변동성 타기팅이 포지션 크기를 바꾸는 방식

변동성 타기팅, 변동성 스케일링, 변동성 관리는 위험 추정치가 바뀔 때 포트폴리오 노출을 조정하는 규칙을 가리킵니다. 방향 신호가 매수를 가리키고 있더라도 변동성 예상치가 올라가면 보유 규모를 줄일 수 있습니다. 양수 스케일을 곱하면 기본 포지션의 방향은 유지되지만 총노출과 순노출은 달라집니다. 이 구분이 중요합니다.

낮은 변동성 추정치만으로 자산이 싸다거나 오를 가능성이 높다거나 더 수익성이 있다고 결론 내릴 수 없습니다. 오버레이는 “이 위험 규칙 아래에서 노출을 얼마나 둘 것인가?”에 답합니다. “어떤 자산을 보유해야 하는가?”에 답하거나 기본 전략의 초과수익을 입증하지는 않습니다. 연구자들은 요인 포트폴리오와 모멘텀 전략에 변동성 관리 규칙을 적용해 왔습니다.

Moreira와 Muir는 여러 주식 요인과 통화 캐리 전략을 살폈고, Barroso와 Santa-Clara는 모멘텀 위험 관리를 연구했으며, Daniel과 Moskowitz는 시장 스트레스와 급격한 반등 전후의 모멘텀 급락을 분석했습니다. 이는 각 논문의 표본, 방법, 제약 아래에서 나온 실증 결과이지 실제 전략이 반드시 개선된다는 약속이 아닙니다.

서로 다른 포트폴리오와 규칙을 다룬 연구로 Moreira와 Muir, Barroso와 Santa-Clara, Daniel과 Moskowitz를 참고할 수 있습니다.

가중치에 따라 수익률이 대략 선형으로 변하는 단일 노출에서는 기본 스케일 = 목표 변동성 ÷ 예상 변동성을 출발 규칙으로 삼을 수 있습니다. 가상의 예에서 변동성 예상치가 연환산 20%이고 목표가 10%라면 기본 배수는 0.5입니다. 기준 명목금액이 100,000달러인 경우 조정 뒤 금액은 50,000달러입니다.

이 비율은 분자와 분모가 같은 포트폴리오, 수익률 정의, 기간, 연환산 규칙을 쓸 때에만 의미가 있습니다. 연환산 목표 10%를 일간 표준편차와 단위 변환 없이 나눌 수는 없습니다. 분모가 표준편차라면 분산을 조용히 대신 넣어서도 안 됩니다. Moreira와 Muir의 발표된 요인 포트폴리오는 이전 달 실현분산의 역수로 월간 수익률을 스케일링하고 정규화 상수를 곱합니다.

이 설계는 목표 표준편차를 예상 표준편차로 나누는 방식과 같지 않습니다. 가상의 저변동성 국면에서 예상치가 5%, 목표가 10%라면 기본 배수는 2입니다. 정책상 최대 배수를 1.25로 제한한다면 명목금액은 200,000달러가 아니라 125,000달러가 됩니다. 위험도 노출에 비례한다고 단순화하면 이에 대응하는 예상 위험은 6.25%에 그칩니다. 한도를 적용하면 목표를 달성할 수 없기도 합니다.

이는 계산 오류가 아니라 제약 조건의 결과입니다.

이동 표준편차는 설명하기 쉽지만, 창 길이에 따라 반응 속도와 잡음의 정도가 달라집니다. 짧은 창은 빠르게 반응하는 대신 들쭉날쭉할 수 있고, 긴 창은 안정적이지만 국면 변화에 늦게 따라갈 수 있습니다. 지수가중 추정치는 최근 관측치에 더 큰 비중을 줍니다. GARCH 예측은 조건부 분산을 순차적으로 모형화합니다.

장중 실현변동성은 세션 중 움직임을 더 포착할 수 있지만 관측 시점, 오래된 호가, 미시구조 잡음의 영향을 받습니다. 모든 자산과 빈도, 보유 기간에 가장 좋은 추정기 하나가 있는 것은 아닙니다. 단순수익률과 로그수익률 중 무엇을 썼는지, 한 기간을 정의하는 타임스탬프, 거래 세션과 야간 움직임을 다루는 방법, 평균 제거 여부, 주기 분산을 연환산 표준편차로 바꾸는 방식을 명시합니다.

일간 자료에서 일간 변동성에 √252를 곱하는 것은 수익률 과정에 관한 가정을 둘 때 흔히 쓰는 근사입니다. 모든 시장이나 달력에 적용되는 만능 환산법은 아닙니다. 단위 점검 예를 보겠습니다. 가상의 일간 예상 표준편차가 1.26%라면 이를 √252와 곱한 연환산 값은 약 20%입니다. 연환산 목표 10%와 비교하면 스케일은 0.5입니다.

같은 예상치를 약 20거래일의 누적 변동성으로 나타내면 약 5.63%이며, 이 값은 앞의 연환산 20%와 같은 위험 수준의 다른 기간 표현입니다. 목표 역시 기간을 맞춰 비교하거나 연환산 관례가 동일한지 확인해야 합니다. 일간 수익률 1.26%를 10% 연간 목표와 곧바로 나누는 계산처럼 단위가 어긋나면 배수의 의미가 사라집니다. 노출 경로가 얼마나 매끄러운지만 보지 말고 예측 오차도 살펴보세요.

추정치가 안정적으로 보이는 이유가 국면 변화에 너무 늦게 반응하기 때문일 수 있고, 민감해 보이는 이유는 잡음을 과적합했기 때문일 수 있습니다. 워크포워드 평가에서 각 추정치와 포지션을 만들 당시 이용할 수 있었던 정보만 사용해 합리적인 창과 예측 모형을 비교해야 합니다.

실현변동성 계산 안내서는 수익률과 표본추출 규칙에 따라 스케일링 대상 위험값이 어떻게 달라지는지 설명합니다.

리밸런싱 시점 t에는 주문을 낼 수 있기 전에 실제로 확인할 수 있었던 관측치만 사용해야 합니다. 일간 수익률에 당일 종가가 들어 있다면 그 종가로 변동성을 계산한 뒤 같은 종가에 체결됐다고 가정할 수 없습니다. 주문의 제출 시점과 가격 형성이 그런 체결을 가능하게 한 경우는 예외입니다. 실무적인 방식은 장 마감 뒤 계산하고 다음 거래 가능한 시점의 노출에 적용하는 것입니다.

이 시간 정렬은 룩어헤드 편향을 막습니다. 한 달이 끝나야 알 수 있는 실현분산을 같은 달에 보유했던 포지션에 적용하면 당시에는 알 수 없던 정보가 들어갑니다. 백테스트에는 신호 시점, 변동성 자료의 마감 시점, 주문 시간, 체결 가정과 보유 기간을 밝혀야 합니다. 자산별 입력 자료가 서로 다른 시간에 도착한다면 공통 정보 마감 시점을 사용하거나 오래된 관측치를 어떻게 처리하는지 기록합니다.

새 추정치가 나올 때마다 바로 리밸런싱할 필요는 없습니다. 월간 리밸런싱, 임계 구간, 완만한 노출 조정은 매매 회전율을 줄일 수 있지만 순간 목표와 실제 노출의 차이를 키우기도 합니다. 이 실행 방식을 명시하고 검증해야 합니다. 가장 최근 예상치를 마찰 없는 주문처럼 취급해서는 안 됩니다.

같은 기간으로 추정한 공분산 행렬을 Σ, 자산 가중치를 벡터 w라고 하면 포트폴리오 분산은 wᵀΣw이고 변동성은 그 제곱근입니다. 공분산 항도 중요합니다. 두 자산의 개별 변동성은 그대로여도 상관관계가 높아지면 두 자산을 함께 보유하는 위험은 커질 수 있습니다. 각 자산의 변동성을 따로 목표치에 맞추더라도 포트폴리오 전체 변동성이 그 목표에 도달하는 것은 아닙니다.

반대로 한 포트폴리오 수익률 전체에 단일 배수를 적용하면 보유 구성은 유지하지만, 포트폴리오 위험 추정이 적절하다는 범위 안에서만 작동합니다. 집중도, 상관관계 변화, 요인 중복, 파생상품의 비선형 노출은 단일 표준편차 예측이 충분하지 않게 만들 수 있습니다. 위험 한도가 적용되는 수준에서 위험을 추정하세요.

기준이 포트폴리오 변동성 범위라면 결합 포트폴리오를 예측하고 상관관계나 공분산 국면을 스트레스해야 합니다. 기준이 전략별 위험이라면 다른 상관 포지션도 계좌의 동일한 위험 예산을 쓰는지 명시합니다. 선물 포지션 크기 안내서는 거래별 손절 예산과 계좌 전체 노출이 별개의 통제 수단인 이유도 설명합니다.

가상의 두 자산이 각각 연환산 변동성 20%이고 각각 절반씩 편입됐다고 합시다. 두 자산의 상관관계를 0.1로 추정하면 단순한 분산 계산상 포트폴리오 변동성은 약 14.83%입니다. 다른 조건은 같고 상관관계만 0.9로 바뀌면 포트폴리오 변동성은 약 19.49%가 됩니다. 개별 변동성 숫자는 변하지 않았지만 결합 위험은 크게 높아집니다.

앞의 추정치 14.83%와 목표 15%를 기준으로 약 1.01배로 노출을 늘린 뒤 상관관계가 높아졌다면, 단순화한 위험은 약 19.7%가 됩니다. 이 가상의 계산은 공분산 추정이 낡으면 목표 배수 자체가 실제 포트폴리오 위험을 잘 설명하지 못할 수 있음을 보여 줍니다.

예상 변동성이 0에 가까우면 기본 비율은 매우 커질 수 있습니다. 변동성 하한은 아주 작은 수로 나누는 일을 막고, 최대 레버리지 한도는 명목 노출을 제한합니다. 전략에 따라 최소 배수, 낙폭·증거금·유동성 기준 상한도 둘 수 있습니다. 완전히 지정한 규칙의 한 예는 배수 = min(최대 배수, 목표 변동성 ÷ max(예상 변동성, 하한))이며, 최소 노출이 있으면 별도로 밝힙니다.

각 안전장치는 위험의 움직임을 바꿉니다. 하한은 이례적으로 조용한 추정치가 노출을 급격히 키우는 것을 억제합니다. 상한은 저변동성 국면에서 목표를 달성하지 못하게 할 수 있습니다. 최소 노출은 변동성이 급등해도 오버레이가 포지션을 완전히 정리하지 못하게 합니다. 명목 총액, 레버리지, 증거금, 위험 가중 노출 중 어떤 기준에 한도를 적용하는지 단위를 밝히세요. 서로 바꿔 쓸 수 있는 수치가 아닙니다.

선물로 노출을 구현할 때 연속적인 배수를 계약 수로 바꾸는 과정도 별도 제약입니다. 가상의 계산에서 기본 전략이 3.4계약이고 스케일이 0.5라면 목표 수량은 1.7계약이지만, 일반 계약은 소수점 수량으로 주문할 수 없습니다. 1계약으로 내림하면 목표보다 노출이 작아지고, 2계약으로 반올림하면 커집니다.

마이크로 계약을 쓸 수 있는지, 계약 간 유동성과 비용이 어떤지, 아예 거래하지 않는 편이 나은지 확인해야 합니다. 명목금액 배수만 곱한 결과를 실제 포지션이라고 부르지 말고 계약 단위, 승수, 기준통화 환산, 증거금과 비용까지 반영한 뒤 위험을 다시 계산합니다. 변동성 충격 뒤 노출을 줄이려면 가격이 떨어지거나 유동성이 마른 시장에서 매도해야 할 수 있습니다.

조용한 기간 뒤에 노출을 키운 직후 충격이 올 수도 있습니다. 예상치가 미래의 위험을 추정해도, 그 입력은 과거를 돌아보는 값입니다. GARCH와 변동성 군집 안내서는 모형의 지속성이 국면 단절을 늦게 반영할 수 있는 이유를 다루지만 점프나 국면 위험을 없애지는 않습니다.

노출을 자주 바꾸면 회전율이 생깁니다. 수수료, 매수·매도 호가 차이, 시장 충격, 슬리피지, 금융비용이나 공매도 차입비, 선물 롤 비용, 해당되는 경우 무기한 선물 펀딩과 담보 비용을 추정합니다. 완만한 스케일이나 리밸런싱 구간은 거래를 줄일 수 있지만 위험 축소를 늦출 수도 있습니다. 마찰이 없는 시계열만 보지 말고 현실적인 비용 가정에서 순성과를 비교하세요.

규칙이 더 많은 노출을 요구하는 바로 그때 레버리지를 이용할 수 없을 수 있습니다. 브로커나 거래소 증거금, 포지션 한도, 공매도 가능성, 유동성, 내부 위험 한도로 인해 이론상 계산한 명목액을 거래하지 못할 수 있습니다. 변동성 상한은 청산이나 큰 손실을 막는 보장이 아닙니다. 갭은 예상치를 크게 넘을 수 있고, 청산 가격은 신호 가격과 상당히 다를 수 있습니다. 일관된 기준으로 성과를 비교합니다.

스케일링하지 않은 동일 기본 신호, 고정 위험 대안, 적절한 경우 현금과 비교할 수 있습니다. 총수익과 비용 차감 후 수익, 노출, 회전율, 레버리지, 예측 오차, 낙폭과 꼬리손실을 보고합니다. Moreira와 Muir의 발표 결과는 변동성 타이밍을 연구할 이유 중 하나입니다.

Cederburg, O’Doherty, Wang, Yan은 주식 전략 103개를 비교해 직접 비교에서 변동성 관리 포트폴리오가 대응하는 비관리 포트폴리오를 체계적으로 능가하지 않는다고 보고합니다. 합리적인 실시간 표본 밖 조합은 대체로 확실성등가수익과 샤프비율이 더 낮았지만 예외도 있었습니다 (연구). 이 결과는 보편적인 권고보다 표본 밖 검증이 중요함을 보여 줍니다.

오버레이가 위험을 개선했다고 말하기 전에 기본 신호, 위험 추정기, 예측 기간, 갱신 일정, 시간 시차, 단위 변환, 공분산 처리, 하한, 상한, 체결 가정을 지정합니다. 최종 평가 표본을 보기 전에 선택을 확정하세요. 같은 표본에 반복해서 맞추면 가장 좋아 보이는 결과가 견고한 규칙이 아니라 선택의 산물일 수 있습니다.

적절한 손실 함수와 보정 그래프로 위험 예측 자체를 점검하되, 노출 경로도 살펴봅니다. 평균 예측 오차가 낮더라도 가장 중요한 급등 위험을 제때 포착하지 못할 수 있습니다. 스트레스 기간, 가격 갭, 결측 관측치, 상관관계가 급변할 수 있는 자산을 확인합니다. 실제 상한과 비용 모형을 적용한 결과도 같은 구간에서 평가해야 합니다. 마지막으로 세 가지 주장을 구분합니다.

첫째, 예측치가 위험을 추정합니다. 둘째, 오버레이가 정해진 정책에 따라 노출을 바꿉니다. 셋째, 그렇게 구성된 포트폴리오가 특정 표본에서 일정한 성과를 보였습니다. 첫 번째 주장이 두 번째의 목표 달성을 증명하지 않고, 세 번째의 과거 성과가 미래 수익을 보장하지도 않습니다. 어디서 왜 위험이 바뀌었는지 재현할 수 있도록 각각 기록합니다.