11월 29, 2020

상장주식수로 나눈 값을 회전율

본 연구에서는 주가의 행태 및 특성에 대한 기술적 요인으로 주식 회전율, 1개월 수익률, 12 개월 수익률, 그리고 시장 베타를 고려하였다. 주식 회전율은 유동성 위험을 설명할 수 있 는 지표이며 유동성에 대한 대용치인 회전율이 주식 수익률의 횡단면에 음(-)의 영향을 미친 다(Brennan, Chordia & Subrahmanyam, 1998; 윤상용 외, 2009).

본 연구에서는 월별 평균 거 래량을 상장주식수로 나눈 값을 회전율로 사용 하여 익스포져로 사용한다. 다음으로, 본 연구에서는 모멘텀 관련 요인 인 1개월 수익률과 12개월 수익률을 고려한다 (Jegadeesh & Titman, 1993). 단기적인 수익률 반전을 고려하기 위하여 1개월 수익률을 기술 적 요인 익스포져 중 하나로 포함한다(Huang, Liu, Rhee, & Zhang, 2009; 윤상용·구본일·엄영 호, 2011). 12개월 수익률은 기존 연구를 따라 시장미시구조적인 문제를 고려하여, t-12 시점 부터 t-2 시점까지의 수익률을 사용한다. 마지막으로 시장 베타는 거시경제 요인의 추 정 시 와 같은 방법으로, 현재 시점으로부터 지 난 3년 동안의 시장 모형으로부터 추정된 베타 값을 사용하며 각 월마다 Rolling하여 추정한다. 본 연구에서는 Fnguide 산업 분류(FISC)의 중분류(산업그룹) 중, 금융업을 제외한 총 20개 의 산업 요인 익스포져를 사용하였다. 이러한 산업 요인 익스포져는 더미 변수로 각 횡단면 다중 회귀분석에 포함된다.

산업분류 중 중분류 를 사용한 이유는 다음과 같다. 너무 적은 산업 분류(Ex : 대분류)는 특정 기업이 속한 산업을 정확하게 나타낼 수 없다. 반면, 소분류의 산업 분류인 경우, 어떠한 산업은 표본 기업이 10개 도 되지 않아서 요인 수익률 추정에 어려움이 있는 경우가 존재한다. 따라서 본 연구에서는 중분류, 20개의 산업 요인을 고려한다. 본 연구에서는 기존 연구에서 다뤘던 여러 요인들을 다요인 모형에 반영하여, 요인 모방 포트폴리오 수익률을 추정한다. 본 연구의 초점 은 어떠한 요인이 주식의 기대수익률을 잘 설 명할 수 있느냐를 살펴보는 것이 아니다. 요인 수익률의 여러 특성 등을 살펴보고, 수익률의 공통된 변동에 가장 큰 영향을 끼치는 요인이 무엇인지 살펴보는 것이 본 연구의 가장 큰 목 적이다. 이를 위한 출발점은 바로 요인 수익률의 추 정이다. 기대 수익률은 기본적으로 위험 요인의 수익률과 개별 자산의 특정 위험에 대한 익스 포져의 결합으로 나타난다. 이때, 요인 익스포 져(Factor exposure)와 요인 수익률 중 어떠한 것을 먼저 정의하고 어떠한 것을 나중에 추정 하는가에 따라 학계와 실무에서 선호되는 모형 이 다르게 나타난다. 본 연구는 기존 학계에서 주로 사용되었던 무비용 포트폴리오를 이용한 추정방법이 아닌, 실무에서 선호되는 횡단면 다 중 회귀분석을 통한 요인 수익률 추정을 사용 한다. 먼저, 학계에서 일반적으로 사용하는 요인 수익률 추정 방법은 다음과 같다. 첫 번째로, 경 제적인 이론에 기초하여 위험 요인이 될 가능 성이 있는, 예를 들어, 기업 규모와 같은 변수를 찾아낸다.

그 후, 요인 익스포져의 크기로 순위 를 매기고 그룹별 포트폴리오를 구성하여 상위 그룹 포트폴리오와 하위 그룹 포트폴리오를 이 용한 롱-숏(Long-Short) 포트폴리오, 즉 요인 모방 포트폴리오 수익률을 구한다(Fama & French, 1993). 반면 실무의 다요인 위험 모형은 약간 다른 방법을 사용한다. 예를 들어 가장 많 이 사용되는 MSCI Barra(2007)의 경우, 사전적 으로 관측되는 요인 익스포져를 정의하고, 주식 수익률과의 횡단면 회귀분석을 통하여 요인 수 익률을 추정하는 방법을 사용한다. 이는 요인 익스포져는 빠르게 관측이 가능하기 때문에(예 를 들어, 일별), 이를 투입하여 요인 수익률을 추정하는 방법이 실무에서는 선호되고 있다

출처 : 토토 ( https://facehub.ai )