거래량의 평균회귀성에 대한 실증연구

채준; 강민

추천

검색

자료유형: 학술저널

저자정보: 채준 (서울대학교) 강민 (서울대학교)

저널정보: 한국재무학회 재무연구 재무연구 제32권 제2호

발행연도: 2019.1

수록면: 149 - 186 (38page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 연구에서는 한국주식시장을 대상으로 거래량의 평균회귀성을 실증하고, 거래량의 평균회귀성에 영향을 미치는 변수들에 대해 분석하였다. 먼저, 거래량의 시계열에 평균회귀성의 전제조건인 자기상관관계가 존재함을 보이고, Phillips and Perron 검정과 KPSS 검정을 통해 거래량의 평균회귀성을 실증하였다. 이를 통해 한국주식시장에서 나타나는 거래량의 중요 특성을 밝히는 한편, 자기상관관계에 대한 연구에 머물러 있던 거래량의 시계열에 대한 연구영역을 확장했다는 의의가 있다. 또한, Ornstein-Uhlenbeck 모델을 사용하여 평균회귀성의 주요한 속성인 평균회귀속도를 도출하고, 회귀분석을 통해 규모가 적을수록, 주가변동성이 적을수록, 개인투자자의 거래비중이 적을수록, 애널리스트의 이익추정 수가 많을수록 평균회귀속도가 증가함을 보여, 이 변수들이 거래량의 평균회귀성에 중요한 영향을 미치고 있음을 실증하였다. 이러한 결과는 동적거래모델(dynamic trading model) 상의 정보거래자의 정보은닉성 거래(stealth trading)와 행동경제학적 설명인 개인투자자의 주목기반 매수경향(attention based buying tendency)이 거래량의 평균회귀성을 설명할 수 있는 근거가 될 수 있음을 보이고 있다.

This study analyzes the mean reversion of trading volume, which allows us to predict future trading volumes from time-series data. The results have important implications for various related concerns, including the predictability of returns in relation to trading volumes, liquidity, and the use of practical indicators such as the VWAP (volume-weighted average price) and the CGO (capital gains overhang). We test the trading volumes of the indices, size-portfolios, and individual stocks on the Korean stock market from 1999 to 2017. All of the sample data are obtained from FnDataGuide. First, we test the autocorrelation of the trading volume. The results show that the trading volume has a positive autocorrelation, and that changes in trading volume have negative autocorrelations. Therefore, we confirm that the trading volume process (unlike the return process) does not follow an independent distribution. As mean reversion implies a correlated time-series, the autocorrelation of trading volumes serves as the premise for the mean reversion of trading volumes. Next, we use the Phillips-Perron test (Phillips and Perron, 1988) and the KPSS test (Kwiatkowski, Phillips, Schmidt, and Shin, 1992) to verify the mean reversion property of the trading volume. The results show that the trading volume of the indices, size-portfolios, and 96% of the individual stocks, all have a mean reversion property on the Korean stock market. In addition, we calculate the mean-reverting speed for each stock by applying the Ornstein–Uhlenbeck model (Uhlenbeck and Ornstein, 1930) to identify the variables that affect the mean reversion property of the trading volume. We regard the mean-reverting speed as a proxy variable that indicates the relative strength of the mean reversion property across sample stocks. This analysis of the mean-reverting speed enables us to confirm which variables affect the mean reversion of the trading volume. Before the regression analysis, we compare the actual mean-reverting duration of the trading volume with the duration calculated by using the Ornstein-Uhlenbeck model, which is our model for estimating the mean-reverting duration of the trading volume. As the implied error of the model has an acceptable scale, we confirm that our Ornstein-Uhlenbeck model can serve as a reasonable model for trading volume. The regression results on the mean-reverting speed of each stock shows that the smaller the size, the smaller the stock price volatility. In addition, we find that the smaller the ratio of the individual investors’ trading activity and the higher the number of analysts’ reports, the higher the mean-reverting speed. This set of findings suggests that the mean reversion of the trading volume can be explained by the presence of stealth trading (Kyle, 1985; Admati and Pfleiderer, 1988; Foster and Viswanathan, 1990; Wang, 1994) and by individual investors' attention-based trading (Barber and Odean, 2008). Heterogeneity between investors generates trading volume. This heterogeneity is resolved by opinion-sharing with trades. However, stealth trading by informed investors delays the incorporation of information, and attention-based trading by individual investors gives the trading volume a positive feedback. Thus, the mean-reverting speed of a stock is slower in trading environments where it is easier to hide information, and where individual investors trade more actively. Additionally, we show that the future trading volume can be estimated from its mean-reversion property. If we know the mean-reverting speed, the mean value, and the standard deviation of the trading volume, we can obtain the expected trading volume by applying the Ornstein-Uhlenbeck model. This study contributes to the literature in the following four ways. First, and most importantly, it expands research on trading volumes by demonstrating that the volume has a mean reversion property on the Korean stock market. Understanding this property takes us one step beyond making predictions based on the autocorrelation of the trading volume. Second, we find that the future trading volume can be predicted by its mean reversion property. This novel finding helps to expand the knowledge of market dynamics among academics, and it can help practitioners who want to build their positions without causing a serious market impact. Third, we show that the trading volume has a positive autocorrelation in the Korean stock market. Although such autocorrelation of trading volume has been previously studied in the U.S. stock market, it has not been investigated in the Korean stock market. As the scope for applying autocorrelation is wide, we believe that the verification of autocorrelation is also important. Last, we shed light on why the trading volume shows mean-reversion properties. We assess trade sizes, price volatility, the trading activity of individual investors, and the number of analysts’ earnings estimates, all of which influence the mean reversion of the trading volume. All of these factors can be partly explained by stealth trading and the attention-based trading of individual investors.

#거래량 #평균회귀성 #자기상관관계 #단위근 검정 #한국주식시장

참고문헌 (72)

참고문헌 신청

진태홍 / 1994 / 거래량과 주가변화에 대한 연구 / 한국증권학회지 16(1):513~526

최기홍 / 2012 / 한국주식시장에서 거래량이 수익률 변동성의 지속성과 비대칭성에 미치는 영향 / 산업경제연구 25(2):1729~1750

Admati, A. R / 1988 / A Theory of Intraday Patterns: Volume and Price Variability / The Review of Financial Studies 1(1):3~40

Alam, M. I / 1999 / An Application of Variance-Ratio Test of Five Asian Stock Markets / Review of Pacific Basin Financial Markets and Policies 2(3):301~315

Assaf, A / 2006 / Dependence and Mean Reversion in Stock Prices: The Case of the MENA Region / Research in International Business and Finance 20(3):286~304

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

채준

소속기관 서울대학교

주요연구분야 사회과학 > 경영학

논문수 5 이용수 42

강민

소속기관 서울대학교

주요연구분야 사회과학 > 경영학

논문수 1 이용수 20

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 (72)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)