베타계수의 예측오차에 관한 실증분석
- 발행기관 서강대학교 경영전문대학원
- 지도교수 국찬표
- 발행년도 2010
- 학위수여년월 2010. 8
- 학위명 석사
- 학과 및 전공 경영전문대학원 재무관리/보험
- 실제URI http://www.dcollection.net/handler/sogang/000000046319
- 본문언어 한국어
초록/요약
본 연구는 국내 주식시장 데이터를 이용하여 최적의 베타예측능력, 즉 가장 낮은 수준의 베타예측오차를 갖는 환경과 수정모형을 찾고자 하였다. 이에 과거의 데이터를 통해 추정한 베타 와 실제 측정된 베타 의 차이를 예측오차로 규정하고, 이 값의 평균(mean)인 MSE 값을 통해 분석하였다. 극단값(outlier)에 크게 좌우되는 평균의 한계를 극복하기 위해 또 다른 대푯값인 중앙값(median)도 사용하였으나 MSE와 거의 같은 움직임을 보였다. 해외나 기존 국내 연구논문의 경우 베타 수정모형이나 사용된 데이터에 따른 예측오차의 크기 변동에 대한 연구보다는 안정성의 변동에 초점을 맞추고 있었고, 그 또한 오래된 연구로 최근의 국내 주식시장 데이터를 이용하였을 때의 결과에 대해 알아보고자 하였다. 1984년 7월초부터 2009년 6월말까지 지속적으로 KOSPI200 지수에 포함된 79개 기업의 수익률 데이터를 활용하였다. 예측오차 크기의 변동을 야기하는 변수로는 베타 추정기간(prediction period : 1년, 3년, 5년), 수익률 측정기간(estimation interval : 월, 주, 일), 베타 수정방법(adjusting method), 위험수준(size of beta), 측정시점(1994년, 1999년, 2004년)이 사용되었다. 분석결과 부분에서는 각 변수의 변동에 따른 예측오차 크기의 변동을 표로 나타내었고, 그 원인에 대해 분석하였다. 예측오차의 측정과 분석에 있어 Eubank-Zumwat(1979)의 연구방법을 주로 사용하였다. 연구의 결과를 요약하면 다음과 같다. 첫째, 베타추정기간(beta prediction period)에 따른 영향에 관한 분석에서는 주별과 월별데이터를 사용하였을 때 추정기간이 증가할수록 예측오차가 감소함을 볼 수 있었다. 하지만 일별데이터를 사용했을 때는 지나친 변동성에 의해 추정기간이 증가함에 따라 오히려 예측오차가 증가하였다. 베타추정기간이 증가하여 일정수준을 넘어서면 오히려 예측오차가 증가한다는 선행연구의 결과를 검증하고, 최적의 예측오차를 갖는 추정기간을 찾기 위해 추가적 분석을 하였다. 2000년도를 기준년도로, 주별수익률 데이터를 바탕으로 하여 추정기간을 1년부터 8년까지 1년씩 증가시키며 각각의 예측오차를 구하였다. 그 결과 베타추정기간이 길어질수록 예측오차는 감소하고 그 폭은 체감하며, 일정 수준이상에선 예측오차가 오히려 증가하였다. 하지만 사용된 수정모형에 따른 차이는 존재하여 비수정모형은 추정기간이 7년일 때, Blume과 Vasicek의 모형은 추정기간이 6년일 때 가장 낮은 수준의 예측오차를 가졌다. 둘째, 수익률 측정기간(estimation interval)에 따른 분석에서는 베타 추정기간이 3년이나 5년일 때 주별수익률 데이터가 가장 낮은 수준의 예측오차를 나타냈으며, 그 다음으론 월별, 일별수익률 데이터 순으로 나타났다. 하지만 베타추정기간이 상대적으로 짧은 1년인 경우에는 사용된 수익률 측정기간과 무관하게 다소 규칙성 없는 모습을 보였다. 셋째, 위험수준에 따른 구분에서는 중간 위험수준의 주식이 그렇지 않은 주식에 비해 낮은 수준의 예측오차를 나타났으며, 이러한 경향은 베타 추정기간이 길어질수록 뚜렷하게 나타났다. 넷째, 사용된 수정모형 중에선 Blume의 모형이 거의 모든 상황에서 가장 낮은 수준의 예측오차를 나타내는 것을 확인하였고 다음으로 Vasicek, 비수정 모형 순으로 나타났다. 다섯째, 다른 변수들이 동일하고 측정시점만이 다를 때 예측오차간의 절대적 차이는 존재하였으나, 타 변수들의 변동에 따른 경향성은 동일하여 위의 결과들을 일반화하기에 무리가 없다는 결론을 얻을 수 있었다.
more초록/요약
The purpose of this study is to find the condition and the correction model with the lowest level of beta prediction error which is the optimized beta prediction, applying the domestic stock market data. The difference between (estimated by data from the past) and (measured actually) was regarded as the prediction error, and MSE which is the mean of prediction errors was applied for analysis. In order to control the effect of outliers, median was also used, but the result was not far different from MSE. The existing papers at domestic and abroad have focused on the beta stability fluctuation rather than the research on the scope change of prediction error based on beta correction model or data, which is not updated. That's why the latest domestic stock market data was analyzed. Return data of 79 firms was analyzed, which included in KOSPI200 from July, 1984 to June, 2009. Variables triggering the change of prediction error scope include prediction period (1-year, 3-year, 5-year), estimation interval (monthly, weekly, daily), adjusting method (non-adjusting, Blume, Vasicek), size of beta, and timing of measurement (1994, 1999, 2004). Fluctuation in the scope of prediction errors by each variable change was shown in analysis results, and the causes were examined, too. For measurement and analysis of prediction errors, the research method of Eubank-Zumwat (1979) was mainly applied. The findings are as follows; First, as for the analysis on the effect of beta prediction period, it was shown that prediction errors decreased as prediction periods increased, when using weekly and monthly data. However, prediction errors increased as prediction periods increased because of the excessive fluctuation, when using the daily data. This study verified the results of the previous researches that prediction errors increase if beta prediction periods reach the certain level, and conducted the additional analysis to find prediction period with the minimum prediction error. Based on the weekly returns data (putting 2000 in base year), each prediction error was analyzed as increasing prediction period by the year (from 1 year - 8 years). As a consequence, as beta prediction period became long, prediction error decreased and the scope diminished, and prediction errors increased at over the certain level. But, there was difference in the each correction model. The lowest level of prediction error was found when prediction period was 7-year for non-correction model, and when prediction period was 6-year for Blume & Vasicek model. Second, when it comes to the analysis based on estimation interval, the weekly return data showed the lowest level of prediction error when beta prediction period was 3-year or 5-year, and the monthly and daily return data followed. But, it was found that there was no clear rule regarding return measuring period, in case beta prediction period was 1-year. Third, considering the risk level, the stocks with medium-level of risk showed lower prediction errors than others, and this trend was more obvious as beta prediction period became longer. Fourth, it was shown that the lowest level of prediction error was found in almost every condition for Blume's model, and Vasicek and non-correction models followed. Fifth, when the other variables were the same except for the timing of measurement, there was the absolute difference between prediction errors, but the tendency on the change in other variables was not serious, so it is thought that it is possible to generalize the preceding results in this study.
more