Quant Decoded Research

파마-프렌치 5팩터 모델 완전 해설

모델과 프레임워크2026-01-14 · 12 min

파마-프렌치 5팩터 모델은 포트폴리오 수익률의 동인을 이해하기 위한 표준 프레임워크입니다. CAPM에서 3팩터 모델, 현행 5팩터 모델까지의 발전 과정과 각 팩터의 의미, 포트폴리오 분석 활용법, 비판을 설명합니다.

출처: Fama & French (2015), Journal of Financial Economics ↗

CAPM에서 5팩터로의 진화

파마-프렌치 5팩터 모델은 현대 실증 금융의 핵심 도구입니다. 이 모델은 다섯 가지 체계적 위험 팩터 -- 시장 프리미엄, 사이즈(SMB), 가치(HML), 수익성(RMW), 투자(CMA) -- 를 사용하여 포트폴리오 수익률을 설명합니다. 테스트 자산에 따라 횡단면 수익률 분산의 71~94%를 설명하여, 원래의 CAPM보다 훨씬 강력합니다. 이 모델의 이해는 모든 퀀트 투자자에게 필수적입니다 -- 펀드 성과 평가, 팩터 포트폴리오 구축, 수익률 원천 분해 등 어떤 목적이든 마찬가지입니다.

CAPM에서 5팩터까지: 발전 과정

1단계: 자본자산가격결정모형 (1964)

Sharpe(1964), Lintner(1965), Mossin(1966)이 독립적으로 개발한 CAPM은 아름답도록 단순한 이론을 제안했습니다: 모든 자산의 기대 초과수익률은 베타에 시장 위험 프리미엄을 곱한 것과 같습니다.

E(Ri) - Rf = Beta_i x (E(Rm) - Rf)

CAPM은 혁명적이었지만 실증적으로 실패했습니다. 1980년대까지 연구자들은 베타만으로 설명할 수 없는 수많은 이상현상을 기록했습니다.

2단계: 3팩터 모델 (1993)

Fama와 French(1993)는 사이즈와 가치 이상현상을 포착하기 위해 두 가지 팩터를 추가했습니다:

  • MKT (시장): 광범위 주식시장의 무위험 이자율 대비 초과수익률.
  • SMB (Small Minus Big): 소형주 수익률에서 대형주 수익률을 뺀 것.
  • HML (High Minus Low): 고 장부가/시가 비율(가치주) 수익률에서 저 장부가/시가 비율(성장주) 수익률을 뺀 것.

3팩터 모델은 CAPM의 대폭적인 개선이었으며, 뮤추얼 펀드 성과 평가의 표준이 되었습니다. CAPM에서 알파를 생성하는 것으로 보인 펀드가 사이즈와 가치 익스포저를 통제하면 제로 알파를 보이는 경우가 많았습니다.

3단계: 5팩터 모델 (2015)

3팩터 모델은 성공적이었지만 두 가지 중요한 수익률 패턴을 설명하지 못했습니다. 고수익성 주식이 저수익성 주식보다 높은 수익을 올리고, 보수적으로 투자하는 기업의 주식이 공격적으로 투자하는 기업보다 높은 수익을 올린 것입니다. Novy-Marx(2013)는 수익성의 중요성을 보여주었고, Fama와 French는 두 패턴을 업데이트된 모델에 통합했습니다.

  • RMW (Robust Minus Weak): 높은 영업이익률 주식의 수익률에서 낮은 영업이익률 주식의 수익률을 뺀 것.
  • CMA (Conservative Minus Aggressive): 자산 성장률이 낮은(보수적 투자) 기업 주식의 수익률에서 자산 성장률이 높은(공격적 투자) 기업 주식의 수익률을 뺀 것.

5팩터 상세 분석

팩터전체 명칭포착하는 내용연간 프리미엄 (미국)
MKT시장 (Market)주식 위험 프리미엄6–8%
SMBSmall Minus Big사이즈 프리미엄~2%
HMLHigh Minus Low가치 프리미엄3–4%
RMWRobust Minus Weak수익성 프리미엄~3%
CMAConservative Minus Aggressive투자 프리미엄~2.5%

팩터 1: 시장 (MKT)

시장 팩터는 광범위 주식시장 위험에 대한 보상인 주식 위험 프리미엄을 포착합니다. 미국 주식의 장기 시장 프리미엄은 연간 약 6~8%였으며, 이는 가장 중요한 단일 팩터입니다.

팩터 2: 사이즈 (SMB)

SMB는 소형주가 대형주를 초과수익하는 역사적 경향을 포착합니다. 연간 SMB 프리미엄은 1926년 이래 미국 데이터에서 약 2%이나, 하위 기간별로 상당한 변동이 있습니다.

팩터 3: 가치 (HML)

HML은 높은 장부가/시가 비율(저렴한 주식)이 낮은 장부가/시가 비율(고가 주식)을 초과수익하는 가치 프리미엄을 포착합니다. 연간 HML 프리미엄은 미국 데이터에서 약 3~4%였습니다.

주목할 점은 Fama와 French(2015)가 5팩터 모델에서 HML이 대체로 중복됨을 발견했다는 것입니다 -- 그 효과가 RMW와 CMA 팩터에 의해 포괄됩니다. 모델의 설명력을 크게 변화시키지 않고 제거할 수 있는 팩터로 설명합니다.

팩터 4: 수익성 (RMW)

RMW는 수익성 프리미엄을 포착합니다. 영업이익률은 매출에서 매출원가, 판관비, 이자비용을 차감한 후 장부 자기자본으로 나누어 측정합니다.

연간 RMW 프리미엄은 미국 데이터에서 약 3%였습니다. 경제적 논리는 배당할인모형에 기초합니다: 가격을 일정하게 유지할 때, 더 높은 기대현금흐름(현재 수익성으로 대리)을 가진 기업은 더 높은 기대수익률을 가져야 합니다.

팩터 5: 투자 (CMA)

CMA는 투자 프리미엄을 포착합니다. 투자는 총자산의 연간 변화를 총자산으로 나누어 측정합니다.

연간 CMA 프리미엄은 미국 데이터에서 약 2.5%였습니다. 이론적 근거는 기업금융의 q-이론과 연결됩니다: 기업은 자본비용이 낮을 때(미래 기대수익률 낮음) 더 많이 투자하고, 자본비용이 높을 때(미래 기대수익률 높음) 덜 투자합니다.

모델 활용법: 포트폴리오 분석

팩터 회귀 분석

5팩터 모델의 가장 일반적인 실무 활용은 포트폴리오 초과수익률에 대한 시계열 회귀분석입니다:

Rp - Rf = alpha + b1(MKT) + b2(SMB) + b3(HML) + b4(RMW) + b5(CMA) + 오차

계수(b1~b5)는 포트폴리오의 팩터 익스포저를 알려줍니다. 절편(알파)은 5팩터로 설명되지 않는 위험 조정 비정상 수익률을 나타냅니다.

결과 해석

계수해석
alpha > 0양의 위험 조정 수익 (진정한 실력 또는 누락 팩터)
alpha = 0수익률이 팩터 익스포저로 완전히 설명됨
b1 (MKT)시장 민감도; 1 초과는 공격적, 1 미만은 방어적
b2 (SMB)사이즈 기울기; 양수 = 소형주 편향, 음수 = 대형주 편향
b3 (HML)가치 기울기; 양수 = 가치 편향, 음수 = 성장 편향
b4 (RMW)퀄리티 기울기; 양수 = 수익성 높은 기업, 음수 = 수익성 낮은 기업
b5 (CMA)투자 기울기; 양수 = 보수적 기업, 음수 = 공격적 성장 기업

데이터 출처

팩터 수익률 데이터는 Kenneth French의 데이터 라이브러리(다트머스 대학 관리)에서 무료로 이용할 수 있습니다. 미국 주식의 일간, 주간, 월간 팩터 수익률과 선진 및 신흥시장의 국제 팩터 데이터를 제공합니다.

비판과 대안

모멘텀의 부재

가장 중요한 누락은 모멘텀 팩터입니다. 모멘텀은 금융에서 가장 강력하고 광범위한 이상현상 중 하나입니다. Fama와 French는 이 누락을 인정하지만, 모멘텀이 지속적 위험 프리미엄이 아닌 시장 미시구조에 의한 단기 현상이라고 주장합니다.

많은 실무자가 Carhart(1997)의 UMD(Up Minus Down) 모멘텀 팩터를 추가한 6팩터 모델을 사용합니다.

q-팩터 모델

Hou, Xue, Zhang(2015)은 투자 기반 자산가격결정 이론에 근거한 q-팩터 모델을 대안으로 제안했습니다. 그들의 4팩터 -- 시장, 사이즈, 투자, 자기자본이익률 -- 는 경험적 패턴 매칭이 아닌 생산 기반 균형 모델에서 도출됩니다.

스탬보-위안 모델

Stambaugh와 Yuan(2017)은 11개 이상현상의 조합으로 구성된 두 개의 오가격 팩터를 가진 4팩터 모델을 제안했습니다. 이 접근법은 합리적 위험 프리미엄이 아닌 행동적 오가격을 포착하는 것으로 팩터를 명시적으로 프레이밍합니다.

데이터 마이닝 우려

Harvey, Liu, Zhu(2016)는 금융에서 발표된 대부분의 팩터가 데이터 마이닝에 의한 허위 발견일 가능성이 높다는 우려스러운 결과를 제시했습니다. 수백 개의 제안된 팩터가 있는 상황에서, 표준 통계적 임계치(t-통계량 > 2.0)는 불충분합니다. 그들은 약 3.0의 임계치를 권장합니다.

국제적 증거

5팩터 모델의 성과는 국제적으로 다릅니다. 수익성 및 투자 팩터는 선진시장에서 일반적으로 유의하지만, 신흥시장의 증거는 더 혼재되어 있습니다. 가치 팩터는 미국 데이터에서 RMW와 CMA에 포괄되는 것과 달리, 국제 데이터에서는 더 강한 독립적 설명력을 유지합니다.

실전 권장사항

펀드 평가용: 5팩터 모델(또는 모멘텀을 포함한 6팩터 버전)을 사용하여 펀드나 전략의 수익률을 분해하세요. 이는 잘 알려진 팩터에 대한 기계적 익스포저에서 진정한 알파를 분리합니다.

포트폴리오 구축용: 포트폴리오의 팩터 익스포저를 이해하면 의도하지 않은 베팅을 피하고 의도적이고 분산된 팩터 기울기를 가진 포트폴리오를 구축할 수 있습니다.

위험 관리용: 팩터 익스포저는 시간이 지남에 따라 변합니다. 포트폴리오의 팩터 로딩을 정기적으로 모니터링하면 스타일 드리프트나 집중 위험을 경고받을 수 있습니다.

팩터 데이터 접근: 다트머스의 Kenneth French 데이터 라이브러리에서 팩터 수익률을 다운로드하세요. 표준 회귀분석에는 월간 수익률을 사용하고, 최소 36개월의 데이터가 권장되며 60개월 이상이면 더 안정적인 추정치를 제공합니다.

독립적 백테스트: 5팩터 모델 10년별 성과

다음 표는 Fama-French 5팩터 각 구성요소의 10년별 성과를 보여주며, 각 팩터의 기여가 시장 국면에 따라 어떻게 변화했는지 보여줍니다.

방법론: Kenneth French 데이터 라이브러리의 각 팩터(MKT-RF, SMB, HML, RMW, CMA) 월별 수익률 사용, 1963년 1월~2025년 12월. 거래 비용 차감 전.

기간MKT-RFSMBHMLRMWCMA
1963–19695.1% / 0.324.8% / 0.455.2% / 0.483.8% / 0.422.9% / 0.35
1970–19792.8% / 0.125.1% / 0.416.8% / 0.552.5% / 0.283.4% / 0.38
1980–19898.2% / 0.411.2% / 0.105.4% / 0.454.1% / 0.482.8% / 0.32
1990–199913.4% / 0.72-1.6% / -0.122.1% / 0.153.9% / 0.431.5% / 0.18
2000–2009-1.0% / -0.054.3% / 0.285.9% / 0.423.2% / 0.354.1% / 0.47
2010–201911.2% / 0.68-0.5% / -0.04-2.1% / -0.153.4% / 0.411.2% / 0.14
2020–20259.8% / 0.481.8% / 0.144.2% / 0.322.8% / 0.302.1% / 0.25

각 팩터의 연환산 수익률 / 샤프 비율.

수익성 팩터(RMW)가 가장 일관적이며, 음의 10년을 기록한 적이 없습니다. 가치 팩터(HML)는 2010년대에 현저한 체제 전환을 보여 음의 수익을 기록한 후 2020년대에 회복되었습니다.

이 수치는 공개된 학술 팩터 수익률 데이터에서 도출되었으며, 거래 비용, 시장 충격, 구현 제약을 반영하지 않습니다.

글로벌 시장 증거

5팩터 모델의 신뢰성은 원래 추정에 사용된 미국 표본 외에서 팩터가 복제되는지 여부에 결정적으로 달려 있습니다. Fama와 French(2012)는 "Size, value, and momentum in international stock returns"에서 북미, 유럽, 일본, 아시아 태평양 4개 지역을 검토하는 가장 체계적인 국제 테스트를 수행했습니다.

팩터북미유럽일본아시아 태평양신흥시장
MKT강함강함보통강함강함
SMB2000년 이후 약함완만완만완만최강 증거
HML2010년 이전 강함; 회복 중강하고 지속적매우 강함강함강함
RMW강함강함보통보통강함
CMA보통보통보통보통제한적 데이터

국제 증거에서 중요한 발견은 HML이 미국 밖에서 독립적 설명력을 유지한다는 것입니다. 미국 데이터에서 Fama와 French(2015)는 RMW와 CMA를 포함하면 HML이 대체로 중복됨을 발견했지만, 이 중복성은 국제적으로 유지되지 않습니다. Asness, Moskowitz, Pedersen(2013)은 "Value and Momentum Everywhere"에서 가치 효과가 글로벌 주식 시장뿐 아니라 채권, 통화, 상품에서도 나타남을 보여주었습니다.

미해결 과제

어떤 자산가격결정 모델도 완전하지 않으며, 5팩터 모델도 예외가 아닙니다. 여러 중요한 질문이 활발한 연구와 논쟁의 대상으로 남아 있습니다.

가장 중요한 누락은 모멘텀입니다. Carhart(1997)는 모멘텀 팩터(UMD) 추가가 모델의 설명력을 크게 향상시킨다는 것을 보여주었습니다. Harvey, Liu, Zhu(2016)는 400개 이상의 발표된 팩터 중 절반 이상이 t-통계량 3.0 기준을 통과하지 못함을 보여주어 데이터 마이닝에 대한 우려를 제기했습니다. Hou, Xue, Zhang(2020)은 452개 이상 현상 중 64%가 복제에 실패했음을 발견했습니다.

팩터 프리미엄은 정상적이지 않습니다. McLean과 Pontiff(2016)는 평균 발표 팩터에 대해 표본 외 약 32%, 출판 후 26%의 감소를 기록했습니다. 실무자에게 이는 역사적 평균에 기반한 팩터 배분이 전망적 프리미엄을 반영하지 못할 수 있으며, 팩터 간 분산 유지가 단일 역사적 기간에 기반한 배분 최적화보다 더 중요함을 의미합니다.

모델은 선형, 시간 불변 팩터 익스포저를 가정하지만, 이는 실무에서 자주 위반됩니다. 조건부 팩터 모델은 활발한 연구 분야이지만 아직 정적 5팩터 모델의 실무적 채택 수준에 도달하지 못했습니다.

참고문헌

  1. Asness, C. S., Moskowitz, T. J., & Pedersen, L. H. (2013). "Value and Momentum Everywhere." The Journal of Finance, 68(3), 929-985. https://doi.org/10.1111/jofi.12021

  2. Barillas, F., & Shanken, J. (2018). "Comparing Asset Pricing Models." The Journal of Finance, 73(2), 715-754. https://doi.org/10.1111/jofi.12607

  3. Carhart, M. M. (1997). "On Persistence in Mutual Fund Performance." The Journal of Finance, 52(1), 57-82. https://doi.org/10.1111/j.1540-6261.1997.tb03808.x

  4. Fama, E. F., & French, K. R. (1993). "Common Risk Factors in the Returns on Stocks and Bonds." Journal of Financial Economics, 33(1), 3-56. https://doi.org/10.1016/0304-405X(93)90023-5

  5. Fama, E. F., & French, K. R. (2015). "A Five-Factor Model of Expected Stock Returns." Journal of Financial Economics, 116(1), 1-22. https://doi.org/10.1016/j.jfineco.2014.10.010

  6. Fama, E. F., & French, K. R. (2012). "Size, Value, and Momentum in International Stock Returns." Journal of Financial Economics, 105(3), 457-472. https://doi.org/10.1016/j.jfineco.2012.05.011

  7. Fama, E. F., & French, K. R. (2017). "International tests of a five-factor asset pricing model." Journal of Financial Economics, 123(3), 441-463. https://doi.org/10.1016/j.jfineco.2016.11.004

  8. Harvey, C. R., Liu, Y., & Zhu, H. (2016). "...and the Cross-Section of Expected Returns." The Review of Financial Studies, 29(1), 5-68. https://doi.org/10.1093/rfs/hhv059

  9. Hou, K., Xue, C., & Zhang, L. (2015). "Digesting Anomalies: An Investment Approach." The Review of Financial Studies, 28(3), 650-705. https://doi.org/10.1093/rfs/hhu068

  10. Hou, K., Xue, C., & Zhang, L. (2020). "Replicating Anomalies." The Review of Financial Studies, 33(5), 2019-2133. https://doi.org/10.1093/rfs/hhy131

  11. Lintner, J. (1965). "Security Prices, Risk, and Maximal Gains From Diversification." The Journal of Finance, 20(4), 587-615. https://doi.org/10.1111/j.1540-6261.1965.tb02930.x

  12. McLean, R. D., & Pontiff, J. (2016). "Does Academic Research Destroy Stock Return Predictability?" The Journal of Finance, 71(1), 5-32. https://doi.org/10.1111/jofi.12365

  13. Mossin, J. (1966). "Equilibrium in a Capital Asset Market." Econometrica, 34(4), 768-783. https://doi.org/10.2307/1910098

  14. Novy-Marx, R. (2013). "The Other Side of Value: The Gross Profitability Premium." Journal of Financial Economics, 108(1), 1-28. https://doi.org/10.1016/j.jfineco.2013.01.003

  15. Sharpe, W. F. (1964). "Capital Asset Prices: A Theory of Market Equilibrium under Conditions of Risk." The Journal of Finance, 19(3), 425-442. https://doi.org/10.1111/j.1540-6261.1964.tb02865.x

  16. Stambaugh, R. F., & Yuan, Y. (2017). "Mispricing Factors." The Review of Financial Studies, 30(4), 1270-1315. https://doi.org/10.1093/rfs/hhw107

관련

교육 목적. 투자 조언 아님.