변동성 모형의 질적 특성에 관한 연구

안주영; 김철중

추천

검색

자료유형: 학술저널

저자정보: 안주영 김철중

저널정보: 한국기업경영학회 기업경영연구 기업경영연구 제19권 제6호

발행연도: 2012.1

수록면: 257 - 281 (25page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 연구의 목적은 다양한 분석 방법을 도입한 변동성 모형의 질적 특성 비교하고 평가하는 것을 목표로 한다. 표본자료는 1997년 7월 7일부터 2011년 6월 9일까지의 KOSPI200지수 일별수익률 3509개이며 비교할 모형은 GARCH, EGARCH, EWMA 및 내재변동성 모형이다. 실증분석 결과 예측오차 분석에서는 RMSE 기준으로 비교할 경우 5일, 10일 예측기간은 EGARCH 모형, 20일, 30일 예측기간은 GARCH 모형의 예측오차가 가장 작다. MAE 기준으로 비교할 경우 5일 예측기간은 EGARCH 모형, 10일 예측기간은 EWMA 모형, 20일, 30일 예측기간은 GARCH 모형의 예측오차가 가장 작은 것으로 나타났다. MAPE 기준으로 비교할 경우 모든 예측기간에서 EWMA 모형이 가장 우월한 예측력을 보였다. 정보효과 분석에서는 20일의 예측기간은 내재변동성모형이, 5일과 10일 그리고 30일의 예측기간은 EGARCH 모형이 우월한 것으로 나타났다. 불편성 분석한 결과, EWMA 모형이 10일, 20일, 30일의 예측기간에서 불편성을 갖는 것으로 나타났다. 모형의 직관적 비교가 가능한 Davidson and Mackinnon(1981)의 방법론을 이용하여 변동성 모형을 분석할 경우 5일과 10일 예측기간에서는 EGARCH 모형이, 20일과 30일 예측기간에서는 GARCH 모형이 우월한 예측력을 갖는 것으로 나타났다. 글로벌 금융위기 전후 기간에 대해 Davidson and Mackinnon(1981)의 경합모형 분석 방법을 적용할 경우 금융위기 이전에는 EGARCH 모형이, 반면에 금융위기 이후에는 EGARCH(5일, 10일), GARCH(20일), 내재변동성(30일)의 예측력이 우수한 것으로 분석되었다. 이러한 결과는 각 변동성 모형이 갖는 질적 특성이 다르다는 것을 나타낸다. 즉, 모든 질적 특성에서 가장 우월하고 유일한 변동성 모형은 존재하지 않는것을 나타내는 것이다. 따라서 변동성 모형을 이용할 경우 예측하려는 기간이나 집중하고자 하는 질적 특성을 고려하여 모형을 선별할 필요가 있다

This study analyzed the qualitative characteristics of the volatility model based on various analytical standards. In the analysis of prediction errors according to the empirical analysis results, the prediction errors of EVARCH model compared with RMSE standard were found to be least for 5 and 10 days, and those of GARCH model for 20 and 30 days. But comparing with MAE standard, the prediction model of GARCH model was the least in EGARCH model for 5 days, in EWMA for the 10 days, in GARCH model on 20 and 30 days. In cases of comparison with MAPE standard, EWMA showed the most superior prediction performance. In the analysis of information effectiveness, the implied volatility was found to be most superior during the 20 day prediction period and EGARCH model was superior in the forecast period of 5, 10, and 30 day prediction period. In the unbiased analysis, EMWA model was found to have bias in the freedom in the prediction periods of 10, 20 and 30 days. According to the analysis results of volatility model using the methodology of Davidson and Mackinnon which enables the intuitive comparison of the model, EGARCH model had superior prediction in 5 and 10 day prediction periods and GARCH model has superior prediction performance for 20 and 30 days. Compared with RMSE standard, EGARCH model showed the least prediction errors across all prediction days before the global financial crisis. But the prediction errors were least during 20 days in GARCH and for 30 days in the implied volatility. When comparing with MAE standard, while EGARCH and EWMA showed outstanding prediction performances during the period before the financial crisis, the prediction errors were analysed to be least in GARCH model and EGARCH model. When comparing with MAPE standard, while EWMA showed outstanding prediction performances during all prediction days before the financial crisis, the prediction errors were found to be least in GARCH model and EGARCH model in the period after the financial crisis. The implied volatility of the information effectiveness was shown to be highest during the period after the financial crisis but the information effectiveness of EGARCH model was higher. EWMA model, regardless of the period of the financial crisis, showed characteristics of unbiased estimates. Although EGARCH model showed characteristics of unbiased estimates during 20 and 30 estimate days, it did not show these characteristics since the period after the financial crisis. According to the analysis results using methods of Davidson and Mackinnon (1981), EGARCH model showed the most excellent prediction performances in the period before the financial crisis. On the contrary, the prediction of EGARCH (5 and 10 days), GARCH (20days) and implied volatility (30days) were during the period after the financial crisis. These results indicate that the qualitative characteristics of each variability are different. In other words, there is not any volatility model which is unique and superior in all the qualitative characteristics. Therefore, it is necessary to choose a model considering qualitative prediction periods and characteristic to be focused on in case of using the volatility model. Limitations of this study is the assumption of the average equation as AR (1) process to presume GARCH model and EGARCH model. The daily rate of return of KOSPI200 index is affected not only by its time series process but other exogenous variables. Accordingly, it is required to examine which effects are made on prediction of variability when estimating conditional volatility by inputting exogenous variables significantly affecting the mean equations of EGARCH model, commitment to estimate the conditional volatility, we need to look at what any change in the predictive power of the volatility.

#변동성 #예측력 #내재변동성 #GARCH #EWMA #Volatility #Forecasting Power #GARCH #EWMA #Implied Volatility

참고문헌 (33)

참고문헌 신청

Akgiray, V. / 1989 / Conditional Heteroskedasticity in Time Series of Stock Return Eevidence and Forecasts / Journal of Business 62 : 55 ~ 80

Andersen, T. G. / 1998 / Answering the Skeptic : Yes, Standard Volatility Model Do Provide Accurate Forecast / International Economic Review 39 : 885 ~ 905

Black, F. / 1973 / The Pricing of Options and Corporate Liabilities / Journal of Political Economy 81 : 637 ~ 659

Bollerslev, T. / 1986 / Generalized Autoregressive Conditional Heteroskedasticity / Journal of Econometrics 69 : 532 ~ 547

Cox, J. C. / 1979 / Option Pricing : A Simplified Approach / Journal of Financial Economics 7 : 229 ~ 264

이 논문의 저자 정보

안주영

소속기관 한국기업경영학회

주요연구분야 사회과학 > 경영학

논문수 1 이용수 6

김철중

소속기관 한국기업경영학회

주요연구분야 사회과학 > 경영학

논문수 8 이용수 220

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 (33)

이 논문의 저자 정보

최근 본 자료

댓글(0)