투자자의 후회회피 편향과 주식수익률의 관계^*

Relationship between Investor’s Regret Aversion and Stock Returns^*

Article information

Korean J Financ Stud. 2024;53(5):455-488

Publication date (electronic) : 2024 October 31

doi : https://doi.org/10.26845/KJFS.2024.10.53.5.455

Somyung Kim , Kiyool Ohk ^,

김소명, 옥기율^,

(부산대학교 전임연구원)

Researcher, Pusan National University

(부산대학교 경영학과 교수)

Professor, Business Administration, Pusan National University

^** 연락담당 저자. 주소: 부산광역시 금정구 부산대학로63번길 2 46241; E-mail: kyohk@pusan.ac.kr; Tel: 051-510-2552.

^** Corresponding Author, Address: Department of Business Administration, Pusan National University 2, Busandaehak-ro 63beon-gil, Geumjeong-gu, Busan, Republic of Korea 46241; E-mail: kyohk@pusan.ac.kr; Tel: +82-51-510-2552.

*이 논문 또는 저서는 2023년 대한민국 교육부와 한국연구재단의 지원을 받아 수행된 연구임 (NRF-2023S1A5B5A16077904)*This work was supported by the Ministry of Education of the Republic of Korea and the National Research Foundation of Korea(NRF-2023S1A5B5A16077904).

Received 2024 April 18; Revised 2024 June 25; Accepted 2024 July 11.

Abstract

본 연구는 행동재무학적 관점에서 투자자의 후회와 후회회피 편향이 주식수익률에 미치는 영향을 분석한다. 후회는 투자자가 선택을 한 결과와 다른 선택지의 결과를 비교할 때 발생하는 부정적인 감정이다. 선행연구는 투자자가 선택한 자산의 수익률이 같은 기간 동안 얻을 수 있었던 최고 수익률에 비해 낮을수록 투자자의 후회가 큰 자산이라고 정의한다. 이와 같이 후회가 큰 자산과 후회가 작은 자산은 투자자의 수요를 변화시키는 요인이다. 후회회피 투자자는 후회가 큰 자산을 포트폴리오에 추가하는 것을 기피하므로 해당 자산에 대한 추가적인 보상을 요구한다. 반면, 투자자는 후회가 작은 자산을 선호하므로 해당 자산이 상대적으로 낮은 수익률을 가지더라도 수용한다. 본 연구는 Arisoy et al.(2024)의 후회변수를 이용하여, 국내 주식시장에서 후회 회피 편향과 후회 프리미엄이 존재하는지 여부와 자산가격 결정을 조사한다. 더 나아가, 개인투자자의 거래비중, 디스포지션 효과, 심리적 가격장벽 등과의 관계를 조사하며 시장 상태와 시장 동태를 고려하여 후회회피 경향이 강해지는 시기를 분석한다. 본 연구는 행동재무학의 관점에서 국내 주식시장에서의 투자자의 후회회피 편향의 존재여부를 실증 분석한다는 기여점을 가진다. 더 나아가, 투자자의 비합리적인 행동이 주식수익률에 미치는 영향을 조사하여 투자자의 의사결정과 자산가격 결정에 대한 이해를 높이는 데 기여한다.

Trans Abstract

This study analyzes the impact of investor regret and regret aversion on stock returns from a behavioral finance perspective. Regret occurs when investors compare the outcomes of their choices with alternative outcomes. Assets with returns lower than the highest potential return achievable within the same period are defined as assets causing significant regret for investors. Such assets, causing either high or low regret, influence investor demand. Investors tend to avoid adding assets with high regret to their portfolios, and demand additional compensation to hold them. Conversely, investors prefer assets with lower regret, and are willing to accept relatively lower returns. This study utilizes the regret variables proposed by Arisoy et al. (2024) to examine the existence of regret aversion and regret premiums in Korean stock markets, along with their impact on asset pricing. It investigates the relationships with variables such as individual investors’ trading volume, disposition effect, and psychological price barriers, while analyzing periods when regret aversion intensifies, considering market conditions and dynamics. This study contributes to the empirical analysis of regret aversion in the Korean stock market. Moreover, it enhances the understanding of investor decision-making and asset pricing.

Keywords: 행동재무학; 후회; 후회회피 편향; 개인투자자; 디스포지션 효과; 심리적 가격장벽; 시장 상태; 시장 동태

Keywords:

Keywords: Behavioral finance; Regret; Regret aversion; Individual investors; Disposition effect; Psychological price barriers; Market conditions; Market dynamics

1. 서론

Tversky and Kahneman(1974)은 투자자가 휴리스틱이라는 단순화된 의사결정 과정을 통해 의사결정을 하며, 인지적 편향에 취약하다고 주장한다. 행동재무학에서 고려하는 심리적 편향들은 일시적으로 몇몇의 투자자에게 발생하는 것이 아닌, 주식시장에 걸쳐 체계적으로 발생하여 학술적 의미를 가진다. 이후, 투자자의 비합리적이고 비이성적인 행동이 투자 의사결정에 유의한 영향을 미치며 자산가격 결정에도 영향을 미친다는 연구가 등장하기 시작했다.

본 연구에서는 행동재무학적 관점에서 투자 의사결정에 대한 투자자의 후회회피 편향과 후회프리미엄이 주식수익률에 미치는 영향을 분석한다. 후회는 오랫동안 인지심리학에서 사용되고 있는 개념이며, 자신이 다른 선택을 하거나 다르게 행동했다면 더 좋은 결과를 가질 수 있었다는 사실을 깨달을 때 경험하는 부정적인 감정으로써 고통과 분노가 혼합된 감정이다. 자신이 선택한 결과와 선택 가능 했던 다른 대안의 결과를 비교하고, 다른 대안의 결과가 우월할 경우 더 큰 후회가 발생한다. 후회회피 편향은 후회가 큰 자산과 후회가 작은 자산에 대한 투자자의 수요를 변화시키며 결과적으로 투자자의 투자결정에 영향을 미칠 수 있다. 후회회피 투자자는 후회가 큰 자산을 보유하는 것을 꺼려하며, 해당 자산을 자신의 투자 포트폴리오에 포함하는 것에 대해 더 큰 보상을 요구한다. 반면, 후회회피 투자자는 후회가 작은 자산을 보유하는 것을 선호하므로 상대적으로 낮은 미래수익률을 가지더라도 수용한다. 후회는 투자자의 효용에 영향을 미치는 중요한 요인이며, 개별주식의 자산가격 결정에 중요한 영향을 미칠 것이다. 본 연구에서는 국내 주식시장에서 투자자의 후회가 자산가격결정에 미치는 영향력을 조사한다.

Arisoy et al.(2024)은 Quggin(1994)가 제시한 후회회피 투자자의 효용함수를 기반으로 투자자가 특정 자산을 보유함으로 가지는 결과와 같은 기간 동안 대체 자산에 투자하여 얻을 수 있었던 잠재적 부의 수준의 차이를 이용하여 후회변수를 정의한다. 개별 자산의 투자수익률과 같은 기간 동안 얻을 수 있었던 가장 높은 수익률의 차이가 큰 자산일수록 더 큰 후회를 가진다. 이들은 주의편향(attention bias)과 친숙성편향(familiarity biase)에 관한 연구를 기반으로, 투자자가 보유한 자산과 동종 산업에 있는 자산의 수익률 간의 차이를 이용하여 투자자의 후회변수를 정의한다. Arisoy et al.(2024)는 미국 주식시장을 표본으로 하여 후회가 큰 자산에 대한 투자자의 후회회피 편향과 후회가 작은 자산에 대한 투자자의 선호에 의해 후회변수와 미래 주식수익률 간에 유의한 양의 관계가 존재함을 보인다.

본 연구는 Arisoy et al.(2024)가 제시한 후회변수를 기반으로 국내 주식시장에서 투자자의 후회회피 편향과 후회프리미엄이 존재하는지 여부를 조사한다. 이는 국내 주식시장에서 후회회피 편향에 대한 실증분석을 한 연구라는 점에서 관련 분야에 시사점을 준다. 또한, 미국 주식시장 전체에서 투자자의 후회회피 편향을 조사한 선행연구를 발전시켜, 시장 상태와 시장 동태에 따라 투자자의 후회회피 편향과 후회프리미엄이 변화할 수 있음에 초점을 맞추었다는 차별성을 가진다. 본 연구의 연구목표는 다음과 같다. 첫째, Arisoy et al.(2024)가 제시한 후회변수를 기반으로 국내 주식시장에서 후회프리미엄이 존재하는 여부를 조사한다. 둘째, 개인투자자의 거래비중을 고려하여 후회프리미엄과 개인투자자의 거래 간의 관계를 조사한다. 행동재무학에 따르면, 주식시장에서 비합리적인 행동의 주된 주체는 개인투자자이다. 국내 주식시장에서 개인투자자의 거래비중이 높으며, 투자자의 비합리적인 행동이 자산가격결정에 유의한 영향을 미친다는 선행연구들이 존재한다. 우리는 국내 주식시장에서 투자자의 후회회피 편향이 존재하는지 여부와 개인투자자가 높은 거래비중을 차지하는 자산에서 후회프리미엄이 뚜렷하게 발생하는지 여부를 확인한다. 셋째, 디스포지션 효과와 심리적 가격장벽과 같은 투자자의 비합리적인 행동이 후회변수와 밀접하게 연관되어 있는지 확인한다. 디스포지션 효과에 따르면 투자자가 준거점을 기준으로 이익의 영역에서는 위험회피적 성향을 가지며, 손실의 영역에서는 위험선호적 성향을 가진다. 이처럼 투자자는 손실을 회피하려는 경향이 있다. 또한, 과거 52주 최고가와 같은 숫자는 심리적 가격장벽으로 작용하여 투자자의 매수 또는 매도 수요와 같은 거래행태에 영향을 미친다. 우리는 투자자의 거래행태와 연관되어 있는 행동재무학적 요인과 후회프리미엄의 관계를 조사한다. 넷째, 시장 상태와 시장 동태를 고려하여 투자자의 후회회피 편향을 면밀히 조사한다. 투자자가 후회가 큰 자산을 보유함으로써 요구하는 보상인 후회프리미엄이 시장 상태 및 동태에 따라 변화하는지 여부를 조사한다. 다섯째, 누적수익률을 이용한 후회변수와 산업군 효과를 고려한 단기수익률반전을 이용하여 후회변수에 대한 강건성 검정을 진행한다. 더 나아가, 한국 주식시장의성숙도와 금융위기를 고려하여 하위기간을 분류하고, 하위기간에 따라 후회회피 편향의 영향력이 변화하는지 여부를 확인한다.

본 연구의 결과는 다음과 같다. 첫째, 국내 주식시장에서 Arisoy et al.(2024)의 후회변수와 주식수익률 간의 관계를 조사한 결과, 투자자의 후회회피 편향으로 인해 후회가 큰 자산을 보유할 때 더 높은 보상인 후회프리미엄을 요구하는 현상이 발생한다. 이러한 결과는 후회회피 투자자로 인해 후회가 큰 자산이 더 높은 미래 수익률을 가진다는 Arisoy et al.(2024)의 결과와 일관된다. 후회변수와 주식수익률 간의 유의한 양의 관계는 기업특성변수를 통제하여도 유지된다. Fama and Macbeth(1973) 횡단면 회귀분석 결과, 후회변수의 회귀계수는 유의한 양의 값을 가지며, 통제변수를 고려하여도 주식수익률에 대한 예측력이 유지된다. 위와 같은 결과는 국내 주식시장을 표본으로 후회프리미엄의 존재 여부를 조사하였다는 시사점을 가진다. 둘째, 후회프리미엄과 개인투자자의 거래비중 간의 관계를 조사한 결과, 개인투자자의 거래비중이 높은 자산에서 후회프리미엄이 더욱 강하게 발생한다. 특히, 개인투자자의 거래비중이 가장 높은 자산 중 후회가 작은 자산은 음의 수익률을 가지며 후회가 큰 자산은 양의 수익률을 가진다. 극단적인 후회 포트폴리오의 수익률 차이는 월 2.5054%로 크고 유의한 양의 값을 가진다. 이는 국내 주식시장에서 개인투자자가 비합리적인 행동의 주된 주체임을 확인하고, 개인투자자로 인해 후회프리미엄이 주식시장에 유의한 영향을 미침을 확인한다. 셋째, 디스포지션 효과와 심리적 가격장벽과 같은 투자자의 비합리적인 행동과 후회변수 간의 관계를 조사하여 추가적인 실증결과를 제시한다. 디스포지션 효과를 고려한 결과, 미실현 자본손실과 미실현 자본이익의 영역에서 후회 프리미엄은 유의한 양의 값을 가지지만, 미실현 자본손실의 영역에서 투자자의 후회회피 편향이 더욱 강하게 발생한다. 심리적 가격장벽을 고려한 결과, 자산 가격이 과거 52주 최고가보다 낮을수록 투자자의 후회프리미엄이 강해진다. 투자자의 거래행태에 영향을 미치는 요인을 고려하여도 주식수익률에 대한 후회변수의 유의한 영향력이 유지됨을 보인다. 넷째, 시장 상태와 시장 동태를 고려하여 투자자의 후회회피 편향이 강해지는 시기를 조사한다. 시장 상태는 상승시장과 하락시장으로 나누어 분석한 결과, 하락시장에서 단기수익률반전의 영향력이 더욱 강해져 후회변수의 예측력이 낮아지지만 상승시장과 하락시장에서 주식수익률에 대한 후회변수의 예측력은 모두 유의한 양의 값을 가진다. 시장 동태는 과거 시장 상태와 동시간대 시장 상태를 각각 상승시장과 하락시장으로 나누어 4가지(2*2) 동태를 기반으로 분석한다. 결과에 따르면 과거 시장이 상승(하락)시장이고 동시간대 시장이 상승시장일 경우 후회프리미엄이 발생한다. 투자자의 후회가 스스로의 투자성과가 아닌 다른 투자 선택지의 성과와 자신의 투자성과를 비교함으로 발생되는 것과 같이, 시장이 상승시장으로 유지되거나 또는 하락시장에서 상승시장으로 전환되는 국면에 후회가 큰 자산에 대해 더 높은 프리미엄을 요구한다는 사실을 확인한다. 다섯째, 누적수익률을 이용한 후회변수와 산업군 효과를 고려한 단기수익률반전을 고려하여도 후회변수가 주식수익률에 유의한 양의 영향력을 미치며, 국내 주식시장에 후회프리미엄이 존재함을 확인한다. 또한, 국내 주식시장의 성숙도와 금융위기를 고려하여 하위기간을 나눈 경우에도 후회프리미엄의 영향력이 강건함을 확인한다.

본 연구는 Arisoy et al.(2024)의 연구를 기반으로 투자자의 비합리적인 행동인 후회와 주식수익률 간의 관계를 조사한다. 국내 주식시장에서 투자자가 후회를 회피하는 현상이 발생하는지 여부와 후회가 큰 자산에 대한 후회프리미엄의 존재 여부를 조사한다. 투자자는 후회가 큰 자산을 보유하기 꺼려하며, 해당 자산을 자신의 투자 포트폴리오에 포함한 경우 더 높은 보상인 후회프리미엄을 요구한다. 반면, 후회가 작은 자산을 보유하는 것을 선호하며, 상대적으로 낮은 수익률을 수용한다. 실증분석 결과에 따르면 국내 주식시장에서는 후회변수와 주식수익률 간에 유의한 양의 관계가 포착되며, 후회는 투자자의 거래행태에 영향을 미친다. 본 연구는 행동재무학적 관점에서 개인투자자의 거래비중과 디스포지션 효과, 심리적 가격장벽을 함께 고려하여 투자자의 후회회피 편향을 조사한다는 점에서 관련분야에 기여한다. 더 나아가, 시장 상태와 시장 동태를 고려하여 투자자가 스스로의 투자성과에 초점을 맞출 뿐 아니라 시장의 흐름과 다른 투자자의 투자성과에 의해 후회회피 성향이 변화한다는 실증적인 결과를 제시한다. 이러한 결과는 후회회피 편향에 관한 연구가 충분하지 않은 국내 주식시장에서 후회회피 편향에 대한 실증분석을 하였다는 시사점을 가진다. 또한, Arisoy et al.(2024)의 연구를 국내 주식시장에 적용하였으며, 개인투자자의 거래행태를 나타내 관련분야에 기여한다. 특히, 미국 주식시장 전체에서 후회프리미엄의 영향을 조사한 Arisoy et al.(2024)의 연구를 발전시켜, 시장 상태와 시장 동태에 따라 투자자의 후회회피 편향과 후회프리미엄의 영향이 변화함을 보인다. 이러한 결과는 투자자의 효용은 최종의 부에 따라 도출되며, 효용극대화를 추구한다는 전통적 재무학에 반하는 결과이다. 투자자는 스스로의 투자결정과 투자결과 뿐 아니라, 시장의 상태와 시장 동태, 산업군의 수익률, 이와 다른 투자자들의 투자성과에 따라 효용이 변화할 수 있음을 제시하여 관련분야에 시사점을 준다.

본 논문의 구성은 다음과 같다. 제 2장에서는 본 연구에 사용되는 자료와 변수를 나타내고, 제 3장은 후회변수와 기대수익률간의 관계에 대한 분석을 제시한다. 제 4장은 투자자의 거래행태와 관련된 관한 추가적인 분석이며, 제 5장은 시장 상태와 시장 동태를 고려한 분석이다. 제 6장은 강건성 검정이며, 제 7장은 결론이다.

2. 자료 및 변수

2.1 자료

본 연구에서는 표본은 국내 주식시장인 유가증권시장과 코스닥 시장에 상장된 보통주이며, 관련 자료는 Fn Guide에서 추출한다. 표본기간은 1987년 1월부터 2023년 12월까지다. 표본은 444개월이며, 월평균 990개의 기업이 표본에 포함된다.

2.2 변수

2.2.1 후회변수

우리는 Arisoy et al.(2024)의 연구에서 제시한 후회변수를 이용한다. Quiggin(1994)는 쌍대선택(pairwise choices)을 위해 정의된 기존의 목적함수를 투자자가 다양한 투자선택지 중에서 선택할 수 있는 일반적인 선택지로 확장한다. 식 (1)은 Quiggin(1994)에 의해 수정된 투자자의 선택에 따른 효용을 나타낸다.

(1)u(xi)=v(xi)+f(v(xi)−maxj[v(xj)])

식 (1)에서 max_j [v(x_j)]는 주어진 선택지 중 얻을 수 있는 최선의 성과를 나타낸다. v(x_i )는 각 선택지의 가치함수이다. 두 가치함수의 차이인 v(x_i)-max_j [v(x_j)]는 양수가 될 수 없는 후회변수가 된다. Arisoy et al.(2024)는 Quiggin(1994)의 연구에서 제시한 식 (1)을 기반으로 주식투자로 인해 얻은 현재의 부와 대체 주식 투자를 통해 얻을 수 있었던 가장 높은 부의 수준과 비교하여 주식투자자의 후회변수를 도출한다.

(2)u(Wi,t)=v(Wi,t)+f(v(Wi,t)−maxj[v(wi,t)])

(3)u(Wi,t)=v(Wi,t−1(1+Ri,t))+f(v(Wi,t−1(1+Ri,t))−maxj[v(wi,t−1(1+Ri,t))])

W_i,t 는 t월 말의 투자자가 위험자산 i에 투자하여 얻는 부를 나타내며, max_j[v(W_i,t)]는 동일한 월에 투자자가 다른 투자선택 j=1, … ,n를 선택함으로 얻을 수 있었던 최선의 부를 의미한다. v(W_i,t)-max_j [v(W_i,t)]는 양수가 될 수 없는 후회 변수이며, 같은 기간 동안 얻을 수 있었던 최선의 부를 얻지 못해 발생하는 후회의 정도를 나타낸다. 식 (2)에서 투자자의 현재 부(W_i,t)는 식(3)의 이전 기간 주식수익률(R_i,t)을 일대일로 매핑한 것이다. 따라서, 수정된 식 (3)의 효용함수는 투자자가 다음 기간의 부(W_i,t)를 정의하는 수익률(R_i,t) 뿐만 아니라 같은 기간 동안 얻을 수 있었던 가장 높은 부 수준에 도달하지 못한 것에 대한 후회(max_j[v(W_i,t)])를 정의하는 다른 선택지에서 얻을 수 있었던 가장 높은 수익률(max_j [R_i,t])에도 관심을 가진다는 것을 의미한다.

식 (3)는 투자자가 선택한 주식의 수익률과 같은 기간 동안 대체 투자로 얻을 수 있었던 최대 수익률의 차이가 클수록 후회회피 투자자의 후회는 더 크고 부정적이라는 것을 시사한다. 따라서 Arisoy et al.(2024)의 연구에서는 식 (4)를 투자자들의 후회로 정의한다.

투자자의 주의(attention)에 관한 연구에 따르면 투자자가 정보를 동시에 처리할 수 없고, 투자 결정을 내리는 동안 제한된 수의 주식에 집중하는 경향이 있다. 또한, 친숙성 편향(familiarity bias)에 따르면 투자자는 자신에게 익숙한 주식에 투자하는 경향이 있다. Arisoy et al.(2024)의 연구에서는 위의 두 개념을 기반으로 주식 i와 동일한 산업에 속한 자산 중 최대 수익률을 대체 투자로 얻을 수 있는 최고 수익률로 정의한다. 본 연구에서는 Arisoy et al.(2024)의 연구에 따라 10차개정한국표분산업분류를 이용하여 산업을 분류하고, 10차개정한국표분산업분류 중 소분류를 이용하여 대체 투자 수익률을 도출한다. 식 (4)에서 도출한 REG는 항상 음의 값을 가지므로, 본 연구에서는 주요 분석을 수행할 때 더 높은 REG 값에 더 높은 수준의 후회를 나타낼 수 있도록 -1를 곱하여 분석한다.

(4)REGi,t=Ri,t−maxj[R(j,t)]

식 (4)를 이해하기 위해 예시로 설명하자면, 주식 A와 주식 B의 수익률이 각각 t월에 5%와 20%이고, t월에 동일한 한국표분산업분류 중 소분류에 속한 주식 전체에서 얻을 수 있었던 최대 수익률이 30%라고 가정하자. 주식 A와 주식 B의 후회 측정값은 식 (4)에 의해 각각 REG_A =-0.25, REG_B =-0.10로 도출된다. 두 주식 중 주식 A는 동일한 산업에 속한 대체 투자에서 얻을 수 있었던 최대 수익률과의 수익률 차이가 더 크기 때문에 투자자는 주식 A에 투자함으로 더 큰 후회를 가진다. 투자자는 주식 A를 투자 포트폴리오에 보유하는 것을 기피하며 해당 자산에 대해 기대 수익의 형태로 추가적인 보상을 요구한다. 반면, 투자자는 상대적으로 작은 후회를 가지는 주식 B를 보유하는 것을 선호하고, 주식 B의 상대적으로 낮은 미래 수익률을 수용한다. 따라서 높은 후회를 가진 주식 A의 미래수익률은 낮은 후회를 가진 주식 B의 미래수익률보다 더 높을 것으로 예상된다. 본 연구에서는 후회가 큰 자산에 대한 투자자의 회피와 후회가 작은 자산에 대한 투자자의 선호를 기반으로 후회와 미래수익률 간의 양의 관계를 기대한다.

2.2.2 통제변수

본 연구에서는 선행연구에서 주식수익률에 영향을 미치는 것으로 나타난 기업고유 특성을 통제변수로 사용한다. Fama and French(1992, 1993)에 따라 기업규모와 장부가치대시장가치를 도출한다. 기업가치(SIZE)는 각 주식의 시가총액에 자연로그값이며, 장부가치대시장가치 (BTM)는 매월 말 장부가치를 시장가치로 나눈 값이다. 시장베타(BETA)는 과거 3개월 개별자산의 수익률과 시장포트폴리오 수익률 간의 회귀분석으로 도출된다. 모멘텀(MOM)은 Jegadeesh and Titman(1993)에 따라 가장 최근 1개월 수익률을 제외한 과거12개월의 누적수익률이다. Jegadeesh and Titman(1993)은 모멘텀과 주식수익률 간의 양의 관계를 나타내었으나, Chae and Eom(2009)와 Eom(2013)는 한국 주식시장에서 모멘텀이 존재하지 않는다고 주장한다. 단기수익률반전(REV)은 Jegadeesh(1990)에 따라 1개월 전 수익률로 정의되며, Eom et al.(2022)는 한국 주식시장에서 단기수익률반전의 영향이 존재함을 보인다. 비유동성 측정치(ILLIQ)는 Amihud(2002)의 연구에 따라 매월 말 일별 수익률의 절대값을 거래대금으로 나눈 값을 합산하여 도출한다. Kang and Jeong(2018)에 따르면, 한국 주식시장에서 비유동성 측정치와 주식수익률 간에 유의한 양의 관계가 존재한다. 고유변동성(IVOL)은 Ang et al.(2006)에 기반하여 매 월 개별자산의 일별수익률과 시장 포트폴리오의 수익률의 회귀분석에서 도출된 잔차의 표준편차로 도출된다. Eom et al.(2014)은 한국 주식시장에서 고유변동성 퍼즐이 존재함을 보인다. 복권성향주식(MAX)는Bali et al.(2011)에 따라 매월 개별자산의 일별 수익률 중 최고값으로 도출한다. Kang and Sim(2014)과 Kim and Ohk(2020)는 한국 주식시장에서 복권성향주식의 영향을 확인한 결과, 주식수익률에 유의한 음의 영향력을 미침을 나타낸다.

3. 후회변수와 기대수익률 간의 관계에 대한 분석

본 연구는 국내 주식시장에서 후회변수와 기대수익률의 횡단면적 관계를 조사한다. 첫째, 단변량 포트폴리오 분석을 통해 후회변수가 기대수익률에 미치는 영향력을 확인한다. 둘째, 기업특성변수와 후회변수의 관계를 확인한다. 셋째, 다변량 포트폴리오 분석을 통하여 통제변수를 고려하여 후회변수와 주식수익률의 관계를 재확인한다. 넷째, Fama and Macbeth 횡단면 회귀분석을 이용하여 미래수익률에 대한 후회변수의 예측력을 조사한다. 다섯째, 개인투자자의 거래비중을 고려하여 주식수익률과 후회변수의 관계를 분석한다.

3.1 후회변수를 이용한 단변량 포트폴리오 분석

우리는 단변량 포트폴리오 분석을 통해 후회변수와 기대수익률의 관계를 분석한다. 1987년 1월부터 2023년 12월까지 매월 말 후회변수를 기반으로 5개의 포트폴리오를 나눈다. 각 후회변수 포트폴리오에 속한 자산의 1개월 미래수익률을 동일가중평균과 가치가중평균으로 나타낸다.

표 1은 후회변수를 기반으로 도출한 5분위수 포트폴리오 분석의 결과이다. 표 1의 각 열은 1개월 미래수익률의 단순가중평균(EW), 가치가중평균(VW)과 CAPM, FF3 모델로 도출된 위험조정수익률(절편)이다. 각 행은 REG가 가장 낮은 포트폴리오인 Low 1 부터 REG가 가장 높은 포트폴리오인 High 5를 나타내고, 마지막 행 5-1은 High 5 포트폴리오와 Low 1 포트폴리오 수익률의 차이이다. 괄호 안의 값은 Newey and West (1987)로 도출된 t 통계량이다. Newey and West (1987)의 t 통계량에 사용되는 시차는 경험칙에 따라 식 (5)와 같이 도출된다. L은 시차를 의미하며, int는 숫자를 가장 가까운 정수로 내림하는 함수이다. T는 시계열 개수다. 본 연구에서 사용하는 표본은 444개월이므로, 시차는 4이다.

<표 1>

REG 포트폴리오의 수익률

매월 말 REG를 기준으로 나눈 5개 포트폴리오의 수익률이다. EW는 동일가중평균을 나타내며, VW는 가치가중 평균을 나타낸다. CAPM과 FF3는 각각 자산가격결정모형과 Fama and French(1992, 1993)으로 위험을 조정한 수익률이다. 수익률은 퍼센트 단위이고, 괄호 안의 숫자는 Newey-West(1987)의 t-통계량(시차=4)이다. 표본은 1987년 1월부터 2023년 12월까지 유가증권시장과 코스닥시장에 상장된 보통주이다. *, **, ***는 10%, 5%, 1% 수준의 유의성을 나타낸다.

(5)L=int(0.75*T13)−1

표 1에 따르면, Low 1의 포트폴리오 수익률은 0.2018%와 0.1239%이며, REG가 증가함에 따라 수익률이 점차 상승한다. High 5의 포트폴리오 수익률은 1.8513%와 1.7163%로 Low 1 포트폴리오의 수익률에 비하여 상대적으로 높은 미래수익률을 가진다. 5-1 포트폴리오의 수익률 차이는 1.6495%와 1.5924%로 유의한 양의 값이다. 단순가중평균과 가치가중평균의 수익률은 유사한 값을 가진다.

CAPM 모델로 도출된 위험조정 수익률의 경우 REG가 높아짐에 따라 단순가중평균의 경우 0.0012%에서 1.7257%로, 가치가중평균의 경우 -0.0613%에서 1.6153%로 수익률이 점차 증가하는 경향을 가진다. High 5와 Low 1의 차이는 1.7245%와 1.6766%로 유의한 양의 값이다. FF3 모델로 도출된 위험조정 수익률도 이와 유사하다. REG가 높아짐에 따라 포트폴리오 수익률은 단순가중평균(가치가중평균)의 경우 0.2121%(0.1604%)에서 1.9548%(1.8484%)로 점차 증가하며 High 5와 Low 1의 차이는 1.7427%(1.6680%)로 유의한 양의 값이다.

표 1에 따르면, High 5의 수익률은 모두 높은 양의 값이다. 후회회피 투자자는 REG가 높은 자산을 기피하며, 해당 자산을 보유하는데 대한 보상인 후회프리미엄을 요구한다. 표 1의 결과는 국내 주식시장에서 후회회피 투자자가 같은 기간 동안 동일 산업군 내에서 얻을 수 있는 최고 수익률과의 차이가 큰 자산에 후회를 가지며, 후회가 큰 자산을 기피하여 해당 자산을 보유하는데 높은 수익률을 요구함을 의미한다. 투자자는 자신이 선택한 주식 투자의 결과로 현재의 수익률과 대신 얻을 수 있었던 대체 투자의 최대 수익률을 비교하며, REG가 높은 자산을 자신의 포트폴리오에 보유할 때 투자자의 효용이 감소하므로 더 높은 기대수익률을 보상으로 요구한다.

3.2 기업특성변수와 후회변수 간의 관계

본 절에서는 선행연구에 따라 주식수익률에 유의한 영향을 미치는 기업특성변수를 통제하여 본 연구의 결과를 재확인한다. REG가 높은 자산이 REG가 낮은 자산에 비해 상대적으로 높은 미래 수익률을 가지는 것을 이해하기 위해서는 REG가 높은 자산과 낮은 자산의 특성을 이해하는 것이 필수적이다.

표 2는 REG를 기반으로 구성한 5분위수 포트폴리오의 각 기업특성변수의 평균값을 나타낸다. 각 행은 매월 말 후회변수를 기반으로 도출한 5개의 포트폴리오의 기업특성변수 평균값을 나타낸다. 5-1은 REG가 가장 높은 포트폴리오에서 REG가 가장 낮은 포트폴리오의 기업특성변수 값을 감한 값이다.

<표 2>

REG 포트폴리오의 기업특성변수

매월 말 REG를 기준으로 나눈 5개 포트폴리오의 평균 기업특성변수다. REG는 후회변수, REV는 단기수익률반전, BETA는 시장베타이다. SIZE와BTM는 기업규모와 장부가치대시장가치이며, MOM은 모멘텀이다. ILLIQ는 비유동성 측정치이며, IVOL은 고유변동성, MAX는 복권성향주식을 나타낸다. 괄호 안의 숫자는 Newey-West(1987)의 t-통계량(시차=4)이다. 표본은 1987년 1월부터 2023년 12월까지 유가증권시장과 코스닥시장에 상장된 보통주이다. *, **, ***는10%, 5%, 1% 수준의 유의성을 나타낸다.

후회변수(REG)의 경우 0.0265에서 0.8156로 점차 증가하며, 모든 값은 양수로 표시된다. 높은 REG는 같은 기간 얻을 수 있던 대체 투자의 최고 수익률과 해당 자산의 수익률의 차이가 커서 투자자의 후회가 큼을 의미한다. 단기수익률반전(REV)의 경우 REG가 증가함에 따라 0.1437에서 -0.0418로 점차 하락하는 패턴을 가진다. 그 차이는 -0.1855으로 유의한 음의 값이다. REG가 높은 자산은 동일 산업에 속한 자산에 비하여 상대적으로 낮은 수익률을 가진다. 1개월 전 수익률이 낮을수록 높은 미래 수익률을 가지는 단기수익률반전과 REG가 주식수익률에 미치는 영향이 유사하다. 시장베타(BETA)의 경우 REG가 증가함에 따라 점차 상승하는 경향이 있으나 그 차이는 유의하지 않다. 기업규모(SIZE)의 경우, REG 포트폴리오에 따라 11.3788에서 11.0860로 점차 하락하고, 그 차이는 -0.2928로 유의한 음의 값이다. Fama and French(1992)는 기업규모가 작은 기업이 높은 평균수익률을 가진다는 규모효과(size effect)를 나타낸다. 표 2의 결과는 REG가 높은 자산일수록 낮은 기업규모를 가지며 상대적으로 높은 기대수익률을 가진다는 점에서 선행연구와 일관된다. 장부가치대시장가치(BTM)는 REG가 증가함에 따라 0.3476에서 0.3010으로 점차 하락하며, 그 차이는 -0.0466으로 유의한 음의 값이다. Fama and French(1992)와 같이, 장부가치대시장가치가 낮은 자산이 상대적으로 높은 평균수익률을 가지는 가치효과(value effect)와 일관된다. 모멘텀(MOM)은 REG의 증가에 따라 0.2069에서 0.2513로 증가하는 경향을 가진다. REG가 높은 자산일수록 모멘텀이 높게 발생하며, 상대적으로 높은 수익률을 가져 선행연구와 일관성을 가진다. 비유동성 측정치(ILLIQ)의 경우, REG가 높은 자산일수록 상대적으로 높은 비유동성을 가진다. 비유동성이 높은 자산이 높은 미래수익률을 가진다는 Amihud(2002)의 주장과 일관된다. Ang et al.(2006)과 Bali et al.(2011)은 고유변동성(IVOL)과 복권성향 주식(MAX)이 주식수익률에 유의한 음의 영향력을 가진다고 주장한다. REG과 고유변동성(복권성향주식) 간의 음의 관계는 REG가 높은 자산일수록 낮은 고유변동성(복권성향주식)을 가지며, 고유변동성(복권성향주식)은 주식수익률과 유의한 음의 관계를 가져 선행연구와 일관된다.

종합하면, REG가 낮은 자산에 비하여 REG가 높은 자산은 낮은 1개월 전 수익률, 낮은 기업규모, 낮은 장부가치대시장가치, 높은 모멘텀, 높은 비유동성, 낮은 고유변동성, 낮은 복권성향주식을 가진다. 선행연구들의 결과와 표 2의 결과를 고려하면, 주식수익률 예측변수가 REG와 주식수익률 간의 유의한 양의 관계에 면밀히 연결되어 있다. 우리는 다변량 포트폴리오와 Fama and Macbeth 횡단면 회귀분석을 통해 기업특성변수를 통제하여 후회변수의 예측력을 검정한다.

3.3 통제변수를 고려한 다변량 포트폴리오 분석

본 절에서는 기업특성변수를 이용한 다변량 포트폴리오 분석을 통해 주식수익률에 대한 후회변수의 예측력을 확인한다. 매월 말 기업특성변수를 기반으로 5개의 포트폴리오를 나누고, 각 기업특성변수 포트폴리오 내에서 REG를 기반으로 5개의 포트폴리오를 구성한다. 총 25개(5*5) 포트폴리오 중 REG로 분류된 포트폴리오의 수익률을 가치가중방식으로 평균을 도출한다. 다변량 포트폴리오 분석은 기업특성변수를 통제한 이후에도 후회프리미엄이 존재하는지 확인한다. 표 1에서 제시한 바와 같이 동일가중평균과 가치가중평균의 결과가 유사하므로, 다변량 포트폴리오 분석 결과는 가치가중평균으로 나타낸다.

표 3은 각 REG 포트폴리오의 가치가중평균 수익률을 나타낸다. 각 열은 기업통제변수 포트폴리오에 걸친 REG 포트폴리오의 평균수익률이다. 5-1은 High 5와 Low 1의 수익률 차이다. CAPM과 FF3은 CAPM과 Fama and French 3요인 모델로 도출한 위험조정수익률이다. 표 3에 따르면, 각 기업특성변수로 통제된 5-1 포트폴리오 수익률은 0.8366%에서 1.4244%로 유의한 양의 값이다. 위험조정수익률의 차이는 CAPM의 경우 0.8155%에서 1.5385%이며, FF3의 경우 0.7872%에서 1.5773%로 모두 유의한 양의 값이다. 표 3의 결과에 따르면 후회프리미엄의 잠재적 요인이 될 수 있는 단기수익률반전, 기업규모, 장부가치대시장가치, 모멘텀, 비유동성 측정치, 고유변동성, 복권성향주식을 통제하여도 REG와 미래 수익률 간의 유의한 양의 관계가 존재한다.

<표 3>

REG와 기업특성변수의 다변량 포트폴리오

매월 말 기업특성변수를 기준으로 나눈 5개 포트폴리오를 나누고, 각 기업특성변수 포트폴리오 내에서 REG를 기준으로 5개의 포트폴리오를 나눈다. 25(5*5)개의 포트폴리오 중 각 REG 포트폴리오에 속한자산의 가치가중 평균 수익률을 도출한다. CAPM과 FF3는 각각 자산가격결정모형과 Fama and French(1992, 1993)으로 위험을 조정한 수익률이다. 기업특성변수는 단기수익률반전(REV), 시장베타(BETA), 기업규모(SIZE), 장부가치대시장가치(BTM), 모멘텀(MOM), 비유동성 측정치(ILLIQ), 고유변동성(IVOL), 복권성형주식(MAX)이다. 수익률은 퍼센트 단위이고, 괄호 안의 숫자는 Newey-West(1987)의 t-통계량(시차=4)이다. 표본은 1987년 1월부터 2023년 12월까지 유가증권시장과 코스닥시장에 상장된 보통주이다. *, **, ***는 10%, 5%, 1% 수준의 유의성을 나타낸다.

3.4 Fama and Macbeth 횡단면 회귀분석

우리는 단변량 포트폴리오 분석과 다변량 포트폴리오 분석을 통해 국내 주식시장에 후회 프리미엄이 존재함을 확인하였다. 본 절에서는 Fama and Macbeth(1973)의 횡단면 회귀분석을 통해 개별자산 수준에서 후회회피 프리미엄이 존재하는지 여부를 재확인한다. 횡단면 회귀분석의 종속변수는 1개월 미래 수익률이며, 독립변수는 후회변수(REG)와 기업특성변수인 기업규모 (SIZE), 장부가치대시장가치(BTM), 시장베타(BETA), 단기수익률반전(REV), 모멘텀(MOM), 비유동성 측정치(ILLIQ), 고유변동성(IVOL), 복권성향주식(MAX)이다.

표 4와 표 5는 횡단면 회귀분석으로 도출된 회귀계수의 시계열 평균을 나타낸다. 표 4는 단기수익률반전(REV)를 제외한 결과이며, 표 5는 단기수익률반전(REV)을 포함한 결과이다. 표 3에 따르면, 단기수익률반전(REV)을 통제한 이후 REG 포트폴리오에 따른 수익률 변화가 가장 낮게 나타나며, 단기수익률반전과 후회회피가 기대수익률에 미치는 영향력이 중첩되어 있을 가능성이 존재하여 표 4와 표 5로 분리하여 결과를 나타낸다.

<표 4>

Fama and Macbeth(1973)의 횡단면 회귀분석

이 표는 1개월 미래수익률을 종속변수로 취하고, REG와 기업특성변수를 독립변수로 취하여 Fama and Macbeth(1973) 회귀분석한 결과이다. 각 회귀계수는 월별 횡단면 회귀분석으로 도출된 절편과 회귀계수의시계열 평균값이다. 괄호 안의 숫자는 Newey-West(1987)의 t-통계량(시차=4)이다. 표본은 1987년 1월부터 2023년 12월까지 유가증권시장과 코스닥시장에 상장된 보통주이다. *, **, ***는 10%, 5%, 1% 수준의 유의성을 나타낸다.

<표 5>

REV를 통제한 Fama and Macbeth(1973)의 횡단면 회귀분석

이 표는 1개월 미래수익률을 종속변수로 취하고, REG와 기업특성변수를 독립변수로 취하여 Fama and Macbeth(1973) 회귀분석한 결과이다. 단기수익률반전을 독립변수로 추가한다. 각 회귀계수는 월별 횡단면 회귀분석으로 도출된 절편과 회귀계수의 시계열 평균값이다. 괄호 안의 숫자는 Newey-West(1987)의 t-통계량(시차=4)이다. 표본은 1987년 1월부터 2023년 12월까지 유가증권시장과 코스닥시장에 상장된 보통주이다. *, **, ***는 10%, 5%, 1% 수준의 유의성을 나타낸다.

표 4의 모델 (1)에 따르면, REG의 회귀계수는 0.0269이며, t-통계량은 6.7130로 유의한 양의 값이다. 모델 (1)의 결과는 후회변수가 주식수익률에 유의한 양의 영향을 미친다는 표 1의 결과와 일관된다. 모델 (2)부터 모델 (5)의 결과는 후회변수와 주식수익률 간의 유의한 양의 관계를 재확인한다. 모델 (2)는 Fama and French(1992, 1993)에 따라 시장베타(BETA), 기업규모(SIZE), 장부가치대시장가치(BTM)를 통제한 결과이다. 모델 (3)은 Jegadeesh and Titman(1993)과 Carhart(1997)의 연구에 따라 Fama and French 3요인 모델에 모멘텀(MOM)을 추가하여 통제한 결과이다. 모델(4)는 Amihud(2002)의 비유동성 측정치(ILLIQ)를 추가하고, 모델 (5)은 Ang et al.(2006)의 고유변동성(IVOL)과 Bali et al.(2011)의 복권성향주식(MAX)을 추가하여 통제한 결과이다. 모델 (1)부터 모델 (5)에 걸쳐 REG의 회귀계수는 0.0269에서 0.0280으로 유의한 양의 값을 가진다.

표 5는 표 4의 결과에 단기수익률반전(REV)을 통제변수로 추가한 결과이다. 표 5의 모델 (1)에 따르면, REG의 회귀계수는 표 4에 비해 상대적으로 낮지만 0.0122(2.9608)로 여전히 유의한 양의 값이다. 단기수익률반전(REV)의 회귀계수는 -0.0398(-4.2386)로 유의한 음의 값이다. 모델 (1)의 결과는 REG가 주식수익률에 유의한 양의 영향을 미치며 단기수익률반전이 고려되어도 후회프리미엄이 존재한다는 표 3의 결과와 일관된다. 모델 (2)부터 모델 (5)의 결과는 Fama and French(1992, 1993), Jegadeesh and Titman(1993), Carhart(1997), Amihud(2002), Ang et al.(2006)과 Bali et al.(2011)의 연구에 따라 기업특성변수를 통제변수로 추가한 결과이다. 표 5의 결과에 따르면 모델 (1)부터 모델 (5)에 따르면 REG의 회귀계수는 0.0107에서 0.0123으로 유의한 양의 값을 가진다. 국내 주식시장에서 후회프리미엄이 존재하며, REG가 주식수익률에 유의한 예측력을 가진다. REG는 기업특성변수를 통제하여도 주식수익률에 유의한 영향력을 가진다.

모델 (6)은 기업특성요인을 이용한 횡단면 회귀분석이다. 모델 (6)의 결과는 한국 주식시장을 대상으로 주식수익률에 대한 기업특성요인의 예측력을 분석한 선행연구들과 유사한 결과를 가진다. Eom et al.(2022)의 연구결과와 일관되게, 단기수익률반전(REV)의 회귀계수는 -0.0485로 유의한 음의 값이며, 기업규모(SIZE)의 회귀계수는 -0.0047으로 유의한 음의 값이다. 시장베타 (BETA)과 장부가치대시장가치(BTM)는 주식수익률에 유의한 예측력을 가지지 않는다. 모멘텀(MOM)의 회귀계수는 -0.0006으로 유의하지 않으며, 이는 한국 주식시장에서 전체 표본기간 동안 모멘텀이 존재하지 않는다는 Chae and Eom(2009)와 Eom(2013)의 결과와 일관된다. 비유동성 측정치(ILLIQ)의 회귀계수는 0.0410으로 유의한 양의 값이며, 한국 주식시장에서 주식수익률과 Amihud(2002)의 비유동성 측정치 간의 유의한 양의 관계가 존재한다는 Kang and Jeong(2018)의 연구와 일관된다. 고유변동성(IVOL)의 회귀계수는 -0.3993으로 유의한 음의 값이며, 한국 주식시장에서 고유변동성 퍼즐이 존재한다는 Eom et al.(2014)의 연구와 일관된다. 복권성향주식(MAX)의 회귀계수는 -0.0228으로 Kang and Sim(2014)과 Kim and Ohk(2020)의 연구와 유사하게 음의 값이지만 유의하지 않다.

3.5 개인투자자의 거래비중에 따른 REG

Kahneman and Tversky(1979)와 Barberis and Thaler(2003) 등의 행동재무학 관점의 연구에서는 개인투자자를 비이성적 투자결정의 주체로 나타낸다. Kumar(2009)와 Bali et al.(2011)등은 기관투자자에 비하여 개인투자자가 복권성향을 가진 주식을 선호하는 비합리적인 의사결정을 한다고 주장한다. Mohrschladt and Schneider(2021)과 Hur and Singh(2022)는 고유변동성과 주식수익률 간의 관계에 대해 분석하며 개인투자자의 행동에 집중한다. Barber and Odean(2008)과 Shah and Malik(2021) 등의 연구에서도 행동재무학적 관점에서 주식시장에 발생하는 이상현상에 대해 개인투자자의 역할을 강조한다. Kang and Sim(2014)는 한국 주식시장에서 복권성향주식 선호 현상을 분석하였고, 개인투자자 거래비율이 높은 주식에서 복권성향 주식선호 현상이 더욱 뚜렷하게 발생함을 나타낸다. 선행연구에 따라 개인투자자의 거래행태로 인해 주식시장에 이상현상이 발생한다면, 개인투자자의 거래비중이 높은 자산에서 후회회피 편향과 후회프리미엄이 더 두드러질 것이다. 우리는 Brandt et al.(2010)에 따라 전체 거래량 중 개인투자자의 거래량이 차지하는 비중을 개인투자자의 거래비중(RTP, retail trading proportion)으로 정의하여, 개인투자자의 거래비중에 따른 후회회피 편향을 면밀히 조사한다. Fn Guide에서 투자자별 거래량 정보는 1999년 1월부터 이용 가능하므로 개인투자자의 거래행태를 고려한 분석의 데이터는 1999년 1월부터 2023년 12월까지 국내주식시장에서 거래되는 보통주를 표본으로 한다. 표 6은 매월 말 개인투자자의 거래비중(RTP)을 기반으로 5개의 포트폴리오를 나누고, 각 RTP 포트폴리오 내에서 REG를 기준으로 5개의 포트폴리오를 나눈 25개 포트폴리오의 가치가중평균 수익률이다.

<표 6>

개인투자자의 거래비중과 REG

매월 말 개인투자자의 거래비중을 기준으로 나눈 5개 포트폴리오를 나누고, 각 기업특성변수 포트폴리오 내에서 REG를 기준으로 5개의 포트폴리오를 나눈다. 25(5*5)개의 포트폴리오에 속한 자산의 가치가중 평균 수익률을 도출한다. CAPM과 FF3는 각각 자산가격결정모형과 Fama and French(1992, 1993)으로 위험을 조정한 수익률이다. 수익률은 퍼센트 단위이고, 괄호 안의 숫자는 Newey-West(1987)의 t-통계량(시차=4)이다. 표본은 1999년 1월부터 2023년 12월까지 유가증권시장과 코스닥시장에 상장된 보통주이다. *, **, ***는 10%, 5%, 1% 수준의 유의성을 나타낸다.

표 6의 결과에 따르면, 모든 RTP 포트폴리오 내에서 REG가 증가함에 따라 포트폴리오 수익률이 증가한다. 하지만, REG 5-1 포트폴리오의 수익률은 RTP가 증가함에 따라 0.4653%에서 2.5054%로 점차 상승하는 경향이 있으며, 수익률 차이는 2.0401%로 유의한 양의 값이다. 개인투자자의 거래비중이 높은 자산에서 투자자의 후회회피 편향이 발생하며, REG가 높은 자산을 자신의 포트폴리오에 보유함으로 요구하는 후회프리미엄이 높게 발생한다. REG의 High 5 포트폴리오의 수익률은 RTP가 가장 낮은 포트폴리오에서 1.1365%, 가장 높은 포트폴리오에서 2.0136%이며 그 차이는 0.8771%로 유의한 양의 값이다. 이는 개인투자자의 거래비중이 높아짐에 따라 REG가 높은 자산에 대해 요구하는 후회프리미엄이 증가함을 의미한다. 개인투자자의 거래비중이 높을수록 후회회피 경향이 강해지며, 후회가 높은 자산에 대한 보상인 프리미엄을 요구한다. 더 나아가, REG의 Low 1 포트폴리오의 수익률은 RTP가 가장 높은 포트폴리오에서 -0.4918로 음의 값이며, 개인투자자의 거래비중이 큰 자산에서 투자자가 후회가 낮은 자산을 선호하는 현상이 뚜렷하게 나타난다.

4. 투자자의 거래행태에 관한 추가적인 분석

본 장에서는 후회변수와 투자자의 거래행태 간의 연관성을 확인하기 위해 추가적인 분석을 한다. 첫째, 미실현자본이익을 이용하여 손실의 영역에 속한 자산과 후회변수 간의 관계를 확인한다. 둘째, 투자자의 심리적 가격장벽과 후회변수 간의 관계를 조사하여 본 연구의 주장을 뒷받침한다.

4.1 미실현자본이익과 후회변수

Kahneman and Tversky(1979)의 프로스펙트 이론은 행동재무학의 기초가 되며, 투자자의 비이성적인 투자행태를 제시하였다. 프로스펙트 이론에 따르면, 투자자는 준거점(자산매수가격)을 기준으로 이익과 손실의 영역을 나눈다. 투자자는 이익의 영역에서 위험회피적 성향을 가지는 반면, 손실의 영역에서 위험선호적 성향을 가진다. 준거점에 기반하여 상반된 투자행태를 보이는 이유는 투자자가 이익의 영역에서는 미실현이익을 확정하고 싶은 것이며, 손실의 영역에서는 미실현손실을 확정 짓고 싶지 않기 때문이다. 이는 손실을 회피하고자 하는 비이성적 투자자의 행태 중 하나이다. 프로스펙트 이론의 준거점에 의해 투자자의 후회회피 성향이 발생한다면, 손실회피와 후회회피 간에는 긴밀한 관계가 존재할 수 있다. Grinblatt and Han(2005)의 미실현자본이익(capital gains overhang; CGO)을 도출하여 디스포지션 효과에 대한 실증분석을 제시하였고, Oh and Hahn (2012)는 국내 주식시장에서 거래량을 고려한 경우 미실현자본이익 (CGO)이 주식수익률에 유의한 양의 예측력을 가짐을 보였다.

본 절에서는 준거점을 기준으로 미실현 자본손실의 영역에서 후회회피 프리미엄이 강해지는지 여부를 확인한다. 손실회피와 후회회피가 연결되어 있다면, 손실의 영역에서 투자자는 더 높은 후회프리미엄을 요구할 것이며 양의 수익률로 이어지게 될 것이다. 손실회피와 후회회피 간의 관계가 존재한다면 미실현자본손실을 가지는 자산(CGO가 음의 값을 가지는 자산 또는 CGO가 낮은 자산)에 대해 투자자는 더 높은 후회프리미엄을 요구하게 될 것이다. 우리는 Grinblatt and Han(2005)의 미실현자본이익(capital gains overhang; CGO)을 이용하며 손실회피와 후회회피 간의 관계를 조사한다.

표 7은 CGO와 REG간의 다변량 포트폴리오 분석이다. 매월 말 CGO을 기준으로 5개의 포트폴리오를 나눈다. 각 미실현자본이익 포트폴리오 내에서 REG를 기준으로 5개의 포트폴리오를 나눈다. 25개(5*5) 포트폴리오에 속한 자산의 가치가중평균을 나타낸다.

<표 7>

REG와 CGO의 다변량 포트폴리오 분석

매월 말 CGO를 기준으로 나눈 5개 포트폴리오를 나누고, 각 기업특성변수 포트폴리오 내에서 REG를 기준으로 5개의 포트폴리오를 나눈다. 25(5*5)개의 포트폴리오에 속한 자산의 가치가중 평균 수익률을 도출한다. CAPM과 FF3는 각각 자산가격결정모형과 Fama and French(1992, 1993)으로 위험을 조정한 수익률이다. 수익률은 퍼센트 단위이고, 괄호 안의 숫자는 Newey-West(1987)의 t-통계량(시차=4)이다. 표본은 1987년 1월부터 2023년 12월까지 유가증권시장과 코스닥시장에 상장된 보통주이다. *, **, ***는 10%, 5%, 1% 수준의 유의성을 나타낸다.

표 7의 각 열은 CGO가 가장 낮은 포트폴리오부터 CGO가 가장 높은 포트폴리오를 나타내며, 각 행은 CGO 포트폴리오 내에서 REG가 가장 낮은 포트폴리오부터 REG가 가장 높은 포트폴리오를 나타낸다. 각 CGO 포트폴리오 내에서 REG가 증가함에 따라 포트폴리오 수익률이 증가한다. 후회프리미엄의 차이는 CGO가 증가함에 따라 1.7756%, 1.3519%, 1.4075%, 1.4753%, 0.6872%이다. 각 CGO 포트폴리오 내에서 후회프리미엄이 존재하지만 CGO가 낮은 포트폴리오에서 후회프리미엄이 가장 강하게 나타난다. 또한, 후회프리미엄의 차이는 -1.0884%로 유의한 음으로 CGO가 낮은 자산에서 후회프리미엄이 뚜렷하게 나타난다는 우리의 주장을 뒷받침한다. REG가 가장 높은 포트폴리오의 수익률은 CGO가 증가함에 따라 2.5620%에서 0.9947%로 하락하는 추세를 가지며, 차이값은 -1.5673%로 유의한 음의 값이다. 이러한 결과는 국내 주식시장에서 미실현자본손실에 속한 자산에 대한 후회프리미엄이 미실현자본이익에 속한 자산에 대한 후회프리미엄보다 유의하게 큰 값을 가진다는 것을 시사한다.

4.2 심리적가격장벽과 후회변수

행동재무학에서 제시하는 투자자의 비합리적인 행동 중 한 가지는 정박효과이다. 정박효과 (anchoring ettect)란 배가 한 지점에 닻을 내리면 닻줄범위를 벗어나지 못하듯이, 투자자가 특정 숫자 또는 기준점에 의존하는 행동을 의미한다. 주식시장에서 투자자들에게 정박효과로 작용하는 숫자는 George and Hwang(2004)가 제시한 과거 52주 최고가이다. 과거 52주 최고가는 지난 1년 해당 자산이 도달했던 최고가격을 의미하며, 투자자의 거래행태에 영향을 미친다. 이처럼 심리적 가격장벽이 투자자의 거래행태에 유의한 영향을 미친다는 선행연구가 존재한다. (Heath et al.(1999), Grinblatt and Keloharju(2001), Birru(2015)) 더 나아가, Kim and Ohk (2023)의 연구에 따르면 심리적 가격장벽은 국내 주식시장에서 투자자의 거래행태에도 유의한 영향을 미친다. 본 절에서는 선행연구에 따라 현재 주식가격 대 과거52주 최고가를 심리적 가격장벽(NH52)로 정의한다.

투자자는 현재 주식가격과 과거 52주 최고가가 가깝다면 해당 자산에 대한 좋은 뉴스를 과소평가하고 자산가격이 과거 52주 최고가보다 높아지지 못할 것이라는 비관적인 시선을 가진다. 반면, 자산가격이 과거 52주 최고가보다 낮을수록 해당 자산에 대한 좋은 뉴스를 과대평가하고 자산가격이 상승할 것이라는 낙관적인 시선을 가진다. 우리는 심리적 가격장벽과 후회회피의 유의한 관계가 존재할 것이라고 생각한다. 심리적 가격장벽에서 현재 자산가격이 가까이 위치한 경우와 멀리 위치한 경우, 투자자가 후회가 큰 자산을 기피하는 현상이 어떻게 변화할까? 심리적 가격장벽과 현재 자산가격이 가까이 위치한 경우에는 후회가 큰 자산이라고 하더라도 이미 과거 52주 최고가만큼 자산가격이 높게 형성되어 있기 때문에 후회를 기피하고자 하는 심리가 일부분 상쇄될 것이다. 반면, 심리적 가격과 현재자산가격이 멀리 위치한 경우에는 후회가 큰 자산에 대한 후회회피가 더욱 강하게 나타날 것이다.

표 8는 NH52와 REG간의 다변량 포트폴리오 분석이다. 매월 말 NH52을 기준으로 5개의 포트폴리오를 나눈다. 각 NH52 포트폴리오 내에서 REG를 기준으로 5개의 포트폴리오를 나눈다. 25개(5*5) 포트폴리오에 속한 자산의 가치가중평균을 나타낸다.

<표 8>

REG와 NH52의 다변량 포트폴리오 분석

매월 말 NH52를 기준으로 나눈 5개 포트폴리오를 나누고, 각 기업특성변수 포트폴리오 내에서 REG를 기준으로 5개의 포트폴리오를 나눈다. 25(5*5)개의 포트폴리오에 속한 자산의 가치가중 평균 수익률을 도출한다. CAPM과 FF3는 각각 자산가격결정모형과 Fama and French(1992, 1993)으로 위험을 조정한 수익률이다. 수익률은 퍼센트 단위이고, 괄호 안의 숫자는 Newey-West(1987)의 t-통계량(시차=4)이다. 표본은 1987년 1월부터 2023년 12월까지 유가증권시장과 코스닥시장에 상장된 보통주이다. *, **, ***는 10%, 5%, 1% 수준의 유의성을 나타낸다.

표 8에 따르면, 각 NH52 포트폴리오 내에서 REG가 증가함에 따라 포트폴리오 수익률이 증가한다. 이는 국내 주식시장에 후회회피 프리미엄이 일관되게 존재함을 의미한다. 하지만, 후회프리미엄은 NH52가 증가함에 따라 2.1444%, 1.4585%, 1.1337%, 1.1824%, 0.8459%로 점차 하락하는 경향을 가진다. 이러한 결과는 우리의 예측과 일관되게 NH52가 낮은 포트폴리오에서 후회프리미엄이 가장 강하게 나타남을 보인다. 극단적인 NH52 포트폴리오 내에서 REG 포트폴리오의 수익률 차이는 -1.2985%로 유의한 음의 값을 가진다. REG가 가장 높은 포트폴리오의 수익률은 NH52가 증가함에 따라 2.3033%에서 1.3100%로 하락하는 경향을 가지며, 차이값은 -0.9933%로 유의한 음의 값이다. 종합하면, 후회가 높은 자산에 대한 후회프리미엄은 심리적 가격장벽으로부터 현재 자산가격이 멀리 위치할수록 더욱 강하게 나타난다.

5. 시장 상태와 동태를 이용한 추가적 분석

Daniel et al.(1998)과 Hong and Stein(1999)는 시장 상태와 모멘텀 수익률 간의 관계를 설명하는 대표적인 연구이다. 두 연구는 공통적으로 시장이 상승시장일 경우에 높은 모멘텀 수익률이 발생한다고 주장한다. Daniel et al.(1998)는 투자자의 과신이 사적인 정보를 과대평가하고 공적인 정보를 과소평가하게 만든다고 주장한다. 더 나아가, 자기귀인편향(self- attribution bias)으로 인해 투자자의 과신이 과열되고, 시장에 발생하는 새로운 정보는 평균적으로 투자자의 과신을 증가시켜 투자자는 사적인 정보에 대한 과잉반응하여 모멘텀으로 이어진다. Daniel et al.(1998)에 따르면, 과신은 상승시장과 하락시장에서 가격 모멘텀을 발생시킨다. 매수거래를 한 투자자는 상승시장에서 가격 상승과 같은 공개적인 신호에 따라 자신의 투자전략이 성과를 얻었다는 자신감이 상승하게 된다. 마찬가지로 매도거래를 한 투자자는 하락시장에서 가격 하락과 같은 공개적인 신호에 따라 자신이 이성적인 판단으로 투자 성과를 얻었다는 자신감이 상승한다. 이처럼 시장 상태는 투자자의 거래행태를 분석하는데 중요한 의미를 가진다.

후회회피 편향은 시장 상태와 어떤 관계가 있을까? 본 연구에서는 후회프리미엄을 도출할 때 같은 기간동안 얻을 수 있었던 최고 수익률과 투자자산의 수익률을 비교하며, 투자자의 매수거래를 고려하고 있다. 상승시장일 경우에 매수거래를 한 투자자 입장에서 후회프리미엄이 더욱 강하게 발생할 것이라고 예상할 수 있다. 후회프리미엄은 투자자 스스로의 투자성과가 아니라 다른 투자자의 성과와 자신의 투자성과를 비교함으로 발생한다. 따라서, 상승시장 시장에서 REG가 높은 자산에 대해 높은 프리미엄을 요구하는 후회회피 편향이 강하게 발생할 것이다. 시장의 상태는 상승시장(UP)과 하락시장(DOWN)으로 분류하며, 과거 12개월의 시장수익률이 0보다 큰 경우에는 상승시장, 0보다 작은 경우에는 하락시장으로 분류한다.

더 나아가, Asem and Tian(2010)를 기반으로 시장 동태에 따른 모멘텀 수익률을 분석한다. 이들은 시차 및 동시간대의 시장이 상승시장일 경우에 모멘텀 수익률이 발생한다고 주장한다. 동일한 개념을 후회회피 편향에 적용한다면, 투자자가 후회프리미엄을 요구하는 시장상황에 대해 면밀히 조사할 수 있을 것이다. 시장의 동태는 표 9의 패널 A와 같이 UU(up, up), UD(up, down), DU(down, up), DD(down, down) 4가지로 분류한다. R_m는 시장수익률이다. 표 9의 패널 B는 각 시장 상태와 시장 동태에 따른 시계열의 개수다.

<표 9>

시장 상태와 시장 동태

이 표는 시장 상태와 시장 동태에 관한 정보를 제공한다. 패널 A는 시장 동태를 분류하는 방법이다. 과거 12개월의 시장수익률과 동시간대 시장수익률을 이용하여 시장 동태를 4가지(UU, UD, DU, DD)로 분류한다. 패널 B는 시장 상태와 시장 동태에 해당하는 시계열 개수를 나타낸다.

5.1 시장 상태와 후회회피 편향

본 절에서는 시장 상태와 투자자의 후회회피 편향에 대해 분석한다. 표 10는 시장 상태에 따라 시계열을 분리한 후 Fama and Macbeth(1973)의 횡단면 회귀분석을 한 결과이다. 표 10의 모델 (1)부터 모델 (4)는 하락시장의 결과이며, 모델 (5)부터 모델 (8)은 상승시장의 결과이다.

<표 10>

시장 상태에 대한 Fama and Macbeth(1973)의 횡단면 회귀분석

이 표는 1개월 미래수익률을 종속변수로 취하고, REG와 기업특성변수를 독립변수로 취하여 Fama and Macbeth(1973) 회귀분석한 결과이다. 시장 상태는 과거 12개월의 시장수익률이 0보다 크거나 같으면 상승시장(Up), 0보다 작다면 하락시장(Down)으로 정의한다. 각 회귀계수는 월별 횡단면 회귀분석으로 도출된 절편과 회귀계수의 시계열 평균값이다. 괄호 안의 숫자는 Newey-West(1987)의 t-통계량 (시차=3)이다. 표본은 1987년 1월부터 2023년 12월까지 유가증권시장과 코스닥시장에 상장된 보통주이다. *, **, ***는 10%, 5%, 1% 수준의 유의성을 나타낸다.

하락시장의 경우, 모델 (1)과 모델 (2)에서 REG의 회귀계수는 0.0347과 0.0288으로 크고 유의한 양의 값이다. 하락시장에서 후회가 높은 자산에 대해 투자자가 요구하는 후회프리미엄이 존재하며, 이는 우리의 예상과는 상반된 결과이다. 반면, 모델 (3)과 모델 (4)에서 REG의 회귀계수는 0.0111와 0.0087으로 모델 (1)과 (2)에 비하여 낮아지며 유의도도 감소한다. REV의 회귀계수는 -0.0641과 -0.0585로 표 5에 비해 크고 유의한 음의 값이다. 하락시장에서 단기수익률반전이 더욱 강하게 발생하며, REG의 영향력이 축소된다. 모델 (1)과 모델 (2)의 결과에 따르면, 해당 자산에 대해 요구하는 후회프리미엄이 강하게 존재하는 것처럼 보인다. 하지만, 모델 (3)과 모델 (4)에 따르면 후회프리미엄 보다는 주식시장에서 발생하는 이상현상 중 하나인 단기수익률반전으로 인해 상대적으로 낮은 수익률을 가졌던 주식이 높은 미래수익률을 가지는 것으로 해석된다. 하지만, 표 5에 비해 REG의 회귀계수가 큰 차이를 보이지 않는 것을 해석하기 위해 추가적인 분석이 요구된다.

상승시장의 경우, 모델 (5)와 모델 (6)에서 REG의 회귀계수는 0.0234과 0.0249로 유의한 양의 값이다. 모델 (1)과 모델 (2)에 비하여 낮으나, 표 5의 결과에 비해 약 2배 높은 값을 가진다. 모델 (7)과 모델 (8)에 따르면 REG의 회귀계수가 0.0109과 0.0128으로 하락하지만 하락시장과 표 5의 값보다 크고 유의하다. 상승시장에서 단기수익률반전은 하락시장에 비해 영향력이 낮지만, 후회회피 편향의 영향력이 강해진다. 이러한 결과는 상승시장에서 후회가 높은 자산을 보유하는 것에 대해 요구하는 후회프리미엄이 강하게 나타남을 의미한다. REV의 회귀계수는 -0.0324와 -0.0298로 유의한 음의 값이지만 하락시장과 표 5에 비해 낮은 값을 가진다. 하락시장에 비해 상승시장에서 후회프리미엄의 영향력이 강해지며, 단기수익률반전의 영향이 상대적으로 약해진 것은 우리의 예측과 일관된 부분이다. 하지만, 모델 (5)와 모델 (6)의 REG 회귀계수가 모델 (1)과 모델 (2)의 REG 회귀계수보다 낮은 값을 가지는 것에 대한 추가적인 분석이 요구된다.

표 10의 결과에 따르면, 상승시장과 하락시장에서 공통적으로 후회프리미엄은 유의한 양의 값을 가진다. 후회프리미엄은 같은 기간동안 얻을 수 있었던 최고 수익률과 투자자산의 수익률 간의 차이이다. 투자자의 매수거래를 고려한다는 관점에서, 상승시장에서 매수거래에 대한 후회프리미엄이 작용할 것이라는 것이 일반적인 예상이다. 왜냐하면, 후회프리미엄은 투자자 스스로의 투자성과가 아니라 다른 투자자의 성과와 자신의 투자성과를 비교함으로 발생하기 때문이다. 하지만, 표 10의 결과에 따르면 상승시장과 하락시장에서 공통적으로 후회프리미엄이 존재한다. 단기수익률반전의 예측력은 하락시장에서 상대적으로 강하게 나타나며, 후회프리미엄의 영향력을 상쇄시킨다. 그럼에도 모델 (3)과 모델 (4)에서 후회프리미엄의 존재가 확인된 것은 경제적으로 의미가 있다. 하락시장에서 후회변수가 유의한 양의 예측력을 가지는 것을 면밀히 조사하기 위해, 시장 동태에 따른 분석이 필요하다.

상승시장의 경우, 후회프리미엄은 유의한 양의 값을 가지며 단기수익률반전은 하락시장과 표 5에 비해 상대적으로 낮은 영향력을 가진다. 이러한 결과는 단기수익률반전과 후회변수 간의 유사성에 대한 우려를 불식시킨다. 더 나아가, 후회변수의 영향력은 하락시장에 비해 상대적으로 강하며, 상승시장에서 통제변수를 모두 고려한 경우에 후회변수의 예측력은 우월하다. 이는 상승시장에서 REG의 예측력이 뚜렷하게 발생할 것이라는 예측과 일관된다. 하지만, 하락시장에서도 단기수익률반전을 제외하면 REG의 예측력이 유의한 양의 값을 가진다. 우리는 시장 상태에 따른 REG의 예측력을 면밀히 조사하기 위해 시장 동태를 고려하여 분석한다.

5.2 시장 동태와 후회회피 편향

본 절에서는 Asem and Tian(2010)의 연구를 기반으로 시장 동태에 따른 후회프리미엄의 영향력을 확인한다. 표 11은 시장 동태에 따라 시계열을 분리한 후 Fama and Macbeth(1973)의 횡단면 회귀분석 결과이다. 표 11의 모델 (1)과 모델 (2)는 DD(down, down)시장이며, 모델 (3)과 모델 (4)는 DU(down, up)시장이다. 모델 (5)와 모델 (6)은 UD(up, down)시장이며, 모델 (7)과 모델 (8)은 UU(up, up)시장이다.

<표 11>

시장 동태에 대한 Fama and Macbeth(1973)의 횡단면 회귀분석

이 표는 1개월 미래수익률을 종속변수로 취하고, REG와 기업특성변수를 독립변수로 취하여 Fama and Macbeth(1973) 회귀분석한 결과이다. 시장 동태는 과거 12개월의 시장수익률이 0보다 크거나 같으면서 동시간대 시장수익률이 0보다 크거나 같다면(작다면) UU(UD), 과거 12개월의 시장수익률이 0보다 작으면서 동시간대 시장수익률이 0보다 크거나 같다면(작다면) DU(DD)로 정의한다. 각 회귀계수는 월별 횡단면 회귀분석으로 도출된 절편과 회귀계수의 시계열 평균값이다. 괄호 안의 숫자는 Newey-West (1987)의 t-통계량(시차=2)이다. 표본은 1987년 1월부터 2023년 12월까지 유가증권시장과 코스닥시장에 상장된 보통주이다. *, **, ***는 10%, 5%, 1% 수준의 유의성을 나타낸다.

DD시장의 경우, 모델 (1)의 REG 회귀계수는 0.0393로 유의한 양의 값이다. 반면, REG의 회귀계수는 REV를 고려한 모델 (2)에서 유의도가 사라진다. REV의 회귀계수는 -0.1029로 유의한 음의 값이며, 이는 표 5에 비해 크고 유의하다. 이러한 결과는 DD시장에서 REG의 영향력이 REV에 기인함을 의미한다. DD시장에서 낮은 수익률을 가진 주식이 높은 미래수익률을 가지는 현상이 존재하지만, 후회회피 편향에 의한 현상 보다는 단기수익률반전으로 인해 낮은 수익률을 가진 주식이 높은 미래수익률을 가진다는 것이 지배적이다. 표 10의 하락시장에서 단기수익률반전의 예측력으로 인해 REG의 회귀계수가 약해지는 것과 일관된다. 과거 시장이 하락 시장이며, 동시간대 시장도 하락시장일 경우 후회회피 편향으로 인해 요구되는 후회프리미엄의 영향력이 유의하지 않다.

DU시장의 경우, REG 회귀계수는 0.0194로 유의한 양의 값이며, REV를 통제한 경우 REG의 회귀계수는 0.0134로 유의하다. REV의 회귀계수는 -0.0167으로 유의하지 않다. 과거 시장이 하락 시장이면서 동시간대 시장이 상승시장으로 전환될 때, 투자자의 후회회피 편향이 강하게 나타난다. 낮은 수익률을 가진(후회가 큰) 자산을 보유하는 것에 대해 요구하는 후회프리미엄이 존재하며 후회회피 편향이 단기수익률반전보다 주식수익률에 미치는 영향이 유의하다. 표 10의 하락시장 결과에서 REG가 유의한 회귀계수를 가지는 주된 이유도 DU시장에서 REG의 영향력이 가장 강하기 때문이라고 해석할 수 있다. 특히, DU시장에서 단기수익률반전의 영향력이 사라지는 것은 REG 회귀계수보다 REV 회귀계수의 절대값이 더 높았던 기존 결과와 비교하면 시사점이 있다.

UD시장의 경우, 모델 (5)에서 REG의 회귀계수는 0.0365로 유의한 양의 값이다. 반면, 모델 (6)에서 REG의 회귀계수는 0.0149이며, 유의도가 낮아진다. REV의 회귀계수는 -0.0588로 크고 유의한 음의 값이다. 모델 (5)에서 REG의 회귀계수가 크고 유의한 반면, REV가 고려된 모델 (6)에서 REG의 영향이 미미해지는 것은 DD시장의 형태와 일치한다. 더 나아가, REV의 회귀계수가 표 5에 비하여 크고 유의한 음의 값이라는 것도 경제적 의미가 있다. 과거 시장이 상승 시장이며, 동시간대 시장이 하락시장 국면으로 전환될 때 투자자의 후회회피 편향과 후회프리미엄이 주식수익률에 미치는 영향은 미미하다. 낮은 수익률을 가지는 주식이 높은 미래수익률을 얻는 현상은 강한 단기수익률반전에 의한 결과이며, DD시장의 결과와 유사하다.

UU시장의 경우, 모델 (7)에서 REG의 회귀계수는 0.0165로 유의한 양의 값이며, REV를 통제한 경우에도 0.0165로 유의한 양의 값을 유지한다. REV의 회귀계수는 0.0007으로 유의하지 않다. DU시장의 형태와 유사하며, UU시장에서 낮은 수익률을 가지는 주식이 높은 미래수익률을 가지는 현상은 후회가 높은 자산에 대해 투자자가 요구하는 후회프리미엄과 후회회피 편향에 기인한다. 단기수익률반전의 영향력은 사라지며, 후회회피 편향의 영향이 지배적인 것은 경제적으로 의미가 있다. DD시장과 같이 과거 시장전체가 하락 시장이며 하락국면이 이어지는 경우에는 후회가 높은 자산에 대한 후회프리미엄 보다는 단기수익률반전의 영향력이 더욱 강해져, UU시장과는 상반된 결과를 가진다. 이는 과거 시장과 동시간대 시장의 연속성으로 인해 후회회피 편향이 발생하는 것은 아님을 나타낸다.

표 10에 따르면, 하락시장과 상승시장에 유사하게 후회회피 편향이 존재한다. 하락시장에서는 상대적으로 단기수익률반전의 영향력이 강하게 나타나는 반면, 상승시장에서는 후회프리미엄의 영향력이 강해진다. 우리는 시장 동태를 이용하여, 시장을 4가지 동태로 분류하여 면밀히 조사하였다. 표 11에 따르면, DD시장과 UD시장에서 REV를 고려하지 않을 경우 REG의 회귀계수가 크고 유의한 값이며, 수익률이 낮은(후회가 큰) 자산이 높은 미래수익률을 가지는 현상이 뚜렷하게 발생한다. 하지만, REV를 고려한 결과에 따르면 REG의 회귀계수는 유의하지 않으며 REV가 크고 유의한 음의 회귀계수를 가진다. 낮은 수익률을 가진 자산이 높은 미래수익률을 가지는 현상이 단기수익률반전에 기인한 현상임을 의미한다. 반면, DU시장과 UU시장에서는 REG가 표 5에 비하여 높고 유의한 양의 회귀계수를 가지며, REV의 회귀계수는 유의하지 않다. 후회가 높은 자산에 대한 후회회피 편향이 존재하며, 투자자가 요구하는 후회프리미엄이 존재함을 의미하며, 단기수익률반전이 존재하지 않음을 통해 후회회피 편향이 지배적임을 확인한다.

그렇다면, 시장 동태에 따른 투자자의 후회회피 편향을 어떠한 조건으로 발생하는 것인가? DD시장과 UU시장의 경우 과거 시장 상태가 동시간대 시장 상태로 연속적으로 이어진다. 하지만, 두 시장에서 후회회피 편향이 상이하게 나타나는 것은 투자자의 후회회피 편향이 시장의 연속성에 기인한 현상이 아님을 시사한다. DU시장과 UD시장의 경우 과거 시장 상태와 동시간대 시장 상태가 서로 다르게 전환된다. 두 시장의 경우에도 투자자의 후회회피 편향이 상이하게 나타나, 시장 상태의 변화에 기인한 현상이 아니다. DU시장과 UU시장에서 후회회피 편향이 유의한 영향을 미침을 볼 때, 동시간대 시장이 상승시장일 경우 후회회피 편향이 강하게 발생한다. 또한, UU시장에서 후회회피 편향이 더욱 강하게 나타난다. 투자자의 후회회피 편향은 자신의 투자성과만에 기인한 것이 아닌, 시장 또는 다른 투자자의 투자성과를 함께 고려하는 상대적 성과에 기인하는 행동이다. 후회변수도 동일 산업 또는 다른 투자자의 투자성과를 함께 고려하여 도출된다. 따라서, 투자자는 자신을 제외한 다른 투자주체의 투자성과 비교하여 자신의 투자성과를 판단하며, 투자에 대한 후회를 하며, 후회가 큰 자산에 대한 후회프리미엄을 요구한다. 반면, 현재 시장이 하락 국면이거나 다른 투자자들도 이익을 얻지 못하는 상황에서는 후회회피 편향과 후회가 높은 자산에 대해 요구하는 후회프리미엄이 단기수익률반전에 종속된다.

전통적 재무학에서 투자자는 합리적 인간(호모 이코노미쿠스, 이콘)이며, 투자자의 효용은 최종의 부에 따라 도출되며 효용극대화를 추구한다. 하지만, 시장 상태와 시장 동태에 따른 분석은 투자자의 효용이 시장의 상태와 시장 동태, 산업군의 수익률, 이와 다른 투자자들의 투자성과에 따라 변화할 수 있음을 보여 행동재무학을 지지한다.

6. 강건성 검정

6.1 하위기간에 따른 분류

본 절에서는 하위기간을 나누어 후회변수와 주식 수익률 간의 관계를 재확인한다. 본 연구의 표본은 1987년 1월부터 2023년 12월까지 국내 주식시장에 상장된 보통주이다. 초기 한국 주식시장이 안정적이지 못하였고, 1997년 외환위기와 2008년 글로벌 금융위기 이후 큰 변화가 있었다. 우리는 금융위기와 관련하여 투자자의 후회회피 편향이 변화할 수 있다는 것을 고려하여 연구의 결과를 재점검한다. 하위기간은 1998년 1월부터 2023년 12월까지를 1기간, 2000년 1월부터 2023년 12월 까지를 2기간, 2010년 1월부터 2023년 12월까지를 3기간으로 분류한다. 표 12는 각 기간을 대상으로 한 Fama and Macbeth 횡단면 회귀분석 결과이다.

<표 12>

하위기간에 대한 Fama and Macbeth(1973)의 횡단면 회귀분석

이 표는 1개월 미래수익률을 종속변수로 취하고, REG와 단기수익률반전, 기업특성변수를 독립변수로 취하여 Fama and Macbeth(1973) 회귀분석한 결과이다. 각 회귀계수는 월별 횡단면 회귀분석으로 도출된 절편과 회귀계수의 시계열 평균값이다. 1기간은 1998년 1월부터 2023년 12월, 2기간은 2000년 1월부터 2023년 12월, 3기간은 2010년 1월부터 2023년 12월 까지다. 괄호 안의 숫자는 Newey-West(1987)의 t-통계량이다. 1기간의 시차는 4, 2기간과 3기간의 시차는 3이다. 표본은 유가증권시장과 코스닥시장에 상장된 보통주이다. *, **, ***는 10%, 5%, 1% 수준의 유의성을 나타낸다.

모델 (1), (3), (5)에 따르면 REG의 회귀계수는 0.0151, 0.0143, 0.0109로 유의한 양의 값이다. 단기수익률반전을 고려한 경우, REG의 회귀계수는 0.0084, 0.0096, 0.0097로 앞선 경우에 비하여 하락하지만, 여전히 유의한 양의 값이다. REV의 회귀계수는 -0.0265, -0.0193, -0.0068이며, 3기간을 제외하고는 유의한 음의 값을 가진다. 표 12의 결과는 하위기간을 나누어 분석한 경우에도 국내 주식시장에서 투자자의 후회회피 편향이 존재함을 보인다. 이러한 결과는 본 연구의 결과를 지지한다.

6.2 산업군 효과가 고려된 단기수익률반전

후회변수는 주식투자로 인해 얻은 현재의 부와 대체 주식 투자를 통해 얻을 수 있었던 가장 높은 부의 수준과 비교하여 주식투자자의 후회변수를 도출한다. 선행연구에 따르면, 후회변수는 단기수익률반전과 유사한 영향력을 가진다. 본 연구에서는 단기수익률반전을 통제한 후에도 주식수익률에 대한 후회변수의 영향력이 존재함을 보였다. 단기수익률반전과 후회변수가 의미하는 바가 유사할 수 있다는 우려를 불식시키기 위해 산업군 효과가 고려된 단기수익률반전을 도출하여 본 연구의 결과를 재확인한다.

산업군 효과가 고려된 단기수익률반전은 개별자산의 주식수익률에서 동일한 산업군에 속한 주식수익률의 횡단면 중앙값을 감하여 도출한다. 표 13은 기존의 단기수익률반전을 산업군 효과가 고려된 단기수익률반전(REV_IND)으로 대체하여 Fama and Macbeth 횡단면 회귀분석 결과다. 표 13에 따르면, REV_IND의 회귀계수는 -0.0444에서 -0.0555로 유의한 음의 값이며, 표 5에 비하여 회귀계수와 유의도가 증가하였다. REG의 회귀계수는 0.0093에서 0.0123로 유의한 양의 값이다. 이는 표 5의 REG 회귀계수와 유사한 값을 가진다.

<표 13>

산업군 효과가 고려된 REV를 이용한 Fama and Macbeth(1973)의 횡단면 회귀분석

이 표는 1개월 미래수익률을 종속변수로 취하고, REG와 기업특성변수를 독립변수로 취하여 Fama and Macbeth(1973) 회귀분석한 결과이다. 단기수익률반전은 산업군 효과가 고려된 REV_IND로 대체한다. 각 회귀계수는 월별 횡단면 회귀분석으로 도출된 절편과 회귀계수의 시계열 평균값이다. 괄호 안의 숫자는 Newey-West(1987)의 t-통계량(시차=4)이다. 표본은 1987년 1월부터 2023년 12월까지 유가증권시장과 코스닥시장에 상장된 보통주이다. *, **, ***는 10%, 5%, 1% 수준의 유의성을 나타낸다.

이러한 결과는 산업군 효과가 고려된 단기수익률반전을 통제한 후에도 주식수익률에 대한 후회변수의 유의한 영향력이 유지됨을 나타낸다. 더 나아가, 단기수익률반전과 후회변수는 유사한 영향을 가지지만 후회회피 편향이 단기수익률반전에 기인한 결과가 아님을 확인한다.

6.3 누적 수익률을 이용한 후회변수

본 절에서는 식 (6)과 같이 누적 수익률을 이용한 후회변수를 도출하여 본 연구의 주장을 재확인한다. R_i,t-n : t은 과거 t-n월부터 t월까지 주식 i의 누적수익률을 나타낸다. 과거 기간은 2개월(n=2)부터 6개월(n=6)까지 고려한다.

(6)REG_cumi,t−n:t=−(Ri,t−n:t−maxj[R(j,t−n:t)])

표 14와 표 15은 누적수익률을 이용한 후회변수를 이용하여 포트폴리오 분석과 Fama and Macbeth 횡단면 회귀분석을 한 결과다. 표 14에 따르면, 과거 2개월부터 과거 6개월의 누적수익률을 이용한 후회변수가 증가함에 따라 주식수익률이 점차 증가한다. REG_cum가 가장 높은 포트폴리오와 가장 낮은 포트폴리오의 차이는 1.5821%에서 1.0064%로 유의한 양의 값이며, 위험조정 수익률도 모두 유의한 양의 값이다. 1개월 전 수익률을 이용한 후회변수와 과거 수익률을 이용한 후회변수가 주식수익률에 유의한 양의 영향을 미친다는 일관성을 보여준다.

<표 14>

누적 수익률로 도출한 REG 포트폴리오의 수익률

매월 말 누적 수익률로 도출된 REG를 기준으로 나눈 5개 포트폴리오의 수익률이다. 포트폴리오 수익률은 동일가중평균을 나타내며, CAPM과 FF3는 각각 자산가격결정모형과 Fama and French(1992, 1993)으로 위험을 조정한 수익률이다. 수익률은 퍼센트 단위이고, 괄호 안의 숫자는 Newey-West(1987)의 t-통계량(시차=4)이다. 표본은 1987년 1월부터 2023년 12월까지 유가증권시장과 코스닥시장에 상장된 보통주이다. *, **, ***는 10%, 5%, 1% 수준의 유의성을 나타낸다.

<표 15>

누적 수익률로 도출한 REG의 Fama and Macbeth(1973)의 횡단면 회귀분석

이 표는 1개월 미래수익률을 종속변수로 취하고, 누적수익률로 도출한 REG와 단기수익률반전, 기업특성변수를 독립변수로 취하여 Fama and Macbeth(1973) 회귀분석한 결과이다. 각 회귀계수는 월별 횡단면 회귀분석으로 도출된 절편과 회귀계수의 시계열 평균값이다. 괄호 안의 숫자는 Newey-West(1987)의 t-통계량(시차=4)이다. 표본은 1987년 1월부터 2023년 12월까지 유가증권시장과 코스닥시장에 상장된 보통주이다. *, **, ***는 10%, 5%, 1% 수준의 유의성을 나타낸다.

표 15의 결과에 따르면, 모델 (10)을 제외하고 REG의 회귀계수는 유의한 양의 값이다. 과거 기간이 증가할수록 REG의 회귀계수는 점차 하락하며, 누적수익률의 과거 기간이 6개월이며 단기수익률반전을 통제한 모델 (10)에서 REG의 회귀계수는 유의하지 않다. 하지만, 과거 5개월의 수익률을 이용하여 후회변수를 도출한 경우, 주식수익률에 대한 유의한 양의 예측력을 가진다. 이러한 결과는 과거 1개월 뿐 아니라, 과거 5개월 까지의 누적수익률을 이용하여 후회변수를 도출하여도 후회변수의 영향력이 유지됨을 확인하여 본 연구의 주장을 뒷받침한다.

7. 결론

본 연구는 Arisoy et al.(2024)에 따라 후회변수를 도출하고 국내 주식시장에서 투자자의 후회회피 편향이 존재하며, 후회프리미엄이 주식수익률에 유의한 영향을 미침을 확인한다. 같은 기간 얻을 수 있는 최선의 수익률과 자신이 투자한 자산간의 수익률 차이로 투자자의 후회회피 현상이 발생하며, 자산가격 결정에 영향을 미친다는 실증결과를 제시한다. 투자자는 후회가 큰 자산을 회피하며, 후회가 큰 자산을 투자 포트폴리오에 추가할 경우 후회프리미엄을 요구한다. 후회변수와 주식수익률 간의 양의 관계는 단기수익률반전, 기업규모, 장부가치대비시장가치, 시장베타, 모멘텀, 비유동성 측정치, 고유변동성, 복권성향 주식 등을 통제한 후에도 유의하게 나타난다. 더 나아가, 미국 주식시장 전체를 대상으로 후회변수의 영향력을 분석한 Arisoy et al.(2024)의 연구를 발전시켜, 시장 상태와 시장 동태에 따라 투자자의 후회회피 편향이 변화하며 전통적 재무학에서 가정하는 합리적인 인간에 반하는 투자자의 심리와 의사결정을 제시하여 행동재무학에 시사점을 준다.

본 연구의 주된 결과는 다음과 같다. 첫째, 국내 주식시장에서 투자자의 후회회피 편향이 존재하며, 후회프리미엄은 주식수익률에 유의한 양의 영향을 미친다. 둘째, 후회변수와 주식수익률 간의 관계는 기업특성요인을 통제한 후에도 유지된다. 셋째, 개인투자자의 거래비중이 높은 자산에서 투자자의 후회회피 편향이 뚜렷하게 발생한다. 비합리적 행동에 주된 주체인 개인투자자에 의해 후회회피 편향이 주식시장에 영향을 미침을 확인한다. 넷째, 투자자의 거래행태와 관련된 미실현 자본이익과 심리적 가격장벽을 고려하여 투자자의 후회회피 편향을 면밀히 조사한 결과, 미실현 자본손실의 영역에 속한 자산의 후회변수가 높을 경우 투자자는 해당 자산에 대해 더 높은 후회프리미엄을 요구한다. 또한, 심리적 가격장벽을 고려하여 현재 자산가격이 심리적 가격장벽으로부터 멀리 위치한 경우 후회가 높은 자산에 대한 후회회피 편향이 더욱 강하게 나타난다. 다섯째, 시장 상태와 시장 동태에 따라 투자자의 후회회피 편향이 변화한다. 시장 상태는 상승시장과 하락시장으로 나누며, 후회회피 편향은 두 시장에서 동일하게 주식수익률에 영향을 미친다. 상승시장에서는 하락시장에 비하여 단기수익률반전의 영향력이 약해지며 후회프리미엄의 영향력은 강해진다. 시장이 상승국면일 때 투자자는 후회가 큰 자산을 기피하며, 높은 후회프리미엄을 요구한다. 시장이 하락시장인 경우에도 단기수익률반전을 제외하면 후회회피 편향이 강하게 나타지만, 단기수익률반전의 영향력이 더욱 강하게 나타나고 후회프리미엄의 유의성은 낮아진다. 우리는 시장을 더욱 면밀히 조사하기 위해 시장 동태를 고려한 결과, 과거 시장이 하락시장(상승시장)이면서, 동시간대 시장이 상승시장인 경우에 후회회피 편향이 강하게 발생한다. 반면, 과거 시장이 상승시장(하락시장)이면서, 동시간대 시장이 하락시장인 경우 후회회피 편향은 발생하지 않거나 영향력이 미미하다. 이는 투자자가 자신의 투자성과 만을 고려하는 것이 아니라, 시장 또는 다른 투자선택의 결과와 비교하여 자신의 투자성과를 평가한다는 것을 의미한다. 특히, 시장이 상승시장으로 전환되거나 상승시장이 유지될 때 후회가 높은 자산에 대해 회피하는 경향이 더욱 강해진다. 여섯째, 후회변수에 대한 강건성 검정을 통해, 누적수익률을 이용한 후회변수와 하위기간을 분리한 경우에도 국내 주식시장에서 후회회피 편향이 존재함을 보인다. 또한, 산업군 효과를 고려한 단기수익률반전을 독립변수로 통제하여도 주식수익률에 대한 후회변수의 예측력이 유지된다.

본 연구는 국내 주식시장을 표본으로 하여 투자자의 후회회피 편향에 대한 실증적 증거를 제시한다는 기여점을 가진다. 선행연구를 발전시켜, 개인투자자의 비중과 투자자의 거래행태 그리고 시장 상태와 시장 동태를 고려하여 후회프리미엄을 면밀히 조사한다는 점에서 의의가 있다. 특히, 시장 상태와 시장 동태에 대한 분석은 전통적 재무학에서 주장하는 합리적 인간의 기본 가정에 반하는 투자자의 심리를 제시한다는 점에서 학술적 의의가 있다. 더 나아가, 투자자의 비합리적인 투자행태를 분석함으로 주식시장과 관련 학술분야에 시사점을 제시한다.

References

1. Amihud Y.. 2002;Illiquidity and stock returns:cross-section and time-series effects. Journal of Financial Markets 5(1):31–56.

2. Ang A., Hodrick R. J., Xing Y., Zhang X.. 2006;The cross section of volatility and expected returns. The Journal of Finance 61(1):259–299.

3. Arisoy Y. E., Bali T. G., Tang Y.. 2024;Investor Regret and Stock Returns. Management Science

4. Asem E., Tian G. Y.. 2010;Market dynamics and momentum profits. Journal of Financial and Quantitative Analysis 45(6):1549–1562.

5. Bali T. G., Cakici N., Whitelaw R. F.. 2011;Maxing out:Stocks as lotteries and the cross-section of expected returns. Journal of Financial Economics 99(2):427–446.

6. Barber B. M., Odean T.. 2008;All that glitters:The effect of attention and news on the buying behavior of individual and institutional investors. The Review of Financial Studies 21(2):785–818.

7. Barberis N., Thaler R.. 2003;A survey of behavioral finance. Handbook of the Economics of Finance 1:1053–1128.

8. Birru J.. Psychological barriers, expectational errors, and underreaction to news. Charles A. Dice Center Working Paper 2014-03 2015;

9. Brandt M. W., Brav A., Graham J. R., Kumar A.. 2010;The idiosyncratic volatility puzzle:Time trend or speculative episodes? The Review of Financial Studies 23(2):863–899.

10. Chae J., Eom Y.. 2009;Negative momentum profit in Korea and its sources. Asia Pacific Journal of Financial Studies 38(2):211–236.

11. Daniel K., Hirshleifer D., Subrahmanyam A.. 1998;Investor psychology and security market under and overreactions. The Journal of Finance 53(6):1839–1885.

12. Eom C. J., Lee W. B., Park R. S., Chang U., Park J. W.. 2014;A Study on the Relationship between Idiosyncratic Volatility and Stock Returns in the Korean Stock Markets. Korean Journal of Financial Studies 43(4):753–784.

13. Eom C., Eom Y., Park J. W.. 2022;Left-Tail Momentum of Korean Stock Markets. Korean Journal of Financial Studies 51(6):693–728.

14. Eom Y. S.. 2013;Momentum Profits and Firm Size. Korean Journal of Financial Studies 42(5):901–927.

15. Fama E. F., MacBeth J. D.. 1973;Risk, return, and equilibrium:Empirical tests. Journal of Political Economy 81(3):607–636.

16. Fama E. F., French K. R.. 1992;The cross section of expected stock returns. The Journal of Finance 47(2):427–465.

17. Fama E. F., French K. R.. 1993;Common risk factors in the returns on stocks and bonds. Journal of Financial Economics 33(1):3–56.

18. George T. J., Hwang C.. 2004;The 52 week high and momentum investing. The Journal of Finance 59(5):2145–2176.

19. Grinblatt M., Han B.. 2005;Prospect theory, mental accounting, and momentum. Journal of Financial Economics 78(2):311–339.

20. Grinblatt M., Keloharju M.. 2001;What makes investors trade? The Journal of Finance 56(2):589–616.

21. Heath C., Huddart S., Lang M.. 1999;Psychological factors and stock option exercise. The Quarterly Journal of Economics 114(2):601–627.

22. Hong H., Stein J. C.. 1999;A unified theory of underreaction, momentum trading, and overreaction in asset markets. The Journal of Finance 54(6):2143–2184.

23. Hur J., Singh V.. 2022;The role of investor attention in idiosyncratic volatility puzzle and new results. Review of Quantitative Finance and Accounting 58(1):409–434.

24. Jegadeesh N.. 1990;Evidence of predictable behavior of security returns. The Journal of Finance 45(3):881–898.

25. Jegadeesh N., Titman S.. 1993;Returns to buying winners and selling losers:Implications for stock market efficiency. The Journal of Finance 48(1):65–91.

26. Kai-Ineman D. A. N. I. E. L., Tversky A.. 1979;Prospect theory:An analysis of decision under risk. Econometrica 47(2):363–391.

27. Kang J. K., Sim M. H.. 2014;Lottery-Like Stocks and the Cross-Section of Expected Stock Returns in the Korean Stock Market. Asian Review of Financial Research 27(2):297–332.

28. Kang J., Jeong G.. 2018;Stock Return Predictability of the Amihud Measure in the Korean Stock Market and Trading Volume. Korean Journal of Financial Studies 47(4):543–577.

29. Kim S., Ohk K.. 2023;The Influence of Psychological Price Barriers on Short-Term Return Reversals. Asian Review of Financial Research 36(4):117–149.

30. Kumar A.. 2009;Who gambles in the stock market? The Journal of Finance 64(4):1889–1933.

31. Mohrschladt H., Schneider J. C.. 2021;Idiosyncratic volatility, option-based measures of informed trading, and investor attention. Review of Derivatives Research 24(3):197–220.

32. Newey W. K., West K. D.. 1987;Hypothesis testing with efficient method of moments estimation. International Economic Review 28(3):777–787.

33. Oh S., Hahn S.. 2012;Capital Gains and Volume in Measuring Disposition Effect on Return. Korean Journal of Financial Studies 41(3):437–461.

34. Ohk K., Kim S.. 2020;Relationship between Lottery-Like Stocks Based on Past Returns and Stock Returns. Korean Journal of Financial Management 37(3):109–135.

35. Quiggin J.. 1994;Regret theory with general choice sets. Journal of Risk and Uncertainty 8:153–165.

36. Shah I., Malik I. R.. 2021;Role of regret aversion and loss aversion emotional biases in determining individual investors'trading frequency:moderating effects of risk perception. Humanities &Social Sciences Reviews 9(3):1373–1386.

37. Tversky A., Kahneman D.. 1974;Judgment under Uncertainty:Heuristics and Biases:Biases in judgments reveal some heuristics of thinking under uncertainty. Science 185(4157):1124–1131.

Article information Continued

This Journal follow the http://creativecommons.org/licenses/by-nc-nd/2.0/kr/ Creative Commons Attribution Non-Commercial No Derivatives License

	포트폴리오 수익률		CAPM		FF3

REG	EW	VW	EW	VW	EW	VW
REG	Low 1	0.2018	0.1239	0.0012	-0.0613	0.2121	0.1604
2	0.6428	0.5663	0.4540	0.3920	0.6878	0.6396
3	0.9919	0.9003	0.8776	0.8042	1.0566	0.9896
4	1.4261	1.3265	1.3147	1.2336	1.5219	1.4381
High 5	1.8513	1.7163	1.7257	1.6153	1.9548	1.8484
5-1	1.6495***	1.5924***	1.7245***	1.6766***	1.7427***	1.6880***
	(7.7311)	(7.6768)	(7.6356)	(7.5071)	(7.0325)	(6.9406)

	REG	REV	BETA	SIZE	BTM	MOM	ILLIQ	IVOL	MAX
Low 1	0.0265	0.1437	0.8705	11.3788	0.3476	0.2069	0.1452	0.0285	0.0719
2	0.1452	0.0200	0.8857	11.3707	0.3239	0.1949	0.1242	0.0239	0.0603
3	0.2637	-0.0035	0.9201	11.2321	0.3108	0.2065	0.1398	0.0242	0.0598
4	0.4120	-0.0250	0.9146	11.1444	0.3041	0.2213	0.1522	0.0248	0.0599
High 5	0.8156	-0.0418	0.9018	11.0860	0.3010	0.2513	0.1829	0.0261	0.0605
5-1	0.7890***	-0.1855***	0.0313	-0.2928***	-0.0466***	0.0443***	0.0377***	-0.0024***	-0.0114***
	(19.6218)	(-24.1308)	(0.6357)	(-15.1356)	(-7.6985)	(3.9546)	(3.0746)	(-9.5372)	(-15.6189)

REG

	Low 1	2	3	4	High 5	5-1		CAPM		FF3
REV	0.7159	0.7498	0.9664	1.2171	1.5524	0.8366***	(5.6810)	0.8155***	(5.5369)	0.7872***	(5.2913)
BETA	0.3290	0.6976	1.0206	1.4176	1.7253	1.3963***	(7.1458)	1.5258***	(7.4403)	1.5267***	(6.6080)
SIZE	0.3992	0.8282	1.1288	1.3542	1.8072	1.4080***	(7.6204)	1.5349***	(7.9143)	1.5472***	(7.0391)
BTM	0.2806	0.7738	1.0871	1.4796	1.7047	1.4241***	(7.9890)	1.5385***	(7.7890)	1.5773***	(7.0844)
MOM	0.3033	0.7172	1.0504	1.4173	1.7277	1.4244***	(8.0656)	1.5370***	(8.0302)	1.5595***	(7.5727)
ILLIQ	0.3719	0.7529	1.1261	1.4654	1.7579	1.3860***	(7.4724)	1.5243***	(7.5576)	1.5300***	(6.6133)
IVOL	0.4197	0.6432	0.9265	1.4625	1.7440	1.3242***	(7.2564)	1.4833***	(7.7300)	1.5166***	(7.1730)
MAX	0.4601	0.6284	1.0267	1.4132	1.6493	1.1891***	(6.9205)	1.3270***	(7.3489)	1.3728***	(6.8045)

	(1)	(2)	(3)	(4)	(5)
Alpha	0.0093**	0.0633***	0.0613***	0.0425***	0.0669***
	(2.1343)	(4.5720)	(4.4812)	(3.3638)	(5.1620)
REG	0.0269***	0.0276***	0.0280***	0.0277***	0.0273***
	(6.7130)	(7.1532)	(6.9893)	(6.9899)	(6.3020)
BETA		-0.0003	-0.0003	0.0004	0.0005
		(-0.4079)	(-0.3833)	(0.5726)	(0.7538)
SIZE		-0.0049***	-0.0048***	-0.0034***	-0.0044***
		(-4.4185)	(-4.3284)	(-3.4782)	(-4.2936)
BTM		0.0041	0.0040	0.0043	0.0048
		(1.1313)	(1.1993)	(1.3184)	(1.4677)
MOM			-0.0019	-0.0016	-0.0005
			(-0.8390)	(-0.7193)	(-0.2203)
ILLIQ				0.0478***	0.0412***
				(3.7550)	(3.5957)
IVOL					-0.4376***
					(-4.0727)
MAX					-0.0474
					(-1.0107)
Adj.R	0.0082	0.0580	0.0685	0.0778	0.0913

	(1)	(2)	(3)	(4)	(5)	(6)
Alpha	0.0089*	0.0676***	0.0650***	0.0469***	0.0649***	0.0707***
	(1.9312)	(4.6765)	(4.5456)	(3.4677)	(4.8925)	(5.2312)
REG	0.0122***	0.0107***	0.0114***	0.0114***	0.0123***
	(2.9608)	(3.0294)	(2.9232)	(2.9466)	(3.1524)
REV	-0.0398***	-0.0487***	-0.0494***	-0.0480***	-0.0410***	-0.0485***
	(-4.2386)	(-5.7492)	(-5.7952)	(-5.5381)	(-4.4298)	(-5.5334)
BETA		-0.0003	-0.0003	0.0003	0.0004	0.0004
		(-0.4187)	(-0.4486)	(0.4761)	(0.7293)	(0.6828)
SIZE		-0.0052***	-0.0051***	-0.0037***	-0.0045***	-0.0047***
		(-4.5147)	(-4.3992)	(-3.5764)	(-4.2307)	(-4.4251)
BTM		0.0039	0.0042	0.0045	0.0046	0.0042
		(1.0618)	(1.1892)	(1.3108)	(1.3515)	(1.2201)
MOM			-0.0020	-0.0017	-0.0006	-0.0006
			(-0.8210)	(-0.7125)	(-0.2836)	(-0.2825)
ILLIQ				0.0472***	0.0416***	0.0410***
				(3.7810)	(3.5967)	(3.5398)
IVOL					-0.4154***	-0.3993***
					(-3.8895)	(-3.7708)
MAX					-0.0214	-0.0228
					(-0.4443)	(-0.4651)
Adj.R	0.0286	0.0745	0.0846	0.0937	0.1052	0.1018

패널 A. 시장 동태
		과거 12개월의 시장수익률
동시간대 시장수익률		R_m,t-11:t ≥ 0	R_m,t-11:t < 0

	R_m,t-11:t ≥ 0	UU	DU
	R_m,t-11:t < 0	UD	DD

패널 B. 시장 상태와 시장 동태에 해당하는 시계열 개수

시장 상태	개수	시장 동태	개수

Down	186	DD	93
Up	247	DU	93
		UD	114
		UU	133

	Down				Up

	(1)	(2)	(3)	(4)	(5)	(6)	(7)	(8)
Alpha	0.0042	0.0824***	0.0044	0.0779***	0.0031	0.0525***	0.0027	0.0523***
	(0.5897)	(3.8769)	(0.5880)	(3.5400)	(0.6452)	(3.5657)	(0.5518)	(3.4315)
REG	0.0347***	0.0288***	0.0111**	0.0087*	0.0234***	0.0249***	0.0109*	0.0128**
	(7.2066)	(6.3218)	(2.0399)	(1.8630)	(4.8600)	(5.0477)	(1.9044)	(2.5278)
REV			-0.0641***	-0.0585***			-0.0324***	-0.0298**
			(-4.6337)	(-4.6465)			(-2.8170)	(-2.4914)
BETA		0.0011		0.0008		0.0001		0.0002
		(1.1826)		(0.8968)		(0.2220)		(0.4081)
SIZE		-0.0053***		-0.0053***		-0.0039***		-0.0040***
		(-3.2539)		(-3.1483)		(-3.2323)		(-3.1812)
BTM		(0.0033)		(0.0049)		0.0059		0.0057
		(-0.6938)		(-0.9915)		(1.5339)		(1.4551)
MOM		-0.0037		-0.0042		0.0019		0.0022
		(-1.0366)		(-1.1223)		(1.1310)		(1.2891)
ILLIQ		0.2814***		0.2895***		0.5501***		0.5586***
		(3.0550)		(3.1102)		(3.2604)		(3.2801)
IVOL		-0.4176***		-0.3466***		-0.4010***		-0.4051***
		(-3.2234)		(-2.9685)		(-2.7936)		(-2.7775)
MAX		-0.1600**		-0.1204*		-0.0033		0.0133
		(-2.5192)		(-1.8706)		(-0.0536)		(0.2110)
Adj.R	0.0085	0.0878	0.0296	0.1027	0.0066	0.0802	0.0250	0.0931

	DD		DU		UD		UU

	(1)	(2)	(3)	(4)	(5)	(6)	(7)	(8)
Alpha	0.0500*	0.0454	0.0918***	0.0948***	0.0725***	0.0682***	0.0564***	0.0547***
	(1.7666)	(1.5103)	(3.3364)	(3.4976)	(3.4768)	(3.5837)	(2.9072)	(2.7172)
REG	0.0393***	0.0022	0.0194***	0.0134***	0.0365***	0.0149*	0.0165***	0.0165***
	(5.2590)	(0.3005)	(3.4515)	(2.7514)	(2.9651)	(1.7216)	(3.3157)	(2.6415)
REV		-0.1029***		-0.0167		-0.0588**		0.0007
		(-5.3772)		(-1.1250)		(-2.5652)		(0.0523)
BETA	0.0008	0.0002	0.0010	0.0008	0.0013	0.0012	-0.0008	-0.0003
	(0.4944)	(0.1511)	(0.8293)	(0.6756)	(1.4293)	(1.3486)	(-0.8104)	(-0.3439)
SIZE	-0.0033	-0.0035	-0.0057***	-0.0060***	-0.0052***	-0.0052***	-0.0036**	-0.0034*
	(-1.3704)	(-1.3874)	(-2.7118)	(-2.8865)	(-3.5660)	(-3.6805)	(-2.0012)	(-1.8353)
BTM	-0.0073	-0.0097	0.0172**	0.0160**	-0.0049	-0.0038	0.0128***	0.0139***
	(-1.0920)	(-1.3921)	(2.0627)	(2.0180)	(-0.7902)	(-0.6040)	(2.7406)	(2.8802)
MOM	-0.0092	-0.0088	-0.0043	-0.0051	0.0076**	0.0065*	0.0014	0.0022
	(-1.4345)	(-1.3567)	(-0.8454)	(-0.9381)	(2.0379)	(1.9030)	(0.5622)	(0.8015)
ILLIQ	0.1380	0.1442	0.4434***	0.4350***	0.3313***	0.3355***	0.6521**	0.6621**
	(1.0896)	(1.1761)	(3.2450)	(3.1794)	(2.6294)	(2.6630)	(2.5797)	(2.5781)
IVOL	-0.2043	-0.1482	-0.6409***	-0.5255***	-0.3829	-0.4204	-0.5057**	-0.5218***
	(-0.8752)	(-0.7606)	(-3.4118)	(-2.6849)	(-1.4123)	(-1.6038)	(-2.4691)	(-2.6200)
MAX	-0.1521*	-0.0987	-0.0733	-0.0593	-0.1335	-0.0603	0.1183	0.0932
	(-1.6768)	(-1.1828)	(-0.8816)	(-0.7192)	(-1.4020)	(-0.6001)	(1.1559)	(0.8858)
Adj.R	0.1059	0.1234	0.0746	0.0826	0.1028	0.1219	0.0831	0.0942

	1기간		2기간		3기간

	(1)	(2)	(3)	(4)	(5)	(6)
Alpha	0.0643***	0.0630***	0.0636***	0.0626***	0.0551***	0.0527***
	(5.2791)	(5.1713)	(5.1740)	(5.0630)	(4.3604)	(4.1172)
REG	0.0151***	0.0084***	0.0143***	0.0096***	0.0109***	0.0097***
	(6.7147)	(4.1649)	(6.7423)	(5.3028)	(5.7827)	(4.9721)
REV		-0.0265***		-0.0193**		-0.0068
		(-3.2293)		(-2.4505)		(-0.8672)
BETA	0.0012**	0.0011*	0.0008**	0.0007*	0.0002	0.0002
	(1.9756)	(1.8445)	(2.1134)	(1.8546)	(0.6410)	(0.5031)
SIZE	-0.0042***	-0.0044***	-0.0040***	-0.0042***	-0.0036***	-0.0036***
	(-4.5667)	(-4.6278)	(-4.3621)	(-4.3827)	(-4.1023)	(-3.9727)
BTM	0.0069***	0.0066***	0.0066***	0.0064***	0.0059*	0.0060*
	(2.9973)	(2.8412)	(2.8645)	(2.7639)	(1.8683)	(1.8710)
MOM	0.0010	0.0005	0.0031**	0.0027**	0.0026	0.0024
	(0.5037)	(0.2685)	(2.2541)	(1.9705)	(1.5238)	(1.3682)
ILLIQ	0.0562***	0.0569***	0.0607***	0.0614***	0.0874***	0.0886***
	(3.6359)	(3.6498)	(3.9580)	(3.9751)	(3.5328)	(3.5502)
IVOL	-0.3997***	-0.3716***	-0.4888***	-0.4767***	-0.2981***	-0.2885***
	(-3.4533)	(-3.1956)	(-5.5235)	(-5.3648)	(-2.9969)	(-2.7817)
MAX	-0.0163	0.0070	0.0009	0.0176	0.0034	0.0022
	(-0.5525)	(0.2713)	(0.0324)	(0.7468)	(0.1595)	(0.1016)
Adj.R	0.0544	0.0637	0.0485	0.0575	0.0411	0.0478

	(1)	(2)	(3)	(4)	(5)
Alpha	0.0129***	0.0741***	0.0720***	0.0544***	0.0715***
	(2.9371)	(5.1365)	(5.0919)	(4.1061)	(5.4778)
REG	0.0123**	0.0096**	0.0095**	0.0093**	0.0102**
	(2.3499)	(2.1651)	(2.1828)	(2.0850)	(2.2576)
REV_IND	-0.0444***	-0.0541***	-0.0555***	-0.0544***	-0.0481***
	(-4.9273)	(-6.3907)	(-6.6693)	(-6.3940)	(-5.4976)
BETA		-0.0001	-0.0001	0.0005	0.0007
		(-0.0669)	(-0.0926)	(0.8700)	(1.0741)
SIZE		-0.0055***	-0.0054***	-0.0041***	-0.0048***
		(-4.7371)	(-4.6676)	(-3.9316)	(-4.5470)
BTM		0.0028	0.0026	0.0029	0.0029
		(0.7837)	(0.7605)	(0.8626)	(0.8744)
MOM			-0.0020	-0.0017	-0.0008
			(-0.8337)	(-0.7121)	(-0.3466)
ILLIQ				0.4627***	0.4119***
				(3.7074)	(3.5393)
IVOL					-0.4212***
					(-3.8187)
MAX					-0.0032
					(-0.0656)
Adj.R	0.0231	0.0709	0.0815	0.0905	0.1026

REG_cum	n=2	n=3	n=4	n=5	n=6
Low 1	0.3174	0.4481	0.5046	0.5114	0.5063
2	0.6289	0.6283	0.7291	0.7340	0.8427
3	0.9522	1.0047	0.8761	0.9618	0.9848
4	1.3332	1.3118	1.2859	1.3178	1.2891
High 5	1.8995	1.7420	1.7322	1.6054	1.5127
5-1	1.5821***	1.2939***	1.2276***	1.0940***	1.0064***
	(6.5862)	(5.5175)	(5.6208)	(5.0830)	(4.3780)
CAPM	1.6301***	1.4087***	1.2912***	1.1087***	0.9948***
	(6.8000)	(5.6352)	(5.6208)	(5.0384)	(4.2263)
FF3	1.6534***	1.3597***	1.2680***	1.0760***	0.9936***
	(6.3362)	(5.2505)	(5.1891)	(4.7874)	(4.1174)

	n=2		n=3		n=4		n=5		n=6

	(1)	(2)	(3)	(4)	(5)	(6)	(7)	(8)	(9)	(10)
Alpha	0.0688***	0.0648***	0.0702***	0.0658***	0.0710***	0.0662***	0.0726***	0.0674***	0.0730***	0.0676***
	(5.2706)	(4.8984)	(5.3605)	(4.9344)	(5.4133)	(4.9542)	(5.5118)	(5.0380)	(5.5992)	(5.0850)
REG_cum	0.0164***	0.0097***	0.0109***	0.0068***	0.0083***	0.0053***	0.0063***	0.0039**	0.0039**	0.0018
	(5.8235)	(4.3538)	(4.6770)	(3.3862)	(3.8729)	(3.0897)	(3.1680)	(2.4299)	(1.9862)	(1.1114)
REV		-0.0430***		-0.0448***		-0.0453***		-0.0465***		-0.0473***
		(-5.0483)		(-5.2510)		(-5.3959)		(-5.4718)		(-5.5339)
BETA	0.0005	0.0005	0.0004	0.0004	0.0005	0.0004	0.0005	0.0005	0.0005	0.0004
	(0.8360)	(0.8597)	(0.7157)	(0.6339)	(0.8109)	(0.7428)	(0.8557)	(0.7702)	(0.8342)	(0.7378)
SIZE	-0.0044***	-0.0045***	-0.0045***	-0.0045***	-0.0045***	-0.0045***	-0.0046***	-0.0046***	-0.0046***	-0.0046***
	(-4.3752)	(-4.2871)	(-4.4287)	(-4.3119)	(-4.4556)	(-4.3296)	(-4.5347)	(-4.3935)	(-4.5701)	(-4.4145)
BTM	0.0053	0.0051	0.0052	0.0048	0.0052*	0.0049	0.0052	0.0049	0.0053*	0.0051
	(1.6469)	(1.5024)	(1.6224)	(1.4043)	(1.6512)	(1.4451)	(1.6429)	(1.4300)	(1.6985)	(1.4886)
MOM	-0.0003	-0.0006	0.0002	-0.0003	0.0003	-0.0002	0.0007	0.0000	0.0005	-0.0001
	(-0.1434)	(-0.2829)	(0.0849)	(-0.1356)	(0.1508)	(-0.0924)	(0.3323)	(0.0202)	(0.2747)	(-0.0400)
ILLIQ	0.4077***	0.4135***	0.4075***	0.4136***	0.4060***	0.4124***	0.4063***	0.4127***	0.4065***	0.4126***
	(3.5447)	(3.5589)	(3.5419)	(3.5570)	(3.5264)	(3.5471)	(3.5305)	(3.5529)	(3.5274)	(3.5464)
IVOL	-0.4003***	-0.4071***	-0.4004***	-0.4079***	-0.3937***	-0.4052***	-0.3963***	-0.4084***	-0.3958***	-0.4077***
	(-3.7190)	(-3.7890)	(-3.7573)	(-3.8141)	(-3.6928)	(-3.7870)	(-3.6967)	(-3.8015)	(-3.7216)	(-3.8037)
MAX	-0.0694	-0.0256	-0.0706	-0.0235	-0.0736	-0.0244	-0.0748	-0.0245	-0.0740	-0.0225
	(-1.4347)	(-0.5243)	(-1.4861)	(-0.4825)	(-1.5589)	(-0.5078)	(-1.5666)	(-0.5016)	(-1.5536)	(-0.4605)
Adj.R	0.0909	0.1052	0.0905	0.1051	0.0904	0.1051	0.0900	0.1051	0.0895	0.1047

CGO

		Low 1	2	3	4	High 5	5-1		CAPM		FF3
REG	Low 1	0.6712	0.5470	0.9115	0.6545	-0.4918	-1.1631***	(-2.6909)	-1.0597***	(-2.6386)	-0.9230**	(-2.1818)
	2	0.6449	0.8559	1.1192	1.2474	0.8707	0.2258	(0.6466)	0.2525	(0.7809)	0.1691	(0.5288)
	3	1.2211	1.0319	1.4411	1.2054	1.3283	0.1072	(0.3012)	0.0416	(0.1243)	0.1625	(0.4384)
	4	1.2454	1.3541	1.5438	1.5710	1.6620	0.4166	(1.0810)	0.4434	(1.1940)	0.5691	(1.4912)
	High 5	1.1365	1.7969	1.7926	1.7831	2.0136	0.8771**	(2.2503)	0.9700**	(2.5661)	1.0160**	(2.5499)
	5-1	0.4653*	1.2499***	0.8811***	1.1286***	2.5054***	2.0401***
		(1.8708)	(3.8494)	(2.8252)	(3.6430)	(6.3960)	(4.7757)
	CAPM	0.6362**	1.2852***	0.9550***	1.1548***	2.6660***			2.0298***
		(2.5643)	(3.7667)	(3.3784)	(3.9015)	(6.6226)			(4.6068)
	FF3	0.7254***	1.3608***	0.9559***	1.2927***	2.6644***					1.9390***
		(2.7992)	(4.1614)	(2.8765)	(4.1480)	(6.6125)					(4.2608)

CGO

		Low 1	2	3	4	High 5	5-1		CAPM		FF3
REG	Low 1	0.7864	0.6789	0.0996	-0.0790	0.3075	-0.4789	(-1.1722)	-0.5433	(-1.3556)	-0.5599	(-1.2772)
	2	1.3439	0.7889	0.8402	0.5955	0.4262	-0.9177**	(-2.0246)	-0.8410*	(-1.9329)	-1.0094**	(-2.1076)
	3	2.0323	0.9940	0.8350	0.5956	0.5716	-1.4608***	(-2.7861)	-1.2870***	(-2.6905)	-1.4070***	(-2.7847)
	4	2.0929	1.6372	0.9134	1.2944	1.0441	-1.0488**	(-2.2261)	-0.9290**	(-2.1699)	-0.9921**	(-2.2446)
	High 5	2.5620	2.0309	1.5070	1.3963	0.9947	-1.5673***	(-3.1189)	-1.5828***	(-3.2397)	-1.6356***	(-3.0616)
	5-1	1.7756***	1.3519***	1.4075***	1.4753***	0.6872***	-1.0884***
		(5.3658)	(4.4924)	(3.7570)	(5.3078)	(2.6704)	(-2.6488)
	CAPM	1.7876***	1.4920***	1.6184***	1.5446***	0.7481***			-1.0395***
		(5.3260)	(4.7363)	(4.2584)	(5.5181)	(2.9289)			(-2.6149)
	FF3	1.7526***	1.3793***	1.8452***	1.5173***	0.6769**					-1.0757***
		(5.3659)	(4.0874)	(3.8826)	(5.1717)	(2.5209)					(-2.6817)

NH52

		Low 1	2	3	4	High 5	5-1		CAPM		FF3
REG	Low 1	0.1589	0.4336	0.2265	0.2649	0.4641	0.3052	(0.6638)	0.0885	(0.1934)	-0.0261	(-0.0535)
	2	0.7642	0.8139	0.8791	0.7958	0.9238	0.1596	(0.4134)	-0.1397	(-0.3529)	-0.3039	(-0.7668)
	3	1.3478	1.1277	0.9583	0.9039	0.8823	-0.4655	(-1.2162)	-0.6781*	(-1.7821)	-0.8795**	(-2.0399)
	4	1.5011	1.3242	1.1668	1.4696	1.4234	-0.0777	(-0.1838)	-0.3556	(-0.8082)	-0.3610	(-0.8030)
	High 5	2.3033	1.8922	1.3602	1.4473	1.3100	-0.9933**	(-2.3558)	-1.3043***	(-2.9610)	-1.4374***	(-2.8420)
	5-1	2.1444***	1.4585***	1.1337***	1.1824***	0.8459***	-1.2985***
		(6.5507)	(4.5663)	(4.3967)	(4.3339)	(2.9459)	(-3.1095)
	CAPM	2.2980***	1.5747***	1.1544***	1.1464***	0.9052***			-1.3928***
		(6.7817)	(4.2686)	(4.7114)	(4.2681)	(3.1701)			(-3.3843)
	FF3	2.2996***	1.6665***	0.9502***	1.1425***	0.8884***					-1.4113***
		(6.2093)	(3.8776)	(3.7759)	(3.9719)	(3.1050)					(-3.1474)