평균 - 분산 모델의 이론적 기초

1952 년 해리 마코위츠가 제안한 평균 - 분산 모델은 현대 금융 이론의 핵심 기둥으로 자리 잡았습니다. 이 모델은 투자자가 수익을 극대화하면서 위험을 최소화해야 하는 자산 배분 문제를 해결하는 틀을 제공합니다. 모델의 핵심은 서로 상충되는 두 가지 목표를 조율하는 데 있습니다: 기대 수익을 극대화하고, 투자 미래 수익의 불확실성이나 변동성을 나타내는 분산을 최소화하는 것입니다. 이 이론적 기반은 포트폴리오 관리, 위험 평가, 그리고 자산 배분 전략의 근간이 됩니다. 모델의 매력이 바로 위험과 수익 간의 절충 관계를 수학적으로 정량화할 수 있는 능력에 있습니다. 이를 통해 투자자는 최적의 포트폴리오를 평가하는 수학적 렌즈를 활용할 수 있습니다. 다만, 이 모델의 실용성은 위험의 동질성과 시장 효율성 같은 가정에 의해 제한됩니다. 본 글은 평균 - 분산 모델의 핵심 요소, 수학적 프레임워크, 그리고 금융 의사결정에 미치는 영향을 중심으로 이론적 기초를 탐구합니다.

평균의 개념

평균 - 분산 모델에서 평균은 자산이나 포트폴리오의 기대 수익을 의미합니다. 이는 투자자가 장기적으로 기대할 수 있는 평균 수익을 나타내는 통계적 지표입니다. 평균은 각 자산의 수익에 대한 가중 평균으로 계산되며, 가중치는 각 자산에 배정된 자본의 비율에 해당합니다. 예를 들어, 투자자가 포트폴리오의 60% 를 기대 수익이 12% 인 주식 A 에, 나머지 40% 를 기대 수익이 8% 인 주식 B 에 배정한다면 포트폴리오의 평균 수익은 다음과 같습니다.

$$
\text{평균} = 0.6 \times 12% + 0.4 \times 8% = 10%
$$

평균은 투자 성과를 평가하는 기준점이 됩니다. 투자자는 평균을 극대화하면서 분산을 최소화하기를 원합니다. 분산은 평균 주변의 수익 분포를 포착하여 위험을 측정합니다. 높은 평균은 낙관적인 전망을 의미하지만, 그에 따른 위험을 고려하는 것이 필수적입니다. 모델은 수익이 정규 분포를 따른다고 가정하며, 이는 확률과 기대값 계산의 단순화를 가능하게 합니다. 그러나 경험적 증거는 종종 꼬리가 두꺼운 분포를 보여 모델의 가정에 도전합니다.

분산의 개념

분산은 평균 주변의 수익 분포를 측정하여 투자의 변동성을 정량화합니다. 이는 각 수익과 평균 수익 사이의 차이를 제곱한 평균으로 계산됩니다. 예를 들어, 자산의 수익이 네 기간 동안 각각 10%, 12%, 14%, 16% 라면 분산은 다음과 같습니다.

$$
\text{분산} = \frac{(10-12)^2 + (12-12)^2 + (14-12)^2 + (16-12)^2}{4} = 3
$$

높은 분산은 더 큰 불확실성과 위험을 의미하며, 낮은 분산은 더 안정성을 시사합니다. 평균 - 분산 모델은 분산을 위험의 대리인으로 취급하며, 투자자가 수익 변동에 대한 노출을 최소화하기를 두려워한다고 가정합니다. 이 가정이 포트폴리오 최적화에 있어 핵심적입니다. 이를 통해 투자자는 기대 수익과 위험 사이에서 절충을 할 수 있습니다. 그러나 모델은 극단적 수익의 군집 현상과 같은 비선형 관계나 시장 비정상성을 반영하지 않아 실제 결과에 영향을 줄 수 있습니다.

위험 - 수익 절충 관계

평균 - 분산 모델은 투자자가 투자의 기대 수익과 관련된 위험을 균형 있게 유지해야 한다고 주장합니다. 이러한 절충 관계는 마코위츠가 도입한 효율적 frontier라는 개념을 통해 시각화됩니다. 효율적 frontier 는 주어진 위험 수준에서 최대 수익을 제공하는 포트폴리오의 집합, 또는 주어진 수익 수준에서 최소 위험을 제공하는 포트폴리오의 집합을 나타냅니다. 투자자는 이 frontier 상의 포트폴리오를 선택함으로써 위험 조정 수익을 최적화하는 것을 권장받습니다. 모델은 투자자가 위험 감수성을 가지고 있으며, 자산의 구체적인 배분보다는 전체적인 위험 - 수익 프로필에 무관심하다고 가정합니다.

위험과 수익 간의 절충은 자산 간의 상관관계, 투자의 유동성, 그리고 투자자의 효용 함수와 같은 요인들에 의해 영향을 받습니다. 예를 들어, 낮은 상관관계를 가진 자산 (예: 주식과 채권) 은 위험을 효과적으로 분산시켜 포트폴리오의 전체 분산을 줄일 수 있습니다. 반면, 높은 상관관계를 가진 자산은 변동성을 증가시킬 수 있습니다. 모델 또한 투자자가 위험 회피적이라고 가정하며, 약간 낮은 수익을 제공하더라도 분산이 낮은 포트폴리오를 선호합니다. 이 가정이 모델의 유용성의 기초가 되어, 실제 투자자의 복잡한 의사결정 과정을 단순화합니다.

포트폴리오 최적화

포트폴리오 최적화는 수익을 극대화하면서 위험을 최소화하기 위해 최적의 자산 조합을 선택하는 과정입니다. 평균 - 분산 모델은 이 작업을 수행하기 위해 다음과 같은 수학적 프레임워크를 제공합니다.

분산: 낮은 상관관계를 가진 자산들을 결합함으로써 투자자는 포트폴리오의 전체 분산을 줄일 수 있습니다.
위험 - 수익 절충: 모델은 위험과 수익 사이의 역관계에 중점을 두어, 변동성이 큰 자산과 더 안정적인 자산 사이의 노출을 균형을 맞추는 데 투자자를 안내합니다.
효율적 frontier: 효율적 frontier 는 주어진 위험 수준에서 수익을 극대화하거나 주어진 수익 수준에서 위험을 최소화하는 제약 조건 최적화 문제를 해결함으로써 유도됩니다.

최적화 과정은 일반적으로 사분정수 계획 문제를 해결하며, 목표 함수는 포트폴리오의 분산을 최소화하면서 샤프 비율 (위험 조정 수익) 을 극대화하는 것입니다. 이는 포트폴리오 내 각 자산의 최적 가중치를 결정하는 것을 요구합니다. 예를 들어, 투자자가 기대 수익이 각각 10%, 12%, 8% 인 세 가지 자산에 접근할 수 있고 분산이 2, 3, 1 라면 최적 가중치는 다음 방정식을 해결함으로써 결정됩니다.

$$
\text{최대화} \quad \frac{R_p}{\sigma_p}
$$

$$
\text{제약 조건} \quad \sum w_i = 1 \quad \text{및} \quad \sum w_i \sigma_i^2 = \sigma_p^2
$$

해결책은 샤프 비율을 극대화하는 가중치를 찾는 데 있으며, 이는 단위 위험당 초과 수익을 측정하는 지표입니다. 이 과정은 계산적으로 집약적이며, 마코위츠 접근법과 같은 수치적 방법을 사용하여 최적 포트폴리오를 유도하는 경우가 많습니다.

수학적 프레임워크

평균 - 분산 모델은 선형 대수와 확률론에 수학적으로 기반을 두고 있습니다. 핵심 방정식은 기대 수익, 분산, 그리고 자산 간의 공분산을 계산하는 데 사용됩니다. 이 모델은 투자자가 위험을 분산으로만 평가한다는 전제를 바탕으로 복잡한 다변량 분석을 단순화합니다. 수학적 표현을 통해 투자자는 무수히 많은 자산 조합 중에서 효율적 frontier 상에 위치하는 최적의 선택을 찾을 수 있습니다. 이러한 수학적 엄밀성은 금융 의사결정을 객관적이고 체계적으로 만드는 데 기여하며, 이론적 추상성을 실제 투자 전략으로 연결하는 다리를 제공합니다.