내재상관과 분산거래 이해하기

지수는 가중 포트폴리오입니다. 분산은 개별 종목 변동성의 평균이 아니라 각 종목 분산과 모든 종목 쌍의 공분산에 의해 정해집니다

단순화하면 지수 분산은 가중 구성종목 분산과 가중 상관 항의 합입니다. 분산된 바스켓에서는 이 교차 항이 큰 비중을 차지할 수 있습니다

종목이 독립적으로 움직이면 일부 변동이 상쇄됩니다. 함께 움직이면 분산 효과가 줄어 구성종목 분산에 비해 지수 분산이 높아집니다

지수와 구성종목 옵션은 각각 내재분산을 제공합니다. 선택한 바스켓 모형은 두 값을 일치시키는 하나의 평균 상관을 풀어냅니다

그 값은 위험중립적이며 모형에 의존합니다. 포함 종목, 가중치, 만기, 행사가, 배당, 금리와 변동성 보간 방식에 따라 달라집니다

따라서 상대가치 가격이지 설문 예측이 아닙니다. 미래의 모든 종목 쌍 실현상관이 하나의 숫자와 같아진다는 보장도 없습니다

전형적인 롱 디스퍼전은 위험을 조정해 구성종목 변동성을 사고 지수 변동성을 팝니다. 종목이 더 독립적으로 움직일 때 대체로 유리합니다

반대 포지션은 지수 변동성을 사고 구성종목 변동성을 팝니다. 공통 움직임이 가격에 반영된 수준보다 강할 때 대체로 유리합니다

실제 거래에는 분산스왑, 옵션 또는 델타 헤지 스트래들이 쓰입니다. 익스포저가 서로 달라 계약 수만으로 비교할 수 없습니다

지수 가중치는 분산에서 대략 제곱으로 작용합니다. 한편 종목별 옵션 베가, 승수, 가격과 유동성은 모두 다릅니다

바스켓이 처음에 베가 중립이어도 감마, 스큐, 볼가, 세타, 배당과 리밸런싱 위험은 남습니다. 한 민감도의 중립은 손익 중립이 아닙니다

지수 방법론, 선택 종목, 제외된 잔여분, 만기 정렬, 헤지 비율과 리밸런싱 규칙을 기록해야 상관관계 순수 거래에 얼마나 가까운지 알 수 있습니다

개별 종목 실적은 고유 분산을 구성종목에 더합니다. 지수에서는 분산 효과 때문에 그 이벤트 분산의 상당 부분이 약해질 수 있습니다

이벤트 일정이 다르면 상관이 그대로여도 구성종목과 지수의 차이가 움직입니다. 단순 내재상관에는 이벤트 가정과 종목 누락 오차가 흡수될 수 있습니다

가능하면 알려진 이벤트 분산을 분리하고, 발표 연기·사전 공개·섹터 공통 이벤트도 스트레스해야 합니다

광범위한 불안에서는 거시 뉴스, 유동성 수요와 시스템적 디레버리징이 개별 기업 이야기를 압도하며 종목이 함께 하락할 수 있습니다

이 국면은 롱 디스퍼전에 불리합니다. 매도한 지수 변동성 레그가 급등하고 구성종목 헤지 비용도 커지며 상관이 위쪽으로 수렴할 수 있습니다

스큐와 점프는 손실을 비선형으로 만듭니다. 가장 위험한 결과는 작은 상관 오차가 아니라 유동성이 나빠진 동조화 급변입니다

동일한 종목, 가중치, 기간과 표본 규칙으로 내재 공분산과 이후 실현 공분산을 비교해야 합니다. 서로 다른 시장의 상관 수치를 섞으면 안 됩니다

지수 분산, 종목 분산, 상관, 스큐, 델타 헤지, 이벤트, 비용과 잔여 종목으로 손익을 나눠야 합니다. 하나의 스프레드는 상쇄된 오차를 숨길 수 있습니다

상관, 변동성 수준, 표면 형태, 갭, 배당과 호가 확대를 함께 시나리오화해야 합니다. 분산거래는 숫자 하나가 아니라 포트폴리오입니다