김세준 연구실

본 연구는 자산가격결정모형 추정 문제를 해결하기 위해 적대적 학습 접근법을 제안합니다. 제안된 추정량은 시계열 공변동을 포착하면서 최악의 경우 횡단면 가격결정오차를 최소화하는 미니맥스 최적화 문제로 정의됩니다. 교대 최적화 절차 기반 근사 알고리즘을 통해 기존 요인모형보다 우수한 성능을 보이며, 특히 가격결정모형의 설명력이 제한적일 때 효과적입니다.

모멘텀 전략의 개선 방안으로 제안된 분수 모멘텀 전략은 가격 계열의 메모리를 유지하면서 주간 리밸런싱 하에서 전통적 모멘텀 전략 대비 수익성 개선을 보였습니다. 그러나 본 연구는 더 현실적인 리밸런싱 빈도에서 검토한 결과, 리밸런싱 빈도가 감소할수록 분수 모멘텀 전략이 전통적 모멘텀 전략보다 성과가 낮음을 발견했습니다.

본 연구는 여러 요인에 대한 노출 수준을 종합적으로 검토하여 강화된 요인 포트폴리오를 구성합니다. 미국 주식 데이터 약 50년간 단일 요인 포트폴리오 대비 요인 위험 프리미엄을 지속적으로 증가시키며, 신호 혼합 다중요인 포트폴리오가 모든 요인 포트폴리오를 통계적 유의성 1% 수준에서 초과 수익을 제공합니다.

본 연구는 시계열 모멘텀 전략을 두 가지 방식으로 개선합니다. 첫째, 잔차수익률을 적용하여 새로운 시계열 모멘텀 전략을 구성하고, 둘째, 수익률의 자기공분산 특성을 자산배분에 활용합니다. 산업 포트폴리오에서 두 접근법 모두 지속적인 성과 개선을 달성합니다.

본 논문은 저위험 이상현상 포트폴리오의 하방위험을 관리하기 위해 하방위험 기반의 새로운 위험조정 전략을 제시합니다. 제안된 전략은 변동성 조정 전략의 하방위험 과소평가 문제를 해결하며, 위험조정수익률과 하방사건 관련 성과지표에서 기존 전략을 상회합니다.