금융 이벤트 스터디와 누적 비정상수익률(CAR)

금융 이벤트 스터디는 실적 발표, 인수합병 공시, 배당 변경, 규제 결정처럼 시점이 정해진 사건을 전후로 주식이 지정한 정상수익률 기준선보다 다르게 움직였는지 묻습니다. 핵심 결과는 단순한 가격 변동이 아닙니다. 선택한 기준 모형을 적용하고 나서 남는 수익률 차이입니다.

한 종목의 비정상수익률(abnormal return, AR)은 해당 거래일의 실제 수익률에서 추정한 정상수익률을 뺀 값입니다. CAR은 지정한 구간에서 일별 비정상수익률을 합산합니다. 양의 CAR은 그 구간에서 해당 종목이 모형 기준보다 높은 수익률을 기록했다는 뜻이고, 음의 CAR은 낮았다는 뜻입니다. 어느 쪽도 가격이 움직인 이유를 그 자체로 설명하지는 않습니다.

이 글은 금융 수익률의 시장 반응을 다룹니다. “이벤트 스터디”는 정책 개입을 기준으로 시간별 효과를 나타내는 패널 회귀 설계도 가리킵니다. 그 설계는 다른 추정 대상과 가정을 사용하므로 차분의 차분 이벤트 시간 안내서에서 따로 설명합니다. 주식 수익률 이벤트 스터디도 완전한 인과 설계는 아닙니다. 이벤트 구간에 다른 뉴스가 함께 나올 수 있습니다.

먼저 무엇을 이벤트로 볼지, 표본에 어떤 기업이나 증권을 포함할지, 반복 발표나 정정 공시를 어떻게 다룰지 정합니다. 정보 공개 시각은 거래소 현지 시간과 시간대를 포함해 기록하고, 일별 자료에서는 해당 시각이 속한 거래 세션을 t = 0으로 매핑합니다. 장 마감 뒤 발표라면 연구 질문과 수익률 정의에 따라 다음 거래 세션을 t = 0으로 둘 수 있습니다. 거래소 달력, 휴장일, 단축 거래일을 확인하고 이 규칙을 표본 전체에 동일하게 적용하세요.

장 마감 뒤 발표는 그날의 종가-종가 수익률에 포함되지 않으므로, 일별 수익률로 최초 반응을 보려면 다음 거래 세션이 적합할 수 있습니다. 장 시작 전 발표는 수익률 정의에 따라 발표일 시가-종가 또는 종가-종가 구간에 반영될 수 있습니다. 공시의 달력 날짜만으로 t = 0을 정하기 어렵습니다.

종목과 기준 지수의 수익률 자료를 일관되게 맞춥니다. 배당 등 분배금을 포함하는지, 주식분할과 상장폐지를 어떻게 반영하는지, 통화와 거래일 기준을 무엇으로 하는지, 거래가 없는 날이나 가격 누락을 어떻게 다루는지 밝히세요. 주식에는 가격수익률을 쓰고 기준 지수에는 총수익률을 쓰면 비교 자체에 불필요한 차이가 생길 수 있습니다.

추정 기간(estimation window)은 정상수익률 모형을 맞추는 관측값을 제공합니다. 이벤트 기간(event window)은 AR을 측정할 거래 세션의 구간으로, t = 0을 기준으로 [τ1, τ2]처럼 씁니다. 이벤트 자체의 수익률이 기준선 추정에 섞이지 않도록 두 기간은 보통 겹치지 않게 설정합니다.

예를 들어 시장모형을 이벤트 전 거래일 [-250, -30]에서 추정하고, 짧은 반응을 [-1, +1]에서 측정할 수 있습니다. 이 날짜는 설명을 위한 예시일 뿐 보편적 규칙이 아닙니다. 이벤트 기간이 길면 정보 누출이나 지연 반응을 담을 수 있지만, 관련 없는 정보가 포함될 가능성도 커집니다. 어떤 구간의 CAR이 가장 눈에 띄는지 확인한 뒤 기간을 고르기보다 연구 질문에 맞춰 먼저 정하세요. 추정 기간의 끝을 특정일로 잡은 이유도 설명해야 합니다. 공시 전 보도나 여러 차례의 정정 발표가 있었다면 마지막 추정 세션까지 정보가 가격에 반영됐을 수 있습니다. 반대로 이벤트와 너무 가까운 날짜를 모두 제외하면 관측치가 줄어 계수 추정이 불안정해질 수 있습니다.

정상수익률의 기준 모형도 결과에 영향을 줍니다. 일정 평균 모형, 시장 조정 수익률, 시장모형, 요인 모형은 서로 다른 예상수익률을 만들 수 있습니다. MacKinlay의 이벤트 스터디 검토 논문은 모형과 기간 선택을 설명합니다. 사전 이벤트 기간에 적합한 모형은 비교 기준을 예측할 뿐, 사건이 없었더라면 같은 종목이 얻었을 관측 불가능한 결과를 보여 주지는 않습니다.

시장모형은 시장 전체와의 선형 관계를 조정합니다. 규모·가치·모멘텀 같은 다른 체계적 노출이 중요하다면 요인 모형은 다른 기준수익률을 만들 수 있습니다. 다만 설명변수를 더하면 추정할 계수가 늘고 안정적인 추정에 필요한 표본도 달라집니다. 모형 이름만으로 우열을 정하지 말고, 연구 질문에 맞춘 선택 근거와 대안 모형을 사용한 민감도 결과를 함께 제시하세요.

시장모형은 이벤트 기간 밖의 추정 구간에서 해당 종목과 시장 지수의 관계를 추정합니다.

R_i,t = α_i + β_i R_m,t + ε_i,t

R_i,t는 종목 수익률이고 R_m,t는 기준 지수 수익률입니다. 이벤트 기간에서 추정된 정상수익률은 R̂_i,t = α̂_i + β̂_i R_m,t입니다. 실제 수익률에서 이를 빼면 AR_i,t = R_i,t - R̂_i,t를 얻습니다.

τ1부터 τ2까지의 이벤트 기간에서 CAR_i[τ1,τ2] = Σ AR_i,t로 계산합니다. 구간을 결과와 함께 표시하세요. CAR[-1,+1]과 CAR[0,+1]은 서로 다른 시점 질문에 답합니다. 입력을 일별 퍼센트 수익률로 표시했다면 합계의 단위는 퍼센트포인트입니다. 이 값을 복리로 계산한 보유기간 수익률이라고 부르면 안 됩니다.

추정 계수, 수익률 정의, 시장 지수, 추정 기간, 이벤트 시간 기준, 실제 포함한 관측값은 계산의 일부입니다. 시장모형이 잘못 지정되면 AR에도 그 오차가 남습니다. OLS 가정 안내서는 회귀 표본과 잔차의 거동이 중요한 이유를 설명합니다.

이벤트 전 시장모형 추정치가 α̂ = 0.10%, β̂ = 1.20이라고 가정하겠습니다. [-1,+1]의 세 거래일은 모두 가상 수치입니다.

세션 -1의 적합 수익률은 0.10% + 1.20 × 1.00% = 1.30%이므로 AR은 2.00% - 1.30% = +0.70퍼센트포인트입니다. 같은 방식으로 세션 0과 +1의 AR은 각각 -0.50, +0.70퍼센트포인트입니다. 세 값을 더하면 CAR[-1,+1] = +0.90퍼센트포인트입니다. 창을 바꾸면 CAR[-1,0] = +0.20퍼센트포인트, CAR[0,+1] = +0.20퍼센트포인트, CAR[0,0] = −0.50퍼센트포인트가 됩니다. 같은 세 AR 가운데 어떤 거래일을 합산하느냐만 달라진 값입니다. 발표일 하루를 볼지 앞뒤 거래일을 포함할지는 연구 질문에 맞춰 사전에 정해야 합니다. 결과를 확인한 뒤 여러 창을 비교하고 가장 큰 CAR을 고르면 우연히 극단적인 구간만 보고할 위험도 커집니다.

모든 입력값은 가상입니다. 이 결과는 선택한 시장모형 기준으로 3거래일 주식 수익률이 0.90퍼센트포인트 높았다는 뜻입니다. 공시가 그 차이 전체를 일으켰다는 뜻도, 해당 이벤트가 경제적으로 가치 있었다는 뜻도, 비슷한 거래가 다음에 같은 수익을 낸다는 뜻도 아닙니다.

N개의 증권-이벤트 관측값에서 특정 이벤트 날짜 t의 동일가중 평균 비정상수익률은 AAR_t = (1/N) Σ AR_i,t입니다. 정해진 이벤트 구간의 누적 평균 비정상수익률은 CAAR[τ1,τ2] = Σ AAR_t입니다. 모든 이벤트에 같은 날짜와 동일가중치를 쓰면 CAAR은 이벤트별 CAR의 평균과 같습니다. 가중치나 기간이 다르면 집계 규칙을 밝혀야 합니다.

CAR은 일별 AR을 더하며, 복리로 계산하지 않습니다. 순수하게 수학만 보여 주는 예로 일별 비정상수익률이 +10%와 -10%라면 CAR은 0%지만, 해당 수익률 경로를 복리로 계산하면 (1.10 × 0.90) - 1 = -1%입니다. 매입 후 보유 초과수익률은 실제 보유 성과의 복리와 기준선 경로의 복리를 비교합니다. 특히 장기 구간에서는 CAR과 다른 측정치입니다.

분석 단위도 분명히 하세요. 기업별 CAR은 한 증권-이벤트 쌍의 결과입니다. CAAR은 집계 규칙을 적용한 표본 요약입니다. 어느 쪽도 기업 전체 가치의 변화율이나 비용을 차감한 실행 가능 포트폴리오 수익률을 자동으로 뜻하지는 않습니다.

CAR은 점 추정치입니다. 통계적 유의성을 평가하려면 분산 추정과 관측값 간 관계에 대한 가정도 필요합니다. 이벤트가 바로 검정 대상인 시기에 수익률 분산을 바꿀 수 있습니다. Boehmer, Musumeci, Poulsen의 이벤트로 인한 분산 연구90032-F)는 이런 분산 변화를 무시한 방법이 일부 상황에서 0-AR 귀무가설을 지나치게 자주 기각할 수 있음을 보입니다.

여러 기업이 같은 날짜의 발표나 공통 충격을 겪으면 비정상수익률은 종목 간에 상관될 수 있습니다. 이를 독립이라고 처리하면 불확실성을 과소평가할 수 있습니다. Kolari와 Pynnönen의 횡단면 상관 검정은 이벤트 날짜가 몰리는 경우를 포함해 이 문제를 연구합니다. Brown과 Warner의 일별 수익률 분석90042-X)도 자기상관, 이벤트 조건부 분산, 횡단면 의존성이 일별 이벤트 스터디 절차에 미치는 영향을 다룹니다.

이벤트 설계, 표본, 의존 구조에 맞는 추론 방법을 고릅니다. 검정 통계량, 표준오차 또는 분산 추정 방법, 표본 수, 이벤트 날짜 군집, 소표본 보정 여부를 보고하세요. 여러 기간·결과·이벤트 정의를 시험했다면 주 결과를 사전에 정하거나 다중 검정을 반영하고, 가장 유의했던 결과만 보고하지 않습니다. 귀무가설은 보통 지정한 표본과 구간에서 평균 AR 또는 CAR이 0이라는 식으로 구체화합니다. p-value는 귀무가설과 검정 가정이 맞을 때 관측값만큼 또는 더 극단적인 통계량이 나올 확률이지, 귀무가설이 참일 확률은 아닙니다. 큰 표본에서는 경제적으로 작은 CAAR도 통계적으로 유의할 수 있으므로, 퍼센트포인트 크기와 불확실성을 함께 보고하세요.

CAR은 모형, 이벤트 정의, 수익률 자료, 표본, 구간을 기준으로 합니다. 발표 전 기대가 가격에 반영된 경우, 동시에 나온 기업 또는 시장 뉴스, 지연 거래, 정상수익률 모형의 오지정도 결과에 영향을 줄 수 있습니다. 더 긴 구간이 이벤트의 영향을 더 잘 포착한다고 단정할 수는 없습니다. 무관한 정보가 더 포함될 수 있습니다.

비정상수익률이 곧 인과 효과는 아닙니다. 정상수익률 모형은 기준선이지, 이벤트가 없었더라면 같은 종목이 얻었을 관측된 반사실이 아닙니다. 상관관계와 인과관계 안내서에서 그 차이를 설명합니다. CAR은 방향성 거래 신호도 아닙니다. 전략은 정보가 공개된 시점, 표본 외 규칙, 유동성, 체결 비용을 따로 고려해 평가해야 합니다.

재현 가능한 보고서에는 이벤트와 시간, 표본 포함 규칙, 수익률 정의, 기준 지수, 추정 및 이벤트 기간, 시장모형을 썼다면 α̂와 β̂, AR과 CAR 또는 CAAR, 가중치, 추론 방법, 표준오차, 민감도 점검을 적습니다. 사전에 정한 이벤트 기간의 결과와 양(+)의 반응 및 음(−)의 반응을 모두 제시하세요. 이벤트 뒤 수익률이 나쁘거나 상장폐지됐다는 이유로 종목을 제외하면 표본 선택이 결과와 직접 연결될 수 있습니다. 현재 살아 있는 기업만 포함할 때는 생존편향 가능성을 살피고, 포함·제외 기준과 누락 수익률 처리 방식을 공개하세요. 같은 기업의 반복 발표를 각각 이벤트로 셌다면 이벤트 창 중첩과 종목별 의존성도 추론에 반영해야 합니다. 그래야 결과가 뒷받침하는 것보다 더 강한 인과·예측 의미를 부여하지 않으면서 해석할 수 있습니다.