Exchange Traded Fund와 구성종목의 가격발견 효과 - 운송 Exchange Traded Fund를 중심으로 -

조용복; 김도완

추천

검색

자료유형: 학술저널

저자정보: 조용복 (동아대학교) 김도완 (한성대학교)

저널정보: 한국항공경영학회 한국항공경영학회지 한국항공경영학회지 제20권 제6호

발행연도: 2022.12

수록면: 3 - 15 (13page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 연구에서는 국내 ETF(Exchange Traded Fund) 중에 운송 ETF와 그 구성종목 간의 가격발견 효과에 대해 분석했다. ETF는 상장지수펀드로서, 일반 펀드와 달리 금융시장에서 직접 거래가 가능하다. 이러한 ETF는 미국에서 1989년에 처음 상장되어 거래가 되었고, 우리나라의 경우 2002년에 4개의 종목이 상장되어 거래되기 시작해 지금까지 종목수나 시가총액이 성장하고 있는 금융상품이다. 다양한ETF 종목들이 금융시장에서 거래되고 있는 가운데 운송과 관련된 ETF 종목도 존재하고 있는데, 운송ETF의 경우 운송 외에 항공이나 물류와 관련된 기업들로 포트폴리오를 구성하고 있다. 따라서 운송ETF 포트폴리오를 구성하는 종목들의 가격변화에 운송 ETF의 수익률이 결정되도록 설계가 되어있지만 가격발견 효과로 인해서 현실적으로 그렇지 않게 시장에서 나타날 수 있다. 예를 들어 운송 ETF를구성하는 포트폴리오의 가치가 상승하면 해당 ETF는 상승하고 반대로 포트폴리오의 가치가 하락하면ETF는 하락하도록 설계가 되어 있는데, 가격발견 효과에 의해서 반대의 현상도 나타날 수 있는 것이다. 여기서 가격발견 효과는 어떠한 정보가 시장에 나타났을 때, 그 정보가 서로 다른 시장의 자산에반영되는 속도로서 시장의 효율성을 나타내는 지표이기도 하다. 이러한 가격발견 효과에 따라 각 자산이 정보를 반영하는 속도가 달라, 상황에 따라 ETF에 반영되는 속도가 그 구성종목들 보다 빨라 구성종목의 가격변화에 연동된 운송 ETF의 수익률이 결정되지 않는 것처럼 보일 수 있다는 것이다. 기존의 연구에서는 이러한 가격발견 효과와 관련하여 주로 KOSPI200 주가지수와 그것을 추종하는 ETF를대상으로 분석이 진행되었는데 본 연구에서는 운송 ETF와 그 구성종목을 대상으로 이러한 현상과 관련하여 실증분석을 실시하고 다음과 같은 분석결과를 제시했다. 먼저, 운송 ETF와 그 구성종목의 수정종가 자료를 대상으로 단위근 검정을 실시하고 시계열자료의안정성 여부를 확인했다. 그리고 이러한 결과를 바탕으로 운송 ETF와 그 구성종목 사이의 공적분 검정을 실시했는데 두 변수 사이에서 그 관계를 확인했다. 그리고 공적분 관계를 확인한 자료를 토대로벡터오차수정모형으로 알려진 VECM(Vector Error Correction Model) 모형을 통해 가격발견 효과를 확인했다. 그 결과, COVID-19 이전에 운송 ETF가 해당 ETF를 구성하는 일부 종목들과 비교하여 가격발견 효과가 있는 것으로 나타났다. 즉, 새로운 정보가 시장에 나타났을 때 정보를 가격에 반영하는 속도는 운송 ETF가 운송 ETF를 구성하는 일부 구성종목보다 더 빠르게 나타났다. 하지만 COVID-19 이후에는 가격발견 효과가 나타나지 않았다. 그리고 COVID-19 이전에 일부종목에서는 가격발견 효과와관련해 운송 ETF를 구성하는 종목에 정보반영 속도가 운송 ETF보다 우월하게 나타났고, 그 효과는COVID-19 이후에도 나타나는 종목도 있었다. 다만, 모든 구성종목에서 이러한 가격발견 효과가 나타난 결과가 아니고 일부 종목에서만 제한적으로 가격 발견효과가 나타나 결과적으로 운송 ETF와 그구성종목 사이에 가격발견 효과가 강하다고 보기는 어렵다.

This paper analyzed the price discovery effect between transportation ETF(Exchange Traded Fund) and portfolios. ETF is a fund with a unique feature that can directly trade in the financial market. These ETFs have been listed in the United States of America since 1989. In Korea, ETFs have been started since 2002 with only 4 ETFs, but the number of ETFs and market capitalization are grown. Under various ETFs traded in the market, transportation ETF is also available. These transportation ETFs have a portfolio with transportation, airline, and logistic lists in the financial markets. So, these ETFs’ returns with transportation ETFs are designed under their portfolio change. Although the design, the opposite phenomenon can occur in the market because of the price discovery effect. For example, suppose the portfolio value increases in the market. In that case, the transportation ETF value also increases; if the portfolio value decreases, the ETFs decrease by the designed fund. However, the opposite phenomenon can appear in the market because of price discovery. Price discovery is the reaction speed in each asset when some information appears in the market. It can explain as an indicator of market efficiency. According to these reaction speeds into each asset by the effect of price discovery, when some information appears in the market, ETF reaction speed can be higher than stocks in the portfolio. It is the opposite situation compared with ETFs’ design. Therefore it needs to be confirmed by empirical analysis because most research analyzed KOSPI200 stock index ETFs, but transportation ETFs research still needs to be completed. As a result, this study confirmed the empirical results as follows. First, This research confirmed time series data stability using the unit root test with modified price data for transportation stocks in the portfolio and ETF. Also, the cointegration relationship between transportation ETF and portfolio is confirmed after the unit root test. After this progress, this research confirmed the price discovery effect under VECM(Vector Error Correction Model). As a result, the price discovery effect between transportation ETF and portfolio exists in the market before COVID-19. The reaction speed of transportation ETF has superior to some stocks in the portfolio. It means that the reaction speed of transportation ETF is higher than in stocks in the portfolio when some information appears in the market. However, this phenomenon disappeared after COVID-19. Also, opposing phenomena existed in the analysis period. Specifically, some stocks superior to their portfolio existed before and after COVID-19. However, most stocks in the portfolio are insignificant, and just some have statistical significance. Therefore, it can be a different reaction speed to reflect information between stocks in the portfolio.

#상장지수펀드 #가격발견 #포트폴리오 #운송ETF #벡터오차정수모형 #시장효율성 #Exchange Traded Fund #Price Discovery #Portfolio #Transportation ETF #Vector Error Correction Model #Market Efficiency

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

조용복

소속기관 동아대학교

주요연구분야 사회과학 > 경제학 자연과학 > 수학·통계학

논문수 7 이용수 207

김도완

소속기관 한성대학교

주요연구분야 사회과학 > 경영학

논문수 4 이용수 53

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)