Hirshleifer, Mai, and Pukthuanthong (2025): 두 판 사이의 차이

2026년 6월 22일 (월) 17:20 판

Hirshleifer, Mai, Pukthuanthong (2025)는 David Hirshleifer, Dat Mai, Kuntara Pukthuanthong이 "War Discourse and the Cross Section of Expected Stock Returns"라는 제목으로 2025년 Journal of Finance에 발표한 논문이다.

개요

이 논문은 희귀재난위험(rare disaster risk)이 수익률의 횡단면을 어떻게 가격결정하는지를 실증하기 위해, 준지도 잠재 디리클레 할당(seeded latent Dirichlet allocation; sLDA)으로 약 700만 건의 뉴욕타임스(New York Times) 기사(1871년 이후 160년)에서 전쟁 담론 지수를 추출한다. 핵심 결과는 전쟁 담론 지수의 1차 자기회귀모형(autoregressive model; AR) 잔차인 전쟁요인(WarFac)이 자산 집합 전체에서 유의미한 음(−)의 위험프리미엄(risk premium)을 획득한다는 것이다.

연구 배경

극단적 재난이 발생할 때 고수익을 내는 자산이 있다면, 이 자산은 재난 위험에 대한 헤지(hedge) 수단이 되므로 낮은 기대수익률을 가질 것이다(Barro, 2006). 한편, 행동재무학(behavioral finance)에 따르면 현저성(salience)과 누적전망이론(cumulative prospect theory)에 의해 투자자들은 희귀한 재난을 실제 확률보다 높게 평가할 수 있다. 이로 인해 재난에 양(+)으로 민감하게 반응하는 자산은 투자자들이 과대평가하게 되어 이후 낮은 수익률을 실현한다.

연구 방법

전쟁 담론 지수는 sLDA 방법(Lu et al., 2011)으로 추출한다. 이 논문에서는 "war"를 유일한 씨앗 단어(seed word)로 사용하며, 매월 과거 10년치 기사를 대상으로 분석을 실시한다. 전쟁요인은 전쟁 담론 지수의 AR(1) 잔차로 정의한다. 이후 전쟁요인을 자본자산가격결정모형의 단일한 시장요인과 유사하게 단일 요인으로 사용하여 가격결정력을 검증한다. 가격결정력 검증에는 2단계 회귀(Fama-MacBeth) 방법을 적용한다.

주요 결과

전쟁 요인은 검증 자산 집합 모두에서 유의미한 음(−)의 위험프리미엄을 나타낸다. 또한, 기계학습 기반 포트폴리오(Bryzgalova et al., 2023)에서 전쟁 요인은 단일요인 모형으로 횡단면 분산의 62%를 설명한다. 단일요인 모형으로서 전쟁요인은 기존의 잘 알려진 다요인 모형을 상회한다.

시사점

전쟁 담론은 일반적인 하방위험(downside risk)이나 변동성과 구별되는 독자적 꼬리위험(tail risk) 원천이다. 희귀재난, 특히 전쟁이 수익률의 횡단면을 설명하는 독립적인 요인으로 작동함을 시사한다.

참고문헌

Hirshleifer, D., D. Mai, and K. Pukthuanthong, 2025, "War discourse and the cross section of expected stock returns", Journal of Finance 80(6), pp. 3589–3637. DOI: 10.1111/jofi.13482

@@ 3번째 줄: / 3번째 줄: @@
 == 개요 ==
-전쟁 담론에서 구성한 요인이 기대 [[주식]] [[수익률]]의 횡단면(cross section)을 설명하는지를 분석한다. 이 논문은 [[자산가격결정]] 문헌에서 희귀재난위험(rare disaster risk)이 수익률의 횡단면을 어떻게 가격결정하는지를 실증하기 위해, 준지도 잠재 디리클레 할당(semisupervised LDA; sLDA)으로 약 700만 건의 뉴욕타임스(New York Times) 기사(1871년 이후 160년)에서 전쟁 담론 지수(War 지수)를 추출한다. 핵심 결과는 War 지수의 AR(1) 잔차인 WarFac(전쟁요인(war factor))이 여섯 가지 검증 자산(test asset) 집합 전체에서 유의미한 음(−)의 위험프리미엄(risk premium)을 획득한다는 것이다.
+이 논문은 희귀재난위험(rare disaster risk)이 수익률의 횡단면을 어떻게 가격결정하는지를 실증하기 위해, 준지도 잠재 디리클레 할당(seeded latent Dirichlet allocation; sLDA)으로 약 700만 건의 뉴욕타임스(New York Times) 기사(1871년 이후 160년)에서 전쟁 담론 지수를 추출한다. 핵심 결과는 전쟁 담론 지수의 1차 자기회귀모형(autoregressive model; AR) 잔차인 전쟁요인(WarFac)이 자산 집합 전체에서 유의미한 음(−)의 위험프리미엄(risk premium)을 획득한다는 것이다.
 == 연구 배경 ==
-희귀재난위험 이론은 극단적 재난 발생 시 고수익을 내는 자산이 위험 헤지(hedge) 수단이 되므로 낮은 기대수익률을 가진다고 예측한다(Barro(2006)). 행동재무 채널로는 현저성(salience)과 누적전망이론(cumulative prospect theory)에 의한 낮은 확률의 재난 과대평가가 있다. 재난 전망에 민감하게 반응하는 자산은 투자자들이 과대평가하게 되어 이후 낮은 수익률을 실현한다.
+극단적 재난이 발생할 때 고수익을 내는 자산이 있다면, 이 자산은 재난 위험에 대한 헤지(hedge) 수단이 되므로 낮은 기대수익률을 가질 것이다(Barro, 2006). 한편, 행동재무학(behavioral finance)에 따르면 현저성(salience)과 누적전망이론(cumulative prospect theory)에 의해 투자자들은 희귀한 재난을 실제 확률보다 높게 평가할 수 있다. 이로 인해 재난에 양(+)으로 민감하게 반응하는 자산은 투자자들이 과대평가하게 되어 이후 낮은 수익률을 실현한다.
-전쟁을 분석 대상으로 선택한 근거는 다음과 같다. 첫째, Hirshleifer et al.(2025)의 집계 시장수익률 예측 연구에서 전쟁 위험이 다른 재난 위험(경기침체, 팬데믹 등)보다 강한 예측력을 보였다. 둘째, 실현된 전쟁 사건은 희귀하여 표본 수가 작으므로, 미디어의 전쟁 관련 뉴스 주목도를 사용하면 충분한 시계열 변동을 확보할 수 있다. 이 논문은 합리적 재난위험 모형(전쟁 위험이 높을 때 고수익을 내는 자산은 헤지 가치를 제공하므로 위험프리미엄이 낮다)과 행동재무 모형(전쟁 전망 과대평가로 인해 전쟁에 양의 민감도를 가진 자산이 과대평가된다) 두 가지 해석을 모두 허용한다.
 == 연구 방법 ==
-War 지수는 준지도 잠재 디리클레 할당(semisupervised LDA; sLDA)(Lu et al.(2011)) 방법으로 추출한다. sLDA는 "war" 단 하나의 씨앗 단어(seed word)를 사용하며, 매월 과거 10년치 기사를 대상으로 롤링 추정(rolling estimation)을 수행하여 미래정보 편의(look-ahead bias)를 방지한다. 씨앗 단어를 통해 주제 내용을 사전 지정한다는 점이 비지도 방식인 잠재 디리클레 할당(latent Dirichlet allocation; LDA)과의 핵심 차이이다. 비교를 위해 일반 잠재 디리클레 할당(LDA)으로 구성한 전쟁 요인은 유의한 위험프리미엄을 얻지 못함을 함께 보고한다.
+전쟁 담론 지수는 sLDA 방법(Lu et al., 2011)으로 추출한다. 이 논문에서는 "war"를 유일한 씨앗 단어(seed word)로 사용하며, 매월 과거 10년치 기사를 대상으로 분석을 실시한다. 전쟁요인은 전쟁 담론 지수의 AR(1) 잔차로 정의한다. 이후 전쟁요인을 [[자본자산가격결정모형]]의 단일한 시장요인과 유사하게 단일 요인으로 사용하여 가격결정력을 검증한다. 가격결정력 검증에는 2단계 회귀(Fama-MacBeth) 방법을 적용한다.
-WarFac은 War 지수의 AR(1) 잔차(혁신)로 정의한다. 이 단일요인모형(factor model)은 [[자본자산가격결정모형]]의 단일 시장요인 구조와 유사하다. 가격결정력 검증에는 2단계 회귀(Fama-MacBeth) 방법을 적용한다. 1단계에서 각 자산의 요인(factor) 적재량(베타)을 시계열 회귀로 추정하고, 2단계에서 베타가 기대수익률의 횡단면을 설명하는지 횡단면 회귀로 검정한다.
-여섯 가지 검증 자산 집합은 다음과 같다.
-* 138개 HXZ 롱숏(long-short) 포트폴리오 (Hou et al.(2020))
-* 1,372개 HXZ 단일정렬 포트폴리오
-* 904개 Chen-Zimmermann 단일정렬 포트폴리오
-* 360개 Bryzgalova et al.(2023) 머신러닝 기반 비선형 포트폴리오
-* 저자들이 구성한 128개 HXZ 방식 롱숏 포트폴리오
-* 2,190개 비선형 다항 정렬 포트폴리오
 == 주요 결과 ==
-WarFac은 여섯 가지 검증 자산 집합 모두에서 유의미한 음(−)의 수익프리미엄을 나타낸다. 이는 11개 비거래 요인(nontraded factor) 가운데 WarFac이 유일하게 모든 자산 집합에서 유의한 음의 프리미엄을 획득하는 결과이다. 요인 적재량(베타)의 수 기준으로는 138개 HXZ 롱숏 포트폴리오와 저자 구성 이상현상(anomaly) 포트폴리오에서 WarFac이 가장 많은 유의한 적재량을 보이며, 나머지 자산 집합에서는 중간 순위에 해당한다.
+전쟁 요인은 검증 자산 집합 모두에서 유의미한 음(−)의 위험프리미엄을 나타낸다. 또한, 기계학습 기반 포트폴리오(Bryzgalova et al., 2023)에서 전쟁 요인은 단일요인 모형으로 횡단면 분산의 62%를 설명한다. 단일요인 모형으로서 전쟁요인은 기존의 잘 알려진 다요인 모형을 상회한다.
-개 머신러닝 기반 비선형 포트폴리오(Bryzgalova et al.(2023))에서 WarFac은 단일요인 모형으로 횡단면 분산의 62%를 설명하며, 이는 거래 요인 중 가장 큰 설명력을 가진 CMA(28%)의 두 배를 넘는 수준이다. 단일요인 모형으로서 WarFac은 FF6, M4, DHS, Q5 등 기존의 잘 알려진 다요인 모형을 상회한다. WarFac의 프리미엄은 Fama-French 6요인 모형(FF6), Stambaugh-Yuan(2017) 미스프라이싱 요인모형(M4), Daniel et al.(2020) 행동·합리 복합 요인모형(DHS), Hou et al.(2021) q5 요인모형(Q5)에 대해 증분적(incremental)이다. 또한 Manela-Moreira의 NVIX 지수와 Caldara-Iacoviello의 지정학적 위험(GPR) 지수를 통제한 후에도 WarFac의 음의 프리미엄은 유의성을 유지하며, 두 지수 자체는 유의한 프리미엄을 나타내지 않는다.
 == 시사점 ==
-전쟁 담론은 일반적인 하방위험(downside risk)이나 변동성과 구별되는 독자적 꼬리위험(tail risk) 원천이다. 합리적 해석으로는 고전쟁 위험 상태에서 높은 수익을 내는 주식이 헤지 기능을 가지므로 낮은 기대수익률을 얻는다는 것이다. 행동재무적 해석으로는 투자자들이 전쟁 전망을 과대평가하여 전쟁에 양의 민감도를 가진 주식을 고평가함으로써 낮은 사후 수익률이 실현된다는 것이다. 더 넓게는 희귀재난, 특히 전쟁이 수익률의 횡단면을 설명하는 독립적인 요인으로 작동함을 시사하며, 전쟁 미디어 담론이 자산가격결정에서 유용한 정보를 제공한다는 점을 보여준다.
+전쟁 담론은 일반적인 하방위험(downside risk)이나 변동성과 구별되는 독자적 꼬리위험(tail risk) 원천이다. 희귀재난, 특히 전쟁이 수익률의 횡단면을 설명하는 독립적인 요인으로 작동함을 시사한다.
 == 참고문헌 ==
-Hirshleifer, D., D. Mai, K. Pukthuanthong, 2025, "War Discourse and the Cross Section of Expected Stock Returns", ''Journal of Finance'' 80(6), pp. 3589–3637. DOI: [https://doi.org/10.1111/jofi.13482 10.1111/jofi.13482]
+Hirshleifer, D., D. Mai, and K. Pukthuanthong, 2025, "War discourse and the cross section of expected stock returns", ''Journal of Finance'' 80(6), pp. 3589–3637. DOI: [https://doi.org/10.1111/jofi.13482 10.1111/jofi.13482]
 [[분류:금융위험]]