$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

다변량 고빈도 금융시계열의 변동성 분석
Multivariate volatility for high-frequency financial series 원문보기

응용통계연구 = The Korean journal of applied statistics, v.30 no.1, 2017년, pp.169 - 180  

이근주 (숙명여자대학교 통계학과) ,  황선영 (숙명여자대학교 통계학과)

초록
AI-Helper 아이콘AI-Helper

본 논문은 다변량 변동성을 다루고 있다. 최근 들어 활발하게 연구가 되고 있는 고빈도(high frequency)자료에 기초한 변동성 측정방법인 실현변동성을 계산하고 기존의 다변량 GARCH 모형과 비교분석하였다. 정준상관분석과 VaR분석을 이용하여 실현변동성과 다양한 다변량 GARCH 모형을 비교하였으며 최근 6년 동안의 삼성전자/현대차 거래 가격 고빈도 데이터를 이용하여 실증분석을 실시하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Multivariate GARCH models are interested in conditional variances (volatilities) as well as conditional correlations between return time series. This paper is concerned with high-frequency multivariate financial time series from which realized volatilities and realized conditional correlations of in...

주제어

#고빈도 자료   #실현변동성   #다변량 GARCH  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 정준상관분석을 통해 두 집단 간의관계를 살펴볼 수 있다. 본 논문에서는 정준상관분석을 이용하여 실현변동성과 다변량-GARCH 모형간의 관계를 파악하고자 한다. 종속변수집단을 실현변동성으로 하고 독립변수집단을 다변량-GARCH 모형(EWMA, BEKK, CCC, DCC 모형 등)으로 하여 두 집단 간 상관관계를 가장 잘 설명하는 선형결합을 찾고 정준상관계수를 계산한다.
  • 본 연구에서는 고빈도 자료를 이용한 실현변동성을 계산하여 참값으로 간주한 후, 다변량 GARCH 모형 선택에 대하여 논의하였다. 고빈도 자료로는 일반적으로 권장되는 5분 단위 자료와 더불어 5분 보다 더 추출간격이 짧은 1분 단위 자료를 사용하였다.
  • 본 연구에서는 다변량 GARCH 모형과 실현변동성을 소개하고 국내주가자료를 통해 실증분석해보고자 한다. 1분, 5분 단위의 고빈도 자료로 계산한 실현변동성을 참 값으로 간주하고 정준상관(canonical correlation) 분석과 VaR-분석을 통해 다변량 GARCH 모형들을 비교평가해보고자 한다.
  • 본 절에서는 다변량 변동성을 모형화하는 MGARCH 모형에 대해 소개한다. 기본적인 개념과 수식은 Hwang 등 (2009)과 Tsay (2010)를 참고하여 정리하였다.

가설 설정

  • 4는 VaR을 계산하고 사후검증을 수행한 결과이다. 보유기간은 1일, 신뢰수준은 95%와 99%이며 삼성전자와 현대차가 동일한 가중치를 가진다는 가정 하에 VaR(%)를 계산하였다. 2015년 9월 1일부터 2016년 9월 2일까지 250개의 관측치를 표본 외 기간으로 설정하여 사후검증을 실시하였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
금융시장에서 수익률의 변동성의 특징은 무엇인가? 금융시계열에서 변동성(volatility)은 ‘일정기간 주식, 채권, 또는 상품의 가격이 변동하는 정도’를 의미한다. 금융시장에서 수익률의 변동성은 일반적인 시계열과 달리 시간에 따라 변하는 특성을 가지며 특정기간동안 큰 값이나 작은 값이 지속되는 변동성 집중(volatility cluster) 현상, 가격의 급락과 급등에 다르게 반응하는 비대칭 효과(leverage effect) 등의 특징을 가진다. 변동성은 불확실성(uncertainty)을 나타내기 때문에 위험(risk)의 측도가 되며 옵션의 가격결정, 포트폴리오의 선택 등에 있어 중요한 역할을 한다 (cf.
금융시계열에서 변동성이란 무엇인가? 금융시계열에서 변동성(volatility)은 ‘일정기간 주식, 채권, 또는 상품의 가격이 변동하는 정도’를 의미한다. 금융시장에서 수익률의 변동성은 일반적인 시계열과 달리 시간에 따라 변하는 특성을 가지며 특정기간동안 큰 값이나 작은 값이 지속되는 변동성 집중(volatility cluster) 현상, 가격의 급락과 급등에 다르게 반응하는 비대칭 효과(leverage effect) 등의 특징을 가진다.
고빈도 자료는 비동시적거래, 주문가-체결가 불일치, 뜸한 거래 등의 시장미시구조 잡음으로 인해 자기상관구조를 가지게 되어 실현 변동성에 편향이 발생하게하는데, 이러한 편향을 줄이기 위해서는 어떻게 해야하는가? Oh와 Shin, 2012). 이러한 편향을 줄이기 위해 5분 단위 데이터 사용이 권장된다 (Xiao, 2013).
질의응답 정보가 도움이 되었나요?

참고문헌 (15)

  1. Andersen, T. G. and Bollerslev, T. (1997). Intraday periodicity and volatility persistence in financial markets, Journal of Empirical Finance, 4, 115-158. 

    상세보기 crossref

  2. Andersen, T. G., Bollerslev, T., Diebold, F. X., and Labys, P. (2003). Modelling and forecasting realized volatility, Econometrics, 71, 579-625. 

    상세보기 crossref

  3. Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity, Journal of Econometrics, 31, 307-327. 

    상세보기 crossref

  4. Choi, S. M., Hong, S. Y., Choi, M. S., Park, J. A., Baek, J. S., and Hwang, S.Y. (2009). Analysis of multivariate-GARCH via DCC modeling, Korean Journal of Applied Statistics, 22, 995-1005. 

    원문보기 상세보기 crossref

  5. Engle, R. F. (1982). Autoregressive conditional heteroskedasticity with estimates of the variance of United Kingdom inflation, Econometrica, 50, 987-1007. 

    상세보기 crossref

  6. Engle, R. F. (2002). Dynamic conditional correlation: a simple class of multivariate generalized autoregressive conditional heteroskedasticity models, Journal of Business and Economic Statistics, 20, 339-350. 

    상세보기 crossref

  7. Hansen, P. R. and Lunde, A. (2006). Realized variance and market microstructure noise, Journal of Business & Economic Statistics, 24, 127-161. 

    상세보기 crossref

  8. Hwang, S. Y., Choi, M. S., and Do, J. D. (2009). Assessments for multivariate-GARCH models using backtesting : case study, Korean Journal of Applied Statistics, 22, 261-270. 

    원문보기 상세보기 crossref

  9. Kim, H. and Lee, M. (2005). Econometrics and Financial Time Series, Kyungmunsa, Seoul. 

  10. Oh, R. and Shin, D. W. (2012). Market microstructure noise and optimal sampling frequencies for the realized variances of stock prices of four leading Korean companies, Korean Journal of Applied Statistics, 25, 15-27. 

    원문보기 상세보기 crossref

  11. Seong, W. H. (1997). Applied Multivariate Analysis: Theory, Methods, SAS Application, Tamjin, Seoul. 

  12. Tsay, R. S. (2010). Analysis of Financial Time Series (3rd ed), Wiley, New York. 

  13. Xiao, L. (2013). Realized volatility forecasting: empirical evidence from stock market indices and exchange rates, Applied Financial Economics, 23, 57-69. 

    상세보기 crossref

  14. Yoon, J. E. and Hwang, S. Y. (2015). Volatility computations for financial time series : high frequency and hybrid method, Korean Journal of Applied Statistics, 28, 1163-1170. 

    원문보기 상세보기 crossref

  15. Zhou, B. (1996). High-frequency data and volatility in foreign-exchange rates, Journal of Business & Economic Statistics, 14, 45-52. 

    상세보기

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로