블로그
카테고리 이동
[퀀트논문 리뷰 #1] 한국 주식시장에서의 팩터 투자, Market anomalies in the Korean stock market
2023. 11. 13. 12:00
최근 금융데이터분석학회인 파인드알파 Find-A에서 Quantative Trading 을 주제로 스터디를 하고 있다.
흔히 말하는 '퀀트 투자' '주식 자동 매매' 그거 맞다. 다만, 공부하면 공부할수록 쉽게 덤빌만한 분야는 아니라는 것을 체감하고 있다. ㅎㅎ
이번에 리뷰할 논문은 Quantative Trading 스터디에서 다룬 논문 'Market anomalies in the Korean stock market' 즉, 한국 주식시장에서의 팩터 투자 에 대한 내용이다.
지금도 새로운 팩터 가 발굴되고 있는 자산 운용시장 에서, 저자는 과연 실제로 '돈을 벌 수 있는 스마트 베타전략'이 맞는지 검증을 해보고 그 결과를 우리에게 공유하였다.[Journal of Derivatives and Quantitative Studies: 선물연구 | Emerald Insight
We are using cookies to give you the best experience on our website, but you are free to manage these at any time. To continue with our standard settings click "Accept". To find out more and manage your cookies, click "Manage cookies". Accept Manage cookies Journal of Derivatives and Quant...
www.emerald.com
](https://www.emerald.com/insight/publication/issn/1229-988X)
1. 최근 자산운용시장 은 자산 기반 투자에서 팩터 기반 투자 로 이동하고 있으며, 팩터 에서 파생되는 '스마트 베타 전략' 은 '시장의 다양한 이상현상'(market anomalies) 을 기반으로 포트폴리오를 구축하는 패시브 및 좀 더 발전된 인덱스 기반의 펀드에서 사용하는 주요 전략이 되었다.
2. 하지만 최근 우후죽순처럼 새롭게 발표되는 신규 팩터들이 실제 '알파' 에 기반하는 것이 아닌, 특정한 사람의 '데이터 마이닝' 에 기반 하고 있어 심각한 편향이 발생될 것으로 우려되고 있다.
※ 여기서의 '데이터 마이닝' 은 좋은 뜻이 아니라, 유리한 결과가 나오도록 특정한 시기, 종목을 조정하는 행동을 말한다.
3. 이에 저자는 한국 주식시장에 대해 총 148개의 팩터에 대해 통계적 유의성, 경제적 의미 여부, 마이크로캡의 영향 등 총 3가지를 t통계량 을 기반으로 검증 하고자 하였다.
4. 검증에 대한 결과는 아래와 같다.
① 가치, 거래 마찰, 모멘텀과 관련된 팩터는 상대적으로 잘 복제 되었으나, 투자, 수익성, 무형자산 팩터에 기반한 팩터는 통계적, 경제적인 유의성이 부족 했다다.
② 가치가중 방식의 포트폴리오와 동일비중 방식의 포트폴리오를 비교할 시, 동일비중 방식의 포트폴리오가 좀 더 높은 수익률과 더 높은 t통계량 을 보여주었다. (소형주가 더 많이 담겨진 영향으로 보여진다.)
③ 대부분의 기존 연구는 KOSPI 기반이었기에 마이크로캡 에 대한 영향이 검증되지 않은 것으로 보이며, 마이크로캡 포함 시 결과값이 달라질 수 있으므로, 실제 투자 시 마이크로캡 에 대한 사전 제어가 필요하다.
01: 검증 대상 팩터와 검증 방법
1. 표본기간 : 1995년 1월 ~ 2019년 6월
2. 데이터 소스: FnGuide
3. 최종 검증기간: 2000년 1월 ~ 2019년 6월
4. 투자 대상 종목: KOSPI와 KOSDAQ 상장 종목 중 금융업 및 자본잠식기업은 제외함
5. 투자 방법: 투자 종목을 대상으로 각 팩터마다 10분위 포트폴리오를 구성 (가치 가중, 동일 가중 2가지 방식)
각 팩터의 특징에 따라 리밸런싱 실시 (모멘텀은 1달마다, 가치는 1년마다... 각각 다름)
수익률 계산은 배당금, 분할, 합병 등을 고려한 조정 수익률을 사용하였음
6. 검증대상 팩터: 가치(Value) 13개 / 모멘텀(Momentum)15개 / 투자(Investment) 29개
수익성(Profitability) 20개 / 무형 이상(Intangible Anomalies) 17개
거래 마찰(Trading Friction) 54개 (총 148개)
※ 투자: 해당 기업의 투자 성향이 공격적인지 보수적인지에 대한 팩터
무형 이상: 해당 기업의 R&D, 홍보비용 지출, 기업의 나이 등 기타 잡다한 무형 팩터
거래 마찰: 주가 변동성, 매매 회전율, 베타 등 주식 매매와 관련된 기술적 팩터
검증 대상 팩터들
02: 한국 주식시장에 대한 팩터 검증 관련 기존 연구
1. 총 67개 기존 연구 중에서 62개의 연구가 통계적으로 유의하였다. (92.5%)
2. 하지만 절반 정도가 KOSPI 베이스였기에 마이크로캡 기업에 대해 일반화되지 않은 연구였을 가능성 이 있다.
한국 주식시장을 대상으로 한 기존 팩터투자 검증 연구 현황
03: 한국 주식시장에서의 팩터 투자 검증 - t통계량을 중심으로
각 팩터들에 대한 t통계량 검증 결과
1. 총 148개의 팩터 들을 대상으로 2가지 기준으로 통계적 및 경제적 유의성을 검증해보자
2. 검증기준
① Panel A: 각 팩터별 10분위 포트폴리오에서 최상위와 최하위 분위의 수익률 차
② Panel B: 최상위와 최하위분위에서 파마-프렌치 회귀분석 이후 잔여 intercept
(즉, 파마-프렌치 3팩터 모델 로 설명이 안되는 '알파' 요인)
③ t통계량: 두 집단 차이의 평균을 표준편차로 나눈 값
수익률의 차가 커질수록, 수익률의 분포가 안정적일수록 t통계량 이 커질 수 있다
3. 결과
① t통계량 을 기준으로 한 검증
- t통계량 기준 1.96 초과 비율: 가치(Value) (69.23%) > 모멘텀(Momentum) (66.67%)
> 거래 마찰(Trade Friction) (48.15%) > 투자(Investment) (24.14%)
> 무형 자산(Intangible Asset) (23.53%) > 수익성(Profitability) (5%)
- 특히 t통계량 기준을 2.78 으로 두었을 때 가치(53.85%), 거래 마찰(42.59%) 이외에는 통계적 유의성이 거의 없었다라고 할 수 있다.
- 투자 유니버스를 KOSPI, KOSDAQ 둘 다에 두었을 때 비해서 KOSPI에만 두었다면 확실히 통계적 유의성이 떨어지는 편 이다.
- 파마-프렌치 3팩터 모델 결과 또한 투자, 무형자산, 수익성에 대해서는 통계적 유의성이 확보되지 못했다. 특히 KOSPI로 투자 유니버스를 한정하였을 때, 통계적 유의성이 더 감소하는 편이다.
② 결과 해석
- 한국시장에서의 팩터 투자 연구는 샘플 기간, 후보 주식종목의 설정에 따라 다른 결과가 나올 수 있다.
(즉, 설정을 잘 맞추는 경우(데이터 마이닝) 유의하지 않은 팩터도 유의하게 보일 수 있다.)
- 학술적으로 발표된 팩터 중에서도 생각보다 통계적, 경제적으로 유의한 팩터 가 많지 않다.
04: 한국 주식시장에서의 팩터 투자 검증 - 각 팩터별로 자세하게 확인하기
- 각 팩터 마다 9개의 통계량으로 추가 검증을 해본다
- R: 최상위 포트폴리오와 최하위 포트폴리오의 수익률 차 평균값
- t: t통계량 의 절대값
- a FF3: 파마 프렌치 3팩터 모델 회귀분석의 절대값
- t FF3: 파마 프렌치 3팩터 모델 회귀분석의 절편에 대한 t통계량
- GRS: F검정 통계량 (두 집단의 분산 정도의 차이)
- p(GRS): F검정 통계량 의 p값 (F검정에 대한 유의 정도)
- R 2: 결정계수 (추정된 선형 모델의 적합 정도)
- A(ai)/A(ri): (파마 프렌치 3팩터 모델 회귀분석의 절편 절대값 평균) / (동일 분석의 초과 수익률 절대값 평균)
- A(ai 2)/A(ri 2): (파마 프렌치 3팩터 모델 회귀분석 절편의 제곱 평균) / (동일 분석의 초과 수익률 제곱 평균)
통계적, 경제적으로 유의한 팩터들의 검증결과
2. 각 팩터 별 검증결과 분석
① 가치 팩터: 팩터 13개 中 9개 가 t통계량 1.96 초과 (상당히 유의한 편)
- 특히 '영업현금흐름 대비 주가' 팩터가 평균 수익률 2.067%/월 (t통계량 4.843 기록)
- 파마 프렌치 모델 이 가치 팩터를 포함하기 때문에 절편이나 초과 수익률은 미약한 편
② 수익/투자 팩터 : 수익 팩터는 대체로 유의하지 않은 편, 투자 팩터는 일부 유의
- 수익 팩터 는 Operating profit / Lagged Asset (영업이익 / 이전의 회계상 자산)만이 유의한 편
- 투자 팩터 중에서는 복합자본발행(Compostie Equity Issurance) 가 평균 수익률 1.657%로 좋았던 편
- 파마 프렌치 모델 에 관련 팩터가 없기에 절편/초과수익률 값이 높은 편
③ 무형자산 팩터: '시가총액 대비 R&D 투자비용' 이 가장 성과가 좋 았음 (평균 수익률 1.636%)
- 시가총액 대비 홍보비라던지 기업 연령 이런 부분이 통계적으로 유의했다는 점이 의외였음
④ 모멘텀 팩터: 팩터 15개 中 10개 가 t통계량 1.96 초과 (상당히 유의한 편)
- 가장 수익률이 좋았던 팩터는 '52주 최고가 주식을 12개월 간 보유' 하는 팩터로 월 1.896% 수익 기록
- 52주 최고가 1개월/6개월 보유도 모두 통계적으로 유의했던 편 (52주 최고가 팩터가 진리 였다.)
⑤ 거래 마찰 팩터: 팩터 54개 中 29개 가 통계적으로 유의하였음
- 특이한 점은 다른 팩터 종류 대비 전체적인 월별 수익률이 높은 편 이었음 (ex. 주식 회전율, 최대 일일 수익률)
- 다만 거래 마찰 팩터는 매 월마다 포트 변경이 많아 수수료, 세금이 많이 발생될 우려 가 있음
05: 결론과 내 생각
1. KOSPI, KOSDAQ시장에 대해 가치 가중 방식으로 팩터 를 검증하였을 때, 148개 中 57개가 통계적, 경제적으로 유의하였음
→ 내 생각: 이 부분은 팩터 투자에 대한 불신이라기보다 는, 오히려 매크로 상황 에 주의해가면서 팩터 를 잘 선정하여 투자를 해야한다는 방향으로 결론을 지어야 할 것 같다. 가치, 모멘텀을 제외한 팩터 의 경우에는 나쁘게 말하면 '데이터 마이닝' 으로 분석이 된 것이지만(분석기간의 임의 선택), 좋게 보면 매크로 혹은 주식시장 환경 에 따라 잘 적용이 되는 팩터 로 발굴이 되었다라고 봐야할 듯 싶다.그래서 각 팩터를 선택할 때, 팩터가 기반하고 있는 시장 국면과 적용 사례를 확인한 후에 선택해야 올바른 팩터 투자 가 될 것이다.
2. 팩터 투자 에 있어서 소형주(마이크로캡) 효과 를 인지해야 할 필요가 있다.
→ 내 생각: 사실 팩터 투자, 특히 포트폴리오 투자 에서는 소형주를 거의 투자하지 않는다. 호가창이 얇기 때문에 매수나 매도를 들어갈 때, 호가를 밀어올리거나 내리는 방식으로 예상치 못한 상황이 발생될 수 있기 때문이다. 다만, 그럼에도 불구하고 소형주가 팩터 투자 에 효과적인 만큼, 동일 가중 포트폴리오를 써보거나 아예 미국 시장의 마이크로캡 을 적용해보는 등 수익률을 올리기 위한 여러가지 방법을 써볼 필요는 있을 것 같다.
3. 금번 팩터 투자 는 TAA (전술적 자산배분) 투자자 에게 참고할만한 내용이 될 것이다.
→ 전술적 자산배분: 시장변화에 앞서 사전적으로 포트폴리오를 변경하는 적극적인 전략
시장수익률을 초과하는 수익률을 추구하는 투자방식
(vs 전략적 자산배분: 투자의 목적에 따라 포트를 구성한 경우, 특별한 변수가 발생되지
않는 이상 목적을 달성할 때까지 장기투자)
→ 내 생각: '장기적으로 가져가도 될 팩터' 그리고 '변동성이 큰 팩터', '좌초되어야 할 팩터'를 가리는 데에는
도움이 될 것 같다.