[인덱스펀드][인덱스펀드 역사][인덱스펀드 선행연구][인덱스펀드 공적분 검정][인덱스펀드 구성방법][공적분 검정]인덱스펀드의 역사, 인덱스펀드의 선행연구, 인덱스펀드 공적분 검정, 인덱스펀드 구성방법

소개글

[인덱스펀드][인덱스펀드 역사][인덱스펀드 선행연구][인덱스펀드 공적분 검정][인덱스펀드 구성방법][공적분 검정]인덱스펀드의 역사, 인덱스펀드의 선행연구, 인덱스펀드 공적분 검정, 인덱스펀드 구성방법에 대한 보고서 자료입니다.

목차

Ⅰ. 개요

Ⅱ. 인덱스펀드의 역사

Ⅲ. 인덱스펀드의 선행연구
1. 마코위츠모델(Markowitz Model) 및 마코위츠모델의 확장
2. 단일요인모델(Single Factor Model)
3. 다요인모델(Multi Factor Model)

Ⅳ. 인덱스펀드의 공적분 검정

Ⅴ. 인덱스펀드의 구성방법
1. 완전복제법(Full Replication)
2. 부분복제법(Partial Replication)
1) 층화추출법(Stratified Sampling)
2) 최적화법(Optimization)
3) 층화최적화법(Sampling-Optimization)

참고문헌

본문내용

율에 따라 나열하여 시가총액비율이 높은 종목부터 우선적으로 선정하여 시가총액의 일정비율(보통 70%)에 달할 때까지 선정하고, 2단계에서는 목표 인덱스와 인덱스펀드간의 소집단별 시가비율의 차이를 고려하여 1단계에서 선정되지 않은 나머지 종목으로 목표 인덱스와 인덱스펀드간의 소집단별 시가비율을 조정한다.
이러한 층화추출법에 의해 구성된 인덱스펀드의 추적오차는 완전복제법이나 최적화법에 의해 구성된 인덱스펀드보다 상대적으로 크게 나타나는데, 그 이유는 층화추출법은 목표 인덱스가 가지고 있는 여러 특성 중 한 가지 특성지표(업종투자비율)만을 고려하여 인덱스펀드를 구성하기 때문이다. 또한 층화추출법에 의해 투자되는 종목은 비교적 대기업이기 때문에 기업규모가 작을수록 또는 비인기종목일수록 수익률이 높다는 규모효과(size effect)나 소외기업효과(neglect firm effect)가 나타날 경우에도 추적오차가 커지게 된다.
그러나 이러한 단점에도 불구하고 층화추출법은 간단하게 목표 인덱스를 모방할 수 있고, 인덱스펀드의 재구성시 거래비용을 쉽게 통제할 수 있다는 점 때문에 현실적으로 널리 이용되고 있다.
2) 최적화법(Optimization)
최적화법은 앞에서 논의된 층화추출법의 한계를 극복하기 위하여 인덱스펀드 구성종목의 선정방법을 체계적으로 정형화한 방법이다. 즉 이 방법은 목표 인덱스의 여러 특성들을 포트폴리오이론에 입각하여 일련의 수식으로 표시하여 이를 컴퓨터로 풀어서 인덱스펀드의 구성종목 및 구성비율을 결정하는 방법이다.
층화추출법에서는 목표 인덱스의 한 가지 특성지표만을 이용하나, 최적화법에서는 다수의 특성지표를 이용하여 인덱스펀드를 구성하기 때문에 상대적으로 추적오차가 작게 나타난다.
최적화법을 이용하여 만든 대부분의 시스템은 투자이론에 입각하여 만들기 때문에, 사용되는 이론이 단일요인모델인지 아니면 다요인모델인지에 따라 최적화문제의 제약식이 달라지게 된다.
만일 증권의 수익률이 시장요인에 의해 결정된다고 가정하고 N개의 편입후보종목을 대상으로 하여 인덱스펀드를 구성할 경우 최적화법은 다음과 같은 2차계획법(Quadratic Programming) 모델로 정리될 수 있다.
= - (식1)
= = 1 (식2)
= ≥ 0 (식3)
= 1, ≥ 0 (식4)
단, : 포트폴리오의 비체계적 위험
: 포트폴리오의 총위험
: 포트폴리오의 베타계수
: 목표 인덱스의 수익률 분산
: 포트폴리오를 구성하는 i번째 종목에의 투자비율
: 포트폴리오의 알파계수
(식1)은 목적함수를 나타내는 식으로, 포트폴리오의 비체계적 위험은 총위험에서 체계적 위험을 차감한 것이며 비체계적 위험을 최소화하는 포트폴리오를 인덱스펀드로 채택한다는 것이다. 즉 목적함수가 충족될 때 인덱스펀드의 수익률 변동 중 시장의 움직임과 무관한 부분이 최소화될 것이다. (식2)의 제약조건은 인덱스펀드의 체계적 위험을 목표 인덱스와 같게 함으로써 어떤 경제적 사건에 대한 수익률의 변화가 목표 인덱스의 변화와 동일하게 하기 위한 것이다. (식3)은 시장수익률에 변화가 없을 경우 인덱스펀드의 수익률의 변화는 0이상이 되게 하는 조건으로 (식2)와 (식3)에 의해 인덱스펀드는 목표 인덱스의 투자수익을 실현하되, 경우에 따라서는 그 이상의 성과를 기대할 수도 있다. (식4)는 어떤 편입후보종목은 인덱스펀드에서 제외될 수 있으며, 대주(short sale)는 허용되지 않고 구성종목의 투자비율의 합은 1이 되어야 한다는 것이다.
이러한 2차계획법의 해를 구하기 위해서는 많은 계산이 필요하며, 특히 편입후보종목의 수가 많아질수록 방대한 양의 데이타처리가 요구되기 때문에 이 방법은 컴퓨터기술이 고도화된 비교적 최근에 이르러서야 실용화가 가능하게 되었다. 최적화법은 프로그램개발 및 계산에 비용이 많이 든다는 문제점은 있지만 인덱스펀드 구성상의 특수한 상황들을 신축적으로 고려할 수 있기 때문에 논리적으로 층화추출법보다 우수한 기법이라 할 수 있다. 예를 들면, 업종별 투자비율의 설정, 기업규모별 투자비율의 설정, 종목별 편입비율의 상하한선의 설정 등은 최적화모델의 제약조건을 조정하여 수용할 수 있다.
그러나 최적화법에도 나름대로의 문제점이 있다. 인덱스펀드는 미래의 투자성과를 모방하는 것이 목적인데, 실제로는 과거의 주가데이타를 이용하여 최적화문제를 풀어야 하기 때문이다. 만일 베타값이나 공분산행렬이 시간의 흐름에 따라 안정적이지 못하다면 과거자료에 의거한 인덱스펀드는 미래에 상당한 추적오차를 야기시키게 된다. 또 다른 문제점은 최적화법에 의해 구해진 해가 최적화모델의 모수변화에 따라 크게 변할 가능성이 높다는 점이다. 이러한 점은 인덱스펀드의 재구성시 최적화법에 의해 구해진 해를 그대로 이용할 경우에 거래비용이 과다하게 들어 인덱스펀드에 의한 운용의 이점을 감소시킬 수 있다.
3) 층화최적화법(Sampling-Optimization)
층화최적화법이란 층화추출법의 간편성에 포트폴리오의 위험을 적절히 통제할 수 있는 최적화법의 장점을 결합시킴으로써 실용성을 높인 방법이다. 예를 들면, 목표 인덱스를 구성하는 전 종목에 대해 군집분석(cluster analysis)을 행하여 몇 개의 소집단으로 분류한 뒤, 각 소집단을 대표하는 종목을 선정함으로써 인덱스펀드 편입후보종목을 축소시키고 이에 대해 최적화법을 적용한다. 이 방법에 의해 인덱스펀드를 구성할 경우 계산량을 줄일 수 있고, 또한 추적오차의 극소화를 도모할 수 있다. 이러한 층화최적화법은 향후 다양한 통계기법 및 전산시스템의 발전에 따라 인덱스펀드의 구성에 있어 유용하게 사용될 것으로 전망된다.
참고문헌
김명권(2008), 인덱스 펀드를 활용한 신종 투자, 전국은행연합회
민성기 외 1명(2008), 우리나라 액티브펀드와 인덱스펀드의 실증분석, 대한경영학회
박지선(2009), 국내 인덱스 펀드 투자자의 투자행태 연구, 서울대학교
임병진 외 1명(2010), 인덱스펀드의 체계적 위험 관리에 관한 실증적 연구, 한국금융공학회
최형석 외 1명(2012), ETF 도입 후의 인덱스펀드의 변화, 한국기업경영학회
최돈용(1997), 인덱스펀드의 도입가능성에 관한 실증적 연구, 서울대학교

키워드

인덱스펀드,   인덱스,   펀드,   공적분 검정,   주식,   인덱스펀드의 공적분 검정,   인덱스펀드의 구성방법,   인덱스펀드의 선행연구