공분산행렬 추정방법과 공매도제한 제약의 자산배분성과에 대한 영향분석 (On Portfolio Optimization: Forecasting Covariances and Short-Sale Restriction)

서지정보

· 발행기관 : 한국증권학회
· 수록지 정보 : 한국증권학회지 / 43권 / 4호 / 705 ~ 729페이지
· 저자명 : 김상환

초록

본 연구는 다양한 공분산 추정방법들의 예측능력을 비교분석한 다음 최적 포트폴리오의 성과에미치는 영향을 분석하였다. 공분산 추정방법으로는 표본공분산행렬, 상관계수가 일정한 공분산 추정량과 임의행렬이론에 의한 추정량을 이용하였다. 실증분석의 현실설명력과 신뢰도를 높이기 위해2001년 12월 말부터 2010년 6월 말까지 매 분기마다 임의로 선택한 50개의 주식종목들을 대상으로표본외 공분산 예측성과와 포트폴리오성과를 분석하였다. 또한 최적화된 포트폴리오에 어떤 특성의주식들이 편입되는지도 살펴보았다. 그리고 공매도제한 제약(short sale restriction)이 공분산 추정방법에 따른 최적 포트폴리오 성과차이에 어떠한 영향을 미치는가에 대해서도 분석하였다. 실증분석결과를 요약하면, 첫째 공분산에 대한 예측력평가에서는 모든 예측 모형이 거의 비슷한성과를 보였다. 그러나 최적 포트폴리오의 성과에 대한 평가에서는 상관관계가 일정한 공분산 추정량이나 임의행렬이론 추정방법을 이용한 최적 포트폴리오의 표본외 성과가 표본 공분산을 이용한경우 보다 더 우수한 것으로 나타났다. 둘째, 최소분산 자산배분전략은 시장베타가 작은 주식과가치주를 선택하는 반면, 추적오차 최소화전략은 시가총액이 큰 대형주들을 주로 선택 한다는 사실을발견하였다. 마지막으로 포트폴리오 최적화과정에 long position 제약을 가한 경우 표본공분산을이용한 최적 포트폴리오의 성과가 크게 개선된 반면 상관계수를 일정하게 하거나 임의행렬이론을이용한 예측방법에서는 오히려 성과가 악화되었다. 이는 공매도제한 제약이 잡음이 많은 표본공분산의 추정오차를 크게 줄이는 효과를 가짐을 보여주는 증거이다.

영어초록

This article tackles how to forecast the covariance matrix of returns. We compare theperformance of different methods of forecasting covariances, with an eye to judging whichmodels improve the ability to optimize portfolio risk. We tested the forecasting performanceof the sample covariance matrix, the constance correlation model (CCOR), the constantcovariance model (CCOV) and the estimation method using random matrix theory (RMT). We find that the forecast performance did not show significant difference among theestimation methods. But they had different performances in the context of optimizedportfolios. We conduct two types of experiments, the global minimum variance portfoliounder each model and minimizing tracking error portfolio. We find that minimum varianceportfolios based on CCOR and RMT method have annualized standard deviations 19.15%and 17.87%, respectively, which are lower than 22.97% when using the sample covariancematrix. The better risk-minimization performance using CCOV and RMT method holdsagain in the experiment of minimizing tracking error volatility. In addition, we tested the effect of short-sale constraint on the portfolio performance. The short-sale constraint typically shrinks the larger elements of the covariance matrixtowards zero, which leads to a more precise estimate. But the constraint introducesspecification error. The net effect depends on the trade-off between sampling and specificationerrors. We demonstrate that with the constraint in place, minimum variance portfoliosconstructed using the sample covariance matrix perform as well as those constructed usingcovariance matrices estimated using CCOV and RMT methods.

참고자료

· 없음