Cay는 소비, 총 자산, 노동 소득 간의 장기 균형에서 벗어난 정도를 나타내는 지표.
Cay를 활용한 시장 타이밍 전략은 이론적으로 가능하나, 실제 적용에는 어려움이 있음.
금리 기간 구조 기울기(SLOPE), 디트렌드된 단기 금리(RREL)와 함께 사용 시 예측력 향상. 단, 독립적인 효과는 없음.
Full-Sample Cay Lagged Once 전략은 높은 샤프 비율과 젠센 알파를 보임 (과거 데이터를 활용한 전략).
Recursive Cay Lagged Twice 전략은 낮은 샤프 비율과 젠센 알파를 보임 (실시간 데이터 기반 전략).
Opinion
Cay 지표는 소비, 자산, 소득 간의 관계를 포착하려는 시도는 흥미롭지만, 실제 시장 타이밍에 적용하기에는 몇 가지 고려 사항이 필요합니다. "Full-Sample" 전략은 과거 데이터를 활용하기 때문에 현실적인 적용이 어렵고, "Recursive" 전략은 실시간 데이터 기반이지만 성과가 낮아 실질적인 예측력에 대한 의문이 제기됩니다. 또한, SLOPE 및 RREL과의 결합 사용 조건은 모델의 복잡성을 더하며, 독립적인 예측 지표로서의 활용 가능성은 제한적입니다. 거시 경제 데이터의 지연 발표 역시 실시간 투자 결정에 영향을 미칠 수 있는 요소입니다
Core Sell Point
Cay 지표는 시장 타이밍 전략에 대한 이론적 가능성을 제시하지만, 데이터 제약, 실시간 예측력 부족, 복잡한 결합 조건으로 인해 실질적인 활용에는 신중한 접근이 필요합니다.
Cay는 소비, 총 자산, 노동 소득 간의 장기적인 관계에서 벗어난 편차를 나타내는 지표입니다. 구체적으로, cay는 총 소비-부 비율의 장기적인 로그 값에서 벗어난 정도를 의미하며, 관찰 불가능한 인적 자본을 포함한 총 자산을 반영하기 위해 고안되었습니다.
Cay를 활용한 시장 타이밍 전략은 잠재적으로 가능하지만, 실제 구현에는 여러 어려움이 따릅니다. Andrade, Babenko 및 Tserlukevich의 연구에 따르면, cay를 예측 변수로 사용하는 시장 타이밍 전략은 우수한 투자 성과를 낼 수 있는 잠재력을 보여줍니다. Lettau와 Ludvigson은 cay가 주식 시장의 초과 수익률을 예측하는 데 효과적임을 입증했습니다. 하지만 실제 투자에서는 사용 가능한 데이터를 기반으로 cay를 추정해야 하며, 거시 경제 데이터 발표 지연을 고려해야 합니다. 이러한 제약 조건으로 인해 전략의 효과가 감소할 수 있습니다.
Cay와 함께 금리 기간 구조의 기울기(SLOPE)와 디트렌드된 단기 금리(RREL)를 사용하면 시장 예측력을 높일 수 있습니다. SLOPE는 10년 만기 국채와 3개월 만기 T-Bill의 수익률 스프레드를 나타내며, RREL은 현재 1개월 만기 T-Bill 수익률에서 12개월 이동 평균을 뺀 값입니다. 하지만 SLOPE와 RREL은 cay와 함께 사용될 때만 효과적이며, 독립적으로는 시장 예측력을 높이지 못합니다.
Cay 지표를 적용한 결과, Full-Sample Cay Lagged Once 전략은 높은 샤프 비율과 젠센 알파를 보였지만, Recursive Cay Lagged Twice 전략은 상대적으로 낮은 성과를 나타냈습니다.
Full-Sample Cay Lagged Once 전략: 전체 기간 데이터를 사용하여 cay를 추정하는 이 전략은 높은 샤프 비율(분기별 0.19에서 0.40으로 증가)과 통계적으로 유의미한 젠센 알파(연간 약 13%의 비정상 수익)를 달성했습니다. 헨릭손-머튼 테스트와 스피어만 순위 상관 테스트에서도 긍정적인 결과를 보였습니다. 1972년에 1달러를 투자했을 경우 31년 후 Strategy C는 594.20달러를 생산합니다.
Recursive Cay Lagged Twice 전략: 사용 가능한 데이터만을 사용하여 매 분기마다 cay를 재귀적으로 추정하는 이 전략은 Full-Sample Cay Lagged Once 전략보다 낮은 샤프 비율과 젠센 알파를 나타냈습니다. 헨릭손-머튼 테스트와 스피어만 순위 상관 테스트에서도 상대적으로 약한 결과를 보였습니다. 1972년에 1달러를 투자했을 경우 31년 후 Strategy C는 33.83달러를 생산합니다.
