위기 시 상관관계 붕괴: 가장 필요할 때 분산투자가 실패하는 이유

핵심 요약

자산군 간 상관관계는 시장 위기 시 급격히 상승하며, 이는 분산투자가 포트폴리오를 보호해야 하는 바로 그 순간입니다. 평균 쌍별 주식 상관관계는 안정적인 시장에서 약 0.30에서 시스템적 이벤트 시 0.70 이상으로 상승합니다. 이러한 비대칭성은 정상기 통계를 사용하여 구성된 포트폴리오가 꼬리 위험을 체계적으로 과소평가한다는 것을 의미합니다. 레짐 전환 모델과 코풀라 기반 접근법이 더 현실적인 평가를 제공하지만, 투자자는 상관관계 안정성에 의존하지 않는 구조적 헤지도 고려해야 합니다.

분산투자의 약속과 한계

1952년 해리 마코위츠가 공식화한 현대 포트폴리오 이론은 강력한 통찰에 기반합니다: 불완전한 상관관계를 가진 자산을 결합하면 기대 수익을 희생하지 않고도 포트폴리오 위험을 줄일 수 있습니다. 자산 간 상관관계가 낮을수록 분산 효과가 커집니다. 이것이 투자자들이 주식과 함께 채권을 보유하고, 해외 주식을 추가하며, 대체자산에 배분하는 이유입니다.

수학은 명확합니다. 두 자산 포트폴리오의 경우, 총 분산은 각 자산의 분산과 그들의 상관관계에 의존합니다. 상관관계가 낮거나 음수일 때, 포트폴리오의 변동성은 개별 변동성의 가중 평균보다 상당히 낮습니다. 정상 시장에서 이것은 아름답게 작동합니다.

문제는 꼬리에서 발생합니다. Longin과 Solnik은 Journal of Finance에 게재된 2001년 기념비적 논문에서 국제 주식시장 간 상관관계가 약세장에서 크게 증가함을 입증했습니다. 안정기에 존재했던 상관관계 구조 -- 분산 배분을 정당화하는 데 사용된 바로 그 구조 -- 가 위기 시 붕괴합니다. 분산투자는 보호가 가장 중요한 바로 그 순간에 더 적은 보호를 제공합니다.

실증적 증거

상관관계 붕괴에 대한 증거는 압도적이며 수십 년의 시장 역사에 걸쳐 있습니다.

2008년 글로벌 금융위기가 가장 극명한 사례를 제공합니다. 2008년 9월 이전 12개월간 선진국 주식 지수의 평균 쌍별 상관관계는 약 0.35였습니다. 2008년 10-11월 폭락 기간 이 수치는 0.80 이상으로 급등했습니다. 주식, 회사채, 리츠, 원자재, 헤지펀드 전략 모두 함께 하락했습니다. 음의 상관관계를 유지한 유일한 주요 자산군은 미국 국채였습니다.

2020년 3월 코로나19 폭락은 이 패턴을 재현했습니다. 초기 유동성 패닉 기간 전통적으로 무상관이었던 자산도 동시에 매도되었습니다. 금도 잠시 주식과 함께 하락했습니다. 투자등급 회사채도 가치를 잃었습니다. 현금 확보 러시가 모든 분산 관계를 압도했습니다.

1997-98년 아시아 금융위기와 LTCM 붕괴는 상관관계 급등이 선진국 시장에 국한되지 않음을 보여주었습니다. 전염이 태국에서 한국, 러시아, 궁극적으로 미국까지 퍼지면서 레버리지 포지션이 자산군 전반에서 청산되었습니다.

BIS 워킹페이퍼는 여러 위기에 걸쳐 이 현상을 기록했으며, 상관관계 급등이 단순히 높은 변동성의 통계적 인공물이 아님을 지적했습니다. Forbes와 Rigobon (2002)이 제시한 변동성과 상관관계 간의 기계적 관계를 조정한 후에도, 진정한 조건부 상관관계는 스트레스 기간 동안 의미 있게 증가합니다.

평균-분산 최적화가 실패하는 이유

마코위츠 프레임워크는 상관관계가 시간에 따라 일정하거나 적어도 정상적이라고 가정합니다. 포트폴리오 최적화는 보통 3~5년의 과거 데이터로 추정한 단일 상관관계 행렬을 취하고 이를 향후의 진정한 위험 구조로 간주합니다.

이 가정은 가장 나쁜 방식으로 위반됩니다. 상관관계는 일정하지 않으며 레짐에 의존적입니다. 양호한 시장에서 상관관계는 보통입니다. 스트레스 시장에서 상관관계는 1을 향해 수렴합니다. 최적화는 양호기 상관관계를 보고 포트폴리오의 분산이 우수하다고 결론 내립니다. 그런 다음 다음 위기 시 증발할 분산 효과에 확신을 가지고 상관된 자산에 공격적으로 배분합니다.

Ang과 Bekaert (2002)는 Review of Financial Studies에서 평균-분산 최적화가 레짐 전환을 고려하는 모델에 비해 포트폴리오 꼬리 위험을 40~60% 과소평가함을 보여주었습니다. 실질적 결과로, 정상 시장에서 샤프비율 0.80으로 최적화된 포트폴리오가 위기 기간을 포함하면 실효 샤프비율 0.40~0.50만 달성할 수 있습니다.

이것은 사소한 보정 문제가 아닙니다. 부의 보전에 가장 중요한 바로 그 조건에서 프레임워크의 근본적 실패입니다.

레짐 전환 모델

Hamilton (1989)이 개척한 레짐 전환 모델은 더 현실적인 접근법을 제공합니다. 단일 상관관계 구조를 가정하는 대신, 이러한 모델은 두 개 이상의 뚜렷한 시장 레짐 -- 일반적으로 "안정" 상태와 "위기" 상태 -- 을 허용하며, 각각 고유한 상관관계 행렬, 평균 수익률, 변동성을 가집니다.

모델은 임의의 시점에서 각 레짐에 있을 확률을 추정하고 두 레짐을 적절히 가중한 포트폴리오 위험 추정치를 산출합니다. 위기 레짐의 추정 확률이 증가하면, 포트폴리오가 아직 손실을 경험하지 않았더라도 모델은 자동으로 포트폴리오 위험 추정치를 올립니다.

레짐 전환 연구의 주요 발견:

• 위기 레짐은 높은 상관관계와 높은 변동성 모두를 특징으로 하며, 포트폴리오 위험에 이중 타격을 줍니다.
• 안정 레짐에서 위기 레짐으로의 전환은 일반적으로 점진적이기보다 급격합니다. 시장은 천천히 악화되지 않고 급변합니다.
• 위기 레짐은 빈도는 낮지만 많은 투자자가 예상하는 것보다 더 지속적입니다. 위기 레짐이 시작되면 보통 6~18개월 지속됩니다.
• 안정 레짐에서 주식-채권 상관관계는 0에 가깝거나 약간 음입니다. 위기 레짐의 상관관계는 다양합니다: 디플레이션 위기(2008) 시 채권이 상승하고, 인플레이션 위기(2022) 시 채권이 주식과 함께 하락합니다.

포트폴리오 구성에 있어, 레짐 전환 모델은 평균-분산 최적화보다 더 보수적인 배분을 산출하며, 낮은 주식 비중과 진정한 분산화 자산에 대한 높은 배분을 보입니다.

코풀라 기반 접근법

코풀라는 변수 간의 의존 구조를 개별 분포와 별도로 모델링하는 통계적 도구입니다. 포트폴리오 위험 관리에서 이는 분석가가 중요한 비대칭성을 포착할 수 있게 합니다: 자산은 정상적 수익률에서는 낮은 상관관계를 보이지만 극단적 움직임에서는 높은 상관관계를 보일 수 있습니다.

가우시안 코풀라는 의존 구조가 대칭적이라고 가정합니다 -- 꼬리에서의 상관관계가 분포 중심에서와 동일합니다. 이것은 표준 포트폴리오 이론의 암묵적 가정이며, 틀렸습니다. 실증적 증거는 일관되게 자산 수익률이 왼쪽 꼬리(동시 폭락)에서 오른쪽 꼬리(동시 급등)보다 더 강한 공동 움직임을 보임을 보여줍니다.

Patton (2006)은 Journal of Empirical Finance에서 꼬리 의존 코풀라 -- 특히 하단 꼬리 의존성을 위한 클레이턴 코풀라 -- 가 관측된 자산 수익률 데이터에 상당히 더 나은 적합도를 제공함을 입증했습니다. 이러한 모델은 두 자산이 모두 3 표준편차 하락할 확률이 정규분포가 예측하는 것보다 훨씬 높다는 사실을 포착합니다.

실제 구현에서 꼬리 의존 코풀라 모델은 다음을 산출합니다:

• 스트레스 시나리오에서 더 높은 포트폴리오 VaR 및 조건부 VaR 추정치
• 다중자산 포트폴리오에 대한 더 정확한 최대 손실폭 예측
• 진정한 꼬리 분산을 제공하는 자산 쌍과 정상기의 허상적 분산만 제공하는 자산 쌍의 더 나은 식별

다중자산 포트폴리오에 대한 시사점

상관관계 붕괴 현상은 투자자가 포트폴리오 구성에 대해 어떻게 생각해야 하는지에 대해 깊은 시사점을 가집니다.

주식-채권 상관관계는 레짐에 의존합니다. 지난 20년간 주식과 채권은 일반적으로 음의 상관관계를 보여, 채권이 주식 위험에 대한 훌륭한 분산화 수단이었습니다. 그러나 이 관계는 2022년 인플레이션 에피소드 기간 반전되어 주식과 채권 모두 동시에 하락했습니다. 1970-80년대에는 주식-채권 상관관계가 지속적으로 양이었습니다. 채권을 주식 분산의 주요 원천으로 의존하는 투자자는 레짐 의존적 베팅을 하고 있는 것입니다.

국제 분산투자는 위기 시 덜 효과적입니다. 미국과 해외 주식 간 평균 상관관계는 정상 시장에서 약 0.50이지만 글로벌 위기 시 0.80 이상으로 상승합니다. 글로벌화된 자본 흐름과 동기화된 중앙은행 정책이 이 구조적 상관관계를 시간이 지남에 따라 높여왔습니다.

대체자산도 면역이 아닙니다. 헤지펀드, 사모펀드, 부동산 모두 시스템적 스트레스 시 주식과의 상관관계가 높아집니다. 일부 대체자산의 비유동성이 시가평가 수익률에서 이를 숨길 수 있지만, 경제적 익스포저는 남아 있습니다.

실질적 헤징 방법

전통적 분산투자가 위기 시 실패한다면, 투자자는 무엇을 할 수 있을까요?

옵션을 통한 꼬리 위험 헤징. 주식 지수에 대한 외가격 풋옵션 매수는 상관관계가 급등할 때 더 가치가 높아지는 볼록한 보호를 제공합니다. 비용은 연간 포트폴리오 가치의 1~3%에 해당하는 지속적인 프리미엄입니다. 이 비용은 위기 보험의 명시적 가격입니다.

추세추종 전략. 관리형 선물과 추세추종 전략은 지속적인 하락추세에서 이익을 얻을 수 있기 때문에 연장된 위기 기간 동안 역사적으로 좋은 성과를 보였습니다. 완벽한 헤지는 아닙니다 -- 급격한 V자형 반전에서는 어려움을 겪습니다 -- 하지만 2008년 위기와 코로나19 하락 기간 동안 양의 수익을 제공했습니다.

동적 배분. 변동성 레짐 지표가 스트레스를 신호할 때 주식 노출을 줄이면 자본을 보전할 수 있습니다. 실현 변동성이 12개월 이동평균을 1 표준편차 이상 초과할 때 주식 비중을 줄이는 단순한 규칙이 역사적으로 위험조정 수익을 개선했습니다.

진정한 안전자산. 미국 국채, 일본 엔, 스위스 프랑, 금이 여러 위기에 걸쳐 일관된 안전자산 행동을 보여왔지만, 각각 실패할 수 있는 조건이 있습니다. 국채는 2022년 금리인상 사이클 시 헤지로 실패했습니다. 금은 2020년 3월 초기 유동성 패닉 기간 잠시 매도되었습니다.

한계

레짐 전환 및 코풀라 모델은 표준 평균-분산 최적화보다 더 현실적이지만 한계가 없지는 않습니다. 사전적 레짐 분류가 필요하며, 이는 미래 정보 편향의 대상이 됩니다. 레짐의 수와 성격을 지정해야 하며, 잘못된 지정은 더 단순한 모델보다 나쁜 결과를 초래할 수 있습니다. 꼬리 위험 헤징은 비용이 높으며 긴 강세장 동안 수익을 크게 줄일 수 있습니다. 어떤 모델도 진정한 금융위기의 비선형적이고 재귀적인 역학을 완벽하게 포착하지 못합니다.