문병로 교수의 메트릭 스튜디오 pg. 408~438

1. 요약정리

- 연속적(순차적)으로 베팅이 이루어지는 경우의 평균 수익률 계산은 기하 평균을 사용해야 됨.

- 아무리 높은 수익을 올릴 것으로 기대되는 주식이라도 몰빵하지 말자.

- 분산투자를 사면 어떤 한 종목에 특별한 행운이 왔을 때, 그것이 희석되어 버린다고 생각해서 보유 종목 수를 줄임. 하지만, 어떤 한 종목에 불운이 왔을 때 그것을 온전히 감수해야 하는 위험도 있음.

- 장기적으로는 소수 종목 보유 전략이 적당한 다수 보유 전략보다 기대 수익이 못함. 그렇다고 지나치게 많은 종목을 보유하는 것이 좋은 것도 아님.

- 횡적 분산투자: 한 종목을 사는 것보다 여러 종목을 사는 것이 변동성이 작아 산술 평균은 동일하지만 기하 수익이 더 커짐.

- 종적 분산투자: 시간에 따라 나누어 사는 것. 한 종목을 사더라도 하루에 다 사는 것보다 여러 날에 걸쳐 사는 것이 변동성이 작음. 적립식 펀드의 수리적 원리가 종적 변동성임.

- 엔트로피 관점에서 효율적 시장 가설은 주식 시장이 항상 엔트로피 최대인 상태라, 어떤 예측도 불가능.

- 위험은 특정 주식의 시장 대비 변동성 지표인 베타로 측정하는 것이 가장 일반적.

- CAPM: 베타가 1보다 크면 상승장에서는 시장 수익보다 큰 수익을 내고, 하락장에서는 시장 손실보다 큰 손실을 입음. 베타가 1보다 작으면 반대로 시장 수익과 손실보 작은 수익과 손실을 겪음. A의 상대 수익률 = 시장의 상대 수익률 x A의 베타

- CAPM의 사망 선고: 베타는 알려진 것처럼 수익률과 별 상관이 없고, 오히려 사이즈, PER, PBR 등은 수익률에 영향을 미침.

- 정규분포: 가운데가 가장 높고(빈도수가 크고) 양쪽으로 대칭을 이룸.

- 주가 상승률에 정규 분포 이론을 적용하기 위해서는 로그(log)를 씌우면 좀 나아짐. 하지만, 실제 분포는 로그 정규 분포가 허용하는 비대칭성보다 정도가 훨씬 심한 것을 볼 수 있음.

- 극한 값들은 정규 분포의 성질을 전혀 따르지 않으므로 조심해야 함. 위험 관리를 제대로 하려면 정규 분포의 가장자리 분포를 믿어서는 안 됨.

- 타이밍을 맞추려다 보면, 결정적인 수익의 기회를 놓칠 수 있음. 다만, 수익을 최대화하고, 손실을 최소화하는 데 유리한 특징을 가진 종목의 집합으로 바꾸어 가면서 현명한 운용 전략과 함께 견디는 것임.

 

2. 자신의 의견

- 정규분포는 평균을 중심으로 양쪽으로 대칭 분포를 한다. 하지만, 주가 상승률의 분포는 음으로는 최대 -100%이고, 양으로는 제한이 없다. 그래서, 수익률 분포도에 대한 이해도를 높이기 위해, 내가 좋아하는 종목의 수익률 분포도를 그려봤다.

비교해볼 종목들은 KOSPI(KS11)와 미국 ETF인 QQQ, SOXX이다. 위 차트를 보면, '2011년 8월 7일'을 모두 1로 시작했다고 가정했을 때, SOXX는 10배 이상, QQQ는 약 7배, 코스피는 2배도 되지 않았다.

 

- 아래는 10년 동안(2011년 8월 7일~2021년 8월 6일)의 6개월 수익률 분포도이다. 

 

먼저 코스피이다. 코스피는 6개월 수익률이 0 쪽에 많이 분포해 있고, 왼쪽보다 오른쪽 꼬리가 더 길다. 따라서, 정규분포라고 말하기 어렵다.

 

 

QQQ의 6개월 수익률은  0.1 근처에 몰려있고, 역시 오른쪽 꼬리가 왼쪽 꼬리보다 훨씬 길다. 따라서, 정규분포 아니다.

 

SOXX의 6개월 수익률 분포도는 심지어 봉우리가 2개나 있다. SOXX도 마찬가지로 오른쪽 꼬리가 왼쪽 꼬리보다 길어서 정규분포에 적용하기 어렵다.

 

결론은, 위 실험으로 수익률 분포도는 정규분포에 적용하기 어려우며, 오른쪽 꼬리가 왼쪽 꼬리보다 길다. 또한, 상승을 많이 한 종목의 봉우리는 더 오른쪽으로 치우쳐져 있다.

 

 

3. 질문사항

- 추세 시스템에서 매도 타이밍을 보통 어떻게 잡으시나요?