중국 CSI 300 선물을 이용한 심천펀드 투자 위험관리에 관한 실증적 연구

• 영문명: An Empirical Study on the Cross Hedging of CSI 300 Futures for the Risk Management of SIMCHEON Fund Investment
• 발행기관: 아시아.유럽미래학회​
• 저자명: 이가연(Ka-Youn Yi) 임병진(Byung-Jin Yim)
• 간행물 정보: 『유라시아연구』제9권 제4호, 283~297쪽, 전체 15쪽
• 주제분류: 사회과학 > 사회과학일반
• 파일형태: PDF
• 발행일자: 2012.12.30

국문 초록

중국은 1990년 11월 16일 상해증권거래소를 개장하여 주식이 거래되고 있고, 중국 금융선물거래소에서 2010년 4월 16일에 주가지수선물을 상장하여 주가지수 선물이 거래되고 있다. 최근 중국의 금융환경도 자본자유화, 금리자유화, 외환관리의 자율성 증대 등으로 인하여 금융자산의 가격이 급격히 변화하고 있다. 2010년 4월 16일에 호심300(CSI300) 주가지수선물이 거래됨으로 주가지수선물을 이용하여 주식투자 위험관리를 할 수 있게 되었다. 또한 중국은 2001년 12월 WTO 가입 이후 자본시장을 개방하였다. 자본시장 개방 이후 주식의 거래량과 거래금액이 급증하면서 주식시장의 체계적 위험을 회피할 필요성이 증대되고 있다. 따라서 이 연구에서는 중국에 주식 투자를 할 경우 주식투자 포트폴리오의 위험관리를 임병진(2010)의 국민연금기금의 위험관리 연구모형과 동일한 모형으로 연구하고자 한다. 이 연구는 문헌적 연구방법과 실증적 연구방법을 사용하였다. 문헌적 연구방법을 통하여 경제변수들과 중국 CSI 300 선물에 대한 기존 연구를 살펴보았다. 문헌연구에서는 중국 상해 거래소 주가와 중국 CSI 300 선물의 관계에 관한 연구는 거의 없어 이 연구의 문헌연구로는 임병진(2010)의 연구 같이 다른 국가의 주가지수와 선물간의 직접헤지와 교차헤지에 대한 연구를 살펴보았다. 이 연구에서의 실증연구로는 중국에 주식 투자를 할 경우 주식투자 포트폴리오의 위험관리를 위해서 중국 CSI 300 주가선물지수의 일반적인 시계열 특성을 살펴보고 연구의 분석을 위해 사용한 자료는 일간자료로 2010년 4월 16일부터 2011년 9월 23일 까지 353개의 자료를 이용하였다. 이 연구에 사용된 연구 모형으로는 최소분산헤지모형(OLS), 벡터오차수정(vector error correction model : VECM)모형 및 GARCH(1,1)모형을 이용하여 헤지비율을 추정하였고 추정된 헤지비율을 이용하여 헤지를 한 경우 분산의 감소비율로 헤지성과를 측정하여 분석하였다. 헤지의 성과분석은 최소분산헤지모형(OLS), 벡터오차수정(vector error correction model : VECM)모형 및 GARCH(1,1)모형으로 헤지비율을 추정하고, 최소분산헤지모형(OLS), 벡터오차수정(vector error correction model : VECM)모형 및 GARCH(1,1)모형에 의해 구해진 헤지비율을 사용하여 헤지성과를 분석하였다. 실증분석 결과 최소분산헤지모형, 벡터오차수정모형 및 이변량 GARCH(1,1)모형을 이용하여 추정한 헤지비율과 헤지성과에 차이는 것으로 나타났다. 최소분산헤지모형이 벡터오차수정모형과 이변량 GARCH(1,1)모형에 비하여 헤지비율과 헤지성과가 유사한 것으로 나타났다. 일반적으로 헤저나 펀드매니저들은 불리한 가격변동으로 인한 포트폴리오의 시장위험 제거를 위해 다양한 헤지방법을 적용하며, 점차 통계적으로 복잡한 모형을 활용해 왔다. 하지만, 실증분석 결과 통계적 문제점을 해결하기 위해 흔히 사용하는 VECM 또는 이분산 GARCH(1,1)모형과 전통적인 회귀분석모형의 성과가 유사한 것을 발견하였다. 이는 상해 주식투자 포트폴리오의 위험관리를 위해 CSI 300 주가지수 선물에 헤지를 할 경우 전통적인 회귀분석모형을 사용해도 무리가 없음을 시사한다.

영문 초록

Risk management has become increasingly important in the future as investors recognize their exposure to a greater degree of uncertainty in stock markets. Hedging concerned with the management of risk is the most important function of futures markets. The basic motivation for hedging is to reduce the variability of profits and firm value that arises from market changes. Among the many hedging strategies designed for investors include financial derivatives, especially stock index futures which greatly differing from the traditional trading. Techniques like OLS, VAR, and VECM estimate constant hedge ratio and bivariate GARCH models estimates dynamic hedge ratios which factor in conditional distribution of spot and futures returns. However, there has been extensive debate on which model generates the best hedging performance. Exactly how many futures positions investors should use hedging and selection of an optimal hedging ratio has received considerable interest. Most studies adopt the ordinary least squares (OLS) model to estimate the optimal hedging ratio, a model referred to as static hedging. However, the practical use of these hedge ratios is to establish positions for the future, and the use of constant hedge ratios as forecasts may not be optimal if the joint distribution of cash and future prices is time-varying, resulting consequently in suboptimal out-of-sample performance. As volatility clustering always occurs in financial data, time-variant volatility is often identified using GARCH family models including the autoregressive conditional heteroskedasticity(ARCH) model developed by Engle and the generalized autoregressive conditional heteroskedasticity(GARCH) model developed by Bollerslev. ARCH and GARCH models may afford better prediction of changes in the basis by internalizing the temporal variability of the covariance matrix of spot and futures price changes and by allowing shocks to volatility to persist. This study investigates direct hedging performance of CSI 300 futures with respect to SSE portfolio of investing China to risk management using VECM, Bivariate GARCH(1,1) and OLS regression models. Daily hedging performance is evaluated. The sample period covers from April 16, 2010 to September 23, 2011. We found the following results. Firstly, unit roots are found in CSI 300 futures and SSE index. There exists at least one cointegrating relationship among them. Secondly, we can not find statistical differences among hedge ratios estimated from VECM, Bivariate GARCH(1,1) and OLS regression models. Thirdly, there are no significant differences in hedging performance among various models. Finally, overall hedging performance and hedge ratios estimated from OLS, VECM, and Bivariate GARCH(1,1) is relatively good.

목차

Ⅰ. 서 론

Ⅱ. 문헌 연구

Ⅲ. 연구자료 및 연구모형

Ⅳ. 실증연구 결과분석

Ⅴ. 결 론

참고문헌

키워드

CSI 300 주가지수선물 포트폴리오 직접헤지 직접헤지성과 SSE CSI 300 futures SSE portfolios direct hedging direct hedging performance