Journal Search Engine
Search Advanced Search Adode Reader(link)
Download PDF Export Citaion korean bibliography PMC previewer
ISSN : 2005-0461(Print)
ISSN : 2287-7975(Online)
Journal of Society of Korea Industrial and Systems Engineering Vol.43 No.4 pp.229-235
DOI : https://doi.org/10.11627/jkise.2020.43.4.229

Optimization of Investment Decision Making by Using Analysts’ Target Prices

Su-Ji Cho, Heung-Kyu Kim, Ki-Kwang Lee†
School of Business Administration, Dankook University
Corresponding Author : kiklee@dankook.ac.kr
29/10/2020 19/11/2020 25/11/2020

Abstract


Investors aim to maximize the return rate for their own investment, utilizing various information as possible as they can access. However those investors, especially individual investors, have limitations of interpretation of the domain-specific information or even the acquisition of the information itself. Thus, individual investors tend to make decision affectively and frequently, which may cause a loss in returns. This study aims to analyze analysts’ target price and to suggest the strategy that could maximize individual’s return rate. Most previous literature revealed that the optimistic bias exists in the analysts’ target price and it is also confirmed in this study. In this context, this study suggests the upper limit of target rate of returns and the optimal value named ‘alpha(α)’ which performs the adjustment of proposed target rate to maximize excess earning returns eventually. To achieve this goal, this study developed an optimization problem using linear programming. Specifically, when the analysts’ proposed target rate exceeds 30%, it could be adjusted to the extent of 59% of its own target rate. As apply this strategy, the investors could achieve 1.2% of excess earning rate on average. The result of this study has significance in that the individual investors could utilize analysts’ target price practically.



애널리스트 목표가를 활용한 최적 투자의사결정 방안에 관한 연구

조 수지, 김 흥규, 이 기광†
단국대학교 경영학부

초록


    National Research Foundation of Korea(NRF)
    NRF-2019S1A5A2A03038389

    1. 서 론

    금융시장에서 투자자는 투자 수익률 증진이라는 궁극 적 목적을 달성하고자 여러 의사결정들을 수행하며 이러 한 과정에서 접근 가능한 다양한 정보를 활용한다. 특히 주식시장에서의 투자의사결정은 투자할 종목의 선택에서 부터 적정 투자금액의 선택, 그리고 적절한 매수 및 매도 시점에 대한 결정에 이르기까지 매우 다양하게 걸쳐있다 [2]. 이러한 의사결정의 바탕에는 전통적 형태의 기업 IR 보고서를 비롯하여 종목 관련 언론기사 등 다양한 정보의 원천이 존재한다. 그러나 개인 투자자의 경우 개인이 접 근 가능한 투자정보가 상당히 제한적이기 때문에, 경제· 증권전문 신문 및 TV증권 채널 등의 언론매체, 주식관련 인터넷 포털, 동료나 친구, 증권사 애널리스트 보고서 등 주로 대중적으로 노출된 자료를 투자 의사결정에 활용하 는 경향이 있다[13, 18]. 물론 전통적 형태의 IR보고서에서 투자 의사결정시 참고할 수 있도록 개별 기업의 분기별 실적이나 재무제표 등의 경영공시지표 또는 발생 가능한 위험정보가 존재하나, 이 또한 관련 전문적 지식이 없다면 사실상 일반인이 해석·활용하기에는 어려움이 따른다.

    이러한 투자정보 획득의 한계와 전문 투자용어 해석 의 어려움으로 인해 일반적으로 개인투자자는 주체적인 투자 의사결정을 내리기 어려운 상황이라고 할 수 있다. 선행연구에 따르면 개인투자자는 기관 및 외국인의 투자 동향을 뒤쫓는 경향을 보이거나[8, 9], 객관적 투자지표 를 분석하는 것이 아닌 직관적·감정적으로 투자 의사결 정을 내리는 문제가 발생한다. 또는 일시적인 주식가격 의 조정에 따른 등락의 영향으로 잦은 단기 매매를 수행 함으로써 과도한 거래비용을 발생시키고 실질적인 수익 을 얻지 못하는 경우도 다수 존재한다[4, 16].

    실제로 국내 금융투자자의 투자실태 조사결과에 따르 면, 2007년부터 2012년까지 개인투자자의 직접투자 시 평 균수익률은 4개 연도에서 음(-)의 값을 가지는 것으로 나 타났다. 특히 2012년의 경우 개인 투자자의 평균 실제 수 익률은 -2.0%에 그쳤으나, 응답자들이 판단한 적정 기대 수익률은 18.3%의 수익률로 실질수익률과 기대수익률 간 매우 큰 간극이 존재하는 것으로 나타났다. 따라서 투자 의사결정을 위한 투자정보 활용 증진 방안 대한 연구가 필요할 것으로 판단하였다.

    본 연구는 개인이 투자의사결정에서 보다 손쉽게 접 근 및 획득이 가능한 증권사 애널리스트 종목분석 보고 서를 대상으로 애널리스트가 제시하는 목표가와 투자수 익률 간 관계를 검토하고 정량적 분석방법을 통해 투자 수익률을 극대화할 수 있는 정보 활용방안을 검증하고자 하였다.

    2. 애널리스트 보고서

    2.1 애널리스트 제시 목표주가의 예측정확성

    일반적으로 금융시장의 효율성 측면에서 애널리스트 보고서는 가치 있는 시장정보를 생성하고 공급하는 하나의 통로로서 작용한다. 즉 애널리스트들이 소유한 전문 지식 또는 개인적인 경험을 바탕으로 공시정보를 해석(interpret) 하고, 또는 비공시정보를 발굴(discovery)하는 역할을 수행 한다. 따라서 애널리스트는 기업의 공시정보가 주가에 반 영되는 속도를 높이거나, 비공시정보 발굴을 통해 기업과 투자자 간 정보비대칭을 최소화하는 역할을 수행한다[7, 10, 11]. 때문에 애널리스트 보고서는 투자 의사결정에 있 어 중요한 정보의 원천이라고 할 수 있다. 그럼에도 불구 하고 다수의 선행연구는 애널리스트 보고서가 소속 증권 회사 및 고객과의 지속적 이해관계를 유지하기 위하여 절 대적으로 ‘매수’에 편향된 추천의견을 제시하는 경향이 있음 을 확인하였다[3, 12, 14, 15]. 따라서 애널리스트 보고서의 추천의견보다는 정량적 지표로서 제시된 목표주가를 활용 할 필요가 있을 것이다.

    애널리스트가 제공하는 목표주가와 관련하여서는 주 로 목표주가에 대한 시장반응에 대한 연구나, 목표주가 의 예측정확성을 검증하는 연구가 주로 이루어져 왔다. 목표주가의 정확성을 “예측기간 종료일에 실제주가가 목 표가 이상인 경우”와 “예측기간 내 단 한번이라도 실제 주가가 목표주가를 상회한 경우”로 구분하고[6], 각각의 경우 정확성이 24%와 41%로 애널리스트 제시 목표주가 를 실제 달성하는 경우가 매우 낮은 수준에 불과하다는 사실을 언급한 연구가 있다. 동 연구에서는 또한 목표주 가와 실제주가 간 차이가 큰 경우, 즉 애널리스트가 목표 를 과도하게 높거나 낮게 책정하는 경우 실제 도달률은 7%에 그쳤음을 보고하며 목표주가와 실제주가의 차이가 높을수록 이러한 도달률이 낮아진다고 주장하였다.

    애널리스트가 제시하는 이익예측치, 투자 추천의견 변 경, 목표주가 정보가 각각 주가의 변동에 영향을 미치는 지에 대하여 분석한 연구에 따르면 이익예측치는 통계적 으로 유의한 수준으로 초과수익률에 양(+)의 영향을 미 쳤으며, 목표주가 자체를 상향 또는 하향변경하는 것이 추천의견 변경보다 더 큰 시장반응을 일으키는 것으로 나타났다[1]. 또한 목표주가가 예측기간 종료 이후 실제 주가보다 높게 예측될 때 그 차이가 10% 미만일 경우 목표주가 도달률이 74.4%에 달하였으나, 이러한 차이가 20% 미만일 경우 목표주가 도달률이 59.6%로 하락한다 는 연구 결과를 제시하였다.

    또는 애널리스트 개인의 보수나 명성이 이익예측치나 추천의견에 의해 결정되는 경우가 많기 때문에 애널리스 트들이 목표주가의 예측정확성을 확보할 필요성을 느끼지 못하며, 이는 목표주가의 과도한 상향제시를 불러일으키 는 유인으로 작용한다고 주장하는 연구도 존재한다[5, 6].

    이처럼 애널리스트 보고서의 추천의견 및 목표주가는 실제 종목의 미래가치보다 상향 제시되는 경향이 있다. 따라서 본 연구에서는 투자자들이 애널리스트가 제시된 의견을 활용함에 있어 보다 적절하게 해석할 수 있도록 일종의 가이드라인을 제시하고자 하였다. 즉 애널리스트 가 제시한 목표가를 바탕으로 적절한 매도시점을 도출함 으로써 초과수익률을 달성할 수 있도록 목표주가를 활용 한 매도전략을 제시하고자 하였다.

    2.2 연구설계

    선행연구 결과에 따르면 현 시점에서 애널리스트가 제 시하는 목표가는 과도하게 높게 책정되어있는 경향이 있 으며, 특히 국내의 경우 대부분의 보고서가 매수를 추천하 는 상황이기 때문에 보고서 자체가 투자자에게 제공하는 정보가 다소 미미하다고 할 수 있다. 이에 따라 본 연구에 서는 특정 종목에 대해 제시된 애널리스트 보고서의 목표 주가를 활용하는 방안으로 최적화 기법을 사용하여 평균 수익률을 최대화하는 최적 매도가를 도출하고자 하였다. 특히 이러한 최적 매도가의 도출을 위하여 최적화 방법론 중 하나인 유전 알고리즘(genetic algorithm)을 사용하였다. 유전 알고리즘은 변수의 선형성 여부에 영향을 받지 않는 다는 특징이 있으며, 또한 최적해 탐색 시 하나의 변수가 아닌 군(pool) 단위를 기준으로 하기 때문에 전역 최적해 (global optimum)를 효과적으로 탐색할 수 있다[17]. 이를 위해 먼저 목표주가가 예측기간(6개월 또는 12개월) 내 실 제 주가에 얼마나 도달하는지, 즉 목표주가의 달성률을 측 정한다. 또한 이러한 달성률이 제시된 목표수익률 구간에 따라 차이가 있는지 여부를 확인하고, 투자자가 동일 보고 서의 목표가를 활용하여 적절한 매도시점의 선택을 통해 초과수익률을 달성할 수 있도록 목표주가를 활용한 매도 전략을 제시하고자 한다. 마지막으로 본 연구에서 제시하 는 매도전략이 기존의 전략과 비교하여 유의한 차이가 있 는지 통계적 검정 방법으로 확인한다.

    이를 위해 먼저 국내 최대 포털사이트인 네이버 금융 게시판을 통해 ‘SK 하이닉스’ 종목에 관한 증권사 분석 보고서를 수집하였다. ‘SK 하이닉스’ 종목은 KOSPI 시가 총액 기준으로 상위에 위치하여 투자자의 관심이 높은 종 목이며, 개인투자자의 투자비율이 높은 종목 중 하나이기 때문에 분석 대상으로 선정하였다. 보고서 관련 수집 데이 터는 보고서 발행 일자, 발행 증권사, 추천의견 및 목표가 와 같다. 목표주가의 예측 정확성은 Bradshaw and Brown[6] 이 제시한 측정방법을 사용하였다. 특히 목표달성에 대해 다음과 같은 세 가지 정의를 제시하였다. 첫째, 예측기간 종료 이후 실제주가가 목표주가를 상회하는 경우의 비율, 또는 둘째, 예측기간 후 실제주가와 목표주가의 차이를 예 측기간 말의 종가로 나누어 계산한 예측오차, 마지막으로 예측기간 동안 단 한번이라도 실제주가가 목표주가와 같 거나 높을 경우의 비율로 측정할 수 있다고 정리하였다. 본 연구에서는 개인 투자자가 단기 투자성향을 가짐을 고 려하여 앞선 세 가지 측정 방법 중 마지막 방법을 사용하 였다.

    또한, 목표주가에 대한 단순 도달 여부뿐만 아니라 도달 률(%)을 파악하여 개인 투자자가 애널리스트 제시 목표가 를 투자의사결정에 활용할 경우 예상되는 개별 보고서의 수익률을 측정하였다. 이 때 투자자의 의사결정에 대한 기 본 가정은 다음과 같다. 종목에 대한 보고서 발행시점에 해당 종목을 매수하고, 해당 보고서의 예측 기간 동안 보 유하다가 실제 주가가 목표가와 동일해지는 시점에 매도 한다. 이 경우 개별 보고서 수익률은 예측기간 내 최고가 를 목표주가로 나누어 파악하였다(<Formula 1> 참고). 즉, 1을 기준으로 1 이상의 수익률은 실제주가가 목표가를 돌 파하여 양(+)의 수익률이 발생한 경우를 나타낸다. 반대로 1 미만의 수익률은 예측기간 내 실제주가가 목표가에 미 치지 못하여 예측기간 종료 시점에 주식 보유 상태를 유지 하고 있는 경우이다. 이러한 경우의 수익률은 주식 보유기 간 내 일별 수익률을 기하평균하여 산출한다.

    r i = T a r g e t P r i c e i × 100 ( % ) C u r r e n t P r i c e i
    <Formula 1> Return Rate

    이후 전체 보고서 평균값을 통해 단순 매도전략의 평균 수익률을 측정한다. 본 연구에서 제시하는 상한선 매도전 략은 목표수익률이 과도하게 높게 제시되어있다고 판단되 는 경우, 즉 일정 상한선을 넘어 제시된 경우 이를 실제 제시된 목표의 α%로 하향조정하여 매도시기를 조정하는 전략이다. 이러한 전략을 도식화하면 아래 <Figure 1>에 나타낸 바와 같다.

    이때 보정된 목표수익률은 기존의 목표수익률 대비 99%에서 1%까지의 값 중 보고서의 평균 수익률을 최대 로 하는 최적 α값을 유전 알고리즘을 통해 찾아내도록 하였다. 이 때 유전 알고리즘의 파라미터로서 모집단 크 기는 100개 개체로 설정하고, 각 세대당 변이확률은 일 반적으로 0.1 이하로 설정된다는 점을 고려하여 0.075로 설정하였다. 또한 종료 조건으로 총 30세대, 즉 3000회의 연산을 시도하도록 설정하였다.

    이 경우 적용한 최적화문제는 다음 <Formula 2>와 같 다. 결론적으로 전체 분석 대상 보고서의 평균 수익률을 최대화하는 목표가의 최적 조정 수준(optimal threshold) α를 제시하는 것이 본 연구에서 제시하는 목표주가 활용 방법이라고 할 수 있다.

    M a x i = 1 n [ y i T a r g e t P r i c e i × α × 100 ( % ) C u r r e n t P r i c e i + ( 1 y i ) G e o M e a n i ] s . t . M a x P r i c e i T a r g e t P r i c e × α + 0.001 M ( 1 δ i ) M a x P r i c e T a r g e t P r i c e × α + M δ i 0 α δ i 0 , 1 y i = { 1 if​ M a x P r i c e T a r g e t P e i c e i , 0 e l s e
    <Formula 2> Maximize Problem

    • - Current Pricei : Previous closing price of reporti

    • - Target Pricei : Target price of reporti

    • - Max Pricei : Maximum stock price of reporti during the forecasting period

    • - Geo Meani : Geometric mean of return rate of reporti during the forecasting period

    - α : Adjusting rate of target price

    마지막으로 기존의 단순 매도전략과 본 연구의 상한선 매도전략을 따르는 경우 평균수익률 간 통계적으로 유의 미한 차이가 있는지 대응표본 t-검정을 통해 확인한다.

    3. 분석방법 및 결과

    3.1 자료수집 및 정제

    본 연구는 개인 투자자들이 손쉽게 접할 수 있는 증권 사 종목분석 보고서가 주식 투자정보의 원천으로서 작용 할 수 있는가에 대하여 실증적으로 검증하는 것을 목적 으로 하고 있다. 이러한 목적을 달성하기 위해서 본 연구 에서는 개인 투자자 비율이 상대적으로 높은 ‘SK 하이닉 스’ 종목을 분석 대상으로 선정하였다. 먼저 일별 주식 거래량 및 종가는 KRX 한국거래소를 통해 수집하였으 며, 애널리스트 보고서 관련 데이터는 네이버 금융 페이 지에서 ‘SK 하이닉스’ 종목에 대하여 매수(buy) 추천의 견으로 게시된 보고서 327개 중 추천의견이 매수임에도 불구하고 목표주가가 보고서 발행 시점의 실제 종가와 동일한 2가지 경우를 제외하였다. 이에 따라 최종적으로 2007년 9월 10일부터 2016년 4월 12일까지 약 9년 간의 총 325개 보고서를 대상으로 하였다.

    3.2 기초통계량

    분석 대상이 되는 애널리스트 보고서 325개의 목표주 가 및 목표수익률에 대한 기초통계량은 <Table 1>에 나 타낸 바와 같다.

    3.3 단순 매도전략

    먼저 단순 매도전략, 즉 실제 수익률이 애널리스트 보 고서에서 제시한 목표에 도달하는 시점에 매도하여 수익 을 얻는 전략에 따르면 <Figure 2>와 같은 결과를 얻을 수 있었다. 그룹별 목표수익률 달성 여부를 살펴보면 애 널리스트 보고서에서 제시하는 목표수익률이 높아질수 록 그에 따른 달성 여부가 현저히 떨어지는 것을 확인할 수 있다. 개별 보고서의 목표수익률과 실제 수익률을 비 교하면 이러한 차이가 더욱 두드러진다. <Table 2>는 단 순 매도전략에 따른 그룹별 목표수익률 달성률 및 평균 수익률을 나타낸 표이다. 분석기간 내 발행된 총 325부 의 보고서 중 61.2%(199부)가 제시한 목표수익률을 달성 하지 못하였는데, 절반 이상의 보고서가 20%~40% 사이 목표치를 제시하고 있으나 실제로 이를 달성하는 비율은 현저히 낮은 수준이다. 이는 선행연구 결과와 같이 애널 리스트 보고서가 가지는 낙관적 편의(optimistic bias)를 드러내는 결과라고 할 수 있다. 이 같은 보고서가 전체의 절반 이상을 차지함을 고려하면, 제시된 목표주가를 실 제 투자자들이 해석하는 과정에서 일종의 목표가의 하향 조정이 필요하다는 사실을 알 수 있다.

    3.4 상한선 매도전략

    상한선 매도전략은 목표수익률의 과대 예측치를 보정 하는 방법으로, 일정 상한선을 두고 이에 도달할 시 주식 을 매도하여 이익을 얻는 전략으로, 다음 <Table 3>는 여러 가지 상한선 기준에 대하여 목표수익률 달성률 차 이를 모비율 검정한 결과이다.

    모비율 검정 결과에 따르면 10%부터 60%까지 모든 목 표수익률의 상한선 기준에서 목표수익률의 달성률이 상한 선 이상보다 상한선 미만의 그룹에서 통계적으로 유의하게 (p = value < 0.05) 더 높은 것으로 확인되었다. 각각의 상 한선 기준에서 목표수익률 달성률 차이는 62.8%(10% 상 한선 기준), 38.8%(20% 상한선 기준), 29.6%(30% 상한선 기준), 20.4%(40% 상한선 기준), 24.3%(50% 상한선 기준), 21.1%(60% 상한선 기준)와 같았다.

    이러한 모비율 검정 결과를 바탕으로 각 상한선 기준 의 매도전략을 적용하였을 때 단순 매도전략과 평균 수 익률 차이가 있는지에 대하여 대응표본 t검정을 통해 분 석하였다. 상한선 기준은 20%, 30%, 40%, 50%의 네 가 지 경우를 대상으로 하였다. 이외의 10%, 60% 상한선은 앞선 모비율 검정 결과 두 집단의 목표수익률 달성률에 차이가 있음을 확인하였으나 두 집단 간 표본 수 차이가 분석에 적합하지 않은 것으로 판단하여 제외하였다.

    <Table 4>는 최적화 모델을 적용한 집단과 그렇지 않은 집단 간 t검정 결과를 나타내고 있다. 단순 매도전략에 따 르면 보고서에 따른 평균 수익률이 10.4%에 이르는 것으 로 분석되었으나, 본 연구에서 제시하는 상한선 매도전략, 즉 α% 수정된 매도가를 적용한 경우 30% 상한선 하에서 최대 1.2%(p = 0.031)의 초과수익률을 얻을 수 있었다. 즉, 애널리스트 보고서가 제시하는 목표수익률이 30% 이상일 경우에 한하여 이를 해당 목표수익률의 59%가 되는 시점 에서 매도함으로써 평균적으로 약 1.2%의 초과수익률을 달성할 수 있는 것으로 확인하였다.

    4. 결 론

    본 연구는 금융시장에서 애널리스트가 제시하는 목표 가의 활용도를 재해석함으로써 보고서 활용 가능성을 정 량적으로 분석하였으며, 새로운 매도전략을 통해 기존 제시 목표 대비 초과수익률을 달성할 수 있음을 보였다. 본 연구의 시사점 및 의의는 다음과 같다.

    첫째, 본 연구는 금융시장에서 상대적으로 정보 획득 우위가 낮은 개인 투자자들에 대해 보다 접근이 용이한 애널리스트 보고서 정보를 활용하여 수익률을 높일 수 있는 방법을 제시하였다. 대부분의 개인 투자자들은 가 치 있는 투자정보를 획득하기 어려운 상황이며, 금융 관 련 전문지식이 상대적으로 부족하여 기업 정보를 획득하 더라도 이를 해석하여 주체적으로 투자 의사결정에 활용 하기 어려운 경우가 많다. 때문에 기관 및 외국인 투자자 와 같이 외부 투자 동향에 영향을 받아 의사결정을 내리 게 되는데, 이 경우 매수·매도 시점의 적시성(timing)이 현저히 떨어질 것이라고 예상할 수 있다. 그러나 본 연구 에서 분석한 증권사 종목분석 보고서는 개인이 별도의 비용 없이 접근하고 활용 가능한 정보원으로서, 제시된 정보를 해석하는 방향에 따라 효율적인 의사결정이 가능 하다.

    또한 기존 제시된 목표주가 관련 선행연구는 대부분 목표주가의 예측정확도를 측정하는 연구가 주를 이루었 다. 본 연구는 실질적으로 투자자가 활용 가능한 전략적 관점에서 목표주가를 재조명함으로써 실무적 활용도를 높이고자 하였다. 특히 애널리스트 보고서의 경우 애널 리스트 개인의 명성을 포함한 다양한 유인에 의해 관행 적으로 매도의견을 제시하지 않고 있다. 이러한 상황에 서 추천의견에 대한 일종의 대체제로서 목표주가의 정량 적 활용 가능성에 대한 연구는 매우 부족한 실정이다.

    따라서 본 연구는 투자 의사결정에서 실질적 판단 근 거로 사용 가능한 목표주가(또는 목표수익률)를 통해 수 익률을 향상시킬 수 있는 일종의 투자전략을 제시하였 다. 본 연구에서 제시한 상한선 매도전략을 활용함으로 써 애널리스트 제시 목표가의 재해석을 통해 새로운 투 자지표로서 활용할 수 있다. 궁극적으로는 본 연구를 통 해 투자자가 단순히 애널리스트가 분석 및 제시한 수치 를 있는 그대로 받아들이는 것에서 벗어나 자료의 능동 적인 해석을 통해 투자 의사결정에 자율성을 부여하고 비판적 시각을 가질 수 있도록 기여하였다는 점에서 의 의가 있다.

    향후 본 연구에서 제안한 투자전략을 KOSPI 상장종 목에 확대·적용함으로써 국내 주식시장에서의 각 종목 특성에 따른 α값의 차이를 비교·분석할 수 있을 것으로 기대된다. 또한 분석기간 중 분석 대상 종목에 상향 또는 하향세와 같은 일종의 추세가 존재할 경우 해당 기간 주 가변동이 연구결과에 영향을 미칠 가능성이 있기 때문에 향후 연구에서 이러한 추세를 반영하여 연구결과를 확 장·검증할 필요가 있을 것으로 판단된다.

    Acknowledgement

    This work was supported by the Ministry of Education of the Republic of Korea and the National Research Foundation of Korea(NRF-2019S1A5A2A03038389).

    Figure

    JKISE-43-4-229_F1.gif

    Research Framework

    JKISE-43-4-229_F2.gif

    Goal Completion Rate of Simple Sell Strategy

    Table

    Descriptive Statistics of Target Prices

    Average Rate of Returns of Simple Sell Strategy

    Result of Proportions Tests by Upper Limit Sell Strategy

    T-Test Results of Maximum Rate of Returns by Upper Limits Sell Strategy

    Reference

    1. Asquith, P., Mikhail, M.B., and Au, A.S., Information content of equity analyst reports, Journal of Financial Economics, 2005, Vol. 75, No. 2, pp. 245-282.
    2. Bae, K.H., Yamada, T., and Ito, K., How do individual, institutional, and foreign investors win and lose in equity trades? Evidence from Japan, International Review of Finance, 2006, Vol. 6, No. 3-4, pp. 129-155.
    3. Barber, B., Lehavy, R., McNichols, M., and Trueman, B., Can investors profit from the prophets? Security analyst recommendations and stock returns, The Journal of Finance, 2001, Vol. 56, No. 2, pp. 531-563.
    4. Barber, B.M. and Odean, T., Trading is hazardous to your wealth : The common stock investment performances of individual investors, Journal of Finance, 2000, Vol. 55, No. 2, pp. 773-806.
    5. Bonini, S., Zanetti, L., Bianchini, R., and Salvi, A., Target price accuracy in equity research, Journal of Business Finance & Accounting, 2010, Vol. 37, No. 9-10, pp. 1177-1217.
    6. Bradshaw, M.T., Brown, L.D., and Huang, K., Do sell-side analysts exhibit differential target price forecasting ability?, Review of Accounting Studies, 2013, Vol. 18, No. 4, pp. 930-955.
    7. Chen, X., Cheng, Q., and Lo, K., On the relationship between analyst reports and corporate disclosures : Exploring the roles of information discovery and interpretation, Journal of Accounting and Economics, 2010, No. 49, Vol. 3, pp. 206-226.
    8. Cohen, R.B., Asset allocation decisions of individuals and institutions, Division of Research, Harvard Business School, 2003.
    9. Cohen, R.B., Gompers, P.A., and Vuolteenaho, T., Who underreacts to cash-flow news? Evidence from trading between individuals and institutions, Journal of financial Economics, 2002, Vol. 66, No. 2, pp. 409-462.
    10. Huang, A.H., Lehavy, R., Zang, A.Y., and Zheng, R., Analyst information discovery and interpretation roles : A topic modeling approach, Management Science, 2018, Vol. 64, No. 6, pp. 2833-2855.
    11. Ivkovic, Z. and Jegadeesh, N., The timing and value of forecast and recommendation revisions, Journal of Financial Economics, 2004, Vol. 73, No. 3, pp. 433-463.
    12. Kim, J.W. and Kho, B.C., Earnings Forecast Accuracy and Recommendation Profitability of the Analysts in Korea, The Journal of Korean Securities Association, 2007, Vol. 36, No. 6, pp. 1009-1047.
    13. Korea Financial Investment Association, Financial Investor’s Survey Report on Investment Status in 2012, 2013.
    14. Li, W.Y., Shin, H.H., and Chang., J.H., A study on Analysts’ Conflict of Interests, Korean Accounting Review, 2005, Vol. 30, No. 3, pp. 173-195.
    15. Lin, H.W. and McNichols, M.F., Underwriting relationships, analysts’ earnings forecasts and investment recommendations, Journal of Accounting and Economics, 1998, Vol. 25, No. 1, pp. 101-127.
    16. Odean, T., Are investors reluctant to realize their losses?, Journal of Finance, 1998, Vol. 53, No. 5, pp. 1775- 1798.
    17. Park, K.J., Simulation Optimization of Manufacturing System using Real-coded Genetic Algorithm, Journal of Society of Korea Industrial and Systems Engineering, 2005, Vol. 28, No. 3, pp. 149-155.
    18. Yu, J.D. and Lee, I.S., A Prediction of Stock Price Through the Big-data Analysis, Journal of Society of Korea Industrial and Systems Engineering, 2018, Vol. 31, No. 3, pp. 154-161.