한국 주식시장의 삼성그룹주펀드들과 비선형계획법을 이용한 마코위츠의 포트폴리오 선정 모형의 투자 성과 비교 Comparison of Investment Performance in the Korean Stock Market between Samsung-Group-Funds and Markowitz's Portfolio Selection Model Using Nonlinear Programming원문보기
본 논문은 마코위츠의 포트폴리오 선정 이론을 한국 주식 시장에 실제 적용할 경우 투자 성과를 평가해 본 실증적 연구이다. 이를 위해서 대중적으로 인기가 있었던 삼성그룹주펀드 5종 및 KOSPI지수 변화율을 마코위츠의 모형과 비교 분석하였다. 2007년 3월부터 2008년 9월까지 최근 1년 6개월의 기간에 대하여, KOSPI 지수는 0.1%로 거의 변화를 보이지 않은 반면, 삼성그룹주펀드 5종의 평균수익률은 20.54%였고, 삼성그룹주펀드를 구성하는 동일한 17개 종목으로 마코위츠의 모형에 따라 투자한 방식은 52%의 수익률을 올렸다. 수익률을 극대화하기 위하여 데이터 수집 기간 및 포트폴리오 교체 주기에 대하여 민감도 분석을 수행하였다. 결론적으로, 투자자 개인의 주관이나 감정에 의한 판단을 완전히 배제하고 객관적 데이터에 의하여 포트폴리오를 수리적으로 변경하는 마코위츠의 모형에 의한 투자 방식이, 상대적으로 우월한 시장 정보를 가지고 주관적 판단에 의해 능동적으로 포트폴리오를 변경하는 시중 펀드매니저의 운영 성과에 비해 월등하였음을 본 연구에서는 삼성그룹주펀드의 실증적 연구를 통하여 보이고 있다.
본 논문은 마코위츠의 포트폴리오 선정 이론을 한국 주식 시장에 실제 적용할 경우 투자 성과를 평가해 본 실증적 연구이다. 이를 위해서 대중적으로 인기가 있었던 삼성그룹주펀드 5종 및 KOSPI지수 변화율을 마코위츠의 모형과 비교 분석하였다. 2007년 3월부터 2008년 9월까지 최근 1년 6개월의 기간에 대하여, KOSPI 지수는 0.1%로 거의 변화를 보이지 않은 반면, 삼성그룹주펀드 5종의 평균수익률은 20.54%였고, 삼성그룹주펀드를 구성하는 동일한 17개 종목으로 마코위츠의 모형에 따라 투자한 방식은 52%의 수익률을 올렸다. 수익률을 극대화하기 위하여 데이터 수집 기간 및 포트폴리오 교체 주기에 대하여 민감도 분석을 수행하였다. 결론적으로, 투자자 개인의 주관이나 감정에 의한 판단을 완전히 배제하고 객관적 데이터에 의하여 포트폴리오를 수리적으로 변경하는 마코위츠의 모형에 의한 투자 방식이, 상대적으로 우월한 시장 정보를 가지고 주관적 판단에 의해 능동적으로 포트폴리오를 변경하는 시중 펀드매니저의 운영 성과에 비해 월등하였음을 본 연구에서는 삼성그룹주펀드의 실증적 연구를 통하여 보이고 있다.
This paper investigates performance of the Markowitz's portfolio selection model with applications to Korean stock market. We choose Samsung-Group-Funds and KOSPI index for performance comparison with the Markowitz's portfolio selection model. For the most recent one and a half year period between M...
This paper investigates performance of the Markowitz's portfolio selection model with applications to Korean stock market. We choose Samsung-Group-Funds and KOSPI index for performance comparison with the Markowitz's portfolio selection model. For the most recent one and a half year period between March 2007 and September 2008, KOSPI index almost remains the same with only 0.1% change, Samsung-Group-Funds shows 20.54% return, and Markowitz's model, which is composed of the same 17 Samsung group stocks, reaches 52% return. We perform sensitivity analysis on the duration of financial data and the period of portfolio change in order to maximize the return of portfolio. In conclusion, according to our empirical research results with Samsung-Group-Funds, investment by Markowitz's model, which periodically changes portfolio by using nonlinear programming with only financial data, outperforms investment by the fund manager who possesses rich experiences on stock trading and actively changes portfolio based on minute-by-minute market news and business information.
This paper investigates performance of the Markowitz's portfolio selection model with applications to Korean stock market. We choose Samsung-Group-Funds and KOSPI index for performance comparison with the Markowitz's portfolio selection model. For the most recent one and a half year period between March 2007 and September 2008, KOSPI index almost remains the same with only 0.1% change, Samsung-Group-Funds shows 20.54% return, and Markowitz's model, which is composed of the same 17 Samsung group stocks, reaches 52% return. We perform sensitivity analysis on the duration of financial data and the period of portfolio change in order to maximize the return of portfolio. In conclusion, according to our empirical research results with Samsung-Group-Funds, investment by Markowitz's model, which periodically changes portfolio by using nonlinear programming with only financial data, outperforms investment by the fund manager who possesses rich experiences on stock trading and actively changes portfolio based on minute-by-minute market news and business information.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
그 결과, 펀드M의 수익률의 증가 또는 감소에 직접적으로 영향을 미칠 것이다. 그렇다면, 자연스럽게 다음 질문은, 마코위츠 모형에 의하여 투자를 할 때 데이터 수집 기간을 어떻게 설정해야 수익률을 극대화할 것인지 하는 것이다. 직관적으로 답해 볼 때, 데이터 수집 기간을 1년보다 상당히 줄인다면 개별 주식의 평균수익률, 분산, 공분산이 최근의 추세에 더 민감하게 반응 하겠지만, 최근 움직임에 너무 크게 영향을 받아 개별 주식 고유의 변동성을 잃어버릴 수도 있다.
위의 비선형계획 모형을 이용하여 포트폴리오에 요구되는 최소 기대수익률(K )을 넘고, 모든 가용 금액이 100% 투자되어야 하며, 공매도는 하지 않는다는 조건을 만족시키면서, 포트폴리오의 위험(V )을 최소화 하는 최적의 투자 비중(# )을 구하는 것을 목표로 한다. 본 모형은 비선형계획법 모형 중에서 목적함수가 한계 체감(decreasing marginal return)을 보이는 이차계획(quadratic programming)의 경우이므로, Microsoft Excel에 내장되어 있는 Solver 등의 상용 소프트웨어를 이용하여 쉽게 최적해를 구할 수 있다[7].
본 연구를 시작하게 된 동기는 지금까지 앞에서 언급한 문제들을 해결하기 위해서이다. 즉, 마코위츠의 포트폴리오 선정 이론을 이용하여 실전 투자를 할 때, 수익률을 가장 높이기 위해서 최적의 데이터 수집 기간과 포트폴리오 교체 주기를 선정한 후 이것들을 적용한 마코위츠의 포트폴리오 선정 이론에 의한 투자가 국내 시장에서 판매 및 운영되고 있는 펀드들과 비교하여 어떠한 성과를 보이는지 분석하려 한다. 즉, 시시각각 들어오는 경제 뉴스와 기업 정보에 따라 주관적으로 판단하며 능동적으로 매매를 통해 포트폴리오를 조정하는 국내 펀드매니저의 경우와, 그리고 일정 주기마다 마코위츠의 포트폴리오 선정 이론의 모형을 이용하여 계산된 결과에 의해 기계적으로 포트폴리오를 업데이트하며 투자를 하는 (즉, 투자자의 감정이나 주관적 판단에 의한 매매를 완전히 배제하는) 경우 중에서 한국 주식시장에서는 어느 것이 수익률 측면에서 더 뛰어난 성과를 보이는지 비교 분석해 봄으로써 현실 투자에서의 유용성을 평가하는 것이 본 연구의 목적이다.
즉, 마코위츠의 포트폴리오 선정 이론을 이용하여 실전 투자를 할 때, 수익률을 가장 높이기 위해서 최적의 데이터 수집 기간과 포트폴리오 교체 주기를 선정한 후 이것들을 적용한 마코위츠의 포트폴리오 선정 이론에 의한 투자가 국내 시장에서 판매 및 운영되고 있는 펀드들과 비교하여 어떠한 성과를 보이는지 분석하려 한다. 즉, 시시각각 들어오는 경제 뉴스와 기업 정보에 따라 주관적으로 판단하며 능동적으로 매매를 통해 포트폴리오를 조정하는 국내 펀드매니저의 경우와, 그리고 일정 주기마다 마코위츠의 포트폴리오 선정 이론의 모형을 이용하여 계산된 결과에 의해 기계적으로 포트폴리오를 업데이트하며 투자를 하는 (즉, 투자자의 감정이나 주관적 판단에 의한 매매를 완전히 배제하는) 경우 중에서 한국 주식시장에서는 어느 것이 수익률 측면에서 더 뛰어난 성과를 보이는지 비교 분석해 봄으로써 현실 투자에서의 유용성을 평가하는 것이 본 연구의 목적이다.
지금까지 본 논문에서는 마코위츠의 포트폴리오 선정 이론을 한국 주식 시장의 투자에 실제 적용할 경우 성과가 어떻게 나오는가 하는 것을 평가하기 위하여, 시중에서 판매 및 운용되어 온 삼성그룹주펀드 5종과 KOSPI지수의 변화율과 함께 비교 분석하였다. 전체적으로 볼 때 KOSPI지수의 변화는 거의 없지만 상승기, 횡보기, 하락기를 모두 포함하고 있는 2007년 3월부터 2008년 9월까지의 최근 1년 6개월의 기간에 대하여, 삼성그룹주펀드를 구성하고 있는 17개 종목을 동일하게 사용하여 데이터 수집 기간은 1년으로 하고 포트폴리오를 매 8주마다 변경하였을 때 본 연구에서 운용하는 펀드M은 52%의 수익률을 올린 반면, 삼성그룹주펀드 5종은 20.
이번 장에서는 데이터 수집 기간과 포트폴리오 교체 시기에 대하여 민감도 분석을 시행하여 각각을 변화시킬 경우 수익률에 어떤 영향을 미치는가를 분석해 보려 한다. 특히, 수익률을 극대화 시키는 최적의 데이터 수집 기간과 최적의 포트폴리오 교체 시기를 찾아내고자 한다.
가설 설정
그런데 만일 데이터 수집 기간을 변화시킬 경우 개별 주식의 평균수익률, 분산 및 공분산의 값이 달라져 투자하는 포트폴리오를 구성 비율이 달라질 것이다. 그 결과, 펀드M의 수익률의 증가 또는 감소에 직접적으로 영향을 미칠 것이다. 그렇다면, 자연스럽게 다음 질문은, 마코위츠 모형에 의하여 투자를 할 때 데이터 수집 기간을 어떻게 설정해야 수익률을 극대화할 것인지 하는 것이다.
제안 방법
각각 요구되는 최소 기대수익률에 대하여 구성된 포트폴리오를 따라 투자하고 일정기간이 지난 후, 각 경우마다 투자한 포트폴리오의 수익률을 구한다. 본 연구에서는 포트폴리오를 교체하는 기간을 4주로 설정하였다.
본 연구에서는 10%, 20%, 30%, 40%, 50%의 서로 다른 최소 기대수익율을 가지는 다섯 경우에 대해 각각 포트폴리오를 구성하고, 이 다섯 경우에 균등하게 1/5씩 투자금을 배분하는 포트폴리오인 펀드M을 구성한다. 그리고 나서는, 향후 교체 시기마다 각 경우의 최소 기대수익률에 맞게 업데이트된 포트폴리오에 따라 계속적으로 투자를 하도록 정하였다. <그림 3>에서 보면 포트폴리오의 최소 기대수익률을 10%에서 50%까지 다르게 설정함에 따라 개별 종목이 각각의 포트폴리오에서 차지하는 비중이 다른 것을 관찰할 수 있다.
본 논문에서는 삼성그룹주펀드를 구성하는 17개 종목(삼성전자, 삼성물산, 삼성엔지니어링, 삼성전기, 삼성정밀화학, 삼성중공업, 삼성증권, 삼성테크윈, 삼성화재, 삼성SDI, 에스원, 제일기획, 제일모직, 호텔신라, 삼성카드, 에이스디지텍, 크레듀)으로 포트폴리오를 구성하는 가상의 펀드(이하 “펀드M ”이라 칭함)를 만들고 이를 마코위츠의 포트폴리오 선정 모형을 이용해 수리적으로 운영해 보았다. 그리고, 비교 대상으로 선정한 삼성그룹주펀드 5종의 성과 및 KOSPI지수의 변화율과 펀드M의 성과를 비교해 보았다.
이 후 첫 투자 때 전체 투자금을 균등하게 1/5씩 나눠 각각 5개의 결정된 포트폴리오에 따라 투자하고, 다음 교체 주기까지 현재 각각의 포트폴리오를 계속 유지한다. 다음 교체 주기가 되면 수익률을 기록한 후, 업데이트된 가장 최근 기간 동안 수집된 데이터로 개별 주식의 평균수익률, 분산, 공분산을 다시 구하고, 이를 이용하여 요구되는 5개 경우의 최소 기대수익률에 대해 마코위츠의 모형을 통해 새로운 포트폴리오를 구한다. 이에 따라 포트폴리오의 이전 구성을 새롭게 변경하며, 이런 방식으로 실험 기간 동안 투자가 계속 반복된다.
다음으로 일일수익률을 이용하여 개별 종목의 평균수익률, 분산 및 각 주식간의 공분산을 구한다. 이후 연간 평균수익률 (일일수익률의 평균 × 연간 거래일 수), 연간 평균위험 (일일수익률의 분산×연간 거래일 수), 연간 공분산 (두 개 종목의 일일수익률의 공분산 × 연간 거래일 수)을 Microsoft Excel을 이용하여 <그림 2>와 같이 구하였다.
데이터 수집 기간은 가장 성과가 좋았던 1년으로 고정하고, 포트폴리오 교체 주기를 1주, 4주, 8주, 12주의 네 가지 경우로 변경하며 실험해 보았고, 그 투자 결과는 에 나와 있다.
본 저자가 MBA과정에서 경영과학의 비선형계획법을 가르치며 실제 펀드매니저로 종사하고 있는 수강생들과의 인터뷰 결과, 그 중 많은 이들이 마코위츠의 포트폴리오 선정 이론을 실제 투자의 도구로 사용하지 않았는데, 그 이유는 다음과 같았다. 먼저, 마코위츠의 포트폴리오 선정 이론이 노벨 경제학상을 수상하는 등 아무리 유명한 이론이라 할지라도, 불확실한 미래에 고려해야 할 수많은 변수 중에서 개별 주식의 평균수익률, 분산, 주식간 공분산의 과거 데이터만을 사용하여 기계적으로 투자하는 그 이론의 성과가 얼마나 좋을지, 또 그 이론이 한국 주식시장에도 적용이 될 것인지 의문시 하였다. 다음으로, 과거의 데이터로부터 평균수익률, 분산, 공분산 등을 계산할 때, 데이터 수집 기간의 길이는 어떻게 해야 가장 좋은지, 또한 포트폴리오를 얼마나 자주 교체해야 할지도 잘 모른다는 것이다.
이어서, 3장에서는 정해진 일정한 주기마다 마코위츠의 포트폴리오 선정 이론에서 사용된 모형에 따라 투자 비중을 수리적으로 결정할 경우 어떤 성과를 거둘 수 있는지를 KOSPI지수와 국내 펀드와의 비교를 통해 알아보았다. 본 논문에서 비교 대상으로 선정한 것은 시중에서 판매되고 있는 5종의 삼성그룹주펀드이며, 이들이 포트폴리오에 담고 있는 것과 동일한 종목으로 포트폴리오를 구성한 후 이를 2007년 3월부터 2008년 9월까지 1년 6개월 동안 마코위츠의 이론에 의한 계산 결과에 따라 매 주기마다 기계적으로 업데이트를 해 가면서 그 성과를 비교해 보았다. 그리고, 4장에서는 데이터 수집 기간과 포트폴리오 교체 주기에 대하여 민감도 분석을 실시하여 성과에 대한 영향을 추가로 조사하였다.
본 논문에서는 삼성그룹주펀드를 구성하는 17개 종목(삼성전자, 삼성물산, 삼성엔지니어링, 삼성전기, 삼성정밀화학, 삼성중공업, 삼성증권, 삼성테크윈, 삼성화재, 삼성SDI, 에스원, 제일기획, 제일모직, 호텔신라, 삼성카드, 에이스디지텍, 크레듀)으로 포트폴리오를 구성하는 가상의 펀드(이하 “펀드M ”이라 칭함)를 만들고 이를 마코위츠의 포트폴리오 선정 모형을 이용해 수리적으로 운영해 보았다.
이제 2장에서 제시된 마코위츠의 포트폴리오 선정 모형에 위의 데이터를 적용하여 최적 포트폴리오를 계산한다. 본 연구에서는 10%, 20%, 30%, 40%, 50%의 서로 다른 최소 기대수익율을 가지는 다섯 경우에 대해 각각 포트폴리오를 구성하고, 이 다섯 경우에 균등하게 1/5씩 투자금을 배분하는 포트폴리오인 펀드M을 구성한다. 그리고 나서는, 향후 교체 시기마다 각 경우의 최소 기대수익률에 맞게 업데이트된 포트폴리오에 따라 계속적으로 투자를 하도록 정하였다.
이 때 포트폴리오에 요구되는 최소 기대수익률을 어떻게 선정하느냐에 따라 포트폴리오의 구성과 그에 따른 실제 투자 성과가 달라질 것이다. 본 연구에서는 요구되는 최소 기대수익률을 10%, 20%, 30%, 40%, 50%의 5가지로 정한 후, 마코위츠의 포트폴리오 선정 모형을 이용하여 5개의 다른 최적 포트폴리오를 각각 얻어낸다. 이 후 첫 투자 때 전체 투자금을 균등하게 1/5씩 나눠 각각 5개의 결정된 포트폴리오에 따라 투자하고, 다음 교체 주기까지 현재 각각의 포트폴리오를 계속 유지한다.
본 연구에서는 최소 수익률을 10%에서 50%까지 10%씩 증가시켜가며, 데이터 수집 기간은 6개월, 1년, 2년, 그리고 포트폴리오 교체 주기는 매주, 4주, 8주, 12주로 바꾸어 가며 이산적인(discrete) 값에 대하여 실험을 수행하였다. 하지만, 각각에 대하여 간격을 더 세밀하게 또는 연속적(continuous)으로 분석한다면 더 높은 수익률을 얻어내는 최적의 포트폴리오 구성을 찾아낼 수 있을 것이다.
각각 요구되는 최소 기대수익률에 대하여 구성된 포트폴리오를 따라 투자하고 일정기간이 지난 후, 각 경우마다 투자한 포트폴리오의 수익률을 구한다. 본 연구에서는 포트폴리오를 교체하는 기간을 4주로 설정하였다. 즉, 각 최소 기대수익률마다 일단 결정된 포트폴리오의 구성 비율은 4주 후 새로운 포트폴리오로 업데이트 될 때까지 그대로 유지한다.
마찬가지로, 포트폴리오를 구성하는 종목과 비교 대상도 국내에서 인기가 있어 왔던 삼성그룹주펀드에만 적용하는 것이 아니라 기타 그룹주펀드와 다양한 다른 종류의 펀드에 대해서도 연구를 진행하며 성과를 측정하려 후속 계획 중에 있다. 실험 기간과 구성 종목 및 비교 대상에 따라 다소 성과가 다를 수 있지만, 본 논문에서 사용한 실험 방법은 정해진 기간 동안 기존의 펀드와 성과를 비교 평가하는 새로운 방법으로서 의미가 있을 것으로 생각된다.
에서 볼 수 있는 바와 같이 2007년 3월 6일부터 2007년 7월 23일까지를 상승기 (KOSPI지수: 1,402.93 → 1,993.05), 2007년 7월23일부터 2008년 5월 26일을 횡보기 (KOSPI지수: 1,993.05 → 1,800.58), 2008년 5월 26일부터 2008년 9월 5일까지를 하락기 (KOSPI지수: 1,800.58 → 1,404.38)로 정하고 각 구간 및 전체 기간 동안 투자의 성과를 측정해 보았다.
정해진 4주의 투자기간이 지나면 각각 요구되는 최소 기대수익률마다 다시 새롭게 포트폴리오를 구성한다. 이 때 1년간의 데이터 중 가장 오래된 4주간의 데이터를 가장 최근 4주의 데이터로 교체하고, 업데이트 된 최근 1년간의 평균 수익률, 분산, 공분산을 새로 구한 후 이를 마코위츠 모형에 적용하여 새로운 포트폴리오를 구해 낸다. 두 번째 4주 기간(2007.
본 연구에서는 요구되는 최소 기대수익률을 10%, 20%, 30%, 40%, 50%의 5가지로 정한 후, 마코위츠의 포트폴리오 선정 모형을 이용하여 5개의 다른 최적 포트폴리오를 각각 얻어낸다. 이 후 첫 투자 때 전체 투자금을 균등하게 1/5씩 나눠 각각 5개의 결정된 포트폴리오에 따라 투자하고, 다음 교체 주기까지 현재 각각의 포트폴리오를 계속 유지한다. 다음 교체 주기가 되면 수익률을 기록한 후, 업데이트된 가장 최근 기간 동안 수집된 데이터로 개별 주식의 평균수익률, 분산, 공분산을 다시 구하고, 이를 이용하여 요구되는 5개 경우의 최소 기대수익률에 대해 마코위츠의 모형을 통해 새로운 포트폴리오를 구한다.
이번 장에서는 데이터 수집 기간과 포트폴리오 교체 시기에 대하여 민감도 분석을 시행하여 각각을 변화시킬 경우 수익률에 어떤 영향을 미치는가를 분석해 보려 한다. 특히, 수익률을 극대화 시키는 최적의 데이터 수집 기간과 최적의 포트폴리오 교체 시기를 찾아내고자 한다.
이에 이번 장의 민감도 분석에서는 데이터 수집 기간을 6개월, 1년, 2년으로 변경하면서 성과가 어떻게 변하는지 분석해 보았고, 그 결과는 와 같다.
이와 같은 방식을 반복하여 포트폴리오를 약 한달 기간인 매 4주 간격으로 업데이트 하면서 2007년 3월 6일부터 2008년 9월 5일까지 1년 6개월간 총 20회에 걸쳐 투자를 시행하였고,에서 표시했던 상승기, 횡보기, 하락기 및 전구간에 대해 요구되는 각각의 최소 기대수익률마다 계산한 수익률과 이들을 모두 포함한 펀드M의 수익률은 과 같다.
이제 2장에서 제시된 마코위츠의 포트폴리오 선정 모형에 위의 데이터를 적용하여 최적 포트폴리오를 계산한다. 본 연구에서는 10%, 20%, 30%, 40%, 50%의 서로 다른 최소 기대수익율을 가지는 다섯 경우에 대해 각각 포트폴리오를 구성하고, 이 다섯 경우에 균등하게 1/5씩 투자금을 배분하는 포트폴리오인 펀드M을 구성한다.
이제 각각 요구되는 최소 기대수익률마다 에서 계산된 포트폴리오의 비율에 따라 투자한다.
이후 연간 평균수익률 (일일수익률의 평균 × 연간 거래일 수), 연간 평균위험 (일일수익률의 분산×연간 거래일 수), 연간 공분산 (두 개 종목의 일일수익률의 공분산 × 연간 거래일 수)을 Microsoft Excel을 이용하여 와 같이 구하였다.
본 연구에서 시행한 투자 방법은 다음과 같다. 투자 시점으로부터 가장 최근 일정 기간 동안 수집한 데이터를 가지고, 개별 주식의 연간 평균수익률, 분산 및 주식간 공분산을 구한다. 이것으로 2장에서 설명한 마코위츠 포트폴리오 모형에 입력한 후 최적 포트폴리오를 얻어낸다.
대상 데이터
삼성그룹주펀드는 현재 국내 시장을 대표하는 기업인 삼성그룹의 다양한 업종에 대한 주식에 투자하고 있어 상당한 대표성이 있다고 판단하였고, 펀드를 구성하는 종목이 삼성그룹 주식으로 한정되어 있어 펀드매니저의 재량에 따라 자유롭게 포트폴리오가 변경되는 다른 국내 주식형 펀드들보다 투자 종목의 선택에 따른 왜곡이 적을 것이라고 판단했기 때문이다. 1년 6개월의 실험 기간 첫 시점부터 지금까지 계속 판매되고 운영되어 온 삼성그룹주펀드 중에서 동양모아드림 삼성그룹주식1 클래스A, 한국삼성그룹 적립식주식1 클래스1, 한국삼성그룹 주식형자(A), 한국투자 부자아빠 삼성그룹주식1 C형, 한국골드적립식 삼성그룹주식1(C)의 5종을 비교 대상으로 선정하였다.
2007년 3월 6일 첫 번째 투자를 시행할 때 17개 종목에 대해 투자 시점으로부터 가장 최근 1년간의 일일수익률 데이터를 구한다. 즉, 2006년 3월 6일부터 2007년 3월 5일까지 1년 동안의 매 거래일마다의 일일 수익률 데이터를 기초 자료로 삼았다.
즉, 2006년 3월 6일부터 2007년 3월 5일까지 1년 동안의 매 거래일마다의 일일 수익률 데이터를 기초 자료로 삼았다. 데이터는 한국신용평가정보의 KISValue Library DB에서 제공하는 전일 대비 절대수익률을 이용하였다. <표 1>은 삼성전자 주식의 2006년 3월 6일부터 2007년 3월 5일 까지 매 거래일 마다 변화하는 일일 수익률을 보여주고 있다.
유가증권 시장에 상장되어 있는 전 종목을 투자 대상으로 포트폴리오를 구성하는 것은 현실적으로 힘든 일이기 때문에 시중에 판매되고 있는 대표적인 펀드를 비교 대상으로 삼았다. 본 논문의 목적인 마코위츠 포트폴리오 선정 모형의 국내 주식시장 적용을 알아보기 위해, 수 많은 국내 주식형 펀드 중에서 대중적으로 인기가 높은 삼성그룹주펀드를 선정하였다. 삼성그룹주펀드는 현재 국내 시장을 대표하는 기업인 삼성그룹의 다양한 업종에 대한 주식에 투자하고 있어 상당한 대표성이 있다고 판단하였고, 펀드를 구성하는 종목이 삼성그룹 주식으로 한정되어 있어 펀드매니저의 재량에 따라 자유롭게 포트폴리오가 변경되는 다른 국내 주식형 펀드들보다 투자 종목의 선택에 따른 왜곡이 적을 것이라고 판단했기 때문이다.
본 실험에서는 KOSPI지수가 1,402.93인 2007년 3월 6일부터 KOSPI지수가 1,404.38으로 증가율이 거의 없는 2008년 9월 5일까지의 기간 1년 6개월 동안 마코위츠의 포트폴리오 선정 모형을 이용하여 가상으로 투자를 시행해 보았다. 위에서 선정된 전체 1년 6개월 동안의 기간은 상승기, 횡보기, 하락기를 모두 포함하고 있기 때문에 각 구간별로 상황에 따른 포트폴리오 선정 모형의 성과를 쉽게 측정할 수 있다.
유가증권 시장에 상장되어 있는 전 종목을 투자 대상으로 포트폴리오를 구성하는 것은 현실적으로 힘든 일이기 때문에 시중에 판매되고 있는 대표적인 펀드를 비교 대상으로 삼았다. 본 논문의 목적인 마코위츠 포트폴리오 선정 모형의 국내 주식시장 적용을 알아보기 위해, 수 많은 국내 주식형 펀드 중에서 대중적으로 인기가 높은 삼성그룹주펀드를 선정하였다.
2007년 3월 6일 첫 번째 투자를 시행할 때 17개 종목에 대해 투자 시점으로부터 가장 최근 1년간의 일일수익률 데이터를 구한다. 즉, 2006년 3월 6일부터 2007년 3월 5일까지 1년 동안의 매 거래일마다의 일일 수익률 데이터를 기초 자료로 삼았다. 데이터는 한국신용평가정보의 KISValue Library DB에서 제공하는 전일 대비 절대수익률을 이용하였다.
이론/모형
본 논문에서는 최적 포트폴리오 선정을 위한 모형 중 가장 기본이 되는 평균-분산 모델을 이용하여 분석하였다. 이후 이 모델을 발전시킨 보다 복잡하지만 세밀한 여러 모형 등에 본 연구 방법을 적용하여 수리계획법 모형간의 성과를 비교 할 수도 있을 것이다.
성능/효과
우선 흥미로운 점은 상승기, 횡보기, 하락기의 모든 구간에서 삼성그룹주펀드 5종의 평균수익률과 마코위츠의 포트폴리오 선정 모형을 이용한 펀드M의 수익률이 KOSPI지수에 비해 우수한 성과를 보였다. 1년 6개월의 전 구간 동안 KOSPI지수가 0.1%의 변화율을 보이는 것에 반해, 삼성그룹주펀드 5종의 평균수익률은 20.54%를 기록하였고, 마코위츠 모형에 의한 펀드M의 경우 평균 47.17%의 수익률을 기록하며 삼성그룹주펀드 5종에 비해 두 배 이상의 성과를 보였다. 구간별로 나누어 살펴보아도 펀드M의 수익률은 삼성그룹주펀드 5종의 평균 수익률에 비하여 상승기에는 추가로 19.
전구간의 성과를 보면 데이터 수집기간을 1년으로 한 펀드M이 가장 우수한 성과를 보였다. 6개월간의 데이터를 이용한 펀드M은 삼성그룹주펀드 5종 보다는 좋은 성과를 거두었으나, 2년 간의 데이터를 이용한 펀드M은 삼성그룹주펀드 5종 보다 수익률이 낮았다.
먼저 각 구간별로 관찰해 보면 삼성그룹주펀드 5종 모두 상당히 비슷한 성과를 보여 준다는 사실이다. 가장 큰 차이를 보이는 동양모아드림 삼성그룹주식도 상승기에는 5종의 평균치로부터 1.14%의 차이 밖에 나지 않고, 횡보기에는 1.96%의 차이를 보이며, 하락기에는 0.49%로서 모두가 거의 비슷하게 움직인다고 볼 수 있다. 모든 구간에 대하여 5종 중에서 동양모아드림 삼성그룹주식이 가장 우수한 성과를 보여, 전구간의 경우 평균치보다 4.
즉, 하락기에는 수수료를 지불하더라도 급변하는 시장에 신속하게 반응해야 손실을 줄일 수 있는 것으로 판단할 수 있다. 각 구간마다 가장 효과적인 포트폴리오 교체 주기는 달랐지만 전구간에 대하여 살펴보면 8주 간격으로 교체한 포트폴리오가 52%의 수익률로 가장 우수한 성과를 보였다.
83%의 수익률을 더 높일 수 있다. 결론적으로 1년 6개월 동안 실시한 투자에서 마코위츠의 포트폴리오 선택 모형을 이용한 펀드M의 성과는 데이터 수집 기간은 1년으로, 포트폴리오 교체 주기는 8주로 했을 때 가장 좋은 성과를 거두었다.
17%의 수익률을 기록하며 삼성그룹주펀드 5종에 비해 두 배 이상의 성과를 보였다. 구간별로 나누어 살펴보아도 펀드M의 수익률은 삼성그룹주펀드 5종의 평균 수익률에 비하여 상승기에는 추가로 19.71%의 수익률을, 횡보기에는 4.43%, 하락기에는 1.56%씩 더 높은 수익률을 기록하며 모든 구간에서 상회하는 성과를 거두었다. 즉, 마코위츠의 포트폴리오 선정 모형은 KOSPI지수와 삼성그룹주펀드 5종에 비하여 상승기에 특히 더 효과적인 것으로 나타났으며, 횡보기, 하락기에는 상승기 때 정도의 차이를 나타내지는 않았지만 모든 경우에 더 우수한 것으로 나타났다.
횡보기와 하락기에는 데이터 수집 기간을 1년으로 설정할 경우 펀드M이 가장 수익률을 높게 얻는 것으로 나타났다. 그리고, 전구간에 대해서는 데이터 수집 기간을 1년으로 했을 때가 6개월 수집 기간에 비해 추가로 16.90%의 수익률을, 그리고 2년 수집 기간에 비해서는 32.37%의 초과 수익률을 달성하여 가장 우수한 것으로 나타났다. <표 5>에서 데이터 수집 기간과 최소 기대수익률로 구분한 포트폴리오의 성과를 종합해 보면, 데이터 수집기간이 6개월인 경우는 상대적으로 데이터 수집 기간이 짧기 때문에 최근의 동향을 보다 더 잘 반영할 수는 있겠지만 각 종목의 고유한 변동성 및 특성이 충분히 유지되지는 못하는 듯 하고, 데이터 수집 기간이 2년인 경우는 과거의 데이터를 다소 과도하게 반영하여 최근의 변화에 둔감한 것으로 보인다.
먼저, 마코위츠의 포트폴리오 선정 이론이 노벨 경제학상을 수상하는 등 아무리 유명한 이론이라 할지라도, 불확실한 미래에 고려해야 할 수많은 변수 중에서 개별 주식의 평균수익률, 분산, 주식간 공분산의 과거 데이터만을 사용하여 기계적으로 투자하는 그 이론의 성과가 얼마나 좋을지, 또 그 이론이 한국 주식시장에도 적용이 될 것인지 의문시 하였다. 다음으로, 과거의 데이터로부터 평균수익률, 분산, 공분산 등을 계산할 때, 데이터 수집 기간의 길이는 어떻게 해야 가장 좋은지, 또한 포트폴리오를 얼마나 자주 교체해야 할지도 잘 모른다는 것이다. 그리고, 호재나 악재 등 뉴스가 있으면, 주식을 매수하거나 매도하면서 포트폴리오를 능동적으로 변경해야 하는데, 마코위츠의 포트폴리오 선정 모형은 정해진 주기에만 비선형계획법을 수리적으로 풀어 얻은 최적해에 따라 기계적으로 포트폴리오를 변경하므로, 이렇게 하면 상황에 대한 대처가 늦기 때문에 실제 투자에 적용하기 어렵다는 것이다.
<표 5>에서 데이터 수집 기간과 최소 기대수익률로 구분한 포트폴리오의 성과를 종합해 보면, 데이터 수집기간이 6개월인 경우는 상대적으로 데이터 수집 기간이 짧기 때문에 최근의 동향을 보다 더 잘 반영할 수는 있겠지만 각 종목의 고유한 변동성 및 특성이 충분히 유지되지는 못하는 듯 하고, 데이터 수집 기간이 2년인 경우는 과거의 데이터를 다소 과도하게 반영하여 최근의 변화에 둔감한 것으로 보인다. 따라서 본 실험의 경우 3장에서 투자했을 때와 같이 1년의 데이터 수집 기간을 갖는 포트폴리오가 가장 우수한 것으로 나타났다.
71%의 수익률을 기록하며 삼성그룹주펀드 5종의 평균수익률을 세 배도 넘어서는 놀라운 수익률을 기록하였다. 따라서, 본 연구에서는 최소 기대수익률을 높게 설정한 경우 특히 마코위츠 모형의 성과가 높았다고 말할 수 있다.
015%를 책정하였다. 또한 개별 종목의 비중을 줄일 경우 0.015%의 수수료와 주식을 현금화 할 때 적용되는 0.3%의 세금을 합해 0.315%의 비용을 지불하는 것으로 계산하였다. 첫 번째 투자의 경우 모든 금액을 주식의 매수에 사용하였으므로 0.
그리고, 호재나 악재 등 뉴스가 있으면, 주식을 매수하거나 매도하면서 포트폴리오를 능동적으로 변경해야 하는데, 마코위츠의 포트폴리오 선정 모형은 정해진 주기에만 비선형계획법을 수리적으로 풀어 얻은 최적해에 따라 기계적으로 포트폴리오를 변경하므로, 이렇게 하면 상황에 대한 대처가 늦기 때문에 실제 투자에 적용하기 어렵다는 것이다. 마지막으로, 펀드매니저로 활동하기 이전에 비선형계획법을 통하여 마코위츠의 포트폴리오 선정 모형을 엄격하게 배워 본 사람도 드물었다. 이와 같은 이유로 많은 펀드매니저들은 마코위츠의 포트폴리오 선정 이론을 수업 시간에 배우고 난 후에도 실제 한국 주식시장 투자에 이용할 경우 성과를 확신하지 못한 채, 각자 나름대로 지금까지 해 왔듯이 투자의 성과를 높이기 위해 기업을 탐방하기도 하고, 또 현재와 미래의 기업 가치를 분석하기도 하고, 시시각각 호재와 악재 등의 경제 뉴스를 참고해 본인들 스스로 매매 순간을 주관적으로 판단하면서 적극적으로 포트폴리오를 변경하고 있다.
<그림 7>은 포트폴리오 교체 주기에 따른 펀드M의 수익률을 삼성그룹주펀드 5종 및 KOSPI지수와 비교한 그래프이다. 마코위츠의 모형에 따라 포트폴리오를 구성하여 실험한 펀드M은 1주에서 12주까지 모든 포트폴리오 교체 주기에 대하여 삼성그룹주펀드 5종보다 2배 이상 월등하게 우수한 수익률을 기록했다. 즉, 마코위츠 모형에 따라 운용을 하면 교체 주기에 크게 영향을 받지 않는 확고한(robust) 결과를 보여 준다는 것이다.
상승기, 횡보기, 하락기 및 전구간에 대해 비교 대상인 삼성그룹주펀드 5종의 수익률이 <표 4>에 나와 있다. 먼저 각 구간별로 관찰해 보면 삼성그룹주펀드 5종 모두 상당히 비슷한 성과를 보여 준다는 사실이다. 가장 큰 차이를 보이는 동양모아드림 삼성그룹주식도 상승기에는 5종의 평균치로부터 1.
49%로서 모두가 거의 비슷하게 움직인다고 볼 수 있다. 모든 구간에 대하여 5종 중에서 동양모아드림 삼성그룹주식이 가장 우수한 성과를 보여, 전구간의 경우 평균치보다 4.09%의 초과 수익을 달성하였지만, 1년 6개월이라는 긴 투자 기간을 고려할 때 이 수치가 인상적이라고 평가하기는 어렵다.
세부적으로 살펴보아도 상승기, 횡보기, 하락기로 이루어진 모든 구간에서 펀드M이 삼성그룹주펀드 5종보다 더 높은 수익률을 기록했다. 본 실험 결과에 의하면, 마코위츠의 포트폴리오 선택 모형을 이용한 투자는 삼성그룹주펀드 5종 및 KOSPI지수와 비교했을 때 횡보기와 하락기에는 약간 더 좋은 정도의 수익률을 거두고 있지만 상승기에 상당히 우수한 성과를 보인다고 할 수 있다.
본 장에서 민감도분석을 실시한 결과, 데이터 수집 기간은 1년으로 하고, 포트폴리오 교체 주기를 8주로 하였을 때 마코위츠의 포트폴리오 선정 모형을 이용한 펀드M의 성과가 가장 우수했다. <표 7>은 상승기, 횡보기, 하락기 및 1년 6개월의 전구간에 대해 KOSPI지수와 삼성그룹주펀드 5종, 그리고 데이터 수집 기간을 1년으로 하고, 포트폴리오 교체 주기를 8주로 한 펀드M의 수익률을 요약한 결과를 보여 주고 있다.
5배 이상 높았다. 세부적으로 살펴보아도 상승기, 횡보기, 하락기로 이루어진 모든 구간에서 펀드M이 삼성그룹주펀드 5종보다 더 높은 수익률을 기록했다. 본 실험 결과에 의하면, 마코위츠의 포트폴리오 선택 모형을 이용한 투자는 삼성그룹주펀드 5종 및 KOSPI지수와 비교했을 때 횡보기와 하락기에는 약간 더 좋은 정도의 수익률을 거두고 있지만 상승기에 상당히 우수한 성과를 보인다고 할 수 있다.
37%의 초과 수익률을 달성하여 가장 우수한 것으로 나타났다. <표 5>에서 데이터 수집 기간과 최소 기대수익률로 구분한 포트폴리오의 성과를 종합해 보면, 데이터 수집기간이 6개월인 경우는 상대적으로 데이터 수집 기간이 짧기 때문에 최근의 동향을 보다 더 잘 반영할 수는 있겠지만 각 종목의 고유한 변동성 및 특성이 충분히 유지되지는 못하는 듯 하고, 데이터 수집 기간이 2년인 경우는 과거의 데이터를 다소 과도하게 반영하여 최근의 변화에 둔감한 것으로 보인다. 따라서 본 실험의 경우 3장에서 투자했을 때와 같이 1년의 데이터 수집 기간을 갖는 포트폴리오가 가장 우수한 것으로 나타났다.
54%의 수익을 올린 것도 대단하지만, 마코위츠의 포트폴리오 선정 모형에 따라 투자한 펀드M으로 52%의 수익률을 올린다는 본 연구의 결과는 상당히 인상적이다. <표 7>에서 볼 수 있듯이 펀드M은 1년 6개월의 전체 기간 동안 수익률이 삼성그룹주펀드 5종의 평균에 비해 2.5배 이상 높았다. 세부적으로 살펴보아도 상승기, 횡보기, 하락기로 이루어진 모든 구간에서 펀드M이 삼성그룹주펀드 5종보다 더 높은 수익률을 기록했다.
<표 3>과 <표 4>로부터 펀드M을 구성하는 최소 기대수익률 다섯 가지 경우를 세부적으로 관찰하여 삼성그룹주펀드와 비교하면 다음과 같다. 요구되는 최소 기대수익률을 10%부터 50%까지 변화시키면서 각 경우의 수익률을 살펴보니 10%의 최소 기대수익률을 요구하는 포트폴리오는 1년 6개월 동안 20.23%의 수익률을 기록하며 삼성그룹주펀드 5종의 평균수익률과 거의 동일하지만, 이를 제외한 20%, 30%, 40%, 50%의 네 경우에는 삼성그룹주펀드 5종에 비해 상당히 우수한 성과를 보여주었다. 특히 40%와 50%의 최소 기대수익률을 요구하는 경우는 마코위츠 모형에 따라 포트폴리오를 구성하고 투자하면 1년 6개월 동안 61.
<표 3>에서 구한 펀드M의 수익률과 <표 4>에서 조사한 삼성그룹주펀드 5종의 평균 수익률, 그리고 KOSPI 지수의 변화율을 각 구간 및 전구간에 대하여 그래프로 도식화하면 <그림 5>와 같다. 우선 흥미로운 점은 상승기, 횡보기, 하락기의 모든 구간에서 삼성그룹주펀드 5종의 평균수익률과 마코위츠의 포트폴리오 선정 모형을 이용한 펀드M의 수익률이 KOSPI지수에 비해 우수한 성과를 보였다. 1년 6개월의 전 구간 동안 KOSPI지수가 0.
하지만, 본 연구 결과가 의미하는 바는 운용자 개인의 주관이나 감정에 의한 판단을 완전히 배제하고, 철저하게 평균수익률, 분산, 공분산 등의 객관적 데이터에 의하여 포트폴리오를 정한 후 교체 주기마다 기계적으로 포트폴리오를 변경하는 이러한 투자 방식이 한국 주식 시장의 삼성그룹주펀드에 적용한 경우 압도적으로 더 우수한 성과를 보였다는 것이다. 이 결과를 통하여 경험이 풍부하고 직관이 뛰어난 개인의 판단에 의해 내려지는 주관적 의사결정 방식보다, 객관적인 데이터를 가지고 시스템을 통하여 모델링을 하고 체계적인 수리계획법을 통하여 최적해를 찾아내는 경영과학에 의한 의사결정 방식이 더 우수하다는 것을 주식 시장의 적용에서도 볼 수 있었는데, 본 연구에서 주는 이러한 실증적 결과는 경영과학 분야의 사람들에게 상당히 고무적이라 할 수 있다.
횡보기에는 약간의 차이로 4주 간격으로 교체한 포트폴리오가 가장 좋은 성과를 올렸고, 하락기에는 매주 포트폴리오를 교체하였을 때 가장 손실이 적은 것으로 나타났다. 전구간으로 보면 8주 간격으로 포트폴리오를 교체할 때 펀드M이 가장 좋은 수익률을 보이는데, 3장에서 4주마다 포트폴리오를 교체했던 경우와 비교하면, 교체 주기를 8주로 바꾸면 펀드M은 추가로 4.83%의 수익률을 더 높일 수 있다. 결론적으로 1년 6개월 동안 실시한 투자에서 마코위츠의 포트폴리오 선택 모형을 이용한 펀드M의 성과는 데이터 수집 기간은 1년으로, 포트폴리오 교체 주기는 8주로 했을 때 가장 좋은 성과를 거두었다.
<그림 6>은 데이터 수집 기간에 따라 변화하는 펀드M의 수익률을 상승기, 횡보기, 하락기에 대하여 삼성그룹주펀드 5종 및 KOSPI지수와 비교하여 나타낸 그래프다. 전구간의 성과를 보면 데이터 수집기간을 1년으로 한 펀드M이 가장 우수한 성과를 보였다. 6개월간의 데이터를 이용한 펀드M은 삼성그룹주펀드 5종 보다는 좋은 성과를 거두었으나, 2년 간의 데이터를 이용한 펀드M은 삼성그룹주펀드 5종 보다 수익률이 낮았다.
전체 투자기간 1년 6개월 동안 KOSPI지수는 1402.93에서 시작하여, 다시 1404.38로 돌아오면서 변동폭이 0.1%에 불과했다는 관점에서 볼 때, 삼성그룹주펀드 5종이 20.54%의 수익을 올린 것도 대단하지만, 마코위츠의 포트폴리오 선정 모형에 따라 투자한 펀드M으로 52%의 수익률을 올린다는 본 연구의 결과는 상당히 인상적이다. <표 7>에서 볼 수 있듯이 펀드M은 1년 6개월의 전체 기간 동안 수익률이 삼성그룹주펀드 5종의 평균에 비해 2.
지금까지 본 논문에서는 마코위츠의 포트폴리오 선정 이론을 한국 주식 시장의 투자에 실제 적용할 경우 성과가 어떻게 나오는가 하는 것을 평가하기 위하여, 시중에서 판매 및 운용되어 온 삼성그룹주펀드 5종과 KOSPI지수의 변화율과 함께 비교 분석하였다. 전체적으로 볼 때 KOSPI지수의 변화는 거의 없지만 상승기, 횡보기, 하락기를 모두 포함하고 있는 2007년 3월부터 2008년 9월까지의 최근 1년 6개월의 기간에 대하여, 삼성그룹주펀드를 구성하고 있는 17개 종목을 동일하게 사용하여 데이터 수집 기간은 1년으로 하고 포트폴리오를 매 8주마다 변경하였을 때 본 연구에서 운용하는 펀드M은 52%의 수익률을 올린 반면, 삼성그룹주펀드 5종은 20.54%의 수익률을 기록했고, KOSPI지수는 단지 0.1%의 변화율을 보였다.
본 연구가 실험한 투자는 특정 상승기 또는 하락기에 대해서만 시행한 것이 아님을 다시 한번 강조한다. 전체적으로 볼 때는 KOSPI지수가 거의 변동이 없는 (즉, 상승기도 하락기도 아닌 일종의 중립적인) 최근 1년 6개월이라는 짧지 않은 기간이고, 그 내부에 상승기, 횡보기, 하락기가 모두 존재하였기 때문에 각각의 특성을 파악할 수 있는 좋은 기간이라 판단하였다. 하지만, 이전의 다른 기간, 또는 기간의 길이를 더 늘리는 등 변경하였을 때도 본 연구에서 이용한 마코위츠의 포트폴리오 선정 모형이 이와 같이 더 우수한 성과를 나타내는지 검증해 보기 위해 후속 연구를 현재 진행하고 있다.
56%씩 더 높은 수익률을 기록하며 모든 구간에서 상회하는 성과를 거두었다. 즉, 마코위츠의 포트폴리오 선정 모형은 KOSPI지수와 삼성그룹주펀드 5종에 비하여 상승기에 특히 더 효과적인 것으로 나타났으며, 횡보기, 하락기에는 상승기 때 정도의 차이를 나타내지는 않았지만 모든 경우에 더 우수한 것으로 나타났다.
23%의 수익률을 기록하며 삼성그룹주펀드 5종의 평균수익률과 거의 동일하지만, 이를 제외한 20%, 30%, 40%, 50%의 네 경우에는 삼성그룹주펀드 5종에 비해 상당히 우수한 성과를 보여주었다. 특히 40%와 50%의 최소 기대수익률을 요구하는 경우는 마코위츠 모형에 따라 포트폴리오를 구성하고 투자하면 1년 6개월 동안 61.78%, 66.71%의 수익률을 기록하며 삼성그룹주펀드 5종의 평균수익률을 세 배도 넘어서는 놀라운 수익률을 기록하였다. 따라서, 본 연구에서는 최소 기대수익률을 높게 설정한 경우 특히 마코위츠 모형의 성과가 높았다고 말할 수 있다.
하지만, 국내 펀드의 성과를 측정한 한 연구에 따르면, 펀드매니저의 능력은 ’자산선택 능력’과 ‘시장예측 능력’으로 나누어 볼 수 있는데, 34개의 펀드 중 25개에서는 펀드매니저의 자산선택 능력과 펀드의 성과가 가진 유의적 연관성을 발견하지 못했으며, 오히려 9개의 펀드는 열등한 자산선택 능력으로 펀드의 성과에 부정적인 영향을 미쳤음을 알 수 있었다.
일반 투자자에 비해 월등한 전문지식과 경험을 가진 펀드매니저들은 시시각각 들어오는 호재와 악재 등의 경제 뉴스를 참고하고, 기업을 탐방하고, 현재와 미래의 기업 가치를 분석하는 등 우월한 정보를 이용해 능동적으로 매매를 하면서 포트폴리오를 변경해 수익의 극대화를 꾀한다. 하지만, 본 연구 결과가 의미하는 바는 운용자 개인의 주관이나 감정에 의한 판단을 완전히 배제하고, 철저하게 평균수익률, 분산, 공분산 등의 객관적 데이터에 의하여 포트폴리오를 정한 후 교체 주기마다 기계적으로 포트폴리오를 변경하는 이러한 투자 방식이 한국 주식 시장의 삼성그룹주펀드에 적용한 경우 압도적으로 더 우수한 성과를 보였다는 것이다. 이 결과를 통하여 경험이 풍부하고 직관이 뛰어난 개인의 판단에 의해 내려지는 주관적 의사결정 방식보다, 객관적인 데이터를 가지고 시스템을 통하여 모델링을 하고 체계적인 수리계획법을 통하여 최적해를 찾아내는 경영과학에 의한 의사결정 방식이 더 우수하다는 것을 주식 시장의 적용에서도 볼 수 있었는데, 본 연구에서 주는 이러한 실증적 결과는 경영과학 분야의 사람들에게 상당히 고무적이라 할 수 있다.
세부적으로 그래프를 통해 살펴보면 상승기에는 8주 간격으로 교체한 포트폴리오가 가장 높은 수익률을 올렸다. 횡보기에는 약간의 차이로 4주 간격으로 교체한 포트폴리오가 가장 좋은 성과를 올렸고, 하락기에는 매주 포트폴리오를 교체하였을 때 가장 손실이 적은 것으로 나타났다. 전구간으로 보면 8주 간격으로 포트폴리오를 교체할 때 펀드M이 가장 좋은 수익률을 보이는데, 3장에서 4주마다 포트폴리오를 교체했던 경우와 비교하면, 교체 주기를 8주로 바꾸면 펀드M은 추가로 4.
즉, 상승기에는 포트폴리오를 자주 변경하기 보다는 느긋하게 기다리며 수수료를 줄이는 전략을 취하는 것이 좋은 것으로 보인다. 횡보기에는 포트폴리오 교체 주기를 4주로 했을 때 펀드M이 가장 좋은 수익률을 올렸고, 하락기에는 포트폴리오 교체 주기를 1주로 했을 때 가장 좋은 수익률을 올렸다. 즉, 하락기에는 수수료를 지불하더라도 급변하는 시장에 신속하게 반응해야 손실을 줄일 수 있는 것으로 판단할 수 있다.
후속연구
이후 이 모델을 발전시킨 보다 복잡하지만 세밀한 여러 모형 등에 본 연구 방법을 적용하여 수리계획법 모형간의 성과를 비교 할 수도 있을 것이다. 마지막으로, 이미 이론적으로 효과가 입증된 무위험 자산이 포함된 포트폴리오 선택 모형의 분석이나, 옵션 등 파생상품을 이용하여 포트폴리오의 위험을 줄이는 포트폴리오 보험을 적용한 분석도 흥미로운 미래의 연구 주제가 될 것이다.
하지만, 이전의 다른 기간, 또는 기간의 길이를 더 늘리는 등 변경하였을 때도 본 연구에서 이용한 마코위츠의 포트폴리오 선정 모형이 이와 같이 더 우수한 성과를 나타내는지 검증해 보기 위해 후속 연구를 현재 진행하고 있다. 마찬가지로, 포트폴리오를 구성하는 종목과 비교 대상도 국내에서 인기가 있어 왔던 삼성그룹주펀드에만 적용하는 것이 아니라 기타 그룹주펀드와 다양한 다른 종류의 펀드에 대해서도 연구를 진행하며 성과를 측정하려 후속 계획 중에 있다. 실험 기간과 구성 종목 및 비교 대상에 따라 다소 성과가 다를 수 있지만, 본 논문에서 사용한 실험 방법은 정해진 기간 동안 기존의 펀드와 성과를 비교 평가하는 새로운 방법으로서 의미가 있을 것으로 생각된다.
본 논문에서는 최적 포트폴리오 선정을 위한 모형 중 가장 기본이 되는 평균-분산 모델을 이용하여 분석하였다. 이후 이 모델을 발전시킨 보다 복잡하지만 세밀한 여러 모형 등에 본 연구 방법을 적용하여 수리계획법 모형간의 성과를 비교 할 수도 있을 것이다. 마지막으로, 이미 이론적으로 효과가 입증된 무위험 자산이 포함된 포트폴리오 선택 모형의 분석이나, 옵션 등 파생상품을 이용하여 포트폴리오의 위험을 줄이는 포트폴리오 보험을 적용한 분석도 흥미로운 미래의 연구 주제가 될 것이다.
본 연구에서는 최소 수익률을 10%에서 50%까지 10%씩 증가시켜가며, 데이터 수집 기간은 6개월, 1년, 2년, 그리고 포트폴리오 교체 주기는 매주, 4주, 8주, 12주로 바꾸어 가며 이산적인(discrete) 값에 대하여 실험을 수행하였다. 하지만, 각각에 대하여 간격을 더 세밀하게 또는 연속적(continuous)으로 분석한다면 더 높은 수익률을 얻어내는 최적의 포트폴리오 구성을 찾아낼 수 있을 것이다. 향후 추가 연구를 통해 데이터의 기간과 포트폴리오의 변경 주기를 어떻게 결정하는 것이 최적의 성과를 거두는지 실험하는 것 또한 실제 투자시 최적 포트폴리오를 구성하는데 있어 큰 도움이 될 흥미로운 주제이다.
전체적으로 볼 때는 KOSPI지수가 거의 변동이 없는 (즉, 상승기도 하락기도 아닌 일종의 중립적인) 최근 1년 6개월이라는 짧지 않은 기간이고, 그 내부에 상승기, 횡보기, 하락기가 모두 존재하였기 때문에 각각의 특성을 파악할 수 있는 좋은 기간이라 판단하였다. 하지만, 이전의 다른 기간, 또는 기간의 길이를 더 늘리는 등 변경하였을 때도 본 연구에서 이용한 마코위츠의 포트폴리오 선정 모형이 이와 같이 더 우수한 성과를 나타내는지 검증해 보기 위해 후속 연구를 현재 진행하고 있다. 마찬가지로, 포트폴리오를 구성하는 종목과 비교 대상도 국내에서 인기가 있어 왔던 삼성그룹주펀드에만 적용하는 것이 아니라 기타 그룹주펀드와 다양한 다른 종류의 펀드에 대해서도 연구를 진행하며 성과를 측정하려 후속 계획 중에 있다.
하지만, 각각에 대하여 간격을 더 세밀하게 또는 연속적(continuous)으로 분석한다면 더 높은 수익률을 얻어내는 최적의 포트폴리오 구성을 찾아낼 수 있을 것이다. 향후 추가 연구를 통해 데이터의 기간과 포트폴리오의 변경 주기를 어떻게 결정하는 것이 최적의 성과를 거두는지 실험하는 것 또한 실제 투자시 최적 포트폴리오를 구성하는데 있어 큰 도움이 될 흥미로운 주제이다.
질의응답
핵심어
질문
논문에서 추출한 답변
마코위츠의 포트폴리오 선정 (portfolio selection) 이론은 무엇인가?
다양한 성향을 가진 각각의 투자자들은 자신이 원하는 최소한의 기대수익률을 만족시킬 수만 있다면, 그것을 달성하는데 있어 위험의 정도를 가능하면 줄이고 싶어한다. 비선형계획법(nonlinear programming)을 이용하여 투자 성향에 따라 원하는 최소 기대수익률을 달성하면서 동시에 가장 낮은 위험을 갖도록 투자비율을 결정하는 마코위츠(Harry M. Markowitz)의 ‘포트폴리오 선정 (portfolio selection) 이론’은 투자자들의 이러한 바램을 해결해 준 현대 투자이론 중에서 시초 격이자 가장 대표적인 것으로 여겨질 것이다[12]. 분산투자의 효율성을 증명하는 포트폴리오 선정과 관련된 이 연구는 현대의 여러 투자 이론 가운데 가장 영향력을 끼친 것으로 손꼽혀 왔고, 금융경제학에 선구적인 역할을 한 공로를 인정받아 마코위츠는 1990년 노벨 경제학상을 수상하였다[14].
마코위츠의 이론을 지나간 과거가 아닌 미래의 투자에 실제로 적용한 후 그 효용을 얻기 위해서는 어떤 능력이 필요한가?
마코위츠의 이론을 지나간 과거가 아닌 미래의 투자에 실제로 적용한 후 그 효용을 얻기 위해서는, 과거의 데이터로부터 얻은 기대수익률, 분산, 공분산이 미래에 대한 그것들과 실제로 적어도 큰 차이가 없거나, 혹 차이가 상당하다면 이를 잘 예측하는 능력이 필요하다. 만약 그렇게 된다면, 주기적으로 마코위츠의 이론에 의해 포트폴리오를 업데이트하여 요구하는 최소 기대수익률을 달성하면서 위험은 가장 최소화하는 투자를 실현할 수 있을 것이다.
마코위츠의 최적 자산배분 이론을 이용하여 포트폴리오 선택모형을 구성할때, 목적함수는 무엇인가?
이번 장에서는 마코위츠의 최적 자산배분 이론(Markowitz’s optimal asset allocation theory)을 이용하여 포트폴리오를 구성하는 방법을 설명한다. 마코위츠의 논문[11]에서 사용된 포트폴리오 선택 모형을 간단히 기술하면, 위험의 정도를 나타내는 포트폴리오의 수익에 대한 분산을 최소화하는 것을 목적함수로 정하고, 요구되는 최소 기대수익률을 달성해야 하며, 모든 사용 가능한 금액을 포트폴리오에 투자하고, 공매도가 없다는 세 가지의 제약조건을 가진 비선형계획 모형(nonlinear programming model)이다. 먼저 모형에 사용되는 변수 및 상수 등을 기호로 정의하면 다음과 같다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.