earticle

영어

In this paper, I investigate whether Korean stock market volatility is influenced by the U. S. stock market volatility. The liberalization of stock markets and the development of IT made stock market interdependence stronger. And the U. S. stock market leadership was documented in many papers. Analyzing the relationship and behavior of stock price volatility is important for portfolio formation and investment strategy. Prior studies have been concentrated only on observed volatility. But this study is distinguished from previous studies in the respect that observed volatility is decomposed into permanent volatility and temporary volatility. The descriptive statistics show the mean of Korean stock market return is higher than that of the U. S. stock market return. And the standard deviation of Korean market is higher than that of the U.S. market. The negative skewness and excess kurtosis are observed in two markets, and the Jarque-Bera normality test reveal non-normalities of two series. Therefore, GARCH type model is appropriate for anlayzing these data. As autocorrelation coefficient of time series data is not significantly different from zero, the mean equation in GJR GARCH model do not contain AR(1) term or MA(1) term. The procedure used in this paper involved the following steps. First, in order to estimate KOSPI observed volatility and S&P500 volatility, GJR GARCH model is employed. In estimated GJR GARCH model, it turns out that the coefficient of asymmetric volatility term is statistically significant. Because the LB Q-statistic applied on residuals and squared residuals is insignificant, and persistence parameter is smaller than one, therefore the GJR GARCH model is well estimated. Second, to decompose observed volatility, this study employs state space model and Kalman filtering method. State space model is useful in analyzing time series model that involve unobservable variables. And Kalman filter is the basic tool to deal with state space model. In this paper, permanent volatility and temporary volatility are unobservable variables. Permanent volatility is trend component and is modelled as a random walk with drift. And temporary volatility is assumed as AR(1) process because it passes away with time. Third, to test for unit root behavior of volatility series data, ADF test is used. If the process of series is unit root process, it is to be transformed to stationary process by differencing the series. ADF test results show that all variables are I(0), that is, all series do not contain trends. In other words, each volatility series is stationary time series. As there is not unit root, raw data is used in this study. The effects of shocks to stationary time series will dissipate over time and this process reverts to mean. Fourth, to analyze the relationship between KOSPI volatility and S&P500 volatility, this study employs regression analysis. This paper uses daily data from January 2001 to April 2008. Because Korean stock market holidays differ from the U. S. stock market holidays, the corresponding date which is holiday in another country is deleted in the data set. The Second difference is time difference. Because Korean stock market of day t opens 4 hours after the U. S. market of day t-1 closes, the information occurred in the U. S. market of day t-1 influences Korean market of day t. Therefore, I examine the relationship between the U. S. data of day t-1 and Korean data of day t. The findings in this paper are as follows. First, KOSPI observed volatility is significantly related to S&P500 observed volatility. This means that there exists significant linkage in volatility between two markets. This finding is in line with most existing studies. Second, KOSPI permanent volatility is statistically significantly influenced by S&P500 permanent volatility. In other words, the trend of KOSPI volatility is significantly linked to the trend of S&P500 volatility. The trend portion has the feature of persistent and long memory. Third, in the case of temporary volatility, KOSPI temporary volatility is statistically significantly related to S&P500 temporary volatility. In short, KOSPI volatility is significantly related to S&P500 volatility in all cases uniformly. Permanent volatility is caused by economic information related to fundamental value, and temporary volatility is caused by noise trading. This means that noise trading portion of KOSPI volatility is influenced by noise trading portion of S&P500 volatility. This has important implication regarding hedging strategies. And analyzing the U. S. volatility of day t-1 is crucial for risk management.

한국어

자본시장 개방화와 IT의 발달은 국내 증권시장과 외국 증권시장 간의 관계를 더욱 밀접하게 만들었으며, 특히 우리나라 경제와 밀접한 관계를 갖고 있으며 국제자본시장의 중심인 미국 증권시장이 우리나라 증권시장에 영향을 미치고 있는 것으로 기존의 연구들에서 서술되고 있다. 본 연구는 미국 주 식시장 변동성과 한국 주식시장 변동성이 어떤 관계를 갖고 있는지에 대해 분석하였다. 즉, 미국 주식시 장에서 발생된 불안정성이 한국 주식시장의 불안정성에 영향을 미치는가를 분석하기 위하여 KOSPI 변 동성과 S&P500 변동성의 관계를 2001년 1월 2일부터 2008년 4월 30일까지의 일별 자료를 이용하여 연 구하였다. 기존 연구들은 관측변동성 간의 관계만을 분석하였지만 본 연구는 기존연구들과는 차별적으 로 관측변동성뿐만 아니라 관측변동성을 내재가치와 관련된 정보에 의해서 발생되는 영속적 변동성 부 분과 잡음거래에 의해 발생되는 일시적 변동성 부분으로 분해하여 이들 각각의 변동성이 두 시장 간에 어떤 관계를 갖고 있는지를 분석하였다. KOSPI 수익률과 S&P500 수익률의 기술적 통계량 분석에서는 KOSPI 수익률의 평균이 S&P500 수익 률의 평균보다 높으며 KOSPI 수익률의 표준편차도 S&P500 수익률의 표준편차보다 높게 나타났다. 왜도 는 KOSPI 수익률과 S&P500 수익률의 경우 모두 음의 값이며 첨도는 모두 3이상으로 나타났다. Jarque- Bera 통계량이 1% 유의수준에서 유의한 것으로 나타나 정규분포 가설을 기각하고 있다. 이와 같은 수익률의 기술적 통계량을 볼 때 KOSPI와 S&P500 변동성을 분석하는 데에는 GARCH류의 모형이 적절하다. 두 시계열 모두 자기상관관계가 없는 것으로 나타나 GARCH 모형 또는 GJR GARCH 모형의 평균방정식에 AR항 또는 MA항을 포함시키지 않았다. 본 연구의 분석 단계는 첫 번째 단계로, GJR GARCH 모형을 이용하여 KOSPI 관측변동성과 S&P500 관측변동성을 계산하였다. GJR GARCH 모형 추정결과, KOSPI와 S&P500의 경우 모두에 있어서 비대 칭적 변동성항의 계수가 유의하게 나타나 양의 충격보다 음의 충격의 경우에 더 큰 변동성을 보이는 것으로 나타났다. GJR GARCH 모형에서 지속성 패러미터가 KOSPI와 S&P500의 경우 모두 1보다 작은 것으로 계산되어 모두 안정성을 만족하는 것으로 나타났으며, 추정잔차와 추정잔차자승값의 10계차 자 기상관에 대한 Ljung-Box Q통계량이 비유의적으로 나타나 모형의 타당성이 있는 것으로 판단된다. 두 번째 단계로, 상태공간모형을 이용하여 KOSPI와 S&P500 각각의 영속적 변동성과 일시적 변동성을 추 정하였다. 상태공간모형은 모형 내에 비관측변수가 포함되어 있는 경우에 비관측변수를 추정하는 데 유 용하게 사용되는 통계기법이다. 본 연구에서는 관측변동성이 관측변수이며, 영속적 변동성과 일시적 변 동성이 비관측변수이다. 세 번째 단계로, 시계열자료의 안정성을 분석하기 위하여 단위근검정을 하였다. 단위근 검정을 하여 단위근이 없는 것으로 나타나는 경우에는 원자료를 가지고 분석을 하고, 단위근이 있는 경우에는 차분을 통해 안정적인 시계열자료로 만든 다음 분석을 하여야 한다. ADF 검정결과, 관측 변동성, 영속적 변동성, 일시적 변동성 모두 단위근이 존재하지 않는 것으로 나타났으므로 원시계열자료 를 이용하여 분석하였다. 네 번째 단계로, KOSPI 변동성과 S&P500 변동성 간의 관계를 분석하였다. 뉴욕 주식시장 t-1일 폐장시간이 한국시간으로 t일 오전 5시이므로 S&P500 변동성이 KOSPI 변동성에 미치는 영향을 분석하기 위해서 t-1일의 S&P500 변동성과 t일의 KOSPI 변동성을 비교하여 두 변동성 간의 관계를 분석하였다. 그리고 미국과 한국의 주식시장 중 어느 한 시장이 휴장되는 날의 변동성 자료 는 분석대상 변동성 시계열자료에서 제외하였다. KOSPI 관측변동성과 S&P500 관측변동성의 관계에 대한 분석결과, S&P500 관측변동성의 증가는 KOSPI 관측변동성의 증가를 가져오는 것으로 나타났다. 두 번째, 상태공간모형과 칼만필터링을 이용하 여 추정된 영속적 변동성 간에도 유의적인 양의 관계가 있었다. 즉 정보에 의해 발생되어 영속적으로 지 속되는 변동성 부분에서도 S&P500이 KOSPI에 유의하게 영향을 미치는 것으로 나타났다. 세 번째로, 일시적 변동성의 경우에서도 S&P500 변동성이 KOSPI 변동성에 유의하게 영향을 미치는 것으로 나타 났다. 특히, 잡음거래로부터 발생되는 일시적 변동성 부분도 유의적인 양의 관계가 있는 것으로 나타난 것은 단순히 시장의 전반적 추세 등을 모방하여 투자하는 행위로부터 발생되는 것으로 판단된다. 본 연 구에서와 같이 관측변동성을 영속적 변동성과 일시적 변동성을 구분하여 이들 각각의 변동성이 두 시장 간에 어떤 관계를 갖고 있는지를 분석하는 것은 투자자 또는 포트폴리오관리자들의 투자전략수립 및 위 험관리에 있어서 고려되어야 할 의미 있는 부분으로 생각된다.