유동성 조정 모멘텀: Amihud 비율을 활용한 포지션 사이징 혁신

유동성 조정 모멘텀: Amihud 비율을 활용한 포지션 사이징 혁신

2009년 3월부터 5월 사이에 모멘텀 전략은 역사상 최악의 낙폭 중 하나를 겪었습니다. 표준 12-1개월 모멘텀 포트폴리오는 금융주와 경기민감주가 급격히 반등하고 모멘텀 승자 종목이 폭락하면서 고점 대비 52% 이상의 손실을 기록했습니다. 그러나 이 붕괴의 구조를 자세히 살펴보면 놀라운 사실이 드러납니다. 손실은 비유동 종목에 압도적으로 집중되어 있었습니다. 비유동성이 가장 높은 십분위의 모멘텀 승자 종목은 유동성이 가장 높은 십분위보다 세 배 더 크게 하락했으며, 비유동성이 가장 높은 패자 종목은 세 배 더 강하게 스퀴즈되었습니다. 이 패턴은 2009년에만 국한되지 않습니다. 1990년 이후 모든 주요 모멘텀 붕괴에서 비유동 포지션이 테일 리스크의 주요 원천이었습니다.

이러한 관찰은 표준 모멘텀 전략에 대한 단순하지만 강력한 수정을 동기부여합니다. 유동성에 따라 포지션 사이즈를 조정하는 것입니다. 구체적으로, 각 포지션을 Amihud(2002) 비유동성 비율에 반비례하여 스케일링함으로써 유동성이 높은 모멘텀 종목에는 더 큰 비중을, 비유동 종목에는 더 작은 비중을 부여하거나, 아예 제외합니다. Quant Decoded의 독자적 백테스트에 따르면 이 조정은 사이징만으로 샤프 비율을 0.55에서 0.72로, 가장 비유동적인 종목을 완전히 필터링할 경우 0.82로 개선하며, 최대 낙폭을 -52%에서 -29%로 줄입니다.

그 결과 상승 잠재력의 대부분을 유지하면서 전통적 모멘텀을 실전에서 위험하게 만드는 테일 리스크를 극적으로 줄이는 모멘텀 전략이 완성됩니다. 이 개선은 새로운 알파 신호가 아닌 기존 신호의 더 나은 리스크 관리에서 비롯되며, 모멘텀의 명백한 알파 상당 부분이 거래 비용으로 인해 실현 불가능한 종목에서 발생한다는 학술적 발견(Lesmond, Schill, Zhou, 2004)과 일치합니다.

모멘텀 전략의 유동성 문제

Jegadeesh and Titman (1993)이 정의한 표준 모멘텀 포트폴리오는 과거 12-1개월 수익률로 종목을 순위 매기고 상위 십분위를 매수, 하위 십분위를 매도합니다. 이 구성은 유동성에 대해 중립적입니다. 일일 거래대금이 5억 달러인 종목과 200만 달러인 종목이 같은 십분위에 속하면 동일한 비중을 받습니다.

이는 두 가지 관련 문제를 야기합니다. 첫째, 비유동 모멘텀 승자 종목은 추세가 반전될 때 빠져나오기가 가장 어렵습니다. 모멘텀 붕괴 시 이러한 포지션은 자연적 매수자가 없기 때문에 갭 하락합니다. 둘째, 비유동 모멘텀 패자 종목은 숏 스퀴즈 시 커버하기가 가장 어렵습니다. 부진한 종목이 반등할 때, 가장 비유동적인 숏 포지션은 커버링이 가격을 더욱 상승시키기 때문에 가장 큰 손실을 발생시킵니다.

Avramov, Cheng, and Hameed (2016)은 이 패턴을 공식적으로 기록하여, 모멘텀 수익이 시간에 따라 상당히 변동하며 유동성 조건이 주요 동인임을 보여주었습니다. 낮은 유동성 환경에서 모멘텀 붕괴는 더 빈번하고 더 심각합니다. Pastor and Stambaugh (2003)은 더 넓은 범위에서 높은 유동성 리스크를 가진 종목이 수익률 프리미엄을 제공하지만, 그 프리미엄이 모멘텀 전략이 무의식적으로 집중시키는 극단적 좌측 꼬리 리스크와 함께 온다는 것을 입증했습니다.

핵심 통찰은 모멘텀과 유동성 리스크가 특히 위험한 방식으로 상호작용한다는 것입니다. 모멘텀은 최근 극단적 성과를 보인 종목을 선택합니다. 극단적 성과는 종종 유동성 악화와 동시에 발생합니다(승자 종목은 군집화되고, 패자 종목은 부실화됩니다). 따라서 이 전략은 최악의 시점에 가장 취약한 포지션에 체계적으로 비중을 확대합니다.

Amihud 비유동성 비율

Amihud(2002) 비유동성 비율은 거래량 단위당 가격 충격의 단순하고 견고한 측정치를 제공합니다. 종목 i의 일일 d에 대해 이 비율은 다음과 같이 정의됩니다:

ILLIQ = |수익률| / 달러 거래량

일일 비율은 후행 기간(21 거래일 사용)에 걸쳐 평균되어 월간 비유동성 추정치를 산출합니다. 값이 높을수록 소량의 거래량이 가격을 더 크게 움직인다는 것을 의미하며, 이는 낮은 유동성을 시사합니다. 이 지표는 단순성, 데이터 가용성, 그리고 Kyle(1985) 람다 및 호가 스프레드와 같은 더 정교한 측정치와의 높은 상관관계로 인해 학계의 표준 유동성 대리 변수가 되었습니다.

백테스트에서는 CRSP 유니버스의 각 종목에 대해 Amihud 비율을 월간으로 계산한 후, 각 모멘텀 십분위 내에서 유동성 오분위로 분류합니다. 이 이중 분류 프레임워크를 통해 유동성 스펙트럼 전반에 걸쳐 모멘텀 성과가 어떻게 변하는지 분석하고 유동성 조정 전략을 구성할 수 있습니다.

백테스트 설계 및 데이터

유니버스 및 표본 기간

백테스트는 1990년 1월부터 2025년 12월까지 미국 주식을 대상으로 합니다(432개월). 유니버스는 12개월 수익률과 21일 Amihud 비율을 계산할 수 있는 충분한 데이터가 있는 NYSE, AMEX, NASDAQ의 모든 보통주(주식 코드 10, 11)로 구성됩니다. 페니 주식 오염을 방지하기 위해 NYSE 시가총액 5번째 백분위 이하의 마이크로캡은 제외됩니다.

전략 사양

세 가지 전략 변형을 테스트합니다:

1. 표준 모멘텀: 수익률 상위 십분위 매수, 하위 십분위 매도, 십분위 내 동일 비중. 1개월 건너뛰기 포함 월간 리밸런싱(12-1 형성 기간).

2. 유동성 조정 사이징: 동일한 모멘텀 신호 및 십분위 기준점이지만, 각 십분위 내 포지션 크기가 해당 종목의 Amihud 비율에 반비례합니다. 구체적으로, 종목 i의 비중은 1/ILLIQ_i에 비례하며, 각 레그 내에서 합이 1이 되도록 정규화됩니다. 이를 통해 유동적인 종목에는 더 큰 포지션을, 비유동적인 종목에는 더 작은 포지션을 부여합니다.

3. 유동성 필터: 동일한 모멘텀 신호이지만, 유동성 하위 20%(Amihud 최상위 오분위) 종목을 십분위 포트폴리오 구성 전에 완전히 제외합니다. 나머지 포지션 내에서 동일 비중을 적용합니다.

별도 표기가 없는 한 모든 수익률은 거래 비용 차감 전 기준입니다. 거래 비용 분석 섹션에서 실행 비용을 별도로 다룹니다.

결과: 성과 비교

아래 표는 각 전략 변형의 주요 성과 통계를 제시합니다.

결과는 명확한 패턴을 보여줍니다. 유동성 조정은 소폭의 수익률(8.2%에서 7.5%)을 양보하지만 변동성(14.9%에서 9.1%)과 테일 리스크(최대 낙폭 -52.1%에서 -29.3%)를 극적으로 줄입니다. 샤프 비율은 0.55에서 0.82로 49% 개선됩니다. 소르티노 비율 개선은 0.71에서 1.21로 더욱 두드러지며, 이는 하방 변동성의 불균형적 감소를 반영합니다. 가장 중요한 점은 수익률 분포가 상당히 음의 왜도(-1.82)에서 약한 음의 왜도(-0.51)로 이동하여, 역사적으로 모멘텀을 가장 위험한 팩터 전략 중 하나로 만든 붕괴 경향성을 제거한다는 것입니다.

유동성 오분위별 낙폭 분석

유동성 조정이 작동하는 이유를 이해하기 위해, 표준 모멘텀 전략의 수익률을 구성 포지션의 유동성 오분위별로 분해합니다.

데이터는 핵심 논지를 확인해 줍니다. 가장 비유동적인 오분위(Q5)는 가장 높은 원시 수익률(12.3%)을 생성하지만, 거대한 변동성(24.8%)과 재앙적 낙폭(-68.4%)을 수반합니다. 2009년 모멘텀 붕괴 시 Q5 포지션은 전체 포지션의 20%에 불과함에도 총 손실의 37%를 차지했습니다. 반면 가장 유동적인 오분위(Q1)는 보다 완만한 6.4%의 수익률을 제공하지만, 최대 낙폭은 -18.2%에 불과하고 붕괴 손실 기여도는 8%에 그칩니다.

이 패턴은 유동성 조정에 매우 유리한 트레이드오프를 만들어 냅니다. Q4와 Q5 종목에 대한 노출을 줄이거나 제거함으로써 전략은 연간 1-2% 포인트의 수익률을 양보하지만, 붕괴 손실의 60% 이상을 차지하는 포지션을 제거합니다. 비유동 모멘텀 종목의 한계 수익률이 한계 리스크 기여를 보상하지 못하기 때문에 위험 조정 개선은 상당합니다.

모멘텀 붕괴 사례: 유동성 필터 적용 전후

아래 표는 표본 기간 중 -15%를 초과하는 모든 모멘텀 낙폭을 검토하고, 표준 전략과 유동성 필터 적용 전략을 비교합니다.

유동성 필터는 모든 주요 에피소드에서 일관되게 붕괴 심도를 34%에서 45%까지 줄입니다. 가장 큰 절대적 개선은 2009년 글로벌 금융위기에서 나타나며, 낙폭이 -52.1%에서 -29.3%로 22.8%포인트 줄어듭니다. 2007년 8월 퀀트 퀘이크는 가장 큰 비례적 개선(45% 감소)을 보이며, 이는 해당 사건이 정량적으로 선택된 포지션에서의 군집화와 강제 청산에 의해 특히 주도되었기 때문에 직관적입니다.

다양한 시장 체제와 붕괴 촉발 요인 전반에 걸친 개선의 일관성은 주목할 만합니다. 붕괴가 거시 반전(2009), 섹터 로테이션(2001), 체계적 디레버리징(2007), 또는 팬데믹 주도 혼란(2020) 중 무엇에 의해 촉발되든, 비유동 포지션이 항상 테일 리스크의 주요 원천입니다.

회전율 및 수용력 분석

전략 수정에 대한 실용적 우려는 과도한 회전율을 유발하거나 투자 가능한 수용력을 줄이는지 여부입니다. 아래 표는 이러한 질문에 답합니다.

결과는 한 가지 중요한 측면에서 반직관적입니다. 유동성 조정 사이징 전략이 약간 더 높은 회전율(24.8% 대 21.4%)을 가짐에도 불구하고, 거래 비용은 유동적인 종목에 비중을 집중시켜 거래 비용이 최소화되기 때문에 실제로 더 낮습니다(1.5% 대 1.8%). 유동성 필터 전략은 비유동 종목을 제외함으로써 변동성이 높고 거래가 어려운 종목과 관련된 이탈을 자연스럽게 줄여 회전율과 비용을 모두 더 낮춥니다.

수용력은 극적으로 개선됩니다. 표준 모멘텀 전략의 추정 수용력은 시장 충격이 의미 있어지기 전 약 32억 달러입니다. 유동성 필터 적용 전략은 충분한 깊이를 가진 종목만 거래하기 때문에 이를 81억 달러 이상으로 두 배 이상 확대합니다. 대규모 자본 풀을 관리하는 기관 투자자에게 이 수용력 이점은 샤프 비율 개선만큼 중요할 수 있습니다.

추정 거래 비용을 고려한 후, 유동성 필터 전략의 비용 차감 후 샤프 비율(0.71)은 표준 전략의 총 샤프(0.55)를 초과합니다. 이것이 핵심 실무적 발견입니다. 유동성 조정은 이론적 성과를 개선할 뿐 아니라, 총 수익률이 시사하는 것보다 더 큰 폭으로 실행 가능한 비용 차감 후 성과를 개선합니다.

유동성 조정이 작동하는 이유: 메커니즘

유동성 조정 모멘텀의 효과는 세 가지 상호 보완적 메커니즘에 기반합니다.

첫째, 비유동 모멘텀 종목은 비대칭적 가격 역학을 보입니다. 모멘텀이 반전될 때, 유동적인 종목은 최소한의 시장 충격으로 매도할 수 있어 질서 있는 낙폭을 만듭니다. 비유동 종목은 그렇지 않습니다. 얇은 시장에서의 매도 압력은 가격 연쇄 하락을 만들어, 각 매도가 가격을 더 밀어내려 손절과 마진콜을 촉발하고 추가 매도를 발생시킵니다.

둘째, 비유동성은 군집 리스크의 대리 변수 역할을 합니다. 유동성이 감소하는 종목은 군집화된 거래가 한계점에 다다르고 있음을 시사하는 경우가 많습니다. 모멘텀 전략은 형성 기간 동안 점점 더 군집화되는 종목에 자연스럽게 포지션을 축적합니다. 비유동 종목의 비중을 낮춤으로써, 전략은 가장 군집화된 포지션에 대한 노출을 암묵적으로 줄입니다.

셋째, Amihud 비율은 모멘텀 신호가 놓치는 거래 가능성에 대한 정보를 포착합니다. 강한 12개월 수익률과 감소하는 거래량을 가진 종목은 강한 수익률과 증가하는 거래량을 가진 종목과 매우 다른 특성을 지닙니다. 전자는 관심 감소와 잠재적 반전을 시사하고, 후자는 지속 가능한 수요를 시사합니다. 유동성 조정은 모멘텀 신호를 포기하지 않으면서 이 구분을 통합합니다.

이러한 메커니즘은 유동성과 자산 가격 결정에 관한 더 넓은 학술 문헌과 일치합니다. Pastor and Stambaugh (2003)은 유동성 리스크가 횡단면에서 가격 결정된다는 것을 보여주었습니다. 높은 유동성 베타를 가진 종목은 더 높은 평균 수익률을 얻지만 상당한 좌측 꼬리 리스크를 수반합니다. 모멘텀 전략은 극단적 과거 성과를 보인 종목이 유동성 변화를 경험하는 경향이 있기 때문에 무의식적으로 유동성 리스크에 크게 노출됩니다. 이 노출을 조정하면 수익률은 소폭 감소하지만 불균형적으로 큰 리스크 비중을 제거합니다.

견고성 및 한계

여러 견고성 검증이 주요 발견을 뒷받침합니다. 유동성 조정은 테스트한 모든 형성 기간(3-1, 6-1, 12-1개월)에서 샤프 비율을 개선하며, 표준 12-1 사양에서 가장 큰 개선을 보입니다. 시가총액 가중 모멘텀을 사용해도 결과는 질적으로 유사하지만, 시가총액 가중이 이미 암묵적으로 더 유동적인 종목을 선호하기 때문에 개선 폭이 작습니다. 대안적 유동성 측정치로 호가 스프레드를 사용해도 거의 동일한 결과를 생성하며, 이는 Amihud 비율이 측정 오류를 통해 결과를 주도하지 않음을 확인합니다.

그러나 몇 가지 한계가 적용됩니다. 이것은 단일 국가 백테스트이며, 메커니즘이 국제적으로 일반화되어야 하지만, 비미국 시장에서의 표본 외 검증이 필요합니다. 백테스트는 종가 데이터를 사용하고 종가 체결을 가정하며, 이는 가장 비유동적인 포지션에 대해 낙관적일 수 있습니다(다만 이 편향은 유동성 조정 전략보다 표준 전략에 더 불리하게 작용합니다). 마지막으로, 구체적인 유동성 임계값(하위 20%)과 역Amihud 가중 방식은 표본 내 최적화가 아닌 경제적 논리에 기반하여 선택되었지만, 일부 데이터 마이닝 리스크가 남아 있습니다.

결론

모멘텀과 유동성 리스크의 상호작용은 체계적 투자에서 가장 중요하면서도 가장 과소평가된 역학 중 하나입니다. 표준 모멘텀 전략은 정상 시장에서는 매력적인 수익을 생성하지만 반전 시 재앙적 손실을 초래하는 비유동 포지션에 크게 노출됩니다. Amihud 비유동성 비율로 포지션 사이즈를 조정하거나, 단순히 가장 비유동적인 종목을 제외하면 모멘텀의 테일 리스크 대부분을 제거하면서 수익률의 대부분을 보존합니다.

실무적 시사점은 상당합니다. 샤프 0.82, 최대 낙폭 -29%, 수용력 80억 달러 이상의 유동성 필터 모멘텀 전략은 샤프 0.55와 -52% 낙폭의 표준 모멘텀 전략과는 근본적으로 다른 것입니다. 붕괴 리스크로 인해 모멘텀을 기피해 온 자산 배분자에게 유동성 조정 버전은 모멘텀 프리미엄을 포착하는 보다 수용 가능한 방법일 수 있습니다. 이미 모멘텀을 운용하고 있는 투자자에게 유동성 오버레이는 소폭의 수익 비용으로 의미 있는 리스크 감소를 제공합니다.

이 발견은 포트폴리오 구성에서의 더 넓은 원칙과도 연결됩니다. 최선의 개선은 새로운 신호를 발견하는 것이 아니라 기존 신호를 더 지능적으로 관리하는 데서 오는 경우가 많습니다. 모멘텀은 금융에서 가장 견고하고 잘 기록된 이상 현상 중 하나로 남아 있습니다. 주요 약점은 신호 자체가 아니라 표준 구현이 유동성 리스크를 처리하는 방식입니다. 그 약점을 수정하면 대부분의 측면에서 원래보다 우수한 전략이 만들어집니다.

참고 문헌