거래 시간대별 가격변동 특징

마지막 업데이트: 2022년 4월 11일 | 0개 댓글
  • 네이버 블로그 공유하기
  • 네이버 밴드에 공유하기
  • 페이스북 공유하기
  • 트위터 공유하기
  • 카카오스토리 공유하기
  • 국내/외 주요지수, 선물 현재가, 옵션 현재가, 투자주체별 매매현황, 옵션민감도, 프로그램 매매 현황, 합성선물 정보를 통합 제공합니다.

  • KOSPI, KOSDAQ, KOSPI200선물, MINI KOSPI200선물, KOSPI200옵션, MINI KOSPI200옵션, ETF, ELW 시장의 투자주체별 매매현황(프로그램매매 포함)을 제공합니다.

Earticle

2015년 7월에 도입된 KOSPI200 미니파생상품시장은 거래 승수가 정규 옵션의 1/5로 축소된 상품 이다. 본 연구는 2015년 8월부터 2016년 3월까지 표본기간동안 미니옵션과 원옵션간 가격 스프레 드로부터 발생하는 페어트레이딩(pairs trading) 기회 빈도를 탐색하여, 실무적으로 획득가능한 이 익 규모를 측정했다. 본 논문의 실증분석을 수행하여 얻은 주요한 결과를 요약하면 다음과 같다. 첫째, 페어트레이딩이 발생하는 빈도는 표본의 총관측치의 20%미만이었으며, 머니니스별로 보면 가격이 높은 내가격 옵션에서 가장 빈번히 포착되었으며 실현되는 이익 규모도 가장 컸다. 반면, 개인 투자자가 선호하는 외가격 종목의 페어트레이딩 기회 포착 빈도는 낮고, 거래 전략 실행에 따 른 이익 규모도 등가격이나 내가격 종목에 비해 적었다. 또한 내가격 옵션은 평균적으로 3분마다 차익거래 기회가 포착되는 반면, 외가격 옵션에서 차익거래 기회 시점간 경과시간은 평균적으로 10 분 이상을 초과하여 머니니스별로 페어트레이딩 기회 빈도가 차별적으로 발생하는 것으로 나타났 다. 둘째, 하루중 페어트레이딩 기회는 균일하게 발생하지만, 수익성은 오전보다 오후일수록 증가하 는 패턴을 보인다. 이는 상대적으로 거래활동이 집중되는 오전장에 거래자의 경쟁적인 주문 제출에 정보가 반영되어 가격효율성이 높지만, 거래활동이 둔화되는 오후에는 가격효율성이 저하되어 가격 괴리도와 차익거래의 수익성이 오전보다 높음을 제시한다. 또한 횡단면적으로 유동성이 낮은 종목 의 페어트레이딩의 수익성이 유동성이 높은 종목보다 상대적으로 높았다.

※ 기관로그인 시 무료 이용이 가능합니다.

본 연구는 대표적인 시장중립 매매전략(market neutral strategy)중의 하나인 페어트레이딩(Pairs Trading) 전략을 국내시장에 적용한 연구이다. 기존 연구와의 차별성은, 매매 신호 추출 시 칼만필터(Kalman Filter)를 이용하여 고빈도 주가 데이터의 변동성을 추정함으로써 고빈도 시변(Time-Varying) 회귀상수를 계산하고 이를 바탕으로 종목 간 스프레드를 계산하였다는 점이다. 본 연구의 대상은 거래 특성을 고려하여 유동성과 차입이 원활한 대형주 유니버스에서 실행하였고, 주요 결과로는 보수적인 거래비용을 고려하더라도 유의적인 수익이 나타났고, 시장 국면에 무관한 성과를 보여주었다. 또한 업종별로 본 전략의 성과의 차별성을 확인할 수 있었고, 진입시간대별 분석에서는 오전보다는 오후 장 마감 근처에서 높은 승률과 수익률을 보여주었다. 한편 평균회귀강도 및 정보비율을 추가적으로 고려하여 페어를 선정하고, 시간대별 진입 비중을 두어 선택적으로 매매에 진입할 경우 성과가 향상되는 것을 확인할 수 있었다.

※ 기관로그인 시 무료 이용이 가능합니다.

본 연구는 대표적인 시장중립 매매 전략 중 하나인 페어 트레이딩 전략의 성과를 일별 주식자료를 이용하여 분석하였다. 분석 결과 2000년 거래 시간대별 가격변동 특징 1월 1일부터 2012년 12월 31일까지 55개의 종목을 대상으로 일별 종가를 이용한 페어 트레이딩의 성과는 유의하지 않은 것으로 드러났다. 상위 5 페어 포트폴리오의 월평균 수익률은 0.42%이고 연수익률로 환산하면 5.15%로 미국시장의 11%에 비해 낮게 나타났다. 성과를 보수적으로 측정하면 월평균 수익률은 0.26%이고 연수익률로 환산하면 3.16%로 감소하였다. 한편 승률을 기준으로 살펴보면 상위 5에서 64.4%의 성공률을 보였다. 그러나 청산되지 못한 페어에서 큰 손실을 보기 때문에 보유기간 수익률 또한 유의적인 양의 값을 보이지 않았다. 한편 상위 5에서 보유기간이 10일 이하인 경우에는 보유기간 수익률이 5.78%를 기록하였고 승률도 100%로 나타났다. 보유기간이 10일 초과 20일 이하인 경우에도 5.75%의 수익률을 보였고 승률도 98.8%로 상당히 높게 나오고 있다. 한편 보유기간이 100일을 초과하는 경우는 -10.26%의 수익률을 보였고 승률도 26.8%로 저조하였다. 유의적인 거래 시간대별 가격변동 특징 양의 수익률을 실현하지 못하는 이유로 손절매 전략의 부재를 들 수 있다. 페어 트레이딩 전략은 스프레드가 축소될 것을 기대하여 전략을 실행하지만, 스프레드가 계속 확대될 경우 손실의 규모가 계속 커지기 때문에 거래를 청산하여 손실을 제한하는 손절매가 필요하다. 손절매 기준으로는 스프레드가 일정기준을 초과하면 강제 청산하거나 일정기간이 지나면 강제 청산하는 방법이 있을 수 있다. 본 연구의 결과는 페어 트레이딩 전략에서 손절매의 중요성을 시사한다.

※ 기관로그인 시 무료 이용이 가능합니다.

최근 기관투자자들의 운용성과 제고에 대한 사회적 요구가 커지면서 시장 침체기에는 자산 가치를 안전하게 보전하고 시장 상승기에는 초과성과를 기대하고자 헤지펀드가 도입되었다. 하 지만 헤지펀드 투자는 전통적인 위험조정수익률로는 식별되지 않는 대형 손실위험을 수반 할 수 있기 때문에 시장위험 및 대형손실위험을 고려하는 정도에 따라 그 유용성이 달라질 수 있 다. 본 연구에서는 코스피 시장을 대상으로 업종별 변동성을 고려한 차익거래 전략을 제안하고자 한다. 이를 위해, 22개 업종 1,901개 종목의 주가 데이터를 사용하여 주식 시장의 가격변동밴드 분석 기법 중 하나인 볼린져 밴드를 활용한 페어트레이딩 전략을 실증 분석하였다. 분석결과 우 리나라 주식시장에서 차익거래를 수행할 시 동일업종일지라도 종목들 간의 상관관계 분석이 반드시 수행되어야 하며, 변동성이 높지 않은 국내 시장의 특징을 반영하여 낮은 변동성을 고려한 차익거래 전략의 개발이 적합하다는 결론을 얻었다. 또한 업종별 지수를 이용한 매수 후 보유전 략의 수익률과 비교한 결과 제안한 페어트레이딩 전략의 성과가 우수하였음을 검증하였다.

Recently, hedge funds were introduced to hold a asset value when market is decreased and to pursue absolute returns when market is increased according to the social demand for improvement of asset operational performance of institutional investors grows. However, a usefulness of hedge funds can be altered by considering a risk of market and large losses because the hedge fund can create a risk which cannot be identified by a risk-adjusted returns. This study proposes a investment strategy for the hedge fund in Korea stock market. For this, an arbitrage strategy was simulated considering industrial classification based on KOSPI market. Empirical analysis was performed using the data of 1,901 stocks in 22 sectors, and pairs trading was simulated through control of a standard deviation on Bollinger Band which is technical indicator used in stock market. Through the empirical, we realized that correlation among stocks has to be analyzed certainly when an arbitrage strategy is conducted in Korea stock market.

※ 기관로그인 시 무료 이용이 가능합니다.

본 연구는 대표적인 시장중립 매매 전략 중 하나인 페어 트레이딩 전략을 고빈도 데이 터를 활용할 수 있는 형태로 변형하여 국내 시장에 적용한 연구이다. 기존 연구와의 차별성은, 일별 종가가 아닌 고빈도 데이터를 활용하여 성과의 특성을 연구하였다는 점, 그리고 이를 위해 매매 신호 추출 시 칼만필터(Kalman Filter)를 이용하여 시변 (Time-adaptive) 회귀상수를 계산한 뒤 종목 간 스프레드를 계산하였다는 점이다. 전략 성과 측정을 위한 대상종목은 거래 특성을 고려하여 유동성이 높고 차입이 원활 한 대형주 유니버스로 제한하였고, 성과 분석 결과 보수적인 거래비용을 고려했음에 도 시장국면에 무관한 유의적인 양의 수익을 얻을 수 있었다. 전략의 주요 성과 특징 으로는, 시장 하락기에 성과가 상대적으로 더 좋게 나타났고, 업종 간 성과의 차별성 을 확인할 수 있었으며, 장 시작 직후 및 장 마감 근처에 진입한 매매에서 상대적으로 높은 승률과 수익률이 실현되었다. 한편 표본 평균회귀강도(Mean-reversion Strength), 표본 정보비율(Information Ratio), 표본ADF(Augmented Dickey-Fuller) 테 스트 t-통계량을 추가적으로 고려하여 합산 통계량 순위 상위 페어를 선정한 뒤 선택 적 매매를 할 경우 성과가 더욱 향상되는 것을 확인할 수 있었다.

The pairs trading is a strategy often adopted to identify arbitrage opportunity based on historical equilibrium in spread between the share prices. Basically, an investor evaluates the current position of the spread based on its historical fluctuations and seizes the moment when the current spread deviates from its historical mean level by a pre-determined threshold. In this study, the well-known basic pairs trading strategy, one of typical market neutral strategies, is modified so as to utilize high frequency data, and it is also applied to the constituent shares of the KOSPI (The Korea Composite Stock Price Index) 100 index. We also introduce the use of the high frequency equity data in strategy modeling, although the industry practice for market neutral hedge funds is to use daily sampling frequency of equity data in designing a trading model. In this study, intraday stock prices data sampled at a 30-minute interval is used for the strategy, and the performance is analyzed in high frequency domain. The data set covers the horizon from the 1st of October 2008 to the 31st of July 2010, which includes bullish, bearish, and flat market periods within the horizon. We highlight how perfor- mance varies depending on market condition, industry group, and timing of the market entry. This study is distinguished from the most previous works on the traditional pairs trading strategy in that we introduce the use of high frequency data in strategy modeling instead of daily closing prices, which allows us to analyze the performance of the strategy in high frequency domain. More specifically, we extract the trading signal, which is based on the spread between stocks of comprising a pair, by estimating time adaptive regression coefficient using the Kalman filter scheme. This study is the first practice in the realm of the high frequency market neutral trading strategy that extracts trading signal by estimating time adaptive regression coefficient using the Kalman filter scheme. Moreover, our loss-cut strategy clears position if holding duration exceeds the pre-determined maximum trading duration. As for the underlying universe for the strategy, we confine ourselves by considering only the most liquid top 100 stocks in terms of larger trading amounts and higher liquidity as a basket for our experiment. This is to get rid of other external variables that may add undesirable noises to the overall performance which would make it difficult to analyze pure performance of the strategy itself. We analyze the results of out-of-sample performance test from various angles. Major findings include that arbitrage profitability is, in fact, present without being subject to market condition even when conservative transaction costs are taken into account. In particular, our strategy outperforms better in the bear market condition, showing 2.55% of average rate of return per trade in bearish period, which is higher than 0.80% in the bullish period and 0.39% in the flat period. The performance of the pair trading strategy varies depending on the industry group. Those industry groups dominantly influenced by domestic demand i.e. non-cyclical in Korea such as Distribution, Household & Personal Products, and Automobiles and Components show relatively higher winning ratios and average rates of return per trade whereas the industry groups involving fast-paced technological development and variable international demand such as Technology Hardware and Software & Services give out relatively low statistics. The results also demonstrate that the performance of the strategy is dependent upon the time when trading position is set up during daily trading hours; the performance of trades entered around at opening and closing of 거래 시간대별 가격변동 특징 the daily market appears to be relatively superior to that of trades executed in the rest of daily trading hours in terms of the average rate of return per trade, the winning ratio, and the information ratio. Recalling that intraday volatility pattern is generally formed in U-shape, the strategy seems to achieve higher performance in intraday time zone with higher volatility, which also corresponds to our previous finding that our strategy returns outstanding figures in volatile market trend. Besides, the strategy seems to take advantage of inefficiency derived from where stock price reflects the undisclosed market information. Furthermore, we introduce an enhanced version of the pair trading strategy and compare the performances with the basic strategy. One difference between the basic and the enhanced model is that it selects high-ranking pairs to trade for the next time period based on a set of in-sample statistics, which includes in-sample ADF (Augmented Dickey-Fuller) test t-statistics, in-sample information ratio, and in-sample mean reversion strength. In our study, moving window with the size of 2 weeks is considered as an in-sample period. It is verified that the performance of the enhanced strategy had better profitability and reliability compared with our basic strategy.

[Kisti 연계] 한국경영과학회 경영과학 Vol.33 No.4 2016 pp.1-15

협약을 통해 무료로 제공되는 자료로, 원문이용 방식은 연계기관의 정책을 따르고 있습니다.

Pairs trading is an arbitrage trading strategy using statistical properties of the spreads between two assets. This study analyzes the performance of the statistical pairs trading with the pairs selected from the same category as well as from the different category in the CME and other futures markets. Empirical results show that the pairs trading performance of the same category is poor whereas that of the different category proves profitable. This implies that the spreads between different category pairs can have the mean reversion property if pairs are properly selected using co-integration test, which is contrary to 거래 시간대별 가격변동 특징 the existing research results on the overseas futures pairs trading.

[Kisti 연계] 한국경영과학회 한국경영과학회지 Vol.42 No.3 2017 pp.13-24

협약을 통해 무료로 제공되는 자료로, 원문이용 방식은 연계기관의 정책을 따르고 있습니다.

This paper aims to implement "structural changes detection procedure" in pairs trading algorithm and to show that the proposed approach outperforms the extant pair trading algorithm. Structural changes in pairs trading are defined in terms of changes in cointegrating factors and broken cointegration relationship. These changes are designed 거래 시간대별 가격변동 특징 to test extant structural changes and unit root test methodologies. The simulation finds that expanding the changes in structure, increasing the mean reverting process of spread, and extending the consecutive days of broken cointegration will increase the performances of the proposed algorithm. Empirical study results are also consistent those of the simulation studies. The proposed algorithm outperforms the extant algorithm relative to risk and return given that the cumulative profit/loss has a significant upward-slope with minimal variance.

협약을 통해 무료로 제공되는 자료로, 원문이용 방식은 연계기관의 정책을 따르고 있습니다.

Pairs trading is a type of arbitrage investment strategy that buys an underpriced security and simultaneously sells an overpriced security. Since the 1980s, investors have recognized pairs trading as a promising arbitrage strategy that pursues absolute returns rather than relative profits. Thus, individual and institutional traders, as well as hedge fund traders in the financial markets, have an interest in developing a pairs trading strategy. This study proposes pairs trading rules (PTRs) created from a price ratio between securities (i.e., stock index futures) using rough set analysis. The price ratio involves calculating the closing price of one security and dividing it by the closing price of another security and generating Buy or Sell signals according to whether the ratio is increasing or decreasing. In this empirical study, we generate PTRs through rough set analysis applied to various technical indicators derived from the price ratio between KOSPI 200 and S&P 500 index futures. The proposed trading rules for pairs trading indicate high profits in the futures market.

가장 많이 팔리는 빅데이터는?

금융데이터를 사고파는 거래소에서 가장 인기있는 정보는 사람들이 언제 어디서 무엇을 샀는지 보여주는 ‘소비 데이터’였다.

금융보안원이 21일 공개한 금융데이터거래소(FinDX) 운영 현황 자료를 보면 2020년 5월 거래소 출범 이후 지난 10일까지 106개 회원사가 참여해 985개 데이터상품을 등록했고 거래된 데이터는 총 7601건이었다.

유료 데이터 가운데 가장 인기있는 정보는 ‘분기별 코로나19 소비동향’이었다. 2위는 ‘지역별 카드 이용정보’, 3위는 ‘온라인배달 가맹점 정보’, 4위는 ‘지역 가맹점 주소지 기준 월별 매출내역’, 5위는 ‘소상공인 금융트렌드 분석을 위한 데이터’였다.

무료 데이터 인기 순위를 보면 1위가 ‘2021년 시간대별 소비 트렌드’, 2위가 ‘코로나19에 따른 카드 소비동향’, 3위 ‘온라인 쇼핑 요일·시간대별 이용 특징’, 4위 ‘시니어 소비 트렌드’, 5위 ‘공모주는 언제 파는 게 좋을까’(분석자료)였다. 금융보안원은 “코로나19 시기에 데이터를 이용해 자영업을 분석할 필요가 높아진 상황이 반영됐다”고 했다.

금융데이터거래소 회원사 106곳 가운데 금융회사는 52개사, 비금융회사는 54개사다. 거래소에 등록된 데이터 상품의 54%, 거래 데이터의 67%는 신용카드사의 정보다. 금융보안원은 “신용카드 결제 정보가 다양한 분야의 데이터와 결합해 활용될 수 있다”고 설명했다. 구체적으로 신용카드 정보가 이동통신사 데이터와 결합해 관광객 이동 동선 및 소비 패턴을 파악하는 분석이 이뤄지고 있다.

금융보안원은 “올해 금융산업을 비롯해 유통·통신 등 전체 산업을 아우르는 데이터를 결합해 수요자의 요구에 맞는 상품을 적극적으로 발굴하고 공급하겠다”고 밝혔다. 금융보안원이 운영하는 금융데이터거래소는 익명처리된 개인의 금융정보를 자유롭게 거래하는 빅데이터 중개 플랫폼으로 금융위원회의 데이터경제 활성화 방안에 따라 출범했다.

거래 시간대별 가격변동 특징

닫기

시세 및 호가(1300, 1302, 1116)

종목시세/호가>현재가(1300)

종목시세/호가>당일시세예측(1302)

  • 당일시세의 방향을 예측합니다. 무게중심가격&현재가가 VWAP과 Converge vs. Diverge 하는지 여부에 주목해주세요.

업종시세>전업종시세(1116)

닫기

순위분석 및 특이시세(1550, 1516, 1623, 6062, 1920)

종목분석>순위분석>전종목순위(1550)

  • 각종 기준에 따른 전종목 순위를 보여줍니다. 시가총액, 등락률, 거래규모, 주간/월간/분기/연 간 등락률 등 다양한 기준으로 조회해보세요.

종목분석>특이시세>주가급변(1516)

회원사>외국계 실시간매매상위종목(1623)

외국인(금감원)>종목>보유율추이(6062)

투자자>종목>당일순매수상위(1920)

닫기

컨센서스 및 업종분석(1564, 1584, 1542, 1531)

종목분석>지표분석>종목별 컨센서스(1564)

종목분석>지표분석>업종 구성종목 베타(1584)

  • 코스피지수와 수익률이 비슷한 종목 혹은 차이나는 종목은 무엇인지, 시장 변동성에 영향을 덜 받으면서 수익성(ROE)이 견고한 회사는 어느 회사인지 파악해보세요.

업종분석>구성종목 상대성과(1542)

  • 자동차업종의 시세를 주도하는 종목은 무엇일까요? 비중이 큰 종목들의 시세변화를 직관적으로 확인해보세요.

섹터/스타일/테마>섹터별시세분석(1531)

  • 삼성페이에 대한 시장의 반응은 어떨까요? 관련주들로 만든 지수와 수익률, 외국인 보유, 그리고 시장지수와 비교할 수 있습니다.

닫기

투자참고 및 재무분석(6201, 6160, 7001)

투자참고>자사주/대량매매>자사주종합(6201)

  • 자기주식취득을 신고한 회사는 어디인지, 신고서에 따른 자사주체결은 어떻게 진행되는지 확인할 수 있습니다.

프로그램매매>전체>추정규모(6160)

  • 선물/옵션 만기일이 되면 차익매매를 위한 사전공시 주문들이 대량 입력됩니다. 종목별 물량을 가늠해 볼 수 있는 중요한 화면입니다.

기업일반>재무정보(7001)

  • 자산과 부채현황(대차대조표), 매출액과 영업이익(손익계산서), 수익성/안정성 비율 등 기업의 재무상태를 요약해서 볼 수 있습니다.

닫기

채권 발행시장, 유통시장 동향을 한눈에(3030, 3031, 3032, 3781, 3782)

발행통계>종합(3030)

  • 다양한 분류 기준(채권종류별, 신용그룹별, KRX분류별)의 통계를 제공합니다.
  • 추이 및 차트, 상세 구성종목 현황 파악이 가능합니다.

닫기

투자자별 매매 동향(3265, 3266, 3267, 3268, 3215, 3216)

투자자>(장외)종류/투자자 잔고종합(3267)

  • 장외채권시장의 종목별 잔고, 잔고 평가액, 채권 종류별 듀레이션 등 투자자별 정보를 추정하여 제공합니다.

투자자>(장외)매매유형별 추이(3216)

  • 장외채권시장의 투자자별 총거래/매수/매도/순매수/순투자/잔고/상환액/듀레이션/컨벡서티/수익률 추이를 제공합니다.

닫기

단가계산(3471, 3905, 3825, 3907, 3473, 3474)

관심채권>고급분석>1원당 수익률표(3825)

  • 대량종목에 대한 조회시점 단가계산 기능을 제공합니다.
  • 국고채, 통안채 등 종류 및 발행기관별, 표준산업분류별, 그룹사별, 관심채권 등 다양한 분류로 검색 후 바로 계산이 가능합니다.

단가계산>물가연동국채 시뮬레이션(3907)

  • 미래 물가지수 입력을 통한 물가연동국채 단가 시뮬레이션 기능을 제공합니다.

닫기

실시간 시장 감시(3725, 3726, 3727)

유통종합>수익률급변종목(3725)

  • 금일 장외시장에서 가장 많이 오른 회사채 종목을 실시간으로 모니터링 할 수 있습니다.

유통종합>수익률급변종목2(고급)(3726)

  • 보유 종목 중 1시간 전 대비 가장 많이 오른 종목, 거래량이 급증한 종목을 확인할 수 있습니다.

닫기

차트분석(3741, 3441, 3773, 3747)

시가평가>채권그룹>Term Structure(3741)

  • 기업별 채권 수익률 구조에 대한 평가사별 현황, 개별종목, 추이, 차트, 일드커브, 스프레드 등을 종합적으로 제공합니다.

채권>시가평가>채권종목>종목별 분포 현황(3441)

채권>차트>Yield Spread(3773)

  • 채권 등급별 시가평가 수익률, SWAP, 해외국채 금리 Yield Spread를 차트로 비교할 수 있습니다.

닫기

해외금리(3924, 3943, 3940)

채권>해외금리>해외국채 Matrix(3924)

채권>해외금리>국가별정책금리(3943)

채권>해외금리>Markit CDS(3940)

닫기

글로벌 재무분석(6440, 6446, 6448)

이제 CHECKExpert+를 통해 전세계 국제금융 펀드매니저 및 투자자들이 사용하는 업계 최고의 FactSet 글로벌 프라이싱, 펀더멘탈, 추정치 데이터를 만나실 수 있습니다.
글로벌 마켓 투자결정을 위한 최상의 선택, FactSet 글로벌 금융데이터를 통해 국내 뿐만 아니라 주요 글로벌 마켓 투자결정에 도움이 되어 드리겠습니다.

글로벌 기업 종합재무정보(6440)

Peer 분석 제공(6446)

  • 선택한 기업의 동종산업 내 경쟁기업(Peer)을 추출, 제공
  • FactSet 기준 동종산업 내 기업들이 USD 환산 매출규모 순으로 정렬되며, 선택 기업은 항상 최상단에 위치
  • 글로벌 전체, 한국 제외 글로벌, 국내로 조회범위를 선택, 분석 가능

업종별 구성종목 제공(6448)

  • FactSet 분류 기준의 Sector & Industry 및 소속 구성종목을 제공
  • 국가 선택 후, Sector/Industry 내 복수거래소의 종목 조회 가능
  • 상승, 하락종목 Count를 통해 업종 트렌드를 분석 가능

닫기

글로벌 펀드의 투자 기준이 되는 글로벌 Index 제공!

MSCI Index란?

  • 미국 모건스탠리 캐피털 인터내셔널사가 작성, 발표하는 세계적인 주가지수로, 글로벌펀드의 투자기준이 되는 지표이자 최초의 국제 벤치마크 지수
  • 지역별/국가별/섹터별 다양한 분류에 따른 조회 제공
  • 제공주기 : 종가

키워드 검색 기능 제공

  • 방대한 MSCI Index 리스트 중 원하는 정보를 신속히 찾고자 할 때
    ex) ACWI Index를 검색하기 위해 'ACWI'라고 입력 시 관련 지수명과 심볼코드 조회 가능

비교차트 제공(6430)

  • 지역별(주요지역, Developed Market, Emerging Market), 국가별로 해당 MSCI 지수 리스트를 제공
  • 가격 산정 기준에 따라 Price, Gross, Net 선택하여 조회
  • MSCI 가격은 USD, Local, KRW 통화 단위로 각각 조회

비교차트 제공(6431)

  • '지역/국가' 의 경우는 상세 지역 분류, '섹터'의 경우는 11개 섹터 분류, '업종'의 경우는 25개의 상세 업종 분류 조회
  • 복수개의 차트를 비교하여 조회 가능 (최대 12개)

FTSE 지수란?

영국의 Financial Times와 런던 거래소가 설립한 FTSE(Financial Times Stock Exchange)에서 '99년부터 발표하는 글로벌 지수로 전 세계 8,000여개 주식이 포함되어 있으며, 주로 유럽계 자금의 투자 기준에 큰 영향력을 행사하고 있습니다.

해외>글로벌지수>FTSE종합(6434)

  • FTSE 지수를 전세계/국가별/UK/China/Xinhua/Eurofirst/REIT/CNBC/채권지수와 같이 각각의 유형별로 분류하여 제공합니다.
  • 지수명 또는 블룸버그티커로 검색 조회 가능합니다.

닫기

글로벌 ETF 정보를 한눈에!

해외>글로벌ETF>시세표(6460)

  • 미국, 일본, 홍콩, 중국, 대만, 싱가폴, 인도 등 7개국에 상장된 글로벌 ETF를 한눈에 조회하며 국가별/유형별(주식, 채권, 상품 등)/운용사별로 필터링하여 조회할 수 있습니다.

해외>글로벌ETF>현재가(6463)

  • ETF 종목별로 기본적인 시세 및 NAV(Net Asset Value), 순자산, 보유비율 등 종목정보 및 일별 아트, 누적수익률과 성과지표를 한 화면에서 조회합니다.
  • 미국 ETF의 현재가 : 지연 or 종가
    일본/홍콩/중국 : 지연
    대만/싱가폴/인도 : 종가

닫기

해외 원자재(6470)

(해외 원자재 상품군별(귀금속/비철금속/에너지, 석유화학, 곡물) 시세 제공

  • 원자재 거래소 및 인도월 정보 조회 가능

원자재 뉴스 및 시장동향 보고서 제공

  • 원자재 상품군별 시황 및 뉴스 제공
  • 원자재 전물 연구원들의 시장동향 분석보고서(일별/주별) 제공

해외기관 전망치 제공

  • 해외유명 기관 전망치(컨센서스) 제공을 통해 연도/분기별 평균 데이터 및 분석 세부내용 확인 가능

스프레드(Spread) VIew(6470)

  • 주요 상품 간의 Spread(가격차)를 차트와 데이터 형식으로 제공
  • 가격데이터의 1차 가공을 통해 시장을 다각적으로 볼 수 있는 장점이 있음

닫기

종합화면(4000, 4001)

  • 국내/외 주요지수, 선물 현재가, 옵션 현재가, 투자주체별 매매현황, 옵션민감도, 프로그램 매매 현황, 합성선물 정보를 통합 제공합니다.

  • KOSPI, KOSDAQ, KOSPI200선물, MINI KOSPI200선물, KOSPI200옵션, MINI KOSPI200옵션, ETF, ELW 시장의 투자주체별 매매현황(프로그램매매 포함)을 제공합니다.

닫기

시세 및 호가(4101, 4391, 4501, 4511, 4370, 4651)

닫기

투자자 및 분석(4110, 4205, 4331, 4510, 4714, 4754)

  • 종목별 현재가, 호가내역, 투자주체별 순매수/매수/매도 현황을 제공합니다.

  • 지수(KOSPI200, 미니KOSPI200,. KOSDAQ150, KRX300), 변동성지수, 섹터지수, 개별주식 선물의 당일 일중 주기별 순매수 수량 및 금액을 투자주체별로 비교할 수 있습니다.

  • 선물 Spread 종목의 현재가 및 Spread를 구성하는 월물(최근월물, 원월물)의 현재가를 동시에 조회할 수 있는 화면입니다.

  • 종목별, 현재가, 호가내역, 투자주체별 매매현황 정보를 제공합니다.

  • 일자별 Put-Call Ratio를 제공합니다.

  • KOSPI200선물 및 옵션으로 사용자가 전략을 직접 구성할 수 있으며, 구성한 전략의 만기손익, 실시간손익, 민감도를 데이터와 차트로 동시에 제공합니다.

SBS 뉴스

친절한 경제 시간입니다. 오늘(26일)도 김혜민 기자와 함께하겠습니다. 요즘 다시 비트코인이 굉장히 화제예요. 최근 들어서도 많이 오르고 있다고 하는데 재미있는 통계가 나왔면서요, 관련해서.

요즘 다시 비트코인이 상승세입니다. 관심이 많다 보니까 우리 국민들의 가상자산 투자 성향을 이 코너에서 제가 다시 한번 짚어보고 싶었는데요, 아무래도 1위 거래소 이용자들을 분석하는 것이 가장 대표성이 있겠죠.

거래 규모를 기준으로 봤을 때 시장 점유율 80%를 웃도는 '업비트' 이용자들의 통계를 가져와봤습니다.

먼저 가상자산에 투자를 제일 많이 하는 세대, 다들 짐작하실 텐데요, MZ세대입니다. 이번 달을 기준으로 이용자 중에 20대가 가장 많고요, 30대, 40대가 나란히 뒤를 이었습니다.

1년 전 만해도 30대, 40대, 20대 순이었는데, 주력 투자층이 크게 바뀌었습니다. 요즘에는 군대에서도 일과시간 외에는 휴대폰을 자유롭게 사용할 수 있잖아요.

코인에 소액을 투자하는 20대 군인들이 꽤 많다고 합니다. 또 성별로 보면 남성이 57%로 크게 압도적이지는 않고요, 여성보다 조금 더 많은 수준이었습니다.

확실히 젊은 층들의 투자가 좀 많네요. 그러면 언제 거래가 가장 활발히 이루어집니까? (언제라고 생각하세요?) 글쎄요. 저는 비트코인 안 해봐서 전혀 감을 못 잡겠네요.

이용자들의 투자가 가장 활발한 시간대는 오전 9시에서 10시 사이라고 합니다. 그다음이 오후 6시에서 7시고요.

이 통계만 보면 직장인들은 출근하고 나서 시간이 나니까 이때 투자를 한다, 이렇게 볼 수 있는데요, 그런데 이것은 좀 섣부른 예측이고요. 이때 투자할 나름의 이유가 있어서 몰리는 것입니다.

거래소에서 개별 코인 정보를 보면 '등락률'이라는 것이 나오거든요. 이것이 초기화되는 시간이 대부분의 사업소가 '오전 9시'입니다.

그전까지 얼마나 상승이나 하락을 했는지 와는 상관없이 0%로 다시 시작하게 됩니다. 이것을 이용해서 단타 투자를 하는 투자자들도 있고요. 일부 세력들은 특정 코인의 가격을 갑자기 올려서 투자를 유도하기도 합니다.

그렇게 되면 개인 투자자들은 이것이 잠깐 오른 것인지, 아니면 계속 오르고 있는 것인지 정확히 판단하기가 쉽지 않습니다. 그래서 이때가 투자를 가장 주의하셔야 할 시간이기도 합니다.

그렇군요. 가장 투자를 많이 하는 시간대 오히려 투자하는 것을 더 조심해야 된다, 그런 이야기군요. 다시 비트코인 얘기로 돌아와서요. 최근에 비트코인 가격이 이렇게 다시 오르는 배경이 무엇입니까?

우선 비트코인 가격 최근에 7천만 원 중반대까지 올랐거든요. 이 상승세의 가장 큰 이유는 비트코인 ETF가 미국에서 처음 출시됐기 때문인데요, '비토'라는 종목 코드로 상장됐습니다.

ETF는 이제 많은 분들이 알고 계시죠. 간단히 말해서 주식시장에서 거래되는 펀드를 의미합니다.

그리고 이번에 최초로 출시된 비트코인 ETF의 특징 중에 하나가 '선물'을 기반으로 하고 있다는 겁니다.

그러니까 미래의 특정 날짜에 미리 약정된 가격으로 비트코인을 사거나 팔 수 있는 선물 계약을 추종하는 상품인 것이죠.

앞서 말씀드린 '비토'라는 상품은 시카고상품거래소에 상장된 비트코인 선물 가격의 흐름을 따라가도록 설계가 됐습니다.

그렇군요. 그러면 결국에는 ETF라는 것이 어쨌든 기존의 주식시장, 그러니까 기존의 시장 안에 들어왔다는 것이잖아요, 비트코인 자체가. 그러면서 그동안 불안했던 변동성이 크다는 거래 시간대별 가격변동 특징 불안감들이 조금 해소된 것처럼 보이기도 하는데, 그러면 이런 투자자들의 심리적 장벽 이런 것들이 무너졌다, 이렇게 봐야 되는 것입니까?

사실 그동안은 이 비트코인이 심리적 장벽이 커서 진입하기가 쉽지가 않았죠. 그래서 투자를 꺼리는 일부 투자자들도 있었는데 이제는 전보다 좀 쉽게 지갑을 열 수 있게 됐습니다.

미국 주식에 투자하는 서학개미들의 '비토' 투자 열풍도 꽤 강합니다. 한국예탁결제원 자료를 보면 비토가 뉴욕증권거래소에서 첫 상장한 지난 19일과 20일 이틀 동안 한국 투자자들은 252억 원을 순매수했습니다.

이거 규모로만 보면 해외 주식 중에 3위를 차지한 것입니다. 하지만 비토도 '선물 ETF'이기 때문에 이 투자 역시 위험할 수 있다는 고려를 꼭 하셔야 하고요.

또 비트코인 가격은 365일 24시간 변하잖아요. ETF는 주식 장이 열리는 시간에만 거래가 가능하죠. 가격이 하락할 때 제때 대응을 하지 못할 수도 있다는 점도 유념하셔야 합니다.


0 개 댓글

답장을 남겨주세요