DOI QR코드

DOI QR Code

지속-변동성을 가진 비대칭 TGARCH 모형을 이용한 국내금융시계열 분석

I-TGARCH Models and Persistent Volatilities with Applications to Time Series in Korea

  • 홍선영 (숙명여자대학교 통계학과) ;
  • 최성미 (숙명여자대학교 통계학과) ;
  • 박진아 (숙명여자대학교 통계학과) ;
  • 백지선 (숙명여자대학교 통계학과) ;
  • 황선영 (숙명여자대학교 통계학과)
  • Hong, S.Y. (Department of Statistics, Sookmyung Women's University) ;
  • Choi, S.M. (Department of Statistics, Sookmyung Women's University) ;
  • Park, J.A. (Department of Statistics, Sookmyung Women's University) ;
  • Baek, J.S. (Department of Statistics, Sookmyung Women's University) ;
  • Hwang, S.Y. (Department of Statistics, Sookmyung Women's University)
  • 발행 : 2009.07.31

초록

본 논문에서는 금융시계열자료를 분석하는데 있어서 비대칭 변동성과 지속성효과를 가지는 시계열 자료에 적합한 모형인 I-TGARCH를 제시하였다. 국내 금융시계열 자료를 바탕으로 I-TGARCH의 적합성을 검증하기 위해 기존연구에서 많이 쓰이고 있는 TGARCH, IGARCH, EGARCH 모형과 함께 분석하여 비교하였다. 그 결과, I-TGARCH모형이 경제 위기의 영향으로 변동성이 커진 현재의 주가 분석에 적합하다는 사실을 알 수 있었다. 특히, 비대칭적 변동성의 특징을 관찰하기 위해 News impact curve를 이용해서 호재와 악재에 다르게 반응하는 주가변동에 대해서 알아본 결과, 대부분의 주가변동이 비대칭적인 경향을 보이고 있다는 사실을 관찰했다. 또한, 실제 일별수익율 데이터를 I-TGARCH 모형에 적합시키고 모형이 얼마나 효율적인지를 검정하였다. I-TGARCH의 적합성을 검증하기 위해 VaR의 사후검정을 이용하였다. 그 결과 대부분의 금융시계열이 I-TGARCH가 다른 비교모형 보다 우수하거나 비슷한 것으로 검증되었다. 이는 변동성의 비대칭성을 고려한 TGARCH에서 지속-변동성 효과(persistent effect) 또한 존재할 수 있다는 사실을 금융시계열자료를 통해 알 수 있었다.

TGARCH models characterized by asymmetric volatilities have been useful for analyzing various time series in financial econometrics. We are concerned with persistent volatility in the TGARCH context. Park et al. (2009) introduced I-TGARCH process exhibiting a certain persistency in volatility. This article applies I-TGARCH model to various financial time series in Korea and it is obtained that I-TGARCH provides a better fit than competing models.

키워드

참고문헌

  1. 박진아, 송유진, 백지선, 황선영, 최문선 (2007). 제곱수익율 그래프와 TGARCH 모형을 이용한 비대칭 변동성 분석, <응용통계연구> 20, 487-497 https://doi.org/10.5351/KJAS.2007.20.3.487
  2. 박진아, 백지선, 황선영 (2007). 국내 금융시계열의 누적 이분산성에 대한 사례분석, <응용통계연구>, 20, 53-60 https://doi.org/10.5351/KJAS.2007.20.1.053
  3. Black, F. (1976). Studies in stock price volatility changes, Proceedings of the 1976 Meeting of the Business and Economic Statistics Section, American Statistical Association, 177-181
  4. Bollerslev, T. (1986). Generalized autoregressive conditonal heteroskedasticity, Jounal of Econometrics, 31, 307-327 https://doi.org/10.1016/0304-4076(86)90063-1
  5. Engle, R. F. (1982). Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation, Econometrica, 50, 987-1007 https://doi.org/10.2307/1912773
  6. Eagle, R. F. and Ng, V.K. (1993). Measuring and testing the impact of news on volatility, Journal of Finance, 48, 1749-1778 https://doi.org/10.2307/2329066
  7. Jorion, P. (2001). Value at Risk, McGraw Hill
  8. Glosten, L. R., Jagannathan, R. and Runkle, D. E. (1993). On the relation between the expected value and the volatility of the nominal excess return on stocks, The Journal of Finance, 48, 1779-1801 https://doi.org/10.2307/2329067
  9. Nelson, D. B. (1991). Conditional heteroskedasticity in asset returns: A new approach, Econometrica, 59, 347-370 https://doi.org/10.2307/2938260
  10. Park, J. A., Baek, J. S. and Hwang, S. Y., (2009). Persistent threshold-GARCH processes: Model and application, Statistics & Probability Letters, 79, 907-914 https://doi.org/10.1016/j.spl.2008.11.018
  11. Rabemananjara, R. and Zakoian, J. M., (1993). Threshold ARCH models and asymmetries in volatility, Journal of Applied Econometrics, 8, 31-49 https://doi.org/10.1002/jae.3950080104