Sharpe 비율 연환산: 자기상관이 √12 공식을 바꾸는 이유

한 기간의 Sharpe 비율은 평균 초과수익을 그 기간 수익률의 표준편차로 나눈 값입니다. 초과수익은 같은 빈도의 무위험수익률을 전략 수익률에서 뺀 값입니다. 월간 Sharpe라면 월간 초과수익의 평균과 월간 수익률 표준편차를 사용합니다. 분기 무위험수익을 월간 수익률에서 빼거나 단순수익률과 로그수익률을 섞으면 지표가 다른 대상이 됩니다. 계산된 Sharpe는 선택한 표본과 정의에 따른 추정치입니다. 다음 거래가 이길 확률, 최대 손실, 하방위험 또는 미래 수익의 보장이 아닙니다. William Sharpe의 원 설명은 보상과 변동성의 비율이라는 기본 아이디어를 제시합니다. 전략 비교에서는 분모의 위험 정의와 수익 산정 기준까지 같아야 합니다.

예를 들어 한 보고서는 월말 순자산 수익률, 다른 보고서는 매일 표시된 포지션 수익을 사용한다면 두 Sharpe의 차이는 전략의 위험만 반영하지 않습니다. 현금 이자, 실현·미실현 손익, 포지션 재조정 시점이 반영되는 방식도 비교 전에 맞춰야 합니다. 수익률을 같은 단위로 맞춘 뒤 평균을 계산하는지, 각 월의 잔액에 복리로 연결하는지도 분리해서 기록하세요.

한 기간 Sharpe가 SR₁이고 1년이 q개 기간으로 이루어진다고 합시다. 기간별 수익률의 평균과 분산이 안정적이고 기간 간 공분산이 0이면, q기간 누적 초과수익의 평균은 q배, 표준편차는 √q배가 됩니다. 그때 SR_q=√q×SR₁이 성립합니다. 동일분포 독립 수익률은 이 조건을 만족시키는 흔한 충분조건입니다. 하지만 “월간 자료”라는 이유만으로 월간 수익률이 독립인 것은 아닙니다. 추세 지속, 반전, 겹치는 보유기간, 평가가격 평활화는 인접한 월간 관측을 연결할 수 있습니다. Sharpe의 원 설명도 기간 사이 상관이 0일 때의 집계 가정을 짚습니다. 데이터 빈도만 바꾸고 √q를 곱하면 이 전제가 검토되지 않은 채 숨을 수 있습니다.

두 기간만 합치는 작은 경우를 보면 이유가 명확합니다. 동일한 표준편차 σ와 평균 μ를 가진 두 초과수익의 상관이 ρ₁이면 합의 분산은 2σ²(1+ρ₁)입니다. 독립 가정에서는 2σ²인데, ρ₁가 양수이면 합의 위험이 더 큽니다. 일반적인 √2 환산은 이 추가 공분산을 빠뜨립니다. 반대로 음의 상관에서는 합의 분산이 독립 가정보다 작아질 수 있습니다. 연환산 배율은 계산 편의상 정해지는 상수가 아니라 관측된 시간 의존성의 결과입니다.

기간 초과수익을 xₜ라 하고 분산을 γ₀, k시차 공분산을 γₖ=Cov(xₜ,xₜ₋ₖ)라 합시다. 공분산 구조가 시간에 따라 일정한 경우 q기간 합의 분산은 Var(Σxₜ)=qγ₀+2Σₖ₌₁^{q−1}(q−k)γₖ입니다. 같은 분산을 가진 두 월의 수익이라도 함께 움직이면 합의 위험이 달라집니다. 1시차 상관만 보는 것으로는 더 긴 시차 공분산을 자동으로 반영하지 못합니다. ρₖ=γₖ/γ₀로 두고 SR₁=μ/σ라 하면, 가법적으로 합산한 q기간 Sharpe는 SR_q=√q×SR₁/√(1+2Σₖ₌₁^{q−1}(1−k/q)ρₖ)입니다. 이것이 Lo(2002)의 시간집계 보정입니다. 분모의 조정항은 q기간 합의 분산에 들어가는 전체 시차 상관을 압축해 보여줍니다. 양의 상관이 대체로 합의 분산을 키워 단순 √q 환산을 낮추고, 음의 상관은 반대 방향으로 작용할 수 있습니다. 각 시차 항의 가중치 (1−k/q)는 q기간 합에 두 관측이 함께 포함될 수 있는 횟수가 시차가 길수록 줄어드는 점을 반영합니다. 12개월 Sharpe에서는 1개월부터 11개월까지의 상관을 합에 넣습니다. 표본의 모든 시차를 끝없이 합치는 것이 아니라, 평가하려는 집계 기간 q에 들어가는 시차만 포함합니다.

조정 분모가 1보다 큰지 작은지를 보고 결과 방향을 점검할 수 있습니다. 양의 누적 공분산은 분모를 1보다 크게 만들고 보정 Sharpe를 단순 환산보다 낮춥니다. 음의 상관이 충분하면 분모가 작아져 보정값이 높아질 수 있지만, 이것이 전략의 위험이 사라진다는 뜻은 아닙니다. 표본에서 나타난 음의 상관이 체결 시점이나 단기 반전에서 나온 것인지 확인해야 합니다.

월간 평균 초과수익이 0.4%, 월간 표준편차가 2%이면 월간 Sharpe는 0.004/0.02=0.20입니다. 월간 수익률이 독립이라고 가정한 단순 연환산 값은 0.20×√12≈0.693입니다. 비교를 위해 완전히 가상인 AR(1) 사례에서 1시차 상관을 0.25로 놓고, 모형의 가정에 따라 ρₖ=0.25ᵏ라 합시다. 12개월 보정 분모는 √(1+2Σₖ₌₁¹¹(1−k/12)×0.25ᵏ)≈1.262이고, 보정한 값은 0.693/1.262≈0.549입니다. 이 예시에서 √12만 곱한 값은 더 큽니다. 이 숫자는 결과가 자기상관 가정에 얼마나 달라지는지 보이는 산술 예시이지, 특정 전략이나 시장에 대한 예측이 아닙니다. 비교용으로 같은 첫 번째 상관 0.25를 가진 두 달만 계산하면, 조정 분모는 √(1+ρ₁)=√1.25≈1.118입니다. 이때 두 기간 Sharpe는 월간 값의 단순 √2 배가 아니라 0.20×√2/1.118≈0.253입니다. q가 늘면 추가 시차 상관이 합산되므로 첫 시차만으로 12개월 값을 계산할 수 없습니다.

월간 평균·표준편차가 표본에서 안정적으로 보인다는 것 역시 앞으로 유지된다는 증거가 아닙니다. 이 가상 계산은 입력값을 고정했을 때 산식의 효과만 비교합니다. 실제 수익 계열에서는 평균, 변동성, 자기상관을 구간별로 다시 추정하고 신뢰구간이나 표본오차를 함께 고려해야 합니다. 0.25를 모든 시차 상관으로 복제한 것이 아니라 AR(1)이라는 가상 모형에서만 이후 시차를 거듭제곱으로 둔 것입니다.

모멘텀 또는 반전처럼 실제 전략의 포지션이 일정 기간 이어지면 초과수익에도 경제적 지속성이나 반전이 나타날 수 있습니다. 매일 갱신되는 3개월 보유수익률처럼 겹치는 기간의 관측을 독립 표본처럼 취급해도 기계적인 상관이 생깁니다. 둘은 같은 통계 흔적을 만들 수 있지만 해석과 추론 방법이 같지 않습니다. 비유동 자산의 평가가 드물거나 모델 가격이 과거 가격에 끌리면 수익이 매끄럽게 기록되어 양의 자기상관이 관찰될 수 있습니다. 반대로 체결가격 반전이나 단기 재고조정은 음의 상관을 만들 수도 있습니다. 상관을 보정하기 전에 거래 빈도, 보유기간, 가격 출처와 포지션 재평가 방식을 확인하세요. 계산으로 상관을 지우면 성과에 실제로 포함된 위험을 감출 수 있고, 반대로 기록 오류를 경제적 예측력으로 오해할 수도 있습니다. 예컨대 가격이 한 달에 한 번만 갱신되는 자산을 매일 가격이 갱신된 것처럼 복제하면 관측 행은 늘어도 새로운 가격 정보는 늘지 않습니다. 이런 자료로 일간 Sharpe를 계산해 √252를 곱하면 빈도 변환과 자기상관이 동시에 잘못 처리될 수 있습니다. 가격이 없는 날에 전일 가격을 채운 것인지, 모델 평가로 현재 값을 평활한 것인지 원천 기록을 살펴야 합니다.

보유기간이 3개월인 거래를 매일 새로 시작한 것처럼 겹쳐 관측하면 같은 가격 구간이 반복해서 포함됩니다. 이를 독립 거래 수로 세어 표준오차를 구하면 유효 정보량을 과대평가할 수 있습니다. 일별 포트폴리오 자산곡선의 Sharpe와 겹치는 거래별 수익률의 Sharpe는 질문이 다를 수 있으므로, 전략을 평가하는 최종 자본 경로와 거래 단위 통계를 구분해 보고하세요.

수익률 빈도와 무위험수익률 빈도를 맞추고, 수수료·슬리피지·펀딩·차입비용을 비용 전 또는 비용 후 중 한 기준으로 일관되게 계산합니다. 레버리지와 현금 잔고 처리, 배당 재투자, 포지션 가중치가 달라지면 초과수익 시계열 자체가 바뀝니다. 비교하려는 수익이 포트폴리오의 자본가중 손익인지, 거래별 동일가중 수익인지도 명확히 하세요. 위의 식은 q개 기간 초과수익을 가법적으로 합산하는 시간집계 아래의 결과입니다. 실제 단순수익률을 복리로 연결해 만든 연간 수익률은 월별 합과 같지 않습니다. 월별 산술 평균, 연간 복리수익, 연율화 변동성을 섞어 하나의 Sharpe로 만들면 분자와 분모의 시간 정의가 어긋날 수 있습니다. 계산을 재현할 수 있도록 수익 정의와 연환산 관례를 먼저 공개하세요. 예를 들어 매월 일정액을 투자하는 계좌에서는 투자금 유입을 성과로 세지 않도록 외부 현금흐름과 투자손익을 구분해야 합니다. 고정 자본 대비 전략 수익률을 쓸지, 계좌 순자산에서 계산한 수익률을 쓸지에 따라 레버리지와 현금의 영향이 다릅니다. 여러 전략을 비교한다면 같은 무위험수익률, 같은 샘플 종료일, 같은 거래비용 기준을 적용합니다.

단순 수익률의 복리는 ∏(1+rₜ)−1처럼 곱셈으로 이루어집니다. 수익률이 작다는 근사로 합계를 쓰는 관례는 비교용 통계에서 편리하지만, 큰 변동이나 긴 기간에서는 복리 경로와 정확히 같지 않습니다. 반면 로그수익률은 시간에 따라 더하기 쉽지만, 로그수익률 기반 비율을 단순수익률 Sharpe와 동일한 지표인 것처럼 제시해서도 안 됩니다. 독자가 결과를 재계산할 만큼 변환 규칙을 밝히세요.

Lo 보정은 관측된 자기상관을 정확한 상수로 알려 준다는 뜻이 아닙니다. 월 자료가 몇 년뿐이면 특히 6~11개월 같은 긴 시차의 표본 상관은 매우 흔들릴 수 있습니다. 1시차 상관이 양수라고 이후 시차가 ρₖ=ρ₁ᵏ인 AR(1) 구조라고 단정하지 마세요. AR(1)을 쓰려면 모형을 선택한 근거, 잔차 진단과 민감도를 따로 보고해야 합니다. 수익률 표본 길이, 빈도, 전체 자기상관 프로파일, 사용한 보정식과 추정 방법을 함께 제시하세요. 상관 추정 범위나 표본 구간을 바꿨을 때 결과와 전략 순위가 얼마나 달라지는지도 살펴야 합니다. Sharpe 자체도 평균과 분산을 추정해 만든 통계량이므로 표준오차나 구간 추정이 필요할 수 있습니다. Lo의 2002년 논문은 자기상관 보정과 함께 Sharpe 추정치의 통계적 분포와 불확실성을 다룹니다. 60개월 자료에서 11개월 시차의 관측쌍 수는 첫 시차보다 적고, 극단 사건이나 표본 시작일에 따라 추정값이 크게 달라질 수 있습니다. 시차 상관을 많이 넣을수록 보정식이 자동으로 더 정확해지는 것은 아닙니다. 모수 추정, 시차 절단, 안정성 가정이 각각 어떤 결과를 만드는지 구분합니다.

표본을 본 뒤 가장 보정값이 높아지는 상관 모형이나 관측 기간만 고르면 조정 과정도 선택 편향을 가질 수 있습니다. 보정값을 점 추정치 하나로 순위화하기보다, 기준 기간·대안 기간·추정 방법별 결과 범위와 표준오차를 함께 표시합니다. 표본외 예측을 비교한다면 각 시점에 이용 가능했던 정보로 상관을 다시 추정해야 합니다. 미래 관측을 이용해 과거의 보정 상수를 결정하면 시계열 누출이 생깁니다.

Sharpe를 높은 순서로 여러 전략이나 파라미터 중 선택하면 자기상관을 보정해도 데이터 스누핑은 남습니다. 비정상적 구조 변화, 파산 위험, 극단적인 손실, 유동성 부족, 실행 비용이나 레버리지도 이 공식만으로 반영되지 않습니다. 높은 보정 Sharpe는 미래의 안전성이나 우월성을 보장하지 않습니다. 평균 초과수익을 분산으로 나누는 비율은 손실의 순서와 크기를 완전히 나타내지 않습니다. 두 전략이 같은 Sharpe를 가져도 하나는 빈번한 작은 손실, 다른 하나는 드물고 큰 손실을 경험할 수 있습니다. 왜도와 두꺼운 꼬리가 다르면 동일한 표준편차가 투자자에게 같은 하방 경험을 뜻하지 않습니다. 레버리지가 높으면 일시적인 낙폭이 청산이나 자금 고갈로 이어질 수도 있습니다.

상관 보정이 포트폴리오의 교차자산 헤지, 포지션 한도, 유동성, 거래소 수수료를 대신 관리해 주지도 않습니다. 같은 전략의 총수익률을 사용했다면 구성자산 사이 공분산은 이미 포트폴리오 수익에 반영됐을 수 있지만, 시간에 따른 전략 수익의 자기상관과는 별도 차원입니다. 서로 다른 위험을 한 숫자로 압축하기 전에 수익계열과 계좌 경로를 함께 보세요. 거래 전략의 과적합과 표본 선택 문제는 편향–분산과 금융모형 과적합을, 손실 경로는 최대 낙폭과 회복률을 함께 검토하세요. 포트폴리오의 연간 수익 계산은 산술평균과 기하평균 수익률에서 이어서 볼 수 있습니다.

다른 사람이 같은 수치를 재현할 수 있도록 보고서에는 다음을 넣습니다. - 수익 빈도와 관측 수, 표본 시작·종료일, 무위험수익률의 자료·변환 기준 - 비용 전후 중 어느 수익인지, 포지션 가중과 레버리지, 복리 또는 가법 집계 방식 - 비연환 Sharpe, 단순 √q 환산값, 적용한 보정식과 추정한 시차 상관 - AR(1) 같은 모형을 가정했다면 이유와 대안 사양의 민감도 - Sharpe 추정의 불확실성과 함께 최대 낙폭·꼬리 손실·유동성 정보를 보완 지표로 제시 가장 높은 Sharpe만 골라 강조하지 말고, 데이터 선택과 성과 비교 기준을 명시하세요. 내부 비교표에는 월간 및 연간 수익률 정의, 관측치 개수, 결측·휴장일 처리, 상관 추정 범위, 조정 공식, 비용 가정을 한 줄씩 기록할 수 있습니다. 거래 전략이라면 같은 표본 기간의 벤치마크와 현금 대안, 시장 국면별 손익을 추가하면 특정 장세가 순위를 만든 것인지 보입니다.

비교할 전략이 여러 개라면 보정된 Sharpe를 보고 난 뒤 마음에 드는 전략만 고르는 절차 역시 결과를 낙관적으로 보이게 할 수 있습니다. 전체 후보 수, 선택 기준, 미리 확보한 표본외 구간을 공개하세요. 독립적인 검증 기간이 충분히 길지 않다면 “과거 표본에서 관측된 추정치”라고 한계를 표현하고, 단일 순위가 지속될 것으로 단정하지 않습니다. 이 글은 통계적 성과 측정의 설명이며 매매 조언이나 수익 보장이 아닙니다.