홈게시글서비스요금제소개

"VIX-managed portfolios"

연구 배경

• 기존 연구들은 현재 위험을 측정하여 포트폴리오의 익스포저를 조절하는 단순한 포트폴리오 관리 전략이 투자자들의 위험 조정 성과를 개선한다는 것을 보여준다.

• 대부분의 기존 전략은 과거 데이터에 기반한 실현 변동성을 사용한다.

• 이 연구는 미래 예측력을 가진 내재 변동성 지수(VIX)를 활용하여 포트폴리오 관리 전략을 구축하고 그 성과를 분석하는 것을 목표로 한다.

분석 방법

VIX를 기반으로 레버리지를 조절하는 간단한 포트폴리오 관리 전략을 제안한다.

• VIX가 높을 때 위험을 줄이고 낮을 때 위험을 더 감수한다.

다양한 자산군(주식 팩터, 평균-분산 효율적 포트폴리오, 변칙 포트폴리오)에 대해 VIX 기반 전략과 실현 변동성 기반 전략의 성과를 비교한다.

스패닝 회귀분석을 통해 각 전략의 알파를 측정하고 샤프 비율을 비교한다.

거래 비용을 고려하여 각 전략의 실질적인 성과를 평가한다.

VIX가 변동성과 첨도를 측정하는 능력을 분석하고 이것이 전략의 성과에 미치는 영향을 평가한다.

주요결과:

• 안정적인 가중치 및 낮은 리밸런싱: VIX 기반 전략은 실현 변동성 기반 전략보다 더 안정적인 가중치를 산출하여 포트폴리오 리밸런싱 빈도를 줄인다. 이는 거래 비용 절감에 기여한다.

• 높은 스패닝 회귀 알파: 거래 비용을 고려했을 때, VIX 기반 전략은 실현 변동성 기반 전략보다 통계적으로 유의미하게 더 높은 스패닝 회귀 알파를 생성한다. 스패닝 회귀 알파는 특정 포트폴리오의 수익률을 기존 자산 또는 팩터의 수익률로 설명하는 회귀 모델에서 모델로 설명되지 않는 초과 수익을 의미한다. 높은 스패닝 회귀 알파는 VIX 기반 전략이 기존의 벤치마크나 팩터 모델로 설명할 수 없는 독자적인 성과를 창출한다는 것을 시사한다.

• 변동성 및 꼬리 위험 측정 능력: VIX 기반 전략의 우수한 성과는 변동성과 꼬리 위험을 동시에 측정하는 능력에서 비롯된다. VIX는 미래 변동성에 대한 시장의 기대를 반영하며, 꼬리 위험(tail risk)은 수익률 분포의 극단적인 부분을 의미한다. VIX 기반 전략은 이러한 꼬리 위험을 효과적으로 관리하여 포트폴리오의 안정성을 높인다.

• 첨도 타이밍 능력: VIX 기반 전략은 첨도(kurtosis) 타이밍 능력이 뛰어나다. 첨도는 수익률 분포의 꼬리 부분의 두께를 나타내는 지표로, 첨도가 높을수록 극단적인 수익률이 나타날 가능성이 높다. VIX는 첨도를 예측하여 예상치 못한 손실을 줄이는 데 기여한다. VIX 기반 전략의 가중치 안정성은 개선된 첨도 타이밍 능력에서 비롯되며, 이는 큰 수익 변동을 예측하는 데 도움을 준다.

• 거래 비용에 대한 강건성: VIX 기반 전략은 실현 변동성 기반 전략보다 거래 비용에 더 강건하다. 이는 VIX 기반 전략의 안정적인 가중치 덕분이며, 잦은 리밸런싱으로 인한 거래 비용 부담을 줄여준다.

(*참고 : 스패닝(Spanning):

• 스패닝은 특정 자산이나 포트폴리오의 수익률이 다른 자산이나 포트폴리오의 선형 조합으로 표현될 수 있는지를 의미한다. 만약 그렇다면, 그 자산은 다른 자산들에 의해 "스팬(span)"된다고 말한다.

• 예를 들어, 새로운 투자 전략의 수익률이 기존의 시장 지수와 위험 요소(팩터)들의 조합으로 완벽하게 설명된다면, 그 전략은 기존 팩터들에 의해 스팬되므로 새로운 정보를 제공하지 않는다.)
  

요약: 스패닝 회귀 알파는 특정 포트폴리오가 기존 벤치마크나 팩터 모델로 설명되지 않는 초과 수익을 얼마나 창출하는지를 측정하는 지표로, 포트폴리오 성과 평가 및 전략 차별성을 판단하는 데 중요한 역할을 한다.

[Compliance Note]

·         셀스마트의 모든 게시글은 참고자료입니다. 최종 투자 결정은 신중한 판단과 개인의 책임 하에 이루어져야함을 알려드립니다.

·         게시글의 내용은 부정확할 수 있으며, 매매에 따른 수익과 손실은 거래 당사자의 책임입니다.

·         코어16은 본 글에서 소개하는 종목들에 대해 보유 중일 수 있으며, 언제든 매수 또는 매도할 수 있습니다.