투자자 관심도: 구글 검색량이 주가 수익률을 예측하는 방법

2021년 1월 14일 아침, 게임스탑의 티커 심볼이 수년 만에 처음으로 구글 검색 상위 10위에 등장하였습니다. "GME 주식"에 대한 검색량이 가파르게 상승하고 있었습니다. 그날 주가는 57% 상승하였습니다. 이후 일주일 만에 추가로 700% 상승하였습니다.

그 사건에 대해 어떤 견해를 갖든, 그것은 학문적 금융이 수년간 조용히 기록해 왔던 사실을 잘 보여주었습니다. 일반 투자자들이 특정 주식에 관심을 집중할 때 주가가 움직이고, 그 후 종종 다시 되돌아온다는 것입니다.

투자자 관심도와 단기 수익률 사이의 이 관계는 Zhi Da, Joseph Engelberg, Pengjie Gao의 2011년 획기적인 연구인 "In Search of Attention"의 주제로서, 《Journal of Finance》에 게재되었습니다. 이 논문은 구글의 검색량 지수라는 미개척 데이터 소스를 활용하여 소매 투자자 관심도에 대한 최초의 명확하고 실시간적인 측정 방법을 구축하고 그것이 주가에 미치는 영향을 추적하였습니다.

관심도 측정의 어려움

금융 연구는 투자자 관심도가 시장에 영향을 미친다는 사실을 오래전부터 인식해 왔습니다. 무언가가 사람들의 흥미를 끌면 그들은 매수합니다. 우월한 정보 없이 매수하면 주가는 공정 가치 이상으로 밀려올라가고, 관심이 사라지면 결국 되돌아오는 일시적인 비정상 수익률이 발생합니다.

경험적 과제는 항상 측정이었습니다. 초기 연구들은 광고비, 뉴스 보도량, S&P 500 편입 여부 등 간접적인 대리 변수를 사용하였는데, 이는 현출성과 관련된 무언가를 포착하긴 하지만 부정확하고, 지연되며, 다른 요인들과 혼재되어 있습니다.

Da, Engelberg, Gao는 구글 검색이 본질적으로 다르다고 주장하였습니다. 누군가가 구글 검색창에 티커 심볼을 입력하는 행위는 해당 주식에 대한 정보를 수집하려는 의도를 직접 드러냅니다. 매수도, 미디어 중개자도, 기관적 맥락도 필요하지 않습니다. 저자들이 쓴 것처럼, 이것은 정보에 대한 "현시된 선호도"로서 대규모로 실시간 기록됩니다.

구글 트렌드 플랫폼은 모든 검색어에 대한 주간 및 월간 검색량 지수(SVI) 데이터를 제공하며, 선택된 기간 내에서 0-100의 척도로 정규화됩니다. Da, Engelberg, Gao는 각 Russell 3000 주식을 티커 심볼 검색어로 매핑하여 2004년부터 2008년까지의 주간 SVI 관측치 패널을 구축하였습니다.

누가 검색하는가?

가격 효과를 분석하기 전에, 논문은 SVI가 기관 활동이 아닌 소매 관심도를 포착한다는 것을 확인해야 했습니다. 이것은 매우 중요합니다. 헤지 펀드, 뮤추얼 펀드, 연금 관리자 등 기관 투자자들은 구글에서 주가를 검색하지 않습니다. 그들은 블룸버그 터미널, 로이터 에이콘, 독점 데이터 피드를 사용합니다. "AAPL" 또는 "TSLA"를 구글에서 검색하는 사람들의 대다수는 개인, 비전문 투자자들로 구성되어 있습니다.

논문은 이 해석을 여러 방식으로 확인하였습니다. SVI는 Ancerno의 거래 데이터에서 기관 거래량보다 소매 거래량과 더 강하게 상관되었습니다. 소매 증권 계좌로의 순유입을 예측하였습니다. 전문 애널리스트 커버리지나 기관 보유 변화와는 상관관계가 없었습니다. 요컨대, 검색 데이터는 정교한 자본 배분자들이 아닌 노이즈 트레이더에 인접한 소매 투자자들의 관심도를 진정으로 측정하고 있었습니다.

이 구분은 결과를 해석하는 데 있어 중요합니다. SVI가 정보에 입각한 관심도를 측정했다면, 검색량 증가는 진정한 정보 반영을 나타내는 지속적인 가격 상승을 예측할 수 있었을 것입니다. 그것이 비정보 관심도를 측정하기 때문에 예측은 다릅니다. 일시적인 가격 상승 이후 반전이 따릅니다.

핵심 발견: 관심 매수, 반전이 따른다

논문의 핵심 결과는 간단하고도 놀랍습니다. 직전 8주 평균 대비 검색량 변화로 정의된 SVI 증가가 가장 큰 주식들은 이후 2주에 걸쳐 의미 있게 높은 수익률을 기록하고, 그 다음 2주에는 더 낮은 수익률을 보입니다.

SVI 변화를 기준으로 5분위로 분류하였을 때, 상위 5분위는 관심도 급등 이후 2주에 걸쳐 약 0.35%의 평균 누적 비정상 수익률을 기록하였습니다. 하위 5분위는 이러한 패턴을 보이지 않았습니다. 고관심도와 저관심도 포트폴리오 사이의 스프레드는 통계적으로 유의미했으며 규모, 장부가-시가 비율, 모멘텀에 대한 표준 통제 변수에 강건하였습니다.

반전도 마찬가지로 두드러졌습니다. 동일한 상위 5분위 주식들은 관심도 급등 이후 3~4주에 비교 가능한 폭만큼 부진하였습니다. 4주 전체 기간의 종합 수익률은 0에 가까웠으며, 이는 검색 기반 매수가 정보보다는 가격 압력을 구성하고, 이 압력은 결국 소멸된다는 견해와 일치합니다.

이 패턴은 가격 압력 가설이 예측하는 것과 정확히 일치합니다. 정보가 아닌 동일한 신호에 대한 공유된 관심으로 이끌린 비정보 매수자들이 동시에 주식에 진입하면, 그들은 기본 가치 이상으로 가격을 밀어올립니다. 차익거래자들과 인내심 있는 매도자들은 상승된 가격에 이 수요를 흡수합니다. 관심도 기반 유입이 감소하면서 가격은 되돌아옵니다.

IPO와 관심도 증폭 효과

논문에서 가장 설득력 있는 확장 분석 중 하나는 기업공개(IPO)에 관한 것이었습니다. IPO는 관심도 연구를 위한 자연 실험입니다. 새로운 것이고, 미디어 보도를 받으며, 투자자 기반이 처음에는 관심도 효과에 특히 취약할 수 있는 소매 참여자들 쪽으로 기울어져 있기 때문입니다.

Da, Engelberg, Gao는 IPO 이전 SVI—주식이 거래되기 전 몇 주 동안 측정된—가 상장 첫날 수익률과 이후 3개월 부진을 모두 예측한다는 것을 발견하였습니다. IPO 이전에 높은 검색 관심을 끌었던 주식들은 더 큰 첫날 가격 급등으로 개장하였는데, 이는 소매 매수 압력이 초기 급등에 기여했음을 시사합니다. 동일한 주식들은 이후 몇 달 동안 더 심하게 부진하였습니다.

이 발견은 새로 상장된 기업들이 다년간의 시간 범위에 걸쳐 상장 가치를 지속적으로 유지하지 못하는 IPO 장기 부진에 관한 더 광범위한 문헌과 연결됩니다. 상장 시점의 관심도 기반 과대 평가는 이 잘 기록된 이상 현상에 기여할 수 있는 하나의 메커니즘을 제공합니다.

SVI가 기존 측정 방법에 추가하는 것

논문은 SVI를 경쟁하는 관심도 대리 변수들과 신중하게 구별하였습니다. Barber와 Odean(2008)은 "All That Glitters"에서 개인 투자자들이 뉴스에 등장하고, 비정상적인 거래량을 보이며, 극단적인 하루 가격 변동을 보이는 관심을 끄는 주식들의 순 매수자라는 것을 이미 보여주었습니다. 그들의 발견은 기본 행동 메커니즘을 확립하였습니다. 제한된 관심이 소매 투자자들을 현출한 주식을 매수하게 이끌고 일시적인 과대 평가를 창출한다는 것입니다.

그러나 뉴스 보도량, 거래량, 극단적 수익률은 모두 다른 무언가의 결과입니다. 그것들은 현출성을 간접적으로 측정합니다. SVI는 그러한 결과들 이전에, 관심도 자체를 측정합니다. 이 시간적 선행성은 초기 대리 변수들이 갖지 못한 예측력을 SVI에 부여합니다.

경험적으로, SVI는 Barber-Odean 변수들(뉴스량, 비정상 거래량, 극단적 수익률)을 통제한 후에도 이후 수익률에 대한 예측력을 유지하였습니다. SVI에 귀속되는 증분적 R제곱은 경제적으로 유의미하였습니다. 구글 검색 데이터는 기존 측정 방법의 노이즈 버전에 불과한 것이 아니라 관심도 프로세스의 별개 구성 요소를 포착하고 있었습니다.

Preis, Moat, Stanley(2013)의 물리학 문헌의 관련 연구는 금융 용어에 대한 주간 구글 검색량 변화가 다우존스 산업평균지수의 방향성 움직임을 50%를 의미 있게 상회하는 적중률로 예측한다는 것을 보여주었습니다. Bank, Larch, Peter(2011)는 독일 주식 시장에서 핵심 SVI 발견을 재현하였는데, 이는 그 메커니즘이 미국 기관적 맥락에 국한된 것이 아님을 시사합니다.

메커니즘: 소매 관심도가 가격을 움직이는 이유

행동 메커니즘은 제한된 관심의 심리학에 잘 근거하고 있습니다. 투자자들은 정보 과부하에 직면합니다. 그들은 수천 개의 주식을 동시에 추적할 수 없습니다. 대신, 그들은 뉴스, 대화, 가격 움직임에 대한 단서에 반응하여 관심을 배분하고 그들의 인식에 들어오는 주식 하위 집합에 대해 매수 결정을 내립니다.

이 관심 기반 매수는 비대칭성을 만듭니다. 소매 투자자들은 좀처럼 공매도를 하지 않습니다. 그들은 싫어하는 주식을 공매도하여 부정적인 관심에 반응할 수 없습니다. 따라서 그들의 관심 기반 활동은 비대칭적으로 강세입니다. 주식이 광범위한 소매 관심을 끌 때, 주문장의 매수 측은 기저의 뉴스 없이도 가격을 상방으로 밀어올리는 관심 동기 참여자들로 불균형적으로 채워집니다.

더 광범위한 행동 편향과의 연결은 직접적입니다. 투자자들을 가용성 편향과 대표성 휴리스틱에 취약하게 만드는 동일한 제한된 관심이 검색 행동도 예측적으로 만듭니다. 투자자들이 무엇을 검색하는지는 그들이 무엇을 살 가능성이 높은지를 드러냅니다. 그들이 집합적으로 살 가능성이 높은 것이 가격을 움직입니다.

소매 투자자와 기관 투자자 사이의 정보 비대칭이 효과를 강화합니다. 우월한 정보를 가진 기관들은 때로 소매 매수 파도에 매도하여, 가격 압력이 형성되고 소멸될 수 있게 하는 거래 상대방 역할을 합니다. 지속적인 차익거래 메커니즘을 가진 상장지수펀드와 같은 수단들은 가격이 기본적 가치에서 얼마나 멀어질 수 있는지를 제한하는 데 도움이 되지만, 개별 주식—특히 더 작고 유동성이 낮은 것들—에서는 소매 관심이 가격을 의미 있게 움직일 수 있습니다.

지속성과 실용적 한계

중요한 질문 중 하나는 SVI 효과가 자신의 발표 이후에도 지속되었는가 하는 것입니다. 학문적 이상 현상은 잘 알려진 후에 종종 감소합니다. McLean과 Pontiff(2016)는 차익거래 자본이 유입됨에 따라 이상 현상 수익률이 발표 후 일반적으로 감소한다는 것을 문서화하였습니다.

SVI 효과는 실용적인 제약으로 인해 완전한 차익거래로부터 부분적으로 보호받고 있습니다. 첫째, 반전은 2-4주에 걸쳐 발생합니다. 고빈도 전략에는 너무 느리지만 신호의 가치가 상대적으로 좁은 시간 창에 집중될 만큼 충분히 빠릅니다. 둘째, 구글 트렌드 데이터는 대부분의 검색어에 대해 주간 정도의 세밀도(최상)를 가지고 있어 타이밍의 정밀도를 제한합니다. 셋째, 효과가 가장 큰 소형 및 중형주에서 관심도 기반 급등을 체계적으로 공매도하는 것은 거래 비용 때문에 비쌉니다.

그렇다고 해도, 신호는 2004-2008년 측정 기간보다 약해진 것 같습니다. 정교한 소매 지향 거래 플랫폼들은 이제 분석에 감성 및 검색 데이터를 통합합니다. 퀀트 펀드들은 관심도 기반 신호를 명시적으로 활용합니다. SVI-수익률 관계를 인식하는 몇 안 되는 참여자 중 하나가 됨으로써 얻는 우위는 좁아졌습니다.

포트폴리오 구성에 대한 시사점

이 연구를 적용하는 방법을 생각하는 투자자들을 위해 몇 가지 실용적인 시사점이 도출됩니다.

뉴스 없는 검색 급등이 신호입니다. 실적 발표, 애널리스트 상향 조정, 기업 이벤트 없이 주식의 SVI가 급격히 상승할 때, 그 관심도는 소매 주도일 가능성이 높고 따라서 일시적인 가격 압력을 구성할 가능성이 높습니다. 진짜 뉴스를 동반한 급등은 가격 움직임이 감성보다는 정보를 반영할 수 있기 때문에 역방향으로 거래하기가 더 어렵습니다.

효과의 크기에서 규모가 중요합니다. SVI-수익률 관계는 기관 존재가 낮고 소매 투자자 활동이 주문 흐름의 더 큰 비율을 차지하는 소형주에서 가장 강합니다. 대형 유동성 높은 종목에서는, 기관 차익거래가 소매 관심이 기본 가치에서 가격을 밀어낼 수 있는 정도를 제한합니다.

포지션 규모는 반전 타이밍을 고려해야 합니다. 평균 반전이 3-4주에 발생한다면, 2주 이후 관심도 팽창된 포지션을 보유하는 것은 평균 회귀의 대부분에 노출됩니다. 반대로, 갑작스러운 검색 급등을 경험하는 주식을 보유한 투자자들에게는 그 시간 창이 노출을 줄이는 합리적인 기회를 나타낼 수 있습니다.

참고문헌

• Da, Z., Engelberg, J., & Gao, P. (2011). In Search of Attention. The Journal of Finance, 66(5), 1461-1499. https://doi.org/10.1111/j.1540-6261.2011.01679.x

• Barber, B. M., & Odean, T. (2008). All That Glitters: The Effect of Attention and News on the Buying Behavior of Individual and Institutional Investors. The Review of Financial Studies, 21(2), 785-818. https://doi.org/10.1093/rfs/hhm079

• Preis, T., Moat, H. S., & Stanley, H. E. (2013). Quantifying Trading Behavior in Financial Markets Using Google Trends. Scientific Reports, 3, 1684. https://doi.org/10.1038/srep01684

• Bank, M., Larch, M., & Peter, G. (2011). Google Search Volume and Its Influence on Liquidity and Returns of German Stocks. Financial Markets and Portfolio Management, 25(3), 239-264. https://doi.org/10.1007/s11408-011-0165-y

• McLean, R. D., & Pontiff, J. (2016). Does Academic Research Destroy Stock Return Predictability? The Journal of Finance, 71(1), 5-32. https://doi.org/10.1111/jofi.12365