국내 주식시장에서도 전통적인 이상현상에 대한 연구는 활발하게 전개되었는데 선행연구를 종합하면 다음과 같다. 첫째, 기업규모효과는 존재하지만(Ko and Kim, 2007; Yun et al., 2009), 2000년 이후의 자료에서는 존재하지 않음이 보고되고 있다(Eom, 2013; Lee and Jang, 2015). 둘째, 가치효과에 대한 실증분석결과는 혼재되어 있지만, 미국 시장에 비해 가치효과가 약하게 나타나고 있음이 보고되고 있다(Kim, 2004; Ko and Kim, 2007). 셋째, 모멘텀효과는 2000년 이후에 특히 강하게 나타남이 발견되고 있다(Eom, 2013; Lee and Jang, 2015).

또한, 전통적인 이상현상 뿐만 아니라 해외시장에서 제기된 새로운 이상현상에 대한 연구도 이루어지고 있다. Yun et al.(2009)은 국내 주식시장에서 주식거래회전율(turnover)은 주식 수익률과 유의한 음의 관계가 있음을 보고하였다. Ko and Kim(2009)은 국내 주식시장에서 발생액 이상현상이 강하게 나타남을 보고하였으며 주로 차익거래위험이 높은 주식에서 이 현상이 집중됨을 보고하였다. Ko and Kim(2014)은 장기적으로 고유변동성이 낮은 주식의 수익률이 높은 주식의 수익률보다 높음을 보고하였으며 이 현상은 2000년 이후의 기간에서만 유의하게 나타남을 발견하였다. Kim et al.(2018)은 국내 주식시장에서 수익성 프리미엄이 강하게 나타남을 발견하였으며 이는 정보 불확실성 및 차익거래의 제한과 관련 있음을 보고 하였다. 한편, Yoon et al.(2017)은 11개의 이상현상을 고려하여 다양한 비중결정방식에 따라 최적화된 포트폴리오의 성과를 측정하였다. 연구에 의하면, 시가총액비중방식 이외의 방식으로 최적화된 포트폴리오를 구성하는 경우와 시장전체 종목이 아닌 이상현상이 관측되는 종목만을 대상으로 투자전략을 구사하는 경우에는 유의한 초과수익률이 달성됨을 보였다.

한편, 국내시장에서도 주식형 펀드에 대한 연구는 매우 활발하게 진행되었는데 대부분의 연구는 펀드의 성과 및 성과지속성에 대해서 살펴보았다.²⁾ 본 연구에서는 액티브펀드의 성과가 우월하지 못한 이유를 주식시장의 이상현상과 관련 지어 살펴보므로 본 절에서는 이와 관련된 선행연구를 살펴본다.

첫째, 국내 주식형 펀드시장에서도 이상현상과 관련된 연구가 존재하지만 대부분 전통적인 이상현상에 대하여 살펴보았다. Lee and Jeon(2012)의 연구에 의하면, 국내 주식형 펀드의 대형주와 성장주 쏠림 현상이 KOSPI 200보다 상대적으로 심한 것으로 나타났다. Fama and French(1993)의 3요인에 기간스프레드와 부도스프레드를 추가한 5요인 모형을 이용한 Yoo and Kim(2012)의 연구에 의하면, 국내 펀드는 상대적으로 가치주와 대형주에 투자하고 있는 것으로 나타났다. 둘째, 최근의 연구들은 액티브펀드의 저성과를 보고하고 있다. Yoo and Kim(2012)은 2001년부터 2009년까지 국내 주식형 펀드는 KOSPI 지수에 비해 수익률이 연 평균 0.13% 낮음을 보고하였으며, Ha(2014)는 액티브펀드가 패시브펀드에 비해서 성과보수는 높지만 성과가 저조함을 보고하였다. 또한, Paek and Ko(2015)는 펀드 매니저의 잦은 거래가 수익성의 악화와 관련 있음을 보고하였다.

지금까지의 선행연구를 종합하면 중요한 시사점이 도출된다. 이는, 국내 주식시장에서도 최근 해외시장에서 발견된 새로운 이상현상에 대한 연구가 활발하게 진행되고 있지만 국내 펀드시장에서 다양한 이상현상을 종합적으로 고려하여 액티브펀드의 성과를 살펴본 연구는 존재하지 않는다는 사실이다. 이상현상은 사후적으로는 이론적 근거에 의해 설명될 수 있으나, 개별 시장의 특성에 따라 크게 다르게 관찰되는 경향이 강하다. 즉, 특정 시장에서 나타난 이상현상이 다른 시장에서는 명확하게 나타나지 않을 수 있다. 따라서 미국 자본시장과 한국 자본시장에서 관찰되는 이상현상에는 차이가 있을 수 있다. 또한 과거에는 관찰되었던 이상현상이 점차 관찰되지 않을 수 있으며, 반대로 과거에는 관찰되지 않았던 이상현상이 새롭게 관찰되는 경우도 있다. 예컨대 Kim and Lee(2018)에 따르면 2000년 이전에는 국내 주식시장에서 모멘텀 현상이 잘 관찰되지 않았지만 2000년 이후에는 모멘텀 현상이 상대적으로 명확하게 나타나고 있다. 따라서 국내 주식형 펀드들의 저성과 현상을 설명하기 위해서는 Jeon et al.(2017)과 달리 한국 자본시장에 대해 가급적 최근 보고된 이상현상들에 집중하여 분석하는 것이 바람직하다고 할 것이다.

서로 다른 수익률을 가지는 기업의 특성변수들이 활발하게 보고되고 있는 측면, 그리고 주식형 펀드는 결국 주식으로 구성된 포트폴리오라는 측면에서 주식시장에서 발견된 이상 현상을 이용하여 액티브펀드의 운용스타일과 성과를 분석한다면 국내 액티브펀드의 성과 이해에 큰 도움이 될 것이다.

본 연구에서는 국내주식형 펀드의 성과를 분석하기 위하여, FnGuide 펀드평가에서 제공하는 국내주식형 펀드의 월별 포트폴리오 자료와 일별 수익률 자료를 이용하였다. 월별 포트폴리오 자료는 2001년 7월부터 2017년 11월까지이며, 일별 수익률 자료는 2001년 1월부터 2017년 12월까지이다. 대유형이 국내주식형인 펀드들을 분석 대상으로 하며, 이 중 주된 분석 대상은 소유형이 액티브펀드³⁾인 펀드들이다. 국내 액티브펀드 시장을 대표하는 펀드들을 선택하기 위하여 표본 기간 동안 평균 순자산액이 50억 원 이상인 펀드들만 고려하였다. 또한 해지되기 직전의 펀드 수익률에는 인위적인 수익률 조작이 많다는 Ko(2014)의 지적에 따라, 해지된 펀드의 해지 직전 6개월 관측치는 분석에서 제외하였다. 그리고 적어도 6개월 이상의 관측치가 있는 펀드들만 분석 대상에 포함하였다. 끝으로 실제로 운용이 이루어지는 포트폴리오 수준으로 펀드 수익률을 살펴보기 위하여, 자펀드와 종류형 펀드는 제외하고 모펀드와 일반펀드를 분석 대상에 포함하였다.

<표 1>은 표본 액티브펀드의 연도별 성과를 나타낸다. 비교를 위해서 KOSPI와 KOSPI 200의 배당을 포함한 수익률, 그리고 패시브펀드의 성과도 함께 보고하였다.⁴⁾ 전체 기간 동안 액티브펀드의 성과가 시장대표지수나 패시브펀드에 비해서 좋지 않음을 알 수 있는데 이는 해외시장 및 국내시장의 선행연구와 일치한다. 특히 최근 2년간 액티브펀드의 성과는 패시브펀드에 비해 현저히 낮음을 알 수 있다.

<표 2>는 각 해마다 펀드의 수, 순자산액, 교체매매 비중, 보수, 보유 주식 수 및 현금 비율을 나타낸다. 교체매매 비중은 Paek and Ko(2015)와 유사하게 아래 식으로 계산하였다.

이때, Holdings_{i, j,t}는 j 펀드가 t시점에 보유하고 있는 i 주식의 시장가이며, 채권 등의 자산은 고려하지 않는다. Paek and Ko(2015)의 방법과는 다르게 분모에는 순자산액(TNA)의 평균을 사용한다. 이는 주식보유 비중이 낮은 펀드의 교체매매 비중이 높게 추정되는 것을 막아, 활발히 거래하는 정도를 더욱 잘 대변할 수 있도록 하기 위함이다. 전체 보수는 판매 보수, 운용 보수, 수탁 보수, 기타 보수를 모두 포함한다. 단 판매하는 방법에 따라서 상이한 보수가 부과되는 클래스 펀드와 모자 펀드의 경우, 운용 포트폴리오가 같은 펀드들의 보수를 순자산액으로 가중 평균하여 대표되는 보수를 산출하였다. 순자산액의 총합을 볼 때, 펀드의 규모가 2007년까지 급격하게 증가하다가 미국 발 신용위기로 인해 2008~2009년에 다소 감소함을 알 수 있다. 그 후 2010년도에 반등하였지만 최근에는 그 규모가 감소하는 추세에 있다. 전반적으로 펀드의 수가 증가하고 보수가 감소하는 추세를 통해 펀드 사이의 경쟁이 심해지고 있음을 짐작할 수 있으며, 개별 펀드가 보유하는 주식의 수는 꾸준히 증가하는 추세이다.

한편, 국내 주식의 수익률 및 기업특성 관련 변수들은 FnGuide사의 DataGuide Pro를 통해 확보하였다. 대상 주식은 유가증권시장에 상장된 보통 주식들이며 자본잠식 종목과 금융/유틸리티 업종은 분석 대상에서 제외하였다. 주식 수익률은 FnGuide에서 제공하는 배당을 고려한 총 수익률을 사용하였다. 분석의 결과가 극히 일부의 극단치에 의해 영향을 받지 않도록 하기 위해서, 상위 0.001%와 하위 0.001%의 수익률을 가지는 관측치를 분석 대상에서 제외하였다. 무위험 수익률에 대한 대용치로는 통화안정증권 364일 물의 월별 수익률 자료를 사용하였다.

Carhart(1997)의 4요인 모형의 요인 포트폴리오를 구성하는 방법은 다음과 같다. 매년 6월 말, 우선 주식들을 그 해 6월 말 시장가치에 따라 50/50%로 정렬하였다. 다음으로 각 시장규모 그룹에 속한 주식에 대하여 지난 회계연도 장부가치 대 지난해 12월 말의 시장가치의 비율에 따라 30/40/30%의 세 그룹을 생성하였다. 이와 같은 과정에 의하여 생성된 총 6개의 포트폴리오의 가중평균 수익률을 계산한다. SMB(Small Minus Big)는 회사규모가 작은 3개와 큰 3개 포트폴리오의 평균 수익률의 차이이며, HML(High Minus Low)는 장부가치 대 시장가치 비율이 높은 2개와 낮은 2개 포트폴리오의 평균 수익률의 차이로 정의한다. 모멘텀 요인도 가치 요인과 비슷하게 주식들을 2×3(기업규모×과거수익률) 포트폴리오로 구축하여 계산하지만, 선행연구에 따라 매달 과거수익률에 기반한 포트폴리오를 재구성하였다. UMD(Up Minus Down)는 과거수익률이 높은 2개와 낮은 2개 포트폴리오의 평균 수익률의 차이이다.

본 연구에서는 장기적으로 서로 다른 수익률을 창출한다고 알려진 10개의 기업 특성변수들을 사용한다. <표 4>는 본 연구에서 사용한 개별 기업 특성에 대한 이상현상이 국내 시장에서 존재하는지를 보고한다. 구체적으로, 매월 유가증권시장에 상장된 기업을 대상으로 개별 기업 특성변수에 대하여 3분위 포트폴리오를 구성한 후 수익률이 높다고(낮다고) 알려진 포트폴리오를 매수(매도)한다.⁶⁾ 패널 A는 매수-매도 포트폴리오의 단순 수익률 차이를 보고하며, 패널 B는 매수-매도 포트폴리오의 Carhart(1997) 4요인 알파를 나타낸다. 괄호 안의 값은 지연 시차 3의 Newey and West(1987) t-통계량이다. “EW”는 동일가중 수익률을 “VW”는 시장가치가중 수익률을 각각 의미한다.

동일가중 방식에서 대부분 이상현상의 매수-매도 스프레드 및 4요인 알파가 양으로 유의하게 추정되었다. 그렇지만, 시장가치가중 방식에서는 양으로 유의하게 추정된 기업 특성 변수가 감소하는 양상을 보였다. 여전히 가치와 모멘텀에 대한 매수-매도 스프레드가 유의하게 추정되었으며, 수익성, 발생액, 저변동성에 대한 4요인 모형의 알파도 통계적으로 유의한 양의 값으로 추정되었다. 종합적으로, 국내 주식시장에서의 이상현상은 대형주보다는 상대적으로 소형주에서 나타남을 짐작할 수 있는데 이는 미국시장의 선행연구와 일치한다.⁷⁾

특정 펀드의 수익률은 그 펀드를 구성하는 주식들의 시장가치가중 수익률이라는 측면에서 <표 3>의 기업특성들을 사용하여 구축하는 A-Score가 과연 개별 주식의 저평가 또는 고평가를 판단할 수 있을지에 대한 의문이 제기될 수 있다. 그러나, 시장가치가중 수익률에서도 대부분의 스프레드는 양의 값을 가지며 일부 스프레드는 통계적으로 유의하다는 측면과, 펀드 매니저들이 하나의 기업특성을 고려하기 보다는 여러 특성을 종합하여 종목을 선택할 가능성이 높다는 측면에서 이들 특성변수를 종합적으로 고려하는 방식이 유용할 수 있다.

위 질문에 대한 해답을 제시하기 위해서 <표 5>는 A-Score로 정렬된 10분위 포트폴리오의 수익률 및 특성을 나타낸다. <표 5>의 주요 결과는 다음과 같다. 첫째, A-Score가 높을수록 무위험자산 대비 초과수익률이 높게 측정되었다. A-Score가 가장 높은 10%의 주식을 매수하고 가장 낮은 100%의 주식을 매도하는 포트폴리오의 월 평균수익률은 2.77%(t-값=6.69)로 추정되었으며, Carhart(1997) 4요인 알파도 월 2.46%(t-값=6.74)로 추정되었다. 또한, AScore에 따른 주식의 수익률 차이가 <표 4>에서 개별 기업특성을 고려한 수익률 차이보다 월등하게 크게 추정되었다. 이 결과들은 본 연구에서 사용한 A-Score는 주식의 가격오류를 포착하는 측정치가 될 수 있음을 시사한다. 관련하여, A-Score가 가장 낮은 2개의 포트폴리오의 4요인 알파는 음으로 유의하며 A-Score가 높은 50%의 4요인 알파는 양으로 유의하게 추정되었는데, 이를 통해 A-Score가 낮은(높은) 주식은 고평가(저평가) 되었음을 짐작할 수 있다.⁸⁾

둘째, A-Score로 구성된 주식 포트폴리오의 특성에 흥미로운 패턴이 관찰되었다. 우선, A-Score가 높은 주식의 베타는 상대적으로 낮게 추정되었는데, 이는 차입제약으로 인해 저베타 주식이 저평가되고 고베타 주식이 고평가되는 현상이 국내 시장에서도 존재함을 보고한 Kim and Hahn(2015)의 연구결과와 일치한다. CAPM 모형 하에서 접점포트폴리오보다 높은 기대수익률을 얻기 위해서는 차입을 통해 접점포트폴리오에 더 많은 투자 비중을 취해야 한다. 하지만 차입제약이 존재하는 경우에는 높은 레버리지를 취하는 것이 어려우므로 높은 기대수익률을 원하는 투자자들은 비효율적이더라도 고베타 자산의 비중을 늘려야 한다. 반대로 낮은 변동성을 원하는 투자자들은 차입제약과 상관없이 무위험 자산 또는 저위험 자산의 비중을 늘리는 방식으로 대응할 수 있다. 따라서 차입제약은 고베타 자산에 대한 수요를 비대칭적으로 증가시켜 고평가가 일어나게 할 수 있으며, 상대적으로 저베타 주식은 저평가될 수 있다. 또한, 저평가될수록 변동성이 낮게 추정되어 총위험도 낮은 것으로 나타났다. 한편, A-Score가 가장 낮은 10% 주식의 과거수익률이 월등히 낮은 것으로 추정되었는데, 이는 2000년 이후에 국내 시장에서 모멘텀 현상이 뚜렷하게 나타남을 보고한 선행연구와 일치한다(Lee and Jang, 2015). 아울러 A-Score가 높은 주식일수록 유동성이 낮고 거래량이 작은 것으로 나타났다. 따라서 이들은 설사 실제로 저평가되어 있는 주식이라고 하더라도 액티브펀드의 투자제약으로 인해 포트폴리오 편입이 어려울 수 있다. 마지막으로, A-Score가 높은 주식은 소형주와 가치주로 드러났는데, 특히, A-Score가 가장 높은 10% 주식의 시가 총액은 매우 낮게 추정되었다. 이는, 동일가중방식에서 이상현상이 두드러지게 관측된 <표 4>의 결과와 일치한다. 또한, 이는 펀드 매니저가 주식의 이상현상에 기반한 투자전략을 실행하기가 쉽지 않음을 의미한다. 왜냐하면, KOSPI 200 지수 또는 KOSPI 지수가 대부분 주식형 펀드의 벤치마크로 사용되고 있다는 측면을 고려하면 펀드 매니저는 상대적으로 소형주에 대한 투자가 용이하지 않기 때문이다. 그러나, 규모효과와 가치효과를 모두 통제한 이후에도 A-Score가 높은 그룹의 4요인 알파가 여전히 양으로 유의하다는 사실은 소형주, 가치주 이외에도 A-Score가 높은 그룹을 구성하는 다른 특성이 존재함을 의미한다. 따라서, 실제로 A-Score가 높은 주식에 투자하여 좋은 성과를 달성하는 펀드가 존재하는지에 대한 추가 분석이 필요하다.

우선, 주식형 펀드가 상대적으로 저평가된 주식에 투자하고 있는지를 살펴본다. 이를 위해 식 (3)의 방법에 따라 개별 펀드의 Investing measure를 계산한다. 이 때, 이상현상을 종합적으로 고려하여 펀드의 Investing measure를 계산하기 위해서는 A-Score 10분위 순위를 사용하며, 개별 이상현상에 대해서 주식형 펀드가 어떤 포지션을 보유하는지를 살펴보기 위해서는 개별 특성변수 10분위 순위를 사용한다. Investing measure가 높을수록 상대적으로 저평가된 주식을 보유하고 있음을 의미한다. 한편, 비교를 위해 KOSPI 지수, KOSPI 200, 그리고 표본 기간동안 존재하는 패시브펀드의 Investing measure를 같은 방식으로 계산하였다.

<표 6>의 (A)~(D)열은 액티브펀드, 주요 시장지수, 그리고 패시브펀드의 Investing measure를 나타낸다. (E)~(G)열은 액티브펀드의 포트폴리오와 다른 포트폴리오의 Investing measure 차이를 보고하며, 괄호 안의 값은 t-통계량이다. <표 6>의 주요 결과는 다음과 같다. 첫째, 액티브펀드 전체의 Investing measure는 4.35로 추정되었으며 이는 주요 벤치마크나 패시브펀드의 Investing measure와 미세한 차이를 보였지만 일관되게 낮게 추정되었다. 즉, 전체적으로 액티브펀드는 벤치마크에 비해 저평가된 주식을 많이 보유하고 있지 않은것으로 나타났으며 이는 액티브펀드의 우월하지 못한 성과와 관련이 있는 것으로 짐작된다. 둘째, 개별 기업특성에 기반한 펀드의 Investing measure는 벤치마크나 패시브펀드와 유사하게 측정되었는데 이는, 평균적으로 국내 액티브펀드가 주식시장의 이상현상에 기반한 투자를 하고 있지 않음을 의미한다. 셋째, Investing measure의 차이가 크지는 않지만 액티브펀드는 벤치마크에 비해 과거승자주에 투자하는 경향이 있는 것으로 나타났는데 이는 평균적으로 펀드매니저들이 모멘텀투자를 하고 있음을 의미한다. 한편, 액티브펀드는 상대적으로 고평가된 발생액이 높은 주식, 변동성이 높은 주식, 그리고 회전율이 높은 주식에 투자하고 있는 것으로 나타났지만, 벤치마크의 Investing measure와 큰 차이를 나타내지는 않는다. 결과적으로, 액티브펀드는 벤치마크에 비해 저평가된 주식을 상대적으로 많이 보유하고 있다고 해석하기는 힘들다.

한편, 평균적으로 액티브펀드가 벤치마크에 비해 저평가된 주식에 투자하지 않더라도 일부의 액티브펀드는 이상현상에 기반하여 저평가된 종목을 보유할 가능성이 있다. 이를 확인하기 위해 펀드들을 Investing measure를 기준으로 5분위 그룹으로 나눈 후, 각 그룹 펀드들의 A-Score에 따른 투자비중을 산출하였으며 <표 7>의 Panel A는 그 결과를 나타낸다. Q1(Q5)은 Investing measure가 가장 낮은(높은) 그룹을 의미하며, D1(D10)은 A-Score가 가장 낮은(높은) 그룹을 의미한다. 한편, 패널 B는 액티브펀드 전체(Fund)와 KOSPI 지수의 A-Score별 투자비중 및 액티브펀드와 KOSPI, 그리고 Investing measure가 높은(낮은) 그룹과 KOSPI 간의 투자 비중 차이를 보고한다.

Panel A을 통해 Investing measure가 가장 높은 그룹은 그 수치가 가장 낮은 그룹에 비해 고평가된 주식은 상대적으로 적게 보유하고 있으며, 저평가된 주식은 상대적으로 많이 보유하고 있음을 알 수 있다. 예를 들어, Q5가 Q1에 비해 가장 고평가된 주식(D1)을 9.6%p 적게 보유하고 있으며 가장 저평가된 주식(D10)은 2.1%p 많이 보유하고 있는 것으로 드러났다. Panel B에서 액티브펀드 전체와 KOSPI 지수를 비교하였는데 A-Score별 투자 비중에 큰 차이가 존재하지 않았으며 이는 <표 6>의 결과와 일치한다. 한편, Q5 그룹은 KOSPI에 비해 저평가된 주식의 보유비중은 높으며 고평가된 주식의 보유비중은 낮은 것으로 추정 되었는데, 이는 Q5 그룹에 속한 액티브펀드들은 상대적으로 저평가된 주식을 보유하고 있음을 의미한다. 그러나, Q1~Q4 그룹의 펀드들은 KOSPI에 비해 저평가된 주식의 보유 비중이 낮은 것으로 추정되었다. 결론적으로, 대부분의 액티브펀드는 저평가된 주식의 보유 비중이 벤치마크에 비해 낮지만, 일부 펀드는 저평가된 주식의 투자비중이 높고 고평가된 주식의 투자비중이 낮은 것으로 추정되었다.

본 절에서는 Investing measure에 따른 액티브펀드의 성과를 분석한다. 이를 위해, 매 달마다 액티브펀드들을 Investing measure를 기준으로 5분위로 나눈 후 순자산액 가중평균 월 수익률을 계산하였다. <표 8>은 Investing measure로 분류한 5개 그룹의 Investing measure, 초과 수익률, CAPM 알파, Carhart(1997)의 4요인 모형 알파, 그리고 샤프비율을 각각 나타낸다. 패널 A는 비용 공제 이전의 성과를 보고하며 패널 B는 보수를 차감한 성과를 보고한다. 초과수익률은 무위험이자율 대비 초과성과를 의미하며 샤프 비율은 평균 무위험 이자율 대비 초과수익률을 전체 기간 동안에서 추정된 변동성으로 나누어 계산한다. 괄호 안의 값은 지연 시차 3의 Newey and West(1987) t-통계량이다.

비용 공제 이전의 수익률을 분석한 Panel A의 주요 결과는 다음과 같다. 첫째, 액티브펀드의 평균 초과수익률은 월 0.85%로 추정되었지만, 시장위험을 통제한 CAPM 알파는 월 0.04%로 추정되었다. 이는 액티브펀드의 성과가 시장보다 우월하지 못함을 의미하며 이전 분석의 결과와도 일치한다. 또한, 4요인모형의 알파는 월 -0.03%로 추정되어 액티브펀드의 저성과가 다시 한번 확인되었다. 둘째, Investing measure는 액티브펀드의 성과 차이를 설명할 수 있는 지표임이 확인되었다. Investing measure가 증가할수록 모든 성과지표들은 향상되었으며 특히, Investing measure가 가장 높은 펀드 그룹은 그 지표가 가장 낮은 그룹에 비해 CAPM 알파는 월 0.33%(연 3.96%), 그리고 4요인 알파는 월 0.27%(연 3.24%) 높게 추정 되었으며 이는 통계적으로 유의하다. Investing measure가 미래 펀드 수익률의 횡단면을 설명할 수 있는 관측치임을 발견한 것은 본 연구의 가장 중요한 결과이며 <표 9>에서 이에 대한 강건성 검증을 실시한다. 셋째, Investing measure가 가장 높은 Q5 그룹의 CAPM 알파는 월 0.20%(t-값=2.14)로 추정되었다. 액티브펀드의 벤치마크가 대부분 KOSPI 지수나 KOSPI 200 지수라는 측면을 고려하면 Q5 그룹은 시장보다 우월한 성과를 달성하는 것으로 해석할 수 있다. 그러나, 4요인 알파는 월 0.08%(t-값=0.90)으로 추정되어 기업규모요인, 가치요인, 모멘텀요인을 통제한 초과수익률은 존재하지 않는 것으로 나타났다. <표 8>의 Panel B는 비용 공제 이후의 수익률을 분석한 결과를 나타낸다. 전반적으로, 펀드의 성과는 악화되었지만, Q5-Q1의 수익률은 비용 공제 이전과 유사하게 추정되었다. 즉, 향후 펀드 성과에 대한 Investing measure의 예측력이 재확인되었다.⁹⁾

펀드의 수익률을 예측한다고 알려진 변수들이 존재하는 상황에서도 Investing measure의 예측력이 있는지를 살펴보기 위해서 아래의 회귀분석을 실시하였다.

alpha는 펀드의 성과로 무위험 이자율 대비 초과수익률과 Carhart(1997)의 4요인 모형으로 추정된 알파를 사용하였다. TNA는 펀드의 순자산액을 의미하며 AGE는 펀드 설정일로부터 경과된 시간으로 측정된 펀드의 나이를 의미한다. Expenses는 펀드의 총보수를 의미하여, Turnover는 교체매매를 나타낸다. Past return 은 펀드의 전월 수익률이며, flow는 현금흐름으로 전월 유입된 현금의 양을 순자산액으로 나눈 값으로 다음 식과 같이 계산하였다.

TE는 추적오차를 의미하며 벤치마크 대비 수익률의 표준 편차로 최근 3개월의 일간 수익률로 계산하였다. 이때 벤치마크는 FnGuide에서 개별 펀드마다 지정한 벤치마크 인덱스를 사용하였다. R²는 전월의 일간 초과수익률을 Carhart(1997)의 4요인으로 회귀분석하여 추정된 결정계수이며, 이는 R²가 펀드 매니저의 종목선택능력을 포착한다는 Amihud and Goyenko(2013)의 결과를 반영한 것이다. 한편, 모든 회귀 분석 모형은 시간 고정효과 (time fixed effect)를 고려하여 시간 더미(dummy)를 포함하였다.

<표 9>의 Panel A는 비용 공제 이전의 결과를 Panel B는 비용 공제 이후의 회귀분석 결과를 각각 나타낸다. 가독성을 위해 모든 계수는 100배하여 보고하였으며, 조정결정계수 (Adj R²)와 사용된 관측치의 개수를 표시하였다. 괄호 안의 값은 기업에 대해 클러스터 된 표준오차(robust standard error clustered by fund)를 이용해 계산된 t-통계량이다. <표 9>에 의하면 종속변수 및 통제변수의 포함여부에 상관없이 Investing measure의 값은 양으로 유의하게 추정되었다. 즉, 본 연구에서 제시된 Investing measure의 미래 펀드 수익률에 대한 예측력이 다시 한번 확인되었다. 한편, Investing measure의 예측력은 경제적으로 유의하다. 예를 들어, 초과수익률이 종속변수로 사용되는 경우에 Investing measure의 계수는 0.196~0.219의 값으로 추정되었는데 이는 Investing measure가 한 단위 증가할수록 향후 펀드의 수익률이 월 0.196~0.219% 증가함을 의미한다. 결과적으로, <표 8> 및 <표 9>의 결과는 상대적으로 저평가된 주식에 투자하는 펀드일수록 향후 수익률이 높음을 의미하므로 Investing measure는 액티브펀드의 성과향상에 기여하는 지표임이 확인되었다.

본 절에서는 펀드의 미래 성과에 대한 예측력을 보유하고 있는 Investing measure의 특성에 대해서 살펴보고자 한다. 구체적으로, Investing measure에 따른 펀드의 여러 가지 특성과 Investing measure의 지속성에 대해서 살펴본다.

<표 10>은 Investing measure에 따른 펀드의 여러 가지 특성을 나타낸다. 구체적으로, Investing measure를 기준으로 매달 표본 펀드들을 5분위 그룹으로 나누어 평균 특성을 계산한 후 전체 기간에 대한 평균을 산출하였다. <표 9>에서 사용된 특성변수 이외에 보유 주식수(# of stocks), 시장베타(market beta), 현금보유(cash holding)를 추가하였다. 시장 베타(market beta)는 매 월 펀드의 전 달 일간 수익률을 이용하여 추정하였으며, 현금보유는 현금 보유량을 순자산액으로 나눈 값이다.

<표 10>의 주요 결과는 다음과 같다. 첫째, 상대적으로 저평가된 주식에 많이 투자하는 펀드일수록 시장베타가 낮게 추정되었다. 이는 차입제약으로 인해 상대적으로 저평가된 주식의 시장베타가 낮음을 보고한 <표 5>의 결과와 일치한다. 둘째, Investing measure가 높은 펀드일수록 교체매매 비중이 낮게 측정되었으며, Investing measure가 가장 높은 Q5 그룹의 교체매매 비중이 다른 그룹에 비해 특히 낮게 측정되었다. 셋째, Q1과 Q5 그룹의 추적오차는 높고 R²는 낮게 추정되었는데, 이는 저평가 또는 고평가된 종목에 투자하는 펀드일수록 벤치마크와의 괴리가 큰 액티브성(activeness)이 강한 펀드라는 직관과 일치한다. 넷째, 액티브성이 큰 펀드일수록 순자산액 및 펀드로의 현금유입이 높게 측정되었으며, 펀드의 나이는 상대적으로 낮게 측정되었다. 결과적으로 A-Score가 높은 Q5 그룹은 다른 펀드들보다 시장베타가 1과 차이가 크며, 추적오차 역시 가장 크다. 다시 말해, A-Score를 기준으로 저평가된 종목을 많이 보유하려는 펀드들은 상대적으로 벤치마크에서 더 많이 벗어날 수 밖에 없고, 저평가되어 있는 종목들을 더 적극적으로 활용하기 위해서는 투자 제약이 완화될 필요가 있다.

Investing measure에 따른 펀드 매니저의 투자결정에 지속성이 존재하는지의 여부를 살펴보기 위해서 <표 11>은 Investing measure가 가장 높은 그룹(Q5)과 가장 낮은 그룹 (Q1)의 전이 행렬을 나타낸다. 구체적으로, 매년 7월에 Investing measure를 이용하여 펀드들을 5개의 그룹으로 나눈 후, t년과 t+1~t+5년 사이의 전이 확률을 계산하였다. 패널 A는 가장 저평가된 포트폴리오를 보유하는 Q5 그룹에 대한 전이 행렬이며, 패널 B는 가장 고평가된 포트폴리오를 보유하는 Q1 그룹의 전이 행렬을 각각 나타낸다. Q1 그룹에 비해서 Q5 그룹의 지속성이 상대적으로 높게 측정되었다. Q5 그룹에 속한 펀드가 1년 후에 Q5 그룹에 머무를 확률이 60%로 측정되었으며, 5년 후에도 같은 그룹에 포함될 확률이 43%로 측정되었다. 이와 반대로, Q1 그룹에 속한 펀드가 1년 후에 같은 그룹에 포함될 확률은 38%, 5년 후에도 같은 그룹에 머무를 확률은 22%로 측정되었다. 결과적으로, Investing measure의 지속성이 확인되었으며 특히, 상대적으로 저평가된 주식에 많이 투자하는 펀드일수록 지속성이 높은 것으로 나타났다. 이는, 상대적으로 저평가된 주식에 투자하고 있는 펀드 매니저의 투자 전략에 지속성이 존재함을 의미한다.