BARRA 모형을 수정한 베타요인모형(BFM)의 포트폴리오를 연계한 시장 리스크 분석 : 모수적(parametric) 및 비모수적(non-parametric) VaR, t-Copula VaR, 그리고 t-Copula ES 중심으로 = Market risk analysis by Linking the Portfolio of the Beta Factor Model (BFM) Modified from the BARRA Model: Focusing on Parametric and Non-parametric VaR, t-Copula VaR, and t-Copula ES

국문 초록 (Abstract)

최근 글로벌 금융시장은 COVID 충격이후 저금리와 양적완화로 인한 유동성 장세 및 변동성 증가로 주가가 높은 상관관계를 보이는 것으로 나타났다. 따라서 주가가 극단치 꼬리 의존성(tail dependence)을 가질 것으로 보아 이를 더 잘 설명하는 Copula 모형을 시장리스크 측정에 적용하였다. 실증분석 데이터는 벤치마크 시장포트폴리오로 미국 주식시장의 Vanguard S&P500 ETF와 GICKS의 글로벌 산업분류 표준에 의한 11개 산업의 Vanguard ETF 섹터를 분석에 사용하였으며, 분석기간은 2018년 1월 3일~2021년 3월 17일까지이다. 본 연구의 분석모형은 MSCI의 BARRA 산업요인모형(IFM)을 수정한 베타요인모형(BFM)을 최초로 적용하였으며, 공격적 베타와 방어적 베타의 최소분산 가중치를 Student’s t-Copula-VaR 및 ES를 산출하는 데 적용하였다. 분석 결과를 요약하면, BFM모형의 연간 수익률은 2.688%로서 공매도를 제약한 공격적 베타 41.72%와 방어적 베타 39.44%에 비해 현저히 낮았으며, 이 같은 결과는 공매도에 기인된 것으로 추정된다. 또한 모수적 및 비모수적 방법에 의한 VaR, Student’s t-VaR, 그리고 Student’s t-ES는 신뢰수준이 클수록 크며, BFM의 시장 리스크는 모수적 및 비모수적 방법에 관계없이 베타 투자전략에 비해 더 낮았다. 또한 Student’s t-Copula VaR 및 ES는 베타 투자전략에서 모수적 방법이 비모수적 방법보다 작고, 비모수적 방법의 시장 리스크는 공격적 베타 투자전략이 방어적 베타 투자전략 보다 더 큰 것으로 나타났다. 본 연구의 공헌도는 BFM을 시장 리스크 측정에 최초로 도입하였으며, 리스크 매니저가 모델 시장위험을 선제적으로 대응할 수 있는 방향성을 제시하였다. 또한 변동성 충격을 반영하기 위한 꼬리 의존성의 적용은 주변확률(Marginal) t-분포에 의한 통계량(, , )을 계산한 후 모수적(parametric) Student’s t-Copula VaR 및 ES에 대한 분석적(analytic)산출이 가능하도록 하였다. 본 연구의 한계점은 변동성 충격 시기 전·후의 시장 리스크의 차이점을 분석하지 못한 한계점이 존재한다. 추후 연구과제로는 이 같은 한계점을 극복하고 시변(time-varying)변동성이 고려된 동태적(dynamics) Copula를 적용하는 데 대한 연구가 필요하다.

다국어 초록 (Multilingual Abstract)

Recently, the global financial market has been shown to show a high correlation with the stock price, along with the increase in liquidity market and volatility due to low interest rates and quantitative easing after the COVID shock. Therefore, the Copula model, which explains this behavior better, was applied to the market risk measurement, considering that stock prices have extreme tail dependence of high kurtosis and thick skewness. For the empirical analysis data, the US stock market was analyzed, and the Vanguard S&P 500 ETF and the Vanguard ETF sector of 11 industries according to the global industry classification standard of GICKS were used for the analysis as the benchmark market portfolio. The analysis period is from January 3, 2018 to March 17, 2021. For the analysis model of this study, the beta factor model (BFM) modified from MSCI s BARRA industry factor model (IFM) was applied to this study for the first time, and the minimum variance weight calculated as a beta investment strategy divided into aggressive beta and defensive beta was applied to calculate Student s t-Copula-VaR and ES. To summarize the analysis results, VaR, Student’s t-VaR, and Student’s t-ES by parametric and non-parametric methods increased as the confidence level increased, and the market risk of BFM was lower than that of beta investment strategies regardless of parametric and non-parametric methods. Also, in Student s t-Copula VaR and ES, the parametric method was smaller than the non-parametric method in the beta investment strategy, and the market risk of the non-parametric method was greater in the aggressive beta investment strategy than the defensive beta investment strategy. The contribution of this study introduced BFM for the first time to calculate market risk, and suggested a direction for risk managers to preemptively respond to market risk in the model portfolio. In addition, in order to apply the tail dependence to reflect the volatility shock, statistics(,,) by marginal t-distribution were calculated, and then parametric Student s t-Copula VaR and ES were analyzed analytically. calculation was made possible. A limitation of this study is that it does not analyze the difference between the same portfolio rebalancing strategy and market risk analysis results before and after the volatility shock period. As a future research task, it is necessary to overcome this limitation and to apply a dynamics Copula that considers time-varying variability.

목차 (Table of Contents)

• Ⅰ. 서론 Ⅱ. 이론적 배경 Ⅲ. 분석모형의 구축 Ⅳ. 실증분석 결과 및 해석 Ⅴ. 결론 및 시사점 참고문헌

참고문헌 (Reference)

1 고봉찬, "공무원연금공단 중장기 자산배분 연구용역" 서울대학교 경영대학 2010

2 Jorion, P., "Value at risk: The new benchmark for managing financial risk" 2007

3 Habart-Corlosquet, M., "VaR methodology for non-Gaussian finance" Wiley 2013

4 Kopman, L., "Treatment of Fixed Transaction Costs in Barra Optimizer" MSCI Barra 1-15, 2011

5 Fama, E. F., "The cross-section of expected stock returns" 47 (47): 1992

6 Connor, G., "The Three Types of Factor Models : A Comparison of Their Explanatory Power" 51 (51): 42-46, 1995

7 Bender, J., "The Fundamentals of Fundamental Factor Models" MSCI Research 2010

8 Ruppert, D., "Statistics and DataAnalysis for Financial Engineering" Springer 2011

9 Bakshi, G., "Spanning and Derivative-security Valuation" 55 : 205-238, 2000

10 Hongjae, Lee, "Risk Budgeting Approach using Black & Litterman Model: Combining Investor Views With Market Equilibrium" 15 (15): 269-307, 2018

11 Rong, N., "Returns of REITS and stock markets : measuring dependence and risk" 28 (28): 34-57, 2010

12 Rudd, A., "Realistic Portfolio Optimization" 11 : 21-46, 1979

13 Sklar, A., "Random variables, joint distribution functions, and copulas" 9 : 449-460, 1973

14 McNeil, A. J., "Quantitative risk management: Concept, techniques and tools" Princeton University Press 2005

15 Lobo, M., "Portfolio Optimization with Linear and Fixed Transaction Costs" 152 (152): 341-365, 2007

16 Rosenberg, B., "Persuasive Evidence of Market Inefficiency" 9-16, 1985

17 Li, D. X., "On default correlation: a copula function approach" 9 (9): 43-549, 2000

18 Ben-Tal, A., "Lectures on Modern Convex Optimization: Analysis, Algorithms, and Engineering Applications" 2001

19 Aloui, R., "Global financial crisis, extreme interdependences, and contagion effects : The role of economic structure?" 35 : 130-141, 2011

20 Grinold, R., "Global Factors: Fact or Fiction?" 79-88, 1989

21 이홍재, "GARCH류와 DCC-GARCH 모형을 이용한 VIX와 S&P500의 Leverage 효과 및 비대칭적 변동성 Spillover Effect" 글로벌경영학회 15 (15): 27-65, 2018

22 Bender, J., "Foundation of factor investing"

23 Danelsson, J., "Financial risk forecasting: The theory and practice of foreꠓcasting market risk with implementation in R and Matlab" Wiley 2011

24 Pfaff, B., "Financial Risk Modelling and Portfolio Optimization with R" Wiley 2-, 2013

25 Rosenberg, B., "Extra-Market Components of Covariance in Securities Markets" 263-274, 1974

26 Jschke, S., "Estimation of risk measures in energy portfolios using modern copula techniques" 76 : 359-376, 2014

27 Wang, Z., "Estimating risk of foreign exchange portfolio : UsingVaR and CVaR based on GARCH-EVT-Copula model" 389 : 4918-4928, 2010

28 Fantazzini, D., "Dynamic copula modelling for value at risk" 5 (5): 72-108, 2008

29 Aloui, R., "Depenꠓdence and extreme dependence of crude oil and natural gas prices with applications to risk management" 42 : 332-342, 2014

30 Cherubini, U., "Copula methods in finance" Wiley Finance 2004

31 Melo Mendes, B. V. D., "Copula based models for serial dependence" 7 (7): 68-82, 2011

32 Artzner P., "Coherent measures of risk" 9 (9): 1999

33 Sharpe, W. F., "Capital Asset Prices: A Theory of Market Equilibrium Under Conditions of Risk" 19 (19): 425-442, 1964

34 이홍재, "Black-Litterman 역최적화 모형에서 Tau()와 Lambda(λ)의 변화에 따른 산업 인덱스 포트폴리오의 자산배분 효과" 글로벌경영학회 16 (16): 185-224, 2019

35 BARRA, "Barra Risk Model. Handbook"

36 Asmussen, S., "Approximations of small jumps of Lévy processes with a view towards simulation" 38 : 482-493, 2001

37 Nelson, R. B., "An Introduction to Copulas" Springer 2006