earticle

영어

The study investigates the lead-lag relations by analyzing the temporal relationship between the returns of single stock futures and those of spot. Five single stock futures are selected among total 25 SSFs listed in Korea Exchanges according to the market amount. The market amount of selected samples is about 71% of total single stock futures. They are assumed as the representatives of the single stock futures market. So far, a lot of papers have been published related to the price discovery. Most of previous researches have verified the US stock market leads to other countries’ stock markets in the broad perspective. On the other hand, many papers have tried to show the information spillover effect between futures markets and spot markets with various futures products such as stock index futures, physical product futures, interest futures, exchange futures. In particular, most papers specified to stock index futures markets which are successful in introduction of index stock futures haven’t shown the consistent results, which futures markets lead spot markets. Domestic researches related to information spillover effects have focused on KOSPI 200 futures index market. These results also haven't suggested consistent performances similar to other previous results. This paper tries to analyze the relationship between returns of single stock futures and those of stocks on the microscopic aspects. The research employes five single stock futures like SK hynix, Samsung Electronics, Hyundai Motors, SK innovation, LG Electronics. The sample periods are from December 14, 2009 to February 15, 2012. 542 observations both from returns of spot and those of nearby single stock futures are calculated taking the natural log of the price at t by the price at t-1. VAR model is used to catch the dynamic information spillover effects. The paper approaches three areas in detail. Is there information spillover effects between the returns of single stock futures and those of spots? How long do the information spillover effects go on? How much of the movements in one market can be explained by innovation in other market? To get the answers the above questions, we employed the Granger-causality test, impulse response test, and variance decomposition in order. In general, we take two steps to use the time series model, the unit root test for stationarity and cointegration test for long-run equilibrium. Fortunately, return data has been testified to be stationary through many previous researches. The main results with returns of the single stock futures and spots as follows. First, the returns of SSFs and spot of Hyundai Motors are highest owing to the growth of motor’s industry, but those of LG Electronics are negative due to low performance of smart phone area. The standard deviation of Samsung Electronics is lowest, but the standard deviations of SK Hynix and SK Innovation are highest due to ownership problem and unstable oil industries. It is very important to estimate the lags of VAR model. We figure out the lags with Schwarz’s Bayesian information criterion (BIC) used generally. SK Hynix, SK Innovation and LG Electronics show the lowest values of BIC at 2 lags. and Samsung Electronics and Hyundai Motors suggest the lowest values of BIC at 3 lags. So VAR(3) models for Samsung Electronics and Hyundai Motors, VAR(2) models for SK Hynix, SK Innovation and LG Electronics are employed. Second, the return of SK Hynix futures tends to lead that of spot at the 10% significant level and the return of SK spot also leads that of futures at the 10% significant level. The return of Samsung Electronics futures alone predicts that of spot at 10% significant level. The return of Hyundai Motors futures tends to lead that of spot at the 5% significant level and the return of Hyundai Motors spot also leads that of futures at the 10% significant level. The return of SK Innovation futures alone predicts that of spot at 5% significant level. There is no lead/lag relation between the return of LG Electronics futures and spot. Third, the one unit of shock of SK Hynix futures, Samsung Electronics futures, Hyundai Motors futures, SK Innovation futures effects the returns of those spots for 2 days positively and for 3 and 4 days negatively. Different from the results from the returns of SK Hynix spot and SK Innovation to those of futures, the one unit of shock of SK Hynix and SK Innovation is not likely to influence the returns of those spots. Fourth, the innovation of all futures tends to depend on themselves. 4% price change of the returns of Samsung Electronics and Hyundai Motors are explained by the change of those futures returns. 3% price change of the returns of SK Innovation is explained by the change of its futures returns. 2% price change of the returns of SK Hynix is explained by the change of its futures returns. Lastly, there are two limitations of this work. First, to improve the robustness of the results, we need longer period as well as more sample. Sub-samples according to economic situation, bull or bear, definitely can improve the robustness. Second, various methodologies are necessary according to deep analysis of data. For example, the heteroscedastic model like ARCH or GARCH models can be employed to provide significant results. Third, we should consider information asymmetry. Many previous results have supported bad news effects the change of price rather thane good news. In conclusion, in spite of those limitations, the results of this paper can provide useful information to the investors for managing single stock risk and help construct the efficient portfolio.

한국어

본 연구의 목적은 2008년 5월 6일 처음 개장한 개별주식선물의 가격발견기능을 검정하는 데 있다. 이를 위해 총 25개 개별주식 선물상품 중 거래대금 순으로 5개를 표본으로 선정하였다. 개별주식 선물의 총 거래대금 중 이들의 비중은 약 71%를 차지하고 있어 개별주식선물을 대표하는 종목으로 판 단할 수 있다. 지금까지 가격발견(price discovery)에 관한 많은 연구들이 이루어져 왔다. 기존연구들의 대부분은 거시적(macro) 차원에서 국제자본시장간의 정보전달메커니즘을 규명하고자하는 연구로 주로 미국주식시장의 분석 국가들에 대한 예측력이 지배적임을 보여주었다. 또한 현물과 선물에 관한 정보전 달메커니즘을 규명하고자 하는 연구는 주가지수 현․선물, 상품현․선물, 금리현․선물, 외환현․선물 등 다방면에서 이루어져 왔다. 특히 국가별로 주가지수선물시장이 개장된 경우 주가지수 현물과 선물을 이용한 연구들이 많이 이루어져 왔으며 선물상품의 일관성 있는 가격발견기능을 제시하지는 못했다. 우리나라에서도 기존의 연구들은 거시적인 측면에서 코스피 200 종합주가지수 선물의 현물에 대한 연 구가 대부분이었으며 표본기간, 분석방법론 등에 따라 상이한 결과를 보였다. 본 연구는 이러한 기존연 구들의 연장선에서 미시적(micro) 자료를 이용하여 선물상품의 유용성을 규명하고 자 하였다. 실증분석 을 위해 SK 하이닉스, 삼성전자, 현대자동차, SK 이노베이션, LG전자 등 총 5개 종목을 거래대금이 높 은 순서대로 선정하였다. 분석기간은 2009년 12월 14일부터 2012년 2월 15일까지 약 2년 3개월의 542개 관측치를 사용하였으며 종가기준 개별주식 현․선물 일별 수익률을 이용하였다. 분석기법은 동태적 분 석에 일반적으로 많이 사용되어지는 VAR 모형을 이용하였다. 연구는 구체적으로 세 가지 영역으로 이루어진다. 첫째 개별주식 현물수익률과 선물수익률간의 가격발견기능이 존재하는 지를 검정하기 위해서 그랜즈 인과관계 분석법이 사용된다. 만약 선도/지연관계가 존재한다면 그 효과는 어느 정도 지속되는 지를 파악하기 위해 충격반응함수 분석을 사용하였다. 마지막으로 얼마만큼의 크기로 영향을 주는지를 분석하기 위해 분해분산 방법을 이용하였다. 동태적 분석을 위해 시계열모형을 적용하는 경우 먼저 분석 자료들에 대한 안정성(unit root test) 검정을 하게 된다. 불안정한 경우라도 공적분 검정(cointegration test)을 통해 장기적 관점에서 평균으로 수렴하는 지를 검정하게 된다. 수렴하게 되면 오차수정을 고려 한 VAR 모형(error correction model: VECM)을 이용하며, 그렇지 못한 경우 VAR 모형을 이용하게 된 다. 본 연구에서 수익률을 사용하였으며 기존 연구들에서 수익률자료는 안정성(stationary)의 특성을 지 닌다는 사실이 널리 알려진 바 있다. 따라서 단위근 검정과 공적분 검정은 생략하기로 한다. 주요 분석결과를 살펴보면 다음과 같다. 주요 분석내용을 보면 기초통계분석에서 최근 자동차산업의 꾸준한 성장에 힘입어 현대자동차의 현․선물수익률이 상대적으로 가장 높았으나 스마트폰에서 상대적 으로 후발주자로 인식된 LG 전자의 현․선물수익률은 마이너스를 보였다. 삼성전자는 기업의 건전성 이 높아 최저의 표준편차를 보였으나, 하이닉스의 경우 SK그룹으로 주인이 바뀌기 전 하이닉스의 지배 구조의 불안에 기인하며, SK 이노베이션은 석유산업의 불안정한(unstable) 특성 때문에 비교적 높은 표 준편차를 보였다. 그랜즈 인과관계 검정분석결과를 보면, 선물수익률과 현물수익률은 10% 통계적 유의수준에서 서로에 게 예측력이 있는 것으로 나타났다. 삼성전자는 선물수익률만이 현물수익률에 대해 10% 통계적 유의수 준에서 선도하는 기능을 보였다. 현대자동차는 선물수익률이 현물수익률을 5% 통계적 유의수준에서 선 도하는 결과를 보인 반면 현물수익률은 선물수익률을 10% 통계적 유의수준에서 예측력을 보였다. SK 이노베이션의 경우 선물수익률만이 5% 통계적 유의수준에서 현물수익률을 선도하는 결과를 보였다. 마 지막으로 LG전자의 경우 현․선물수익률 간에는 선도/지연효과가 존재하지 않았다. 이를 토대로 한 시장의 한 단위 충격이 다른 시장에 얼마만큼 오래 영향을 미치는지를 파악하기 위해 충격반응함수 분석을 실시하였으며 주요결과는 다음과 같다. SK 하이닉스, 삼성전자, 현대자동차 및 SK 이노베이션의 선물수익률 한 단위의 변화의 충격에 대해 현물수익률은 2차까지 양(+)의 방향으로 강하 게 영향을 3차와 4차에서 음(-)의 방향으로 영향을 받다가 첨차 사라지는 것으로 나타났다. 또한 SK 하 이닉스와 SK 이노베이션의 현물수익률 한 단위에 변화의 충격에 대해 선물수익률은 현물수익률에 비해 현저하게 약하게 반응하고 있음을 보였다. 마지막으로 충격의 크기를 검정하기 위해 분해분석 방법을 이 용하였다. 분석대상 선물수익률들은 대부분 자기 자신의 변화에 의한 것으로 추정된다. 반면 삼성전자와 현대자 동차의 현물수익률의 변화 중 약 4%는 선물수익률의 변화에 의해 설명되어지는 것을 나타났다. SK 이 노베이션의 현물수익률의 변화 중 약 3%는 선물수익률의 변화에 의해 설명되었다. 마지막으로 SK 하이 닉스의 현물수익률의 변화 중 약 2%는 선물수익률의 변화에 의해 설명되었다. 지금까지 우리나라에 개장되어 있는 개별주식선물상품을 거래대금순서로 상위 5개 기업을 대상으로 선물시장의 순기능인 가격반응기능에 관해 검정하였다. 이러한 연구는 향후 위험관리 등의 목적으로 개 별주식선물을 포함하는 포트폴리오 관리에 다소 도움을 줄 수 있을 것으로 판단된다. 그럼에도 불구하고 향후 연구 방향으로서 다음과 같이 세 가지 점을 제시하고자 한다. 첫째, 분석 결 과에 대한 타당성을 높이기 위해 표본기간과 관측치를 확장할 필요가 있다. 또한 분석기간을 호황기과 불황기로 나누어 분석함으로써 분석결과에 대한 신뢰성을 높일 수 있을 것으로 판단된다. 둘째, 다양한 분석기법을 사용할 수 있다. 본 연구는 분석 자료가 동분산을 따른다는 가정 하에 분석모델을 이용하였 지만, 분석 자료가 이분산성을 따르면 새로운 접근법이 필요할 것으로 사료된다. 셋째, 정보의 비대칭성을 고려한 분석이 필요할 것으로 판단된다. 즉, 기존의 거시적 차원의 연구들은 과거의 호재(good news) 보다 악재(bed news)에 의한 예측력이 더 설득력이 있는 것으로 보고하고 있다. 따라서 미시적 자료를 이용하여도 기존연구들과 동일한 결과가 발생하는 지에 관한 연구가 있어야 할 것으로 판단된다.