earticle

영어

This paper examines the possibility of performance innovation when we use KOSPI200 index futures and conventional regression model to dynamic hedge a specific stock in KOSPI200 market without any model changes. Unlike preceding studies which tried to give up conventional regression model and invent new ones to calculate beta coefficient, this paper holds conventional model and tries to enhance hedging performance just by adjusting length of criterion period of beta coefficient calculation, minimizing model risk. This method got its idea from 'Window Size' concept, which is a part of Simple Moving Average Method(SMA). In analysis phase, we create a virtual stock in KOSPI market by correlativity-reaction size model and identify hedging performance of each window size by Monte Carlo simulation. As a result, we found that appropriateness of specific window size varies with intensity of trend in beta coefficient movement.

한국어

본 연구는 전통적 회귀분석 모형을 기반으로 하여 KOSPI200 지수선물을 사용해 개별주식에 대한 동적헤징을 실시할 때 모형 교체 없이 효율성을 안정적으로 높일 수 있는지에 대해 알아본다. 전통적 회귀분석 모형에서 벗어나 새로운 모형으로 베타계수를 계산하고자 했던 기존의 연구들과는 달리, 본 연구에서는 단순이동평균법의 윈도우 개념에 착안하여 전통적 회귀분석 모형을 그대로 사용하면서 베타계수의 윈도우 크기만을 조정하는 방식을 취함으로써 Model Risk를 최소화하고자 하였다. 그 결과 헤징에 사용할 베타계수를 계산하는 과정에서 윈도우 크기 조정을 거침으로써 후행성과 잔차의 영향 중 어떤 장애요소를 감소시킬지 추가적으로 선택할 수 있게 되었다. 분석 단계에서는 상관성‐반응크기 모형을 사용하여 가상의 KOSPI 주식을 생성한 후 몬테카를로 시뮬레이션을 실시하여 베타계수의 윈도우 크기에 따른 헤징효율을 분석하였으며, 그 결과 헤징기간 중 베타계수의 움직임이 나타내는 추세의 크기에 따라 최적의 효율성을 나타내는 윈도우 크기가 변화하는 모습을 보였다. 이를 통해 헤징시 단순히 베타계수만을 고려하는 것보다 상관계수를 통해 베타계수의 변동성을 예측하면서 헤지비율을 설정할 때 훨씬 더 효율적인 헤징성과를 거둘 수 있다는 점 역시 알 수 있었다.