Fama-French 3요인과 동적 요인의 비교

이현석

doi:10.37727/jkdas.2021.23.4.1761

추천

검색

자료유형: 학술저널

저자정보: 이현석 (성신여자대학교)

저널정보: 한국자료분석학회 Journal of The Korean Data Analysis Society Journal of The Korean Data Analysis Society 제23권 제4호

발행연도: 2021.8

수록면: 1,761 - 1,775 (15page)

DOI: 10.37727/jkdas.2021.23.4.1761

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

Fama, French(1993)의 논문 이후 주식수익률에 미치는 요인에 대한 연구는 현재에도 활발히 진행 중이다. 그러나 각 분석 대상 자산수익률이 갖는 특성의 차이와 각 요인의 측정 방법의 차이로 인해 연구자마다 결과가 다르게 나타나고 있다. 본 연구는 1999년부터 2019년까지 KOSPI, KOSDAQ 비금융 상장기업을 대상으로, 자기자본의 시장가치 규모와 장부/시가 기준의 6개 포트폴리오를 구성한 후 이를 상태공간 모형에 적용하여 시장, 규모, 가치 등의 동적 요인을 추출하였다. 이 동적 요인과 기존의 FF 3요인을 비교하여 각 요인의 분포 특성을 살펴보고, 또한 규모와 장부/시가 기준 25개 포트폴리오의 수익률을 종속변수로, 동적 요인과 전통적 방법을 사용한 FF 3요인을 각각 독립변수로 사용하여 모형 설명력 및 모수 추정값의 유의수준을 검토하였다. 분석결과, 동적 요인이 FF 3요인에 비해 변동성이 낮게 나타났으며 정규분포에 매우 근접하고 있음을 확인할 수 있었다. 동적 요인은 포트폴리오의 초과수익률에 대한 모형의 설명력에서도 탁월하였으며, 모수 추정값의 유의성을 증가시켰고, 부호에서도 일관된 방향을 보여주었다. 따라서 포트폴리오나 개별 주식의 초과수익률 분석 등에서 동적 요인이 3요인을 사용하는 자산가격결정모형에 보다 적합함을 확인하였다.

#칼만 필터 #동적 요인 #Fama-French 3요인 #상태공간 모형 #GARCH 과정 #Kalman filter #dynamic factor #fama-french 3 factor #state space model #GARCH process

참고문헌 (19)

참고문헌 신청

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

최인우 / 2011 / 동적다요인모델과 BLH모델을 이용한 포트폴리오 투자전략의 성과에 관한 연구 / Journal of The Korean Data Analysis Society 13(5):2599~2613

최수정 / 2020 / ETF Stock Return Predictability, Fund Premia, and Fund Flows / Journal of The Korean Data Analysis Society 22(1):23~34

최성섭 / 2020 / 한국 주식시장의 Fama-French 모형연구 / 상업교육연구 34(3):75~104

Mamadou Cisse / 2019 / Contribution to the Valuation of BRVM’s Assets: A Conditional CAPM Approach / Journal of Risk and Financial Management 12(1):27~15

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

이현석

소속기관 성신여자대학교

주요연구분야 자연과학 > 수학·통계학

논문수 1 이용수 14

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)