일본 외환시장에서의 무리행동에 대한 연구

Herd Behavior in Yen-Dollar Foreign Exchange Market

시장참가자들의 무리행동(herd behavior)은 수익률의 변동을 증폭시키고, 시장을 불안정하게 만들며, 금융시스템의 취약성을 증가시킨다. 본 연구에서는 일본 외환시장에서 무리행동이 존재하는지를 알아보고, 무리행동이 발생하는 원인 및 확산과정, 그리고 그것이 수익률의 변동성에 미치는 효과를 연구하였다. 우리는 Cont-Bouchaud(2000)의 스며들기모형(percolation model)을 발전시켜 무리행동을 설명할 수 있는 간단한 모형을 작성하였다. 그리고 일본 외환시장에서 거래되는 엔-달러 환율의 자료를 이용한 컴퓨터 시뮬레이션을 통하여, 엔-달러 외환시장 수익률의 급격한 변동이 정보전달 과정의 문제로 인한 무리행동에 의해 설명될 수 있다는 것을 보였다. 본 연구의 주요 결과는 다음과 같다. 첫째, 엔-달러 외환시장에서 수익률의 확률분포는 정규분포가 아닌 멱법칙(power law)을 따르고 있었다. 이것은 정규분포에서 나타날 수 있는 것보다 훨씬 더 빈번하게 비정상적 수익률이 나타났다는 것을 의미한다. 둘째, 정보전달이 순조롭지 못한 상태여서 무리행동 파라미터()가 큰 값을 가질수록, 엔-달러 외환시장에서는 무리행동이 빈번히 나타났다. 셋째, 무리집단 크기 의 확률분포도 정규분포가 아니라 멱법칙을 따르는 것으로 나타났다. 이것은 엔-달러 외환시장에서 정규분포에서 나타날 수 있는 것보다 더 큰 규모로 무리집단이 형성되고 있음을 의미한다. 넷째, 정규화 수익률의 확률분포를 분석한 결과, 단기일수록 정보전달이 불충분하여 무리행동이 빈번하게 발생하였다.

The purpose of this paper is to investigate the cause and the diffusion process of herd behavior and its effect on return volatility in foreign exchange market. To do this we make a simple herding model, which is an extended version of percolation model introduced by Cont-Bouchaud (2000). After the execution of computer simulation using the returns data of yen-dollar foreign exchange market, we find that the problem of information transmission can induce herd behavior in the market and that the sharp fluctuations of returns can be illustrated by herding of market participants. The main results from computer simulation are as follows. First, the probability distribution of returns in financial markets is closely approximated by a power law, not Gaussian distribution. This means that abnormal returns are found more frequently than is expected from Gaussian distribution and that bubbles and crashes can be appeared in financial markets. Second, the probability of occurrence of sharp fluctuations of returns is dependent on the size of herding parameters (). If the value of is high, namely information transmission goes well among market participants, herding and bubbles and crashes appear frequently. Third, the probability distribution of clusters size is also closely approximated by a power law, not Gaussian distribution. This means that the size of herd clusters is bigger than is expected from Gaussian distribution. Fourth, as investment time horizon is shorter the distribution of normalized returns is approximated well by a fat-tail distribution. This means that in the short-run there are some trouble in the process of information transmission and herding appears more frequently.