식시장의 변동성 간에는 부(-)의 관계가 있다는 것을 의미한다. 해외주식시장의 VIX | S&P 다우존스 지수 변동성의 대표로서 S&P500 변동성을 상정하고, S&P500 변동성 외에 다른 해외시장의 변동성지표들을 추가하여 추정한 결과, 조정-R2의 개선은 거의 없는 것으로 나타났다. 이는 국내 실현 변동성에 대한 해외주식시장의 설명력에 있어서 S&P500 변동성이 지배적인 위치를 차지하고 있음을 의미한다. 그리고 국내 및 해외의 변동성지표들을 모두 고려하여 유효한 모든 지표들을 사용한 경우, 조정-R2 의 개선은 미세하게 나타나고 있다. 이는 국내 자본시장이 세계 금융시장으로의 통합이 진전되었 기 때문에, 세계 금융시장의 위험이 국내에 직접적으로 전달되는 경향이 강해졌다는 것을 의미한다. 그 리고 포트폴리오관리나 위험관리 시에 해외요인을 잘 고려해야함을 의미한다.

국문요약
Ⅰ. 서론
Ⅱ. 변동성에 관한 이론
2.1 실현변동성 및 역사적 변동성
2.2 내재변동성 및 VIX
Ⅲ. 기초자료 및 실증분석
3.1 실현변동성 및 역사적 변동성
3.2 모형설정
3.3 추정결과
Ⅳ. 결론
참고문헌(References)
Abstract