3주차 1강

Shared on September 16, 2026

강의 요약: 금융통계와 수익률 분석

개요

수강 목표: 금융 데이터(종합주가지수)를 통계적으로 분석하고, 수익률 계산 및 시각화 방법을 익히는 것.
평가: 출석 20 %, 중간·기말 과제 60 % (Excel 기반 실습 포함).
시험 일정
- 중간고사: 10월 19일 (09.1 분반)
- 기말고사: 12월 16일 (09.2 분반)

핵심 개념

구분	정의	활용 예시
수익률(Return)	주식 가격 변동(자본이득/손실) + 배당수익률 합산	1년 수익률 계산, 포트폴리오 성과 평가
기간수익률	연속적이 아닌 이산적 시점에서의 수익률	매수·매도 시점마다 수익률 곱셈
복리수익률	((1+R_1)(1+R_2)\dots(1+R_n)-1)	장기간 투자 성과
빈도분포(프리퀀시 히스토그램)	데이터 범위를 구간으로 나누어 빈도 계산	KOSPI 일별 수익률 분포 시각화
기초통계량	평균(μ), 분산(σ²), 외도(스큐니스), 첨도(크토스)	데이터 분포 모양 파악, 정규성 검증
정규분포 가정	금융 수익률이 평균 μ, 표준편차 σ의 정규분포를 따른다	위험·수익 관계 모델링
시계열 vs 횡단면 분석	시계열: 시간에 따른 변동, 횡단면: 한 시점에서 여러 개체 비교	개별 종목 추세 vs 시장 구조
해지(헤지) 포트폴리오	반대 방향으로 움직이는 자산(예: Inverse ETF) 결합	리스크 제거 전략

상세 노트

1. 수익률 계산

자본이득: 주식 가격 상승·하락
배당수익률: 배당금 ÷ 주가
총 수익률: 자본이득 + 배당수익률
이산적 기간 수익률
[ R_{period} = \frac{P_{sell} - P_{buy}}{P_{buy}} ]
복리 수익률
[ R_{cum} = \prod_{t=1}^{n}(1+R_t) - 1 ] → 장기간 성과에 사용

핵심: 매수·매도 시점마다 수익률을 곱해 최종 수익 계산.

2. 빈도분포와 기초통계량

데이터 범위(최소~최대)를 구간(빈)으로 나누고 각 구간의 빈도 계산.
빈 사이즈(폭): 데이터 범위 ÷ 구간 수 (스콧 1992 방식 선호).
기초통계량
- 평균(μ): 중앙 위치
- 분산(σ²): 변동성
- 외도(스큐니스): 비대칭 정도
- 첨도(크토스): 꼬리 두께
정규분포와 비교:
- 평균 ≈ 0, 분산 ≈ 1, 외도 ≈ 0, 첨도 ≈ 3.
- 실제 데이터와 차이 분석 → 정규성 여부 판단.

3. KOSPI 종합주가지수 분석

1980‑2026년 12,389일치 일별 수익률 제공.
분포 시각화: 히스토그램 + 파이프 차트
분포 특성
- 평균: 0에 가까운 경향
- 분산: 높은 변동성
- 외도: 음의 외도(손실 극단값 존재)
- 첨도: 양의 첨도(두꺼운 꼬리)

4. 시계열 vs 횡단면

시계열: 개별 종목(예: 삼성전자, SK이노베이션)의 가격 변동 추적.
횡단면: 한 시점에서 전체 상장 종목의 평균 수익률 비교.
분석 활용
- 시계열 → 개별 종목의 추세 파악
- 횡단면 → 시장 구조(대형·중형·소형) 및 인덱스와의 관계 분석

5. 헤지 포트폴리오

Inverse ETF: 인덱스와 반대로 움직임, 위험 최소화 목적
레버리지 ETF: 인덱스 변동을 두 배로 확대
포트폴리오 조합: 대형 종목 + Inverse ETF → 위험 제로 가능성

6. 과제 안내

자료: 46년치 KOSPI 일별 수익률(12,389개)
분석 내용
1. 빈도분포 및 기초통계량 산출
2. 정규성 검정 (외도·첨도 활용)
3. 시계열/횡단면 시각화
4. 수익률 연계(예: 2000‑2005년 회귀분석)
5. 보고서: 5–7 페이지, 그래프 및 해석 포함

주의: Excel/Matlab 등에서 빈도분포를 그릴 때는 스콧(1992) 방식(정규분포 기반 구간폭) 사용 권고.

마무리

수업에서는 데이터 수집 → 통계 분석 → 시각화 → 해석의 순환 과정을 체계적으로 익힘.
실습 과제와 과제 보고서를 통해 이론을 실제 금융 데이터에 적용해 보는 경험을 제공.
중간·기말 고사는 위 핵심 개념과 실습 내용을 종합적으로 평가합니다.