주식시장에서 종합주가지수를 부동산시장에서 서울지역아파트가격과 전국주택매매가격지수를 선정하여 경기선행지수와 함께 각 지표들 사이의 상관관계를 찾아보았다. 또한 각 지표들 사이의 흐름을 서로 비교하여 선행성이 성립되는지도 살펴보았다. 본 연구의 목적은 종합주가지수와 서울지역아파트가격, 전국주택매매가격, 경기선행지수의 상관관계와 선행성을 분석해 보는 것이다. 주식시장의 종합주가지수나 부동산시장을 예측하기 위해서는 이에 선행하는 지표를 찾아 그 추이를 먼저 분석해 보는 것이다. 지난 1987년 1월부터 2013년 12월까지 총 27년 동안 KOSPI의 상승률은 687%로 나타났으며 CLI은 443%, 서울아파트는 391%, HPPCI는 263% 순으로 높은 상승률을 보여주었다. 서울아파트와 CLI, KOSPI, HPPCI의 상관분석을 실시한 결과 KOSPI는 상관계수 0.877인 HPPCI와 서울아파트는 상관계수 0.956인 CLI와 높은 상관관계를 보여주었다. 분석결과 CLI는 주식시장 및 부동산시장과 높은 상관관계를 보여주고 있어 주식시장 및 부동산시장을 예측하기 위해서는 CLI의 흐름을 먼저 살펴보는 지혜가 필요해 보인다.
주식시장에서 종합주가지수를 부동산시장에서 서울지역아파트가격과 전국주택매매가격지수를 선정하여 경기선행지수와 함께 각 지표들 사이의 상관관계를 찾아보았다. 또한 각 지표들 사이의 흐름을 서로 비교하여 선행성이 성립되는지도 살펴보았다. 본 연구의 목적은 종합주가지수와 서울지역아파트가격, 전국주택매매가격, 경기선행지수의 상관관계와 선행성을 분석해 보는 것이다. 주식시장의 종합주가지수나 부동산시장을 예측하기 위해서는 이에 선행하는 지표를 찾아 그 추이를 먼저 분석해 보는 것이다. 지난 1987년 1월부터 2013년 12월까지 총 27년 동안 KOSPI의 상승률은 687%로 나타났으며 CLI은 443%, 서울아파트는 391%, HPPCI는 263% 순으로 높은 상승률을 보여주었다. 서울아파트와 CLI, KOSPI, HPPCI의 상관분석을 실시한 결과 KOSPI는 상관계수 0.877인 HPPCI와 서울아파트는 상관계수 0.956인 CLI와 높은 상관관계를 보여주었다. 분석결과 CLI는 주식시장 및 부동산시장과 높은 상관관계를 보여주고 있어 주식시장 및 부동산시장을 예측하기 위해서는 CLI의 흐름을 먼저 살펴보는 지혜가 필요해 보인다.
Correlation of KOSPI from stock market and Apartment Prices in Seoul HPPCI from real estate market has been found from this research. Furthermore, from the comparison of those indicators' flows, certain precedence was found as well. The purpose of this research is to analyze correlation and preceden...
Correlation of KOSPI from stock market and Apartment Prices in Seoul HPPCI from real estate market has been found from this research. Furthermore, from the comparison of those indicators' flows, certain precedence was found as well. The purpose of this research is to analyze correlation and precedence among KOSPI, Apartment price in Seoul, HPPCI and CLI. As for predicting KOSPI of stock market and real estate market, it is necessary to find out preceding indices and analyzing their progresses first. For 27 years from the January 1987 to December 2013, KOSPI has been grown by 687%, while CLI showed 443%, Apartment of Seoul showed 391%, HPPCI showed 263% of growth rate in order. As the result of correlation analysis among Apartment of Seoul, CLI, KOSPI and HPPCI, KOSPI and HPPCI showed high correlation coefficient of 0.877, and Apartment of Seoul and CLI showed that of 0.956 which is even higher. Result from the analysis, CLI shows high correlation with stock and real estate market, it is a good option to watch how CLI flows to predict stock and real estate market.
Correlation of KOSPI from stock market and Apartment Prices in Seoul HPPCI from real estate market has been found from this research. Furthermore, from the comparison of those indicators' flows, certain precedence was found as well. The purpose of this research is to analyze correlation and precedence among KOSPI, Apartment price in Seoul, HPPCI and CLI. As for predicting KOSPI of stock market and real estate market, it is necessary to find out preceding indices and analyzing their progresses first. For 27 years from the January 1987 to December 2013, KOSPI has been grown by 687%, while CLI showed 443%, Apartment of Seoul showed 391%, HPPCI showed 263% of growth rate in order. As the result of correlation analysis among Apartment of Seoul, CLI, KOSPI and HPPCI, KOSPI and HPPCI showed high correlation coefficient of 0.877, and Apartment of Seoul and CLI showed that of 0.956 which is even higher. Result from the analysis, CLI shows high correlation with stock and real estate market, it is a good option to watch how CLI flows to predict stock and real estate market.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 연구의 목적은 종합주가지수와 서울지역아파트가격, 전국주택매매가격, 경기선행지수의 상관관계와 선행성을 분석해 보는 것이다. 또한 주식시장의 종합주가지수를 예측하기 위해서는 이에 앞서 선행하는 지표를 찾아 그 추이를 먼저 분석해 보는 것이다.
주식시장에서 종합주가지수를 부동산시장에서 서울지역아파트가격과 전국주택매매가격지수를 선정하여 경기선행지수와 함께 각 지표들 사이의 상관관계를 찾아보았다. 또한 각 지표들 사이의 흐름을 서로 비교하여 선행성이 성립되는지도 살펴보았다. 이를 통해 종합주가지수나 부동산시장을 예측하고자 할 때 그 선행하는 지표를 찾아 그 추이를 먼저 분석해 보는 것이다.
본 연구에서는 주식시장을 대표하는 종합주가지수와 부동산시장을 대표해서 서울지역 아파트가격과 전국주택매매가격지수를 선정하고 경기흐름을 나타내는 경기선행지수를 선정하여 각 지표 사이의 상관관계를 찾아보고자 한다. 또한 각 지표들 사이의 흐름을 서로 비교하여 선행성이 성립되는지를 분석해 보고자 한다.
본 연구에서는 앞서 살펴본 선행연구를 토대로 부동산시장을 서울아파트매매가격과 전국주택매매가격으로 나누어 살펴보고 이 지표들이 종합주가지수와 경기선행지수와 어떠한 상관관계를 보이는지 또는 선행성이 나타나는지를 살펴보고자 한다.
본 연구에서는 주식시장을 대표하는 종합주가지수와 부동산시장을 대표해서 서울지역 아파트가격과 전국주택매매가격지수를 선정하고 경기흐름을 나타내는 경기선행지수를 선정하여 각 지표 사이의 상관관계를 찾아보고자 한다. 또한 각 지표들 사이의 흐름을 서로 비교하여 선행성이 성립되는지를 분석해 보고자 한다.
주식시장과 부동산시장 그리고 주요 경제지표가 변하게 되면 다른 시장(지표)에 순차적으로 영향을 미치는 것에 관한 실증적 연구가 많이 있다. 이러한 실증적 연구에 관한 문헌연구들을 먼저 살펴보고 주식시장과 부동산시장, 주요 경제지표의 상관관계와 선행성에 대해 찾아보고자 한다.
제안 방법
본 연구에서는 1987년 1월부터 2013년 12월까지 총 324개월 동안 국민은행과 한국은행 홈페이지에서 시계열 자료를 수집하였다. 연구의 구성은 문헌연구와 실증분석의 방법으로 구분하여 작성하였다. 종합주가지수와 서울지역아파트가격, 전국주택매매가격, 경기선행지수의 변동률을 서로 비교 분석하였으며 각각의 상관관계와 선행성이 성립되는지 분석해 보았다.
홍정호⋅문규현(2009)은 1991년 3월~2008년 7월까지 월별 아파트매매가격지수와 KOSPI, 원/달러, 콜금리, CD 및 국민주택채권금리를 이용하여 부동산시장과 주요 거시경제지표 사이의 가격발견기능에 관한 연구를 실시하였다. 전체 표본기간을 IMF 외환위기 전후로 나누어 분석하였다. Granger 인과관계 및 분산분해 분석결과 시간이 경과할수록 부동산시장과 주요 거시경제지표 사이의 상호의존성이 증가하고 있으며 단기금리와 전국주택매매가격지수가 주요 거시경제에 대한 영향력이 지배적인 것으로 나타났다.
수집기간은 1987년 1월부터 2013년 12월까지 27년 총 324개월의 자료를 정리하여 분석하였다. 종합주가지수를 중심으로 각 지표들 사이의 상관관계를 살펴보고 서로 선행성이 있는지 분석하였다.
연구의 구성은 문헌연구와 실증분석의 방법으로 구분하여 작성하였다. 종합주가지수와 서울지역아파트가격, 전국주택매매가격, 경기선행지수의 변동률을 서로 비교 분석하였으며 각각의 상관관계와 선행성이 성립되는지 분석해 보았다.
주식시장에서 종합주가지수를 부동산시장에서 서울지역아파트가격과 전국주택매매가격지수를 선정하여 경기선행지수와 함께 각 지표들 사이의 상관관계를 찾아보았다. 또한 각 지표들 사이의 흐름을 서로 비교하여 선행성이 성립되는지도 살펴보았다.
지난 1987년 1월부터 2013년 12월까지 총 324개월 동안 서울아파트와 CLI, KOSPI, HPPCI의 1차 관계를 파악하기 위해 상관분석을 실시하였다.
대상 데이터
본 연구에서는 1987년 1월부터 2013년 12월까지 총 324개월 동안 국민은행과 한국은행 홈페이지에서 시계열 자료를 수집하였다. 연구의 구성은 문헌연구와 실증분석의 방법으로 구분하여 작성하였다.
서울아파트와 전국주택매매지수는 국민은행의 부동산 홈페이지에서 월별자료를 수집했으며 종합주가지수와 경기선행지수는 한국은행의 경제통계시스템에서 월별자료를 수집하였다. 수집기간은 1987년 1월부터 2013년 12월까지 27년 총 324개월의 자료를 정리하여 분석하였다.
서울아파트와 전국주택매매지수는 국민은행의 부동산 홈페이지에서 월별자료를 수집했으며 종합주가지수와 경기선행지수는 한국은행의 경제통계시스템에서 월별자료를 수집하였다. 수집기간은 1987년 1월부터 2013년 12월까지 27년 총 324개월의 자료를 정리하여 분석하였다. 종합주가지수를 중심으로 각 지표들 사이의 상관관계를 살펴보고 서로 선행성이 있는지 분석하였다.
성능/효과
758 순으로 상관관계를 나타내고 있다. CLI는 서울아파트, HPPCI, CLI와 각각 0.956, 0.936, 0.852 순으로 높은 상관관계가 산출되었다.
전체 표본기간을 IMF 외환위기 전후로 나누어 분석하였다. Granger 인과관계 및 분산분해 분석결과 시간이 경과할수록 부동산시장과 주요 거시경제지표 사이의 상호의존성이 증가하고 있으며 단기금리와 전국주택매매가격지수가 주요 거시경제에 대한 영향력이 지배적인 것으로 나타났다. 실증분석결과 정책당국이 통화정책수립과 투자자들의 포트폴리오 및 위험관리 전략수립에 도움을 줄 수 있다고 제시했다.
KOSPI를 중심으로 서울아파트, CLI, HPPCI의 정규확률도를 분석해 보면 CLI, HPPCI, 서울아파트 순으로 우상향하는 것으로 나타나 CLI와 HPPCI가 서울아파트에 비해 상관관계가 더 높은 것으로 판단되었다. 본 연구를 분석한 결과 CLI는 주식시장 및 부동산시장과 높은 상관관계를 보여주고 있어 주식시장 및 부동산시장을 예측하기 위해서는 CLI의 흐름을 먼저 살펴보는 지혜가 필요해 보인다.
지난 1987년 1월(=100) 대비 2013년 12월 KOSPI의 상승률은 687%로 나타났으며 이 기간 동안 CLI(443%), 서울아파트(391%), HPPCI (263%) 순으로 높은 상승률을 보여주었다. KOSPI의 경우 4개 지표 중에서 변동성이 가장 크게 나타났으나 CLI는 일정한 상승세를 보이며 상대적으로 변동성이 작게 나타났다.
[Figure 3]과 [Table 1]은 KOSPI와 서울아파트의 12개월 이동평균의 각 월별 등락률을 비교하여 보았다. KOSPI의 저점과 고점을 기준으로 11개 구간으로 분리하여 KOSPI와 서울아파트의 등락률을 살펴본 결과 모든 구간에서 상승과 하락이 엇갈리게 나타났다.
각 지표들의 상관관계를 살펴보면 서울지역 아파트가격은 경기선행지수 및 전국주택매매지수와 각각 0.956 및 0.924의 높은 상관계수를 나타냈다. 종합주가지수는 전국주택매매지수와 0.
지호준(2001)은 주식시장과 주택매매 및 주택전세시장 사이의 선⋅후행 결합관계를 검정해보고, 또한 선행변수가 후행변수를 결정하는데 영향을 미치는 원인변수가 되는가 하는 인과관계를 검정해 보고자 시도하였다. 검정결과 인과성검정과 외생성검정 모두 IMF 이전에는 주식시장이 주택매매시장과 주택전세시장에 대하여 선행결합관계를 보여 주식시장의 움직임이 미래의 주택시장을 예측하는데 유의적인 도움을 줄 수 있다고 보았다. 하지만 IMF 이후에는 두 시장 사이의 일방적 결합관계의 정도가 낮아 유용한 예측정보를 제공하지 못한다고 분석했다.
정정현⋅김동희(2009)는 1998년부터 2008년까지 월간자료를 이용하여 미국의 주식수익률에 대한 한국, 일본, 싱가포르, 중국, 인도 등 아시아 5개 국가의 주식수익률의 동조화의 정도를 측정하고 이러한 동조화의 시간에 따른 변화가 경제적 기본요인에 의해 결정되는지 여부를 실증적으로 검토하였다. 검토결과 일본과 싱가포르는 중국과 인도에 비해 상대적으로 안정적인 동조화 추세를 보이는 것으로 나타났다. 한국의 경우에는 이용된 주가지수에 따라 안정적인 추세를 보이기도 하고 불안정한 추세를 보이기도 한다고 결론을 내렸다.
977의 높은 상관계수로 나타났다. 경기선행지수는 서울아파트 및 전국주택매매지수와 각각 0.956 및 0.936의 높은 상관관계가 산출되었다. 각 지표들 사이에 높은 상관관계를 보이고 있어 각 지표들의 움직임에 많은 영향을 받는 것으로 보인다.
지호준(1999)은 주식⋅채권⋅부동산이 경기변동에 대하여 어떠한 시차적 순환관계를 갖는가에 대한 분석을 시도하였다. 경기저점과 경기정점에 대하여 각 자산가격의 정점과 저점에 대한 평균시차를 분석해 본 결과 주식시장은 9~10개월 선행하고 채권시장은 8개월 후행하고 부동산시장은 12개월 후행하는 것으로 나타났다. 경기전환점별로 각 자산에 대한 투자수익률 변화를 분석해 본 결과 주식시장은 정점 13개월 전과 저점 6개월 전에, 채권시장은 정점 12개월 후와 저점 5~6개월 후에, 부동산시장은 정점 14개월 후와 저점 11~12개월 후에 매도하고 매입의 투자의사결정을 내리는 것이 가장 수익률이 높은 것으로 분석했다.
경기저점과 경기정점에 대하여 각 자산가격의 정점과 저점에 대한 평균시차를 분석해 본 결과 주식시장은 9~10개월 선행하고 채권시장은 8개월 후행하고 부동산시장은 12개월 후행하는 것으로 나타났다. 경기전환점별로 각 자산에 대한 투자수익률 변화를 분석해 본 결과 주식시장은 정점 13개월 전과 저점 6개월 전에, 채권시장은 정점 12개월 후와 저점 5~6개월 후에, 부동산시장은 정점 14개월 후와 저점 11~12개월 후에 매도하고 매입의 투자의사결정을 내리는 것이 가장 수익률이 높은 것으로 분석했다.[4][3]
분석결과에 의하면 CLI에서 KOSPI로 일방적인 인과관계가 성립하며 역으로 KOSPI에서 CLI로 일방적인 인과관계가 성립한다는 결론이다. 또한 CLI에서 HPPCI로 일방적인 인과관계가 성립한다는 결론이 도출되었다.
GDP와 주택매매지수 자본이익률의 과거시차 상관계수는 음(-)의 관계를 보이고 동시 및 미래시차 상관계수는 양의 관계를 보인다고 분석했다. 또한 GDP와 1/PER은 전 시차에 걸쳐 매우 유사한 패턴을 보이고 있으며 특히 동시 상관계수는 완벽한 상관관계에 가깝다고 제시했다.[9]
KOSPI를 중심으로 서울아파트, CLI, HPPCI의 정규확률도를 분석해 보면 CLI, HPPCI, 서울아파트 순으로 우상향하는 것으로 나타나 CLI와 HPPCI가 서울아파트에 비해 상관관계가 더 높은 것으로 판단되었다. 본 연구를 분석한 결과 CLI는 주식시장 및 부동산시장과 높은 상관관계를 보여주고 있어 주식시장 및 부동산시장을 예측하기 위해서는 CLI의 흐름을 먼저 살펴보는 지혜가 필요해 보인다.
서울아파트와 CLI, KOSPI, HPPCI 사이의 Pairwise Granger Causality Tests에서 유의수준 5% 이하인 경우 CLI ⇒ KOSPI, KOSPI ⇒ CLI, CLI ⇒ HPPCI 관계가 나타났다. 분석결과 CLI와 KOSPI는 상호 쌍방향의 인과관계가 성립되며 CLI와 HPPCI는 일방적인 인과관계가 성립한다는 결론이 도출되었다.
분석결과 KOSPI는 상관계수 0.877인 HPPCI와 0.852인 CLI와 높은 상관관계를 보였으며, 서울아파트는 상관계수 0.956인 CLI와 0.924인 HPPCI와 높은 상관관계를 보이고 있다. 전반적으로 서울아파트와 CLI, KOSPI, HPPCI 모두 높은 상관관계를 보이고 있어 각 지표들의 움직임에 많은 영향을 받는 것으로 보인다.
분석결과 [Table 3]에서 서울아파트는 CLI, HPPCI, KOSPI와 각각 0.956, 0.924, 0.758 순으로 높은 상관관계를 보여주고 있다. KOSPI는 HPPCI, CLI, 서울아파트와 각각 0.
주가와 주택매매가격지수 사이의 상호영향력에 있어서 주가의 변화는 주가자체의 내재적 변화가 거의 대부분을 설명하고 있으나 주택매매가격지수의 경우는 주가의 영향이 확대되고 있음을 알 수 있었다. 분석결과 주가와 주택매매가격지수 사이의 관계에 관한 실증분석 결과를 종합해 볼 때 과거 주가와 주택매매가격지수 사이에는 정(+)의 관계가 있다고 분석하였다.[1]
분석결과에 의하면 CLI에서 KOSPI로 일방적인 인과관계가 성립하며 역으로 KOSPI에서 CLI로 일방적인 인과관계가 성립한다는 결론이다. 또한 CLI에서 HPPCI로 일방적인 인과관계가 성립한다는 결론이 도출되었다.
서울아파트와 HPPCI의 평균은 각각 55.4와 69.5이고 분산은 17.0과 17.1로 나타나 소폭이지만 서울아파트가 HPPCI에 비해 상대적으로 등락이 더 컸던 것으로 보인다. 외도의 경우 KOSPI가 0.
365로 나타났다. 수정된 결정계수는 0.8525로 나타나 회귀선과 각 변수들 사이에 높은 적합성을 보여주었다.
Granger 인과관계 및 분산분해 분석결과 시간이 경과할수록 부동산시장과 주요 거시경제지표 사이의 상호의존성이 증가하고 있으며 단기금리와 전국주택매매가격지수가 주요 거시경제에 대한 영향력이 지배적인 것으로 나타났다. 실증분석결과 정책당국이 통화정책수립과 투자자들의 포트폴리오 및 위험관리 전략수립에 도움을 줄 수 있다고 제시했다.[7]
956인 CLI와 높은 상관관계를 보여주었다. 전반적으로 서울아파트와 CLI, KOSPI, HPPCI가 서로 높은 상관관계를 보이는 것으로 나타났다.
종속변수를 KOSPI로 독립변수를 서울아파트, CLI, HPPCI로 회귀분석을 실시한 결과 서울아파트는 음의 계수 -3.783을, CLI와 HPPCI는 각각 양의 계수 2.792와 6.365로 나타났다. 수정된 결정계수는 0.
924의 높은 상관계수를 나타냈다. 종합주가지수는 전국주택매매지수와 0.977의 높은 상관계수로 나타났다. 경기선행지수는 서울아파트 및 전국주택매매지수와 각각 0.
주가와 주택매매가격지수의 원시계열자료에 대한 안정성 검정결과 모두 불안정적인 것으로 나타났다. 주가와 주택매매가격지수의 1차 차분시계열자료에 대한 안정성 검정결과 모두 안정적인 것으로 나타났다. 주가와 주택매매가격지수 사이의 상호영향력에 있어서 주가의 변화는 주가자체의 내재적 변화가 거의 대부분을 설명하고 있으나 주택매매가격지수의 경우는 주가의 영향이 확대되고 있음을 알 수 있었다.
임병진⋅한성윤(2009)은 1986년 1월~2007년 6월까지 258개의 월별 종합주가지수와 주택매매가격지수를 사용하여 두 지수 사이의 관계를 분석하였다. 주가와 주택매매가격지수의 원시계열자료에 대한 안정성 검정결과 모두 불안정적인 것으로 나타났다. 주가와 주택매매가격지수의 1차 차분시계열자료에 대한 안정성 검정결과 모두 안정적인 것으로 나타났다.
지난 1987년 1월부터 2013년 12월까지 총 27년 동안 KOSPI의 상승률은 687%로 나타났으며 CLI은 443%, 서울아파트는 391%, HPPCI는 263% 순으로 높은 상승률을 보여주었다. 서울아파트는 HPPCI에 비해 상승률도 더 높았지만 1998년도 전후 외환위기 기간을 제외하면 전 기간에 걸쳐 꾸준한 상승세가 이어졌다.
지난 324개월 동안 서울아파트와 CLI, KOSPI, HPPCI의 상관분석을 실시한 결과 KOSPI는 상관계수 0.877인 HPPCI와 서울아파트는 상관계수 0.956인 CLI와 높은 상관관계를 보여주었다. 전반적으로 서울아파트와 CLI, KOSPI, HPPCI가 서로 높은 상관관계를 보이는 것으로 나타났다.
검토결과 일본과 싱가포르는 중국과 인도에 비해 상대적으로 안정적인 동조화 추세를 보이는 것으로 나타났다. 한국의 경우에는 이용된 주가지수에 따라 안정적인 추세를 보이기도 하고 불안정한 추세를 보이기도 한다고 결론을 내렸다.[2]
질의응답
핵심어
질문
논문에서 추출한 답변
2002년도 이후 경기회복과 함께 어떤 현상이 일어났는가?
지난 1998년도 IMF 외환위기를 전후하여 경기침체를 경험하면서 주식시장과 부동산시장이 동시에 큰 폭으로 하락하는 약세국면을 겪었었다. 하지만 2002년도 이후 경기회복과 함께 주식시장이 상승하고 뒤이어 서울지역 아파트 가격과 수도권 지역의 주택가격이 상승하는 현상이 나타났다.
서울지역 아파트와 전국주택의 가격 상승이 일어난 원인은 무엇인가?
당시 서울지역 아파트와 전국주택의 가격 상승은 1차 베이비부머(1955~1963년도 출생)의 결혼적령기를 맞이하여 주택수요에 의한 가격상승으로 볼 수도 있다. 하지만 1980년대 중반 이후 세계적인 경제호황과 주식시장의 폭발적인 활황에 큰 영향을 받았다고 보아야 할 것이다.
주식시장에서 종합주가지수를, 부동산시장에서 서울지역아파트가격과 전국주택매매가격지수를 선정하여 경기선행지수와 함께 각 지표들 사이의 상관관계에 대한 분석결과는 어떠한가?
주식시장의 종합주가지수나 부동산시장을 예측하기 위해서는 이에 선행하는 지표를 찾아 그 추이를 먼저 분석해 보는 것이다. 지난 1987년 1월부터 2013년 12월까지 총 27년 동안 KOSPI의 상승률은 687%로 나타났으며 CLI은 443%, 서울아파트는 391%, HPPCI는 263% 순으로 높은 상승률을 보여주었다. 서울아파트와 CLI, KOSPI, HPPCI의 상관분석을 실시한 결과 KOSPI는 상관계수 0.877인 HPPCI와 서울아파트는 상관계수 0.956인 CLI와 높은 상관관계를 보여주었다. 분석결과 CLI는 주식시장 및 부동산시장과 높은 상관관계를 보여주고 있어 주식시장 및 부동산시장을 예측하기 위해서는 CLI의 흐름을 먼저 살펴보는 지혜가 필요해 보인다.
참고문헌 (9)
B. J, Yim？S. Y, Han, "The Empirical Study of the Relationship and compares with the Time Series Properties of The Stock Market and Real Estate Market Index," Journal of Industrial Economics and Business, Vol 22, No 4, Korea Industrial Economic Association, 2009, pp.2055-2081.
C. H. Chung？D. H. Kim, "The Economic Fundamentals and Time-Varyng Comovements of Asian Stock Markets to US Market," Financial Engineering, Vol 8, No 1, KAFE, 2009, pp.75-108.
G. C, Um, "A Study on the Effect of Macroeconomic Factors to Housing Price Index : Comparison with KOSPI & Construction Stock Index," Journal of the graduate school, Vol 33, Kyeong-gi Graduate School, 2004, pp.123-135.
H. J, Chi, "Circulative Relation of Stock, Bond, Real Estate Markets to Business Cycle," Korean Management Review, Vol 27, No 5, The Korean Academic Society of Business Admini., 1999, pp.1277-1296.
H. J, Chi, "Relationship of KOSPI with Housing and Housing Lease Prices," Housing Financial, Vol 34, No 2, Korea Housing Bank, 2001, pp.1-26.
J. H. Cho, Reality Principles, Publishing of KunKook Univ., p.7, 2002.
J. H. Hong？K. H. Moon, "A Study on the Interdependence among Real Estate, Stock, Bond and FX Markets in Korea," Financial Engineering, Vol 8, No 2, KAFE, 2009, pp.97-125.
K. S, Song？M. O, Jeong？S. Y, Lee, "A Study on the Relationship between Housing Purchase Price Composite Index and Korea Stock Price Index & Industry Group Indices on the Stock Market," School Paper, Vol 48, Korea Real Estate Academy, 2012, pp.77-93.
M. K. Song？J. A. Yoon, "Relationship of Stock Market, Bond Market and Real estate Market," Capital Market Forum, Vol 3, No 1, KSRI, pp.152-162, 2006.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.