Barclays Hedge Fund 스타일 지수의 2008 년 1 월부터 2018 년 12 월까지 월간자료 분석을 통해, 당월 헤지펀드 수익률에 대한 과거 수익률의 공간적 의존성을 확인하였다. 기존 최소자승법 (OLS)과 Arbitrage Pricing Theory 에 기초한 전통적 헤지펀드 성과분석방법론에서는 다루지 않은 시계열데이터의 공간의존성이란 주가지수를 경도로, 내재변동상지수를 위도로 두고 가상의 투자수익-위험의 지도를 작성한다면, 현재 시점의 투자자가 당월에 예측할 수 있는 특정한 스타일의 헤지펀드 수익률은 당월에 실현된 투자수익-위험의 위경도상 지표에서 가까운 거리에서 실현된 역사적 수익률과는 매우 높은 자기상관을 가지는 현상을 설명함으로써 W. Tobler(1970)의 지리학 제 1 법칙, “All things are related, but closer things are more related (모든 것은 다른 모든 것과 관련되어 있으나, 가까운 것은 먼 것보다 더 관계가 깊다)”의 적용을 가능하도록 한다. 분석을 통해 Equity Long-Short, Equity Long-Bias, Event-Driven Arbitrage, Convertible Arbitrage, Fixed-Income Arbitrage, Distressed Securities, Multi-Strategies 및 Commodity Trading Advisors 등 Barclays 헤지펀드 스타일지수의 월간 수익률 데이터는 이러한 공간의존성을 내재한 것으로 확인되었다. 금융 시계열 데이터의 공간의존성은 월간 데이터의 공간적 자기상관 (Spatial Autocorrelation), 공간적 이분산성 (Spatial Heteroscedasticity) 및 이들의 상호적인 영향을 의미한다. 본 연구는 시계열 공간의존성을 해소할 수 있는 방법으로 1 차적으로 Spatial Lag Model (SLM)과 Spatial Error Model (SEM)을 활용하였으며, 특히 공간변수의 도입만으로 해소되지 않는 금융시계열 데이터에 잔존하는 공간의존성을 Generalized Method of Moment (GMM) 방법론에 따른 Spatial Two Stage Least Squares (S2SLS) 모형을 통해 상당부분 해소가 가능함을 확인했다. 공간계량경제학적 방법론을 최근에 국내외에 물의를 빚으며 운용을 중단하고 현재 미국 증권감독국 (SEC)의 감사를 받고 있는 한 사모대출펀드의 수익률 데이터에 적용하여, 사전 Due Diligence 를 통해 궁극적으로 문제성이 내재한 펀드를 가려낼 수 있는 가능성에 대한 질적 및 계량적인 분석을 적용하였다. 근거는 해당 사모대출펀드는 대출자산의 시가평가 (Marking-to-Market)를 할 수 없기 때문에 헤지펀드 운용사의 주관적인 판단에 따른 인위적인 수익률 Smoothing 으로 월간 수익률 데이터의 공간적 자기상관과 이분산성이 잘 설명될 수 있으리라는 판단에 따른 것이었다. 하지만 “Once the track record seems too good to be true, it probably is not, at least within the hedge fund domains” 이라는 잠정적 결론에 도달할 정도로 기존의 정형화된 방법론 및 공간의존성을 고려한 방법론으로도 해설이 되지 않았다. 결국, 공간의존성이 필연적으로 존재할 수밖에 없는 운용전략에 공간의존성을 설명하는 방법론이 적용될 수 없다면 해당 매니저의 운용수익률 데이터는 운용전략의 질적 분석부터 다시 시작해야 한다는 판단이다.