모델과 프레임워크

1952년, 해리 마코위츠라는 젊은 박사과정 학생이 시카고 대학교 도서관에 앉아 투자의 역사를 영원히 바꿀 아이디어를 구상했습니다. 그의 통찰은 놀라울 정도로 단순했습니다: 개별적으로 좋아 보이는 주식만 고르지 말고, 주식들이 함께 어떻게 움직이는지를 생각하라는 것이었습니다. 그 초안이 **현대 포트폴리오 이론(Modern Portfolio Theory)**이 되었고, 실제 포트폴리오 의사결정을 안내할 수 있는 수학적 모델을 구축하기 위한 60년간의 여정이 시작되었습니다.

단일 팩터에서 다중 팩터로

이 여정은 모든 시장 위험을 하나의 숫자, 즉 베타로 압축한 **자본자산 가격결정모형(CAPM)**에서 시작되었습니다. CAPM은 우아한 이야기를 제시했습니다 — 기대 수익률은 체계적 위험에 비례하며, 다른 것은 중요하지 않다는 것이었습니다. 깔끔하고, 검증 가능하며, 깊은 영향력을 가졌지만, 불완전하기도 했습니다. 수십 년간의 실증 연구는 베타만으로는 설명할 수 없는 패턴을 밝혀냈습니다: 소형주가 대형주를 능가하고, 저평가 주식이 고평가 주식을 이기고, 수익성 높은 기업이 이론이 예측하는 것보다 높은 수익률을 제공했습니다.

이것이 다중 팩터 모델로 이어졌고, 가장 대표적인 것이 파마-프렌치 프레임워크입니다. 이 모델은 하나의 리스크 차원에서 세 개, 나아가 다섯 개로 관점을 확장했습니다. 시장 위험과 함께 규모, 가치, 수익성, 투자 팩터를 추가함으로써, 이 모델들은 실제 주식 수익률의 변동을 훨씬 더 많이 포착했습니다. CAPM에서 다중 팩터 사고로의 전환은 퀀트 금융에서 가장 중요한 발전 중 하나입니다.

의사결정 도구로서의 시뮬레이션

모든 문제에 닫힌 형태의 해가 있는 것은 아닙니다. 포트폴리오에 복잡한 상품, 경로 의존적 수익, 또는 팻테일 리스크가 포함되면 분석적 공식으로는 한계가 있습니다. 몬테카를로 시뮬레이션은 확률적 주사위의 각기 다른 결과로 형성된 수천 개의 가능한 미래를 생성하여 이 격차를 메웁니다. 원래 핵물리학을 위해 개발된 몬테카를로 방법은 스트레스 테스트, 옵션 가격 결정, 은퇴 설계 등 — 결과의 범위가 기대값만큼이나 중요한 모든 시나리오에서 — 금융의 필수 도구가 되었습니다.

모델과 현실 사이의 간극

모든 모델은 가정을 합니다: 수익률은 정규분포를 따르고, 상관관계는 안정적이며, 시장은 효율적이라는 것입니다. 실제로는 이 중 어느 것도 완벽하게 성립하지 않습니다. 분포에는 팻테일이 있고, 상관관계는 위기 시 급등하며, 시장은 어떤 방정식으로도 완전히 포착할 수 없는 인간 행동에 의해 형성됩니다. 모델이 어디서 무너지는지 이해하는 것은 모델이 어떻게 작동하는지 이해하는 것만큼 중요합니다. 최고의 실무자들은 모델을 신탁이 아닌, 규율 있는 출발점으로 다룹니다.

여기서 배울 내용

이 섹션의 글들은 세 가지 기초적 접근법을 해독합니다: CAPM에서 진화한 파마-프렌치 팩터 모델, 불확실성을 탐색하기 위한 도구인 몬테카를로 시뮬레이션, 그리고 자산군 전반에서 체계적 수익을 수확하기 위한 프레임워크인 대안적 리스크 프리미아입니다. 각 글은 학술적 기원을 추적하고, 핵심 메커니즘을 설명하며, 모든 투자자가 이해해야 할 실질적 한계를 분석합니다.