거래 데이터로부터 정보식별 및 VPIN 모형비교: Kospi200 선물시장을 중심으로

Abstract

본 연구에서는 거래 데이터로부터 내재정보를 식별하는 가장 좋은 방법은 무엇인지 판별하였다. Easley et al. (2016) 이 제안한 Bulk Volume Classification (BVC), Aggregated Tick Rule (ATR) 방법론의 정확도를 검증했으며, 실증분석 결과로는 거래의 의도와 실제 거래가 동일하다는 관점에서 정확도를 측정하는 Aggressor flags 측면에서는 BVC, ATR 모두 좋은 정확도를 보였지만 이와 반대되어 사적 정보를 기반하여 주문이 이루어졌을 때 정확도를 측정하는 Corwin-Schultz Estimator 측면에서는 BVC방법론이 우세한 결과를 보여주었다. 또한 Andersen and Bondarenko (2013) 가 제안한 실제 거래된 데이터를 바탕으로 매수, 매도를 분류하는 True Trade Rule(TTR) 방법론을 추가하여 고빈도 시장에서 독성 주문 흐름을 측정하는 Easley et al.(2012)의 VPIN모형이 정보비대칭이 높은 상황에서 폭락 및 폭등의 사전징후를 포착하였는지도 알아보았다. 마지막으로 VPIN모형이 2020년 Kospi200 선물시장에서 총 7번의 사이드카 발동시점의 선행여부를 확인함으로써 단기 폭등 및 폭락에 대한 조기경보지표 효과를 검증하였다.