한국과 미국 주식시장의 거래량 정보효과

김영성; 이은정

추천

검색

자료유형: 학술저널

저자정보: 김영성 (숭실대학교 경영학부) 이은정 (숭실대학교 경영학부)

저널정보: 한국산업경영학회 경영연구 경영연구 제39권 제2호

발행연도: 2024.5

수록면: 65 - 78 (14page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

한국의 금융시장은 미국증시에 가장 영향을 많이 받는 국가 중 하나로 금리 등의 정책도 미연준으로 부터 자유롭지 못한 상황이다. 따라서 미국시장과의 정보이전효과를 살펴보는 것은 매우 중요하다. 본 연구에서는 한국 주식시장(KOSPI)과 미국 주식시장(S&P500)의 팬데믹 이전과 이후의 상호간의 정보이전에 대한 영향력과 각 시장의 거래량정보가 변동성과 가격(수익률)에 미치는 관계를 GJR-GARCH-M모형을 이용하여 분석하였다. 또한 COVID19로 인한 팬데믹 이전과 이후를 구분하여 시장별, 시기별 차이점을 비교하여 실증분석하였다. 논문의 결과를 요약하면 다음과 같다. 첫째, 한국시장과 미국시장 모두 변동성의 군집현상(ARCH효과)과 변동성의 지속성(GARCH효과)이 통계적으로 유의하게 나타났다. 하지만 두 시장 모두 변동성에 대한 위험 프리미엄(risk premium)은 증시에 즉각적으로 반영이 되지 않았다. 둘째, 한국과 미국 주식시장은 상호간의 수익률의 정보이전 효과가 있는 것으로 나타났다. 셋째, 한국시장과 미국시장 모두 통계적으로 유의하게 가격변동의 비대칭성이 존재하며, 지수가 상승할 때보다 하락할 때 변동성을 더 크게 증가시킨다. 또한, 비대칭성은 ARCH효과와 GARCH효과를 모두 흡수하는 것으로 나타났다. 넷째, 한국시장과 미국시장 모두 순차적정보도착 가설(sequential information arriv al hypothesis)은 지지하지 못하며, 혼합분포 가설(mixture distribution hypothesis)을 지지하는 것으로 나타났다. 다섯째, 당일거래량의 증가는 변동성을 증가시키지만, 변동성의 지속성과 비대칭성은 감소시킨다. 여섯째, 팬데믹 이전(Panel A)에는 한국시장과 미국시장 모두에서 거래량 정보가 즉각적으로 변동성에 반영이 되고, 또한 변동성 정보가 수익률에 영향을 주는 정보이전 효과가 나타났다. 하지만 팬데믹 이후(Panel B)에는 유의하지 않았다. 한국시장과 미국시장 모두 거래량정보에 대하여 효율성이 있는 시장인 것으로 판단된다. 하지만 COVID19 팬데믹 이후 거래량 정보와 변동성의 위험 프리미엄에 대한 시장효율성이 다소 떨어진 것으로 나타났다. 팬데믹으로 인한 부양책이 증시를 회복하고 위험을 관리하는 측면에서는 효과적이었으나 시장거래에 대한 정보효율성 측면에서는 다소 아쉬운 측면이 있다. 향후에도 시장간의 동조화나 인과성에 대한 연구가 지속되기를 희망한다.

Korea's financial market is one of the countries most influenced by the U.S. stock market, and policies such as interest rates are not free from the U.S. Federal Reserve. Therefore, it is very important to examine the effect of information transfer with the US market. In this study, the influence of information transfer between the Korean(KOSPI) and U.S.(S&P500) stock markets before and after the pandemic and the relationship between each market's trading volume information on volatility and price(return) were analyzed using the GJR-GARCH-M model. In addition, an empirical analysis was conducted by comparing the differences by market and period by distinguishing between before and after the pandemic caused by COVID19. The results of the paper are summarized as follows. First, the clustering phenomenon of volatility(ARCH effect) and the persistence of volatility(GARCH effect) were statistically significant in both the Korean and U.S. stock markets. However, in both markets, the risk premium for volatility was not immediately reflected in the stock market. Second, the Korean and U.S. stock markets were found to have an information transfer effect on mutual returns. Third, there is statistically significant asymmetry in price fluctuations in both the Korean and US markets, and volatility increases more when the index falls than when it rises. Additionally, asymmetry was shown to absorb both the ARCH effect and the GARCH effect. Fourth, both the Korean and U.S. stock markets failed to support the sequential information arrival hypothesis and appeared to support the mixture distribution hypothesis. Fifth, an increase in intraday trading volume increases volatility, but reduces the persistence of volatility and asymmetry. Sixth, before the pandemic, there was an information transfer effect in which trading volume information was immediately reflected in volatility in both the Korean and U.S. stock markets, and volatility information affected returns. However, it was not significant after the pandemic. Considering that both the Korean market and the US market support the mixed distribution hypothesis, it is judged to be an efficient market with respect to trading volume information. However, after the COVID19, market efficiency regarding trading volume information and volatility risk premium was found to have decreased somewhat. Although the stimulus measures due to the pandemic were effective in recovering the stock market and managing risks, they were somewhat disappointing in terms of information efficiency for market transactions. We hope that research on synchronization and causality between markets will continue.

#거래량 #정보이전 #GJR-GARCH-M모형 #혼합분포 가설 #순차적정보도착 가설 #Trading Volume #Information Transfer #GJR-GARCH-M Model #Mixed distribution hypothesis #Sequential information arrival hypothesis

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

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

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 (0)

함께 읽어보면 좋을 논문

최근 본 자료

댓글(0)