국내 1위 인터넷포털 사업자인 네이버는 사용자가 지정하는 키워드가 특정 기간 동안에 네이버에서 얼마나 자주 검색되었는지에 관한 피검색빈도자료를 제공한다. 본 연구는 네이버의 피검색빈도자료를 활용하여 기업명의 피검색빈도와 그 기업의 미래 주식수익률과의 관계에 대해 분석하였다. 그 결과는 다음과 같다. 첫째, 기업명의 피검색빈도는 극단적 수익률 및 거래회전율과 같은 기존의 투자자 관심(investor attention)변수와 중복되지 않는 새로운 투자자 관심변수이다. 둘째, 금주의 피검색빈도가 높은 기업일수록 그 다음 주의 주간수익률이 높다. 셋째, 피검색빈도가 높은 기업은 이후에도 수익률 반전현상이 관찰되지 않으므로, 피검색빈도는 해당 기업에 대한 본질적 정보를 포함하는 것으로 볼 수 있다. 넷째, 피검색빈도가 주식수익률에 미치는 영향은 시장 수준의 투자자 관심사건(market-wide attention grabbing events)이 발생한 이후 더욱 강하게 나타난다.
국내 1위 인터넷포털 사업자인 네이버는 사용자가 지정하는 키워드가 특정 기간 동안에 네이버에서 얼마나 자주 검색되었는지에 관한 피검색빈도자료를 제공한다. 본 연구는 네이버의 피검색빈도자료를 활용하여 기업명의 피검색빈도와 그 기업의 미래 주식수익률과의 관계에 대해 분석하였다. 그 결과는 다음과 같다. 첫째, 기업명의 피검색빈도는 극단적 수익률 및 거래회전율과 같은 기존의 투자자 관심(investor attention)변수와 중복되지 않는 새로운 투자자 관심변수이다. 둘째, 금주의 피검색빈도가 높은 기업일수록 그 다음 주의 주간수익률이 높다. 셋째, 피검색빈도가 높은 기업은 이후에도 수익률 반전현상이 관찰되지 않으므로, 피검색빈도는 해당 기업에 대한 본질적 정보를 포함하는 것으로 볼 수 있다. 넷째, 피검색빈도가 주식수익률에 미치는 영향은 시장 수준의 투자자 관심사건(market-wide attention grabbing events)이 발생한 이후 더욱 강하게 나타난다.
NAVER provides search frequency data of search terms via its DataLab service (http://datalab.naver.com/). Using this data, this paper examines the relation between the search frequency of firm's name and its future stock returns. Our results show that the search frequency of firm's name is a new inv...
NAVER provides search frequency data of search terms via its DataLab service (http://datalab.naver.com/). Using this data, this paper examines the relation between the search frequency of firm's name and its future stock returns. Our results show that the search frequency of firm's name is a new investor attention measure, which is different from previously explored attention measures such as extreme returns, turnover, etc. Firms that go through higher search frequency this week tend to have higher returns in the next week. We do not find return reversal in the long run for the firms with higher search frequency. Furthermore, the extent to which search frequency affects stock returns becomes more pronounced following market-wide attention grabbing events. Our results indicate that search frequency incorporates information for future stock returns.
NAVER provides search frequency data of search terms via its DataLab service (http://datalab.naver.com/). Using this data, this paper examines the relation between the search frequency of firm's name and its future stock returns. Our results show that the search frequency of firm's name is a new investor attention measure, which is different from previously explored attention measures such as extreme returns, turnover, etc. Firms that go through higher search frequency this week tend to have higher returns in the next week. We do not find return reversal in the long run for the firms with higher search frequency. Furthermore, the extent to which search frequency affects stock returns becomes more pronounced following market-wide attention grabbing events. Our results indicate that search frequency incorporates information for future stock returns.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
셋째, Da et al.[1]에서 피검색빈도가 주식수익률의 횡단면에 미치는 영향에 초점을 두고 있음에 비해 본 연구는 피검색빈도가 주식수익률의 횡단면에 미치는 영향의 정도가 시장 차원의 관심사건 발생과 관련이 있는지 추가적으로 검증하였다.
먼저, 가설 I을 검증하기 위해 피검색빈도와 기존의 투자자 관심변수와의 상관관계를 살펴보고자 한다.
본 연구는 KOSPI200 지수구성종목을 대상으로 개별 기업에 대한 투자자의 관심도와 그 기업의 미래의 주식수익률간의 관계를 살펴보고자 하였다. 투자자의 관심도를 측정하기 위한 방법으로 본 연구에서는 네이버에서 제공하는 피검색빈도자료를 활용하였다.
본 연구는 포털사이트에서 기업명의 피검색빈도와 그 기업의 미래 주식수익률간의 관계를 분석하였다. 피검색빈도는 지금까지 거의 연구되지 않은 새로운 투자자 관심(investor attention)변수로서, 극단적 수익률 또는 거래량과 같은 기존의 간접적인 투자자 관심변수와는 달리, 투자자의 관심도를 직접적으로 측정할 수 있다는 장점을 갖는다.
이제까지 피검색빈도가 주식수익률의 횡단면에 미치는 영향을 살펴보았다. 본 연구에서는 피검색빈도가 주식수익률에 미치는 영향이 시장 차원의 관심사건이 발생한 이후 더욱 증가하는지의 여부를 추가적으로 살펴보고자 한다(가설 4).
둘째, 금주의 피검색빈도와 그 다음 주의 해당 기업의 주식수익률 간의 상관관계를 살펴봄으로써, 투자자의 관심을 끄는 종목일수록 미래 수익률이 높아지는지를 검증하였다. 셋째, 피검색빈도에 의한 매매가 그 기업의 주가에 일시적인 가격압력으로 작용하는 것인지 또는 향후 주가에 관한 본질적 정보를 포함하고 있는지 살펴보았다. 넷째, 피검색빈도가 주식수익률에 미치는 영향이 시간에 따라 변화하는지를 검토하였다.
이제까지 피검색빈도가 주식수익률의 횡단면에 미치는 영향을 살펴보았다. 본 연구에서는 피검색빈도가 주식수익률에 미치는 영향이 시장 차원의 관심사건이 발생한 이후 더욱 증가하는지의 여부를 추가적으로 살펴보고자 한다(가설 4).
첫째, 최근 주목받고 있는 투자자 관심변수인 피검색빈도가 주식수익률에 미치는 영향을 국내 주식시장을 대상으로 분석한 최초의 연구이다. 투자자의 관심과 관련된 기존 국내연구는 과거의 극단적 수익률 또는 거래량이 개별 종목의 수익률에 미치는 영향을 분석하거나[9], KOSPI지수가 과거지수 대비 고점을 돌파하는 사건 이후의 수익률에 관한 연구가 보고되어 있다[8].
넷째, 피검색빈도가 주식수익률에 미치는 영향이 시간에 따라 변화하는지를 검토하였다. 특히, 시장 차원에서 다수의 투자자들의 관심을 유발하는 사건이 발생하는 경우 피검색빈도의 주식수익률에 대한 영향력이 더욱 증가하는지의 여부를 검증하였다.
가설 설정
가설 1: 피검색빈도는 극단적 수익률 및 거래량과 차별화되는 새로운 투자자 관심변수이다.
가설 2: 금주의 피검색빈도가 높은 종목일수록 다음 주의 수익률이 높을 것이다.
과거의 피검색빈도와 미래의 주식수익률은 어떤 상관관계를 갖는가? 가설 2에 의하면, 금주의 피검색빈도가 높은 종목일수록 다음 주의 주식수익률이 높아지게 된다. 이를 살펴보기 위해 피검색빈도를 기준으로 한 포트폴리오 수준의 분석을 실행하였다.
가설 3: 피검색빈도에 의한 매매가 향후 주가에 대한 정보를 포함하고 있다면 충분히 긴 시간이 지나도 수익률에 반전 현상(return reversal)이 관찰되지 않을 것이다.
가설 4: 피검색빈도가 주식수익률에 미치는 영향은 시장 차원의 관심사건이 발생한 이후 더욱 증가할 것이다.
제안 방법
셋째, 피검색빈도에 의한 매매가 그 기업의 주가에 일시적인 가격압력으로 작용하는 것인지 또는 향후 주가에 관한 본질적 정보를 포함하고 있는지 살펴보았다. 넷째, 피검색빈도가 주식수익률에 미치는 영향이 시간에 따라 변화하는지를 검토하였다. 특히, 시장 차원에서 다수의 투자자들의 관심을 유발하는 사건이 발생하는 경우 피검색빈도의 주식수익률에 대한 영향력이 더욱 증가하는지의 여부를 검증하였다.
첫째, 기업명의 피검색빈도가 기존 연구에서 보고된 투자자 관심변수인 과거의 극단적인 수익률 또는 거래량과 중복되지 않는 독립적인 투자자 관심변수인지를 살펴보았다. 둘째, 금주의 피검색빈도와 그 다음 주의 해당 기업의 주식수익률 간의 상관관계를 살펴봄으로써, 투자자의 관심을 끄는 종목일수록 미래 수익률이 높아지는지를 검증하였다. 셋째, 피검색빈도에 의한 매매가 그 기업의 주가에 일시적인 가격압력으로 작용하는 것인지 또는 향후 주가에 관한 본질적 정보를 포함하고 있는지 살펴보았다.
이 정의에 의하면, AAT는 최근의 평균적인 피검색빈도에 비해 금주의 피검색빈도에 얼마만큼 변화가 생겼는지를 측정하는 변수이다. 매 주 AAT의 크기 순으로 전체 종목을 10개 포트폴리오로 나누고, 그 다음 주의 각 포트폴리오의 수익률을 구하였다.
먼저 기업명의 피검색빈도가 기존 문헌의 투자자 관심변수와 중복되지 않는 새로운 변수인지의 여부를 살펴본다. 만약 가설 I이 성립한다면, 피검색빈도는 극단적 수익률 및 거래량과 낮은 상관관계를 가질 것이다.
종속변수인 High-Low는 앞의 Table 3에서와 같이 이번 주 피검색빈도가 높은 종목들을 매수하고, 낮은 종목들을 매도하여 구성한 무비용 포트폴리오의 그 다음 주 수익률이다. 설명변수인 시장 차원의 관심유발 사건과 관련된 변수로는기존 연구에서 사용된 극단적 시장수익률 및 시장 전체 거래회전율, 그리고 직전 52주 지수고점의 돌파여부를 사용하였다. 또한 최근 글로벌 금융위기 기간(2007~2009)도 시장 차원의 관심사건으로 고려하였다.
과거의 피검색빈도와 미래의 주식수익률은 어떤 상관관계를 갖는가? 가설 2에 의하면, 금주의 피검색빈도가 높은 종목일수록 다음 주의 주식수익률이 높아지게 된다. 이를 살펴보기 위해 피검색빈도를 기준으로 한 포트폴리오 수준의 분석을 실행하였다. 먼저, Da et al.
본 연구에서는 구체적으로 다음과 같은 문제를 다루고자 하였다. 첫째, 기업명의 피검색빈도가 기존 연구에서 보고된 투자자 관심변수인 과거의 극단적인 수익률 또는 거래량과 중복되지 않는 독립적인 투자자 관심변수인지를 살펴보았다. 둘째, 금주의 피검색빈도와 그 다음 주의 해당 기업의 주식수익률 간의 상관관계를 살펴봄으로써, 투자자의 관심을 끄는 종목일수록 미래 수익률이 높아지는지를 검증하였다.
피검색빈도 변수와 기존의 투자자 관심변수간의 관계를 좀더 자세히 살펴보기 위해 LOG_AT, ABS_RET, LOG_TURNOVER간의 VAR(Vector AutoRegression)을 수행하였다. Table 2는 총 261개 종목마다 VAR분석을 실행하고, 추정된 회귀계수들의 평균값과 t-값의 분포를 보여준다.
대상 데이터
둘째, 기존 연구인 Da et al.[1]이 자료의 한계로 인해 약 4년간의 단기자료를 사용한 반면, 본 연구는 그 두 배인 약 8년간의 비교적 장기간 자료를 활용하여 분석하였다. 따라서 본 연구의 결과는 자료선택의 편의(bias)로부터 상대적으로 자유로우므로 보다 높은 신뢰성을 가질 수 있다.
본 연구에서는 매년 1월 1일을 기준으로 KOSPI200 지수구성종목을 표본종목으로 선택하고, 2007년 1월부터 2015년 11월까지의 기간동안 기업명의 주단위 피검색빈도 자료를 수작업으로 입수하여 분석하였다. 또한 시가총액, 장부가대 시장가(B/M) 비율, 거래회전율, 수익률 등의 거래자료는 DataguidePro의 자료를 사용하였다.
본 연구는 KOSPI200 지수구성종목을 대상으로 개별 기업에 대한 투자자의 관심도와 그 기업의 미래의 주식수익률간의 관계를 살펴보고자 하였다. 투자자의 관심도를 측정하기 위한 방법으로 본 연구에서는 네이버에서 제공하는 피검색빈도자료를 활용하였다. 네이버는 사용자가 지정하는 키워드가 특정 기간 동안에 얼마나 네이버에서 자주 검색되었는지에 관한 검색빈도자료를 제공하는데, 특히 개별 기업명의 피검색빈도를 조사하면 그 회사에 대한 잠재적 투자자들의 관심의 정도를 추정할 수 있다[1].
네이버는 이 주의 피검색빈도를 100으로 가정하고, 다른 기간동안의 피검색빈도를 상대적 비율로 환산하여 보여준다. 본 연구에서는 매년 1월 1일을 기준으로 KOSPI200 지수구성종목을 표본종목으로 선택하고, 2007년 1월부터 2015년 11월까지의 기간동안 기업명의 주단위 피검색빈도 자료를 수작업으로 입수하여 분석하였다. 또한 시가총액, 장부가대 시장가(B/M) 비율, 거래회전율, 수익률 등의 거래자료는 DataguidePro의 자료를 사용하였다.
본 연구는 KOSPI200 지수구성종목을 대상으로 개별 기업에 대한 투자자의 관심도와 그 기업의 미래의 주식수익률간의 관계를 살펴보고자 하였다. 투자자의 관심도를 측정하기 위한 방법으로 본 연구에서는 네이버에서 제공하는 피검색빈도자료를 활용하였다. 네이버는 사용자가 지정하는 키워드가 특정 기간 동안에 얼마나 네이버에서 자주 검색되었는지에 관한 검색빈도자료를 제공하는데, 특히 개별 기업명의 피검색빈도를 조사하면 그 회사에 대한 잠재적 투자자들의 관심의 정도를 추정할 수 있다[1].
데이터처리
17로 5% 유의수준에서 유의함을 보여준다. 그렇다면 새로운 투자자 관심 변수인 AAT와 기존의 투자자 관심변수들 중 어느 것이 기업들의 미래 수익률을 설명하는데 있어 더 유용한 변수일까? 이를 살펴보기 위해 모형 V에서 AAT와 회전율(LOG_TURNOVER) 및 수익률의 절대값(ABS_RET)을 모두 설명변수로 채택하고, 기업규모와 부채비율까지 통제한 후 회귀분석을 실시하였다. 그 결과, 회전율 및 수익률의 절대값을 통제한 후에도 AAT의 회귀계수는 0.
성능/효과
결과를 살펴보면, 시장수익률의 절대값 (ABS_MRET)의 회귀계수는 모형 I과 V모두에서 t-값이 각각 2.73과 2.75로서 매우 유의한 양 (+)의 값을 나타낸다. 이는 금주의 시장수익률에큰 변화가 있을 때, 피검색빈도가 높은 종목일수록 투자자들이 순매수쪽으로 치우침으로써 그다음 주의 수익률이 높아진다는 것을 의미한다.
넷째, 피검색빈도가 주식수익률에 미치는 영향력은 시장 전체의 관심사건이 발생하였을 때 더욱 증가한다. 구체적으로 시장수익률의 극단적인 변화, 직전 52주 KOSPI지수고점의 돌파, 글로벌 금융위기 등과 같은 시장 차원의 관심유발사건이 발생하였을 때 피검색빈도가 주식수익률에 미치는 영향이 커지는 것으로 나타났다.
투자자 관심에 관한 국내 연구로 이호, 김은정[8]의 연구는 코스피지수가 52주 고가를 돌파하는 사건을 투자자 관심유발사건으로 정의하고, 그 이후의 주식수익률을 살펴보았다. 그 결과, 52주 고가 돌파 이후 수익률 반전이 나타남으로써 52주 고가가 투자자들의 과소반응 정도를 나타내는 변수로서 해석될 수 있다고 주장하였다. 공옥례, 박대근[9]은 개인투자자들은 극단적인 거래량 또는 주식수익률을 보이는 종목을 순매수하는 경향이 있음을 발견하였다.
그렇다면 새로운 투자자 관심 변수인 AAT와 기존의 투자자 관심변수들 중 어느 것이 기업들의 미래 수익률을 설명하는데 있어 더 유용한 변수일까? 이를 살펴보기 위해 모형 V에서 AAT와 회전율(LOG_TURNOVER) 및 수익률의 절대값(ABS_RET)을 모두 설명변수로 채택하고, 기업규모와 부채비율까지 통제한 후 회귀분석을 실시하였다. 그 결과, 회전율 및 수익률의 절대값을 통제한 후에도 AAT의 회귀계수는 0.184이고 t-값이 2.23으로 여전히 유의한 양(+)의 값을 갖는 것으로 나타났다. 이는 종목 수준에서 금주의 피검색빈도와 다음 주 수익률 간에 양(+)의 상관관계가 있으며, 이러한 상관관계는 기존의 투자자 관심변수 뿐만 아니라 기업규모, 부채비율과 같은 기업별 특성을 통제한 후에도 강건하게 성립함을 의미한다.
넷째, 피검색빈도가 주식수익률에 미치는 영향력은 시장 전체의 관심사건이 발생하였을 때 더욱 증가한다. 구체적으로 시장수익률의 극단적인 변화, 직전 52주 KOSPI지수고점의 돌파, 글로벌 금융위기 등과 같은 시장 차원의 관심유발사건이 발생하였을 때 피검색빈도가 주식수익률에 미치는 영향이 커지는 것으로 나타났다.
23으로서 유의한 양(+)의 예측력을 보이지만, 그 이후 모든 구간의 수익률에 대해 t-값이 유의하지 않은 것으로 나타났다. 다시 말해 피검색빈도가 높은 기업일수록 다음 주에 높은 수익률을 보이지만, 그 이후 20주까지 수익률에 반전현상이 나타나지 않는다. 이는 피검색빈도에 의한 매매가 해당 종목에 대한 일시적인 가격압력으로 작용하는 것이 아니라, 그 기업의 본질적 정보를 가격에 반영하는 과정임을 의미한다.
둘째, 금주의 피검색빈도는 그 다음 주의 수익률과 양(+)의 상관관계를 갖는다. 즉, 금주에 기업명이 많이 검색된 기업일수록 그 다음 주의 수익률이 높게 나타난다.
이로 미루어볼 때, t-1주에 피검색빈도가 높은 종목은 t주의 거래량 회전율도 높아진다고 볼 수 있다. 반면 LOG_AT(t)가 종속변수인 경우를 살펴보면, ABS_RET(t-1)의 회귀계수는 거의 대부분의 종목인 196개 종목에서 유의하지 않고, LOG_TURNOVER(t-1)의 회귀계수는 46개 종목에서 양(+)의 값, 70개 종목에서 음(-)의 값을 가짐으로서 그 방향성이 뚜렷하지 않다. 따라서 피검색빈도 변수(AT)는 기존 논문에서 보고된 다른 투자자 관심변수를 시간적으로 선행하는, 보다 근본적인 투자자 관심변수로 해석할 수 있다.
분석결과, AAT는 미래 1주일의 수익률에 대해서는 회귀계수가 0.184이고 t-값이 2.23으로서 유의한 양(+)의 예측력을 보이지만, 그 이후 모든 구간의 수익률에 대해 t-값이 유의하지 않은 것으로 나타났다. 다시 말해 피검색빈도가 높은 기업일수록 다음 주에 높은 수익률을 보이지만, 그 이후 20주까지 수익률에 반전현상이 나타나지 않는다.
셋째, 피검색빈도가 높은 기업은 그 다음 주 이후 20주까지 수익률에 반전현상이 나타나지 않는다. 이는 피검색빈도에 의한 매매가 해당 종목에 대한 일시적인 가격압력으로 작용하는 것이 아니라, 그 기업의 본질적 정보를 가격에 반영하는 과정임을 의미한다.
Table 2는 총 261개 종목마다 VAR분석을 실행하고, 추정된 회귀계수들의 평균값과 t-값의 분포를 보여준다. 종속변수가 ABS_RET(t)이고 설명변수가 LOG_AT(t-1)인 경우를 살펴보면, LOG_AT(t-1)의 회귀계수는 73개의 종목에서 유의한 양(+)의 값을 나타내고, 25개의 종목에서 유의한 음(-)의 값을 보인다. 따라서 t-1주에 피검색빈도가 높은 종목일수록 t주의 수익률의 절대값도 커지는 경향이 있다고 볼 수 있다.
첫째, 기업명의 피검색빈도는 기존에 잘 알려진 투자자 관심변수인 극단적 수익률 및 거래회전율과 중복되지 않는 새로운 투자자 관심변수이다. 기업명의 피검색빈도는 극단적 수익률 및 거래회전율과 낮은 상관관계를 보이며, 두 관심변수를 시간적으로 선도(lead)하는 것으로 나타난다.
즉, 금주에 기업명이 많이 검색된 기업일수록 그 다음 주의 수익률이 높게 나타난다. 특히, 다음 주 수익률에 영향을 줄 수 있는 여러 통제변수들을 통제한 후 Fama-Macbeth 횡단면 회귀분석을 실시한 결과, 피검색빈도의 회귀계수는 다음 주 수익률에 대해 여전히 유의한 양(+)의 설명력을 갖는 것으로 나타난다.
후속연구
[1]이 자료의 한계로 인해 약 4년간의 단기자료를 사용한 반면, 본 연구는 그 두 배인 약 8년간의 비교적 장기간 자료를 활용하여 분석하였다. 따라서 본 연구의 결과는 자료선택의 편의(bias)로부터 상대적으로 자유로우므로 보다 높은 신뢰성을 가질 수 있다.
이와 같은 주장을 본 연구의 피검색빈도와 연관지어 보면, 시장 차원의 관심사건 발생 시 더욱 많은 잠재적 투자자들이 자신의 관심종목을 포털사이트에서 검색하고 그 정보에 기반하여 해당 종목을 매매하게 될 것이다. 이에 따라 피검색빈도가 높은 종목과 낮은 종목간 수익률 격차가 더욱 확대될 것으로 예상할 수 있다.
[1]에서 언급되었듯이, 피검색빈도는 개인투자자의 거래비중이 높은 종목에서 더욱 영향력이 클 것으로 짐작된다. 피검색빈도 자료에 근거하여 이러한 종목들의 미래수익률 뿐만 아니라 유동성의 감소 또는 변동성의 증가 위험을 사전적으로 예측할 수 있는지의 문제도 향후 흥미있는 연구과제가 될 것이다.
피검색빈도가 주식시장에 미치는 영향은 아직 충분히 연구되지 않은 새로운 분야로서 다양한 후속연구가 기대된다. Da et al.
질의응답
핵심어
질문
논문에서 추출한 답변
투자자의 관심도를 측정하기 위해 어떤 자료를 활용했나요?
본 연구는 KOSPI200 지수구성종목을 대상으로 개별 기업에 대한 투자자의 관심도와 그 기업의 미래의 주식수익률간의 관계를 살펴보고자 하였다. 투자자의 관심도를 측정하기 위한 방법으로 본 연구에서는 네이버에서 제공하는 피검색빈도자료를 활용하였다. 네이버는 사용자가 지정하는 키워드가 특정 기간 동안에 얼마나 네이버에서 자주 검색되었는지에 관한 검색빈도자료를 제공하는데, 특히 개별 기업명의 피검색빈도를 조사하면 그 회사에 대한 잠재적 투자자들의 관심의 정도를 추정할 수 있다[1].
정보가 매매를 통해 즉시 가격에 반영됨을 가정하는 재무이론들의 전제는?
지금까지 연구된 많은 재무이론들은 정보가 매매를 통해 즉시 가격에 반영됨을 가정하고 있다. 이러한 가정에 있어서의 한 가지 전제는, 투자자들이 모든 종목에 걸쳐 사소한 정보도 간과하지 않는다는 것이다. 그러나 이는 투자자들의 관심의 범위 및 한 번에 처리할 수 있는 정보의 양이 제한적이라는 점에서 비현실적일 수 있다.
피검색빈도가 새로운 투자자 관심변수로 주목받는 이유는?
특히 포털검색엔진에서의 피검색빈도가 새로운 투자자 관심변수로서 주목받는 이유는 이것이 투자자의 관심을 직접적으로 드러내는, 매우 드문‘현시적 변수(revealed measure)’이기 때문이다. 기존 연구에서 투자자 관심변수로서 도입된 많은 변수들, 예컨대 과거의 수익률, 거래량, 뉴스 주요기사, 광고비 지출비용 등은 엄밀히 말해 간접적인 투자자 관심변수로 볼 수 있다[2],[3].
참고문헌 (20)
Da, Z., Engelberg, J., and Gao, P., "In Search of Attention", Journal of Finance, Vol. 66, pp.1461-1499, 2012
Barber, B.M., and Odean, T., "All that Glitters: The Effect of Attention and News on the Buying Behavior of Individual and Institutional Investors", Review of Financial Studies, Vol. 21, pp.715-788, 2008
Chemmanur, Thomas, and Yan. A., "Advertising, Attention, and Stock Returns", Working Paper, Boston College and Fordham University
Pashler, H. and Johnston, J.C., "Attentional limitations in Dual-task Performance" In: Pashler, H. (Ed.), Attention, Psychology Press, pp.155-189, 1998
Yuan, Y., "Market-wide Attention, Trading, and Stock Returns", Journal of Financial Economics, Vol. 116, pp.548-564, 2015
H. Lee, and E. J. Kim, "The 52-week high of Stock Price and Psychological Anchors in the Korean stock market", Journal of Business Education, Vol. 28, No. 5, pp.151-171, 2013
O. R. Kong, and D. K. Park, "The Impact of Attention Effect on the Buying Behavior of Investors in the Korean Stock Market", Korean Journal of Financial Engineering, Vol. 12, No. 3, pp.75-98, 2013
J. K. Kang, and M. H. Sim, "Lottery-like Stocks and the Cross-section of Expected Stock Returns in the Korean Stock Market", Asian Review of Financial Research, Vol. 27, No.2, pp.297-332, 2014
C. K. Lee, H. H. Lee, and M. H. Jo, "A Study of Internet Portal Sites Positioning using Multi-dimensional Scaling", Journal of Korea Industry Information Systems Research, Vol. 18, No. 6, pp.103-112, 2013
H. H. Lee, C. K. Lee, and S. J. Yoo, "Human Search Patterns on Product Comparison Service", Journal of Korea Industry Information Systems Research, Vol. 14, No. 3, pp.98-105, 2009
S. I. Jeon, G. W. Park, K. W. Nam, and K. H. Ryu, "Pattern Analysis-based Query Expansion for Enhancing Search Convenience", Journal of Korea Industry Information Systems Research, Vol. 17, No. 2, pp.65-72, 2012
D. W. Nam, J. W. Park, M. K. Kim, H. Cho, S. H. Kim, "A Study About Correlation Between Collective Intelligence on the Internet Stock Message Board and Stock Market", The Journal of Internet Electronic Commerce Research, Vol.12, No.2, pp.149-164, 2012
Y. J. Jang, "Big data, Business Analytics, and IoT: The Opportunities and Challenges for Business", Journal of Information Systems, Vol.24, No.4, pp.139-152, 2015
Sias, R., "Institutional Herding", Review of Financial Studies, Vol. 17, pp.165-206, 2004
Lakonishok, J., Shleifer, A., and Vishny, R.W., "The Impact of Institutional Trading on Stock Prices", Journal of Financial Economics, Vol. 32, pp.23-43, 1992
Nofsinger, J., and Sias, R.W., "Herding and Feedback Trading by Institutional and Individual Investors", Journal of Finance, Vol. 54, pp.2263-2295, 1999
※ AI-Helper는 부적절한 답변을 할 수 있습니다.