선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구에서는 국내외 선행연구 결과들을 바탕으로 컨센서스의 정확도에 영향을 주는 요인들 중에서 통계적으로 설명력이 높은 요인들을 선별 하여 컨센서스의 정확도를 높이는 방법론을 제시하는데 목적을 두고 있다.
제안 방법
- 그림 1의 방법론에 의해 산출된 Sharp Consensus의 베타 요인을 제외하였을 경우, 알파 요인을 제외하였을 경우, 그리고 베타와 알파 요인을 제거하였을 경우의 성과에 대해 통계적 검정을 통해 기존 컨센서스에 비해 개선되었는지를 확인해 보았다. 검정 결과 세가지 경우 모두 유의 수준 5% 내에서 채택되었다.
- 분석에 사용된 종속 변수는 시간가치 요인 검정에서 사용된 오차율과 산식이 동일하지만, 그 대상이 애널리스트의 추정치가 적용되는 것이 차이이다. 독립변수는 애널리스트의 나이, 근속월수, Bold 추정치를 사용하였고, Bold 추정치 여부는 하향 추정치인 경우 본인의 직전 추정치보다 아래이고 컨센서스보다 아래이며, 상향 추정치인 경우 본인의 추정치보다 위이고 컨센서스보다 위일 경우로 판단하였다.
- 따라서, 이를 바탕으로 “추정치들의 시간 가치, 추정치 평균 산출 기간, 애널리스트의 추정 능력 및 경험, 과대추정 경향, 추정치들의 상호 의존성, 추정계정 별 특성, 종목/업종/연도 별 특성” 총 7가지의 요인을 선별하였다.
- 지금까지 정성적/정량적 검정 작업을 통해, 다양한 조건이 통제되고도 유의미한 3가지 요인들을 선별하였다. 이 요인들을 감안하여 추정치의 정확도를 개선할 수 있도록 하는 방법론은 다음과 같다.
- 애널리스트 추정치들의 산술 평균인 기존의 컨센서스는 추정치가 발표된 시간, 추정치를 발표하는 애널리스트의 역량과 같은 외부 요인들에 따라 달라질 수 있다는 가정을 무시하고 있다. 하지만 국내외 선행연구 결과에서 추정치의 정확도는 특정 요인들에 의해 영향을 받는다는 가설에 대한 실증분석 결과를 확인할 수 있는 바, 본 연구에서는 컨센서스의 정확도에 영향을 주는 요인들을 정성적으로 조사하여 정리하고, 정량적으로 업종, 시계열 요인을 통제하고도 유의수준 5% 내에서 컨센서스 정확도에 영향을 준다는 가설을 강하게 지지하는 요인들 만을 선별하여 최종 반영 요인들을 결정하게 된다.
데이터처리
- 데이터 특성 요인은 다중회귀모형을 통해 유의미성을 테스트하였고, 산식은 식-3과 같다. 검정 결과 추정기관수, 기업규모, 연도, 추정대상 요인 모두 유의수준 5% 내에서 추정치 오차율에 영향을 미치는 것으로 검정되었고, 업종은 일부 업종에서만 유의미한 것으로 판단되었다.
- 시간 가치 요인은 다중회귀모형을 통해 유의미성을 테스트하였고, 산식은 식-4와 같다. 테스트 결과 실적발표까지 남은 기간이 많을수록 오차율은 증가한다는 가설은 유의수준 5% 내에서 유의미한 것으로 판단되었으나, 평균산출기간이 많을수록 오차율은 증가한다는 가설은 유의미하지 않은 것으로 판단되었다.
성능/효과
- 그림 1의 방법론에 의해 산출된 Sharp Consensus의 베타 요인을 제외하였을 경우, 알파 요인을 제외하였을 경우, 그리고 베타와 알파 요인을 제거하였을 경우의 성과에 대해 통계적 검정을 통해 기존 컨센서스에 비해 개선되었는지를 확인해 보았다. 검정 결과 세가지 경우 모두 유의 수준 5% 내에서 채택되었다. 즉, 그림 1의 방법론을 통해 산출한 컨센서스가 기존의 산술평균 방식으로 산출한 컨센서스에 비해 오차율 개선효과가 통계적으로 존재한다는 것이다.
- 데이터 특성 요인은 다중회귀모형을 통해 유의미성을 테스트하였고, 산식은 식-3과 같다. 검정 결과 추정기관수, 기업규모, 연도, 추정대상 요인 모두 유의수준 5% 내에서 추정치 오차율에 영향을 미치는 것으로 검정되었고, 업종은 일부 업종에서만 유의미한 것으로 판단되었다. 식-3.
- 즉, 그림 1의 방법론을 통해 산출한 컨센서스가 기존의 산술평균 방식으로 산출한 컨센서스에 비해 오차율 개선효과가 통계적으로 존재한다는 것이다. 결과를 해석하면, 베타요인이 경우나 알파요인의 경우 모두 통계적으로 산술평균 방식에 비해 우월하지만, 그 효과의 크기는 알파요인의 경우가 압도적으로 크다. 결국 알파요인의 경우는 차감을 통해 개선시킬 수 있는 여지가 크다라고 할 수 있다.
- 3% 정도 개선되는 유의미한 결과가 도출되었다. 과대 추정 경향에 대한 검정은 다요인 회귀모형이 아닌, 절대값을 씌우지 않은 오차율 데이터를 활용해 해당 오차율이 0과 같은지 T Test를 통해 검정했고, 그 결과 오차율은 0보다 크다는 것이 유의수준 5%에서 채택되어 과대평가 경향이 존재 함을 알 수 있었다.
- 다중회귀모형을 통해 유의미성을 테스트한 결과 애널리스트의 나이와 근속월수는 유의미하지 않은 결과가 도출되었고, 애널리스트 추정치가 Bold 추정치인 경우 추정치의 오차율은 감소한다는 가설은 Bold 추정치가 일반 추정치들에 비해 1.3% 정도 개선되는 유의미한 결과가 도출되었다.
- 본 연구를 통하여 그림 1의 방법론에 의해 산출된 Sharp Consensus는 기존의 방식으로 산출된 것에 비해 좀 더 정확함을 통계적으로 검증할 수 있었다. 이 정교한 컨센서스를 활용하여 새로운 투자전략을 세울 수도 있을 것이다.
- 시간 가치 요인 검정은 평균산출기간과 실적발표까지 남은 기간이 추정치의 정확도에 영향을 미치는 지를 데이터 특성별로 검정하는 절차로 최종적으로 실적발표까지 남은 기간이 유의미한 요인으로 선별되었다.
- 시간 가치 요인은 다중회귀모형을 통해 유의미성을 테스트하였고, 산식은 식-4와 같다. 테스트 결과 실적발표까지 남은 기간이 많을수록 오차율은 증가한다는 가설은 유의수준 5% 내에서 유의미한 것으로 판단되었으나, 평균산출기간이 많을수록 오차율은 증가한다는 가설은 유의미하지 않은 것으로 판단되었다.
후속연구
- 검정 결과의 정확도를 향상하기 위해서 종목별로 비 정상적인 값들을 제거하고 방법론에 적용하면 지금의 결과보다 더 정확한 내용이 나올 것으로 예상되나 이 부분은 추후과제로 남겨 두는 것으로 한다.
- 이 외에도 상반기와 하반기 또는 각 분기별로 괴리율의 정도에 따라 투자하는 시기를 결정할 수도 있을 것이다. 본 연구를 통해 산출된 Sharp Consensus를 이용하여 기존의 선행연구들에 대해 재 검정을 통하여 다양하고 새로운 투자전략들이 발굴되기를 기대한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.