초록

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

본 연구는 시장에 정보가 별로 알려져 있지 않은 증권이 많이 알려져 있는 증권보다 높은 추정위험 때문에 더 높은 수익률을 제공한다는 이론적 모형들이 시사하는 바에 기초하여, 수익률이 각 증권에 대해 시장에 알려져 있는 정보량과 역의 관계에 있다는 가설을 세우고 이를 실증분석하였다. 본 연구는 또한 기업규모가 정보량과 정의 상관관계가 있다는 점에서 기업규모보다 정확한 정보량 변수가 포함되면 기업규모효과는 사라질 것이라는 가설도 검증하였다. 미국의 상장주식들을 대상으로 횡단면 실증분석을 실행한 결과, 정보량이 평균수익률의 횡단면을 설명하는 것으로 나타난다. 정보량은 기업규모 변수가 동시에 포함될 경우에는 설명력이 떨어지지만 1월에는 기업규모효과와는 별도로 기대수익률을 설명하는 것으로 나타난다. 한편 기업규모의 변화 또는 기관투자자 지분율의 변화시 수익률이 변하는지에 대한 F-검정을 실시한 경우에도, 정보량은 1월중에는 기업규모 효과와는 달리 통계적으로 유의한 수익률 차이를 보이고 있다. 이와 같은 실증결과들은 정보량 효과가 어느 정도 존재함을 의미한다. 이와 같은 결론은 기존의 CAPM 관련 실증연구들이 주장하는 ${\beta}$의 무용성에 대한 논쟁은 아직 끝나지 않았음을 시사한다. 즉, 각 증권에 대한 모든 정보가 시장에 완전히 알려지지 않은 현실하에서는 추정위험을 감안한 ${\beta}$를 이용하여야만 CAPM을 검증할 수 있는 것이다.

본 연구는 시장에 정보가 별로 알려져 있지 않은 증권이 많이 알려져 있는 증권보다 높은 추정위험 때문에 더 높은 수익률을 제공한다는 이론적 모형들이 시사하는 바에 기초하여, 수익률이 각 증권에 대해 시장에 알려져 있는 정보량과 역의 관계에 있다는 가설을 세우고 이를 실증분석하였다. 본 연구는 또한 기업규모가 정보량과 정의 상관관계가 있다는 점에서 기업규모보다 정확한 정보량 변수가 포함되면 기업규모효과는 사라질 것이라는 가설도 검증하였다. 미국의 상장주식들을 대상으로 횡단면 실증분석을 실행한 결과, 정보량이 평균수익률의 횡단면을 설명하는 것으로 나타난다. 정보량은 기업규모 변수가 동시에 포함될 경우에는 설명력이 떨어지지만 1월에는 기업규모효과와는 별도로 기대수익률을 설명하는 것으로 나타난다. 한편 기업규모의 변화 또는 기관투자자 지분율의 변화시 수익률이 변하는지에 대한 F-검정을 실시한 경우에도, 정보량은 1월중에는 기업규모 효과와는 달리 통계적으로 유의한 수익률 차이를 보이고 있다. 이와 같은 실증결과들은 정보량 효과가 어느 정도 존재함을 의미한다. 이와 같은 결론은 기존의 CAPM 관련 실증연구들이 주장하는 ${\beta}$의 무용성에 대한 논쟁은 아직 끝나지 않았음을 시사한다. 즉, 각 증권에 대한 모든 정보가 시장에 완전히 알려지지 않은 현실하에서는 추정위험을 감안한 ${\beta}$를 이용하여야만 CAPM을 검증할 수 있는 것이다.

이 논문을 인용한 문헌

더보기