- 2015년 11월 10일 오후 1:33
- 조회수: 2399
소현진
[발표 후기]
발표 주제: Exchange Traded Funds Portfolio Optimization for Enhanced
Indexation using Forecasting Method
발표
Summary
상장지수펀드(ETFs) 포트폴리오 최적화하는 모델을 개발하고 예측
모델을 활용하여 위험을 관리하는 연구에 대한 발표를 진행하였다. 발표는 연구의 필요성을 소개하고 이를
기반으로 설계된 최적화 모델을 소개한 뒤 그에 대한 결과를 보여줌으로 진행하였다. 기존 연구는 포트폴리오를
구성할 때 미래 시점을 반영하지 못하는 한계가 존재한다. 이러한 한계를 극복하여 효율적인 위험 관리를
하기 위한 방안으로 random forest를 활용하여 위험을 예측하여 개선하였다. 또한, 제안된 모델은 적정 위험 아래 포트폴리오 가치를 최대화하고
인덱스 트래킹을 위해 포트폴리오 베타가 1이 되도록 제한한다. 실험
결과는 예측 모델을 활용한 모델과 그렇지 않은 모델을 대조군으로 설정하여 비교 분석하였다. 이로써 예측모델을
활용하여 미래 시점을 반영한 모델이 그렇지 않은 모델보다 위험과 수익률 측면(Information ration)에서
약 3배 가량 좋은 성과를 보임을 알 수 있었다. 이 연구는
위험을 관리하면서 초과수익을 내는 포트폴리오 최적화 모델을 설계함은 물론 기존 최적화 모델에서 반영하지 않았던 예측 모델을 활용하여 유의미한 결과를
이끌어 낸 점에 의의가 있다.
Q1. Predicted 최적화 모델과 Unpredicted 최적화 모델의
차이점은 무엇인가? 예측 여부라고 봐도 되는가?
-
맞습니다. 모델 구조에 차이점은 존재하지 않습니다. Unpredicted 모델은 예측된 파라미터를 사용하지 않았고 Predicted
모델은 예측된 파라미터를 사용하고 예측 가능한 ETF를 선택하여 사용하였습니다.
Q2. 시간 관계상 예측 모델에 대해 자세한 설명은 하지 않았는데 예측 모델을 사용하려는 intuition은
어떻게 얻게 되었나?
-
포트폴리오를 구성하는 시점과 실제 운영하는 시점이 다르다는 점을 인지하고 실제 운영하는
시점을 미리 예측하여 반영하고자 하였습니다. 예를 들어, 제가
구성하고자 하는 포트폴리오 내에 한 ETF가 시장 대비 0.8의
기울기를 가지고 있다면 미래에도 이러한 특성이 계속 유지되는 ETF를 찾고자 하였습니다.
Q3. 모델에서
베타를 사용함은 추정된 값이므로 잔차를 무시하는 것으로 이해하면 되는가? 베타를 사용한 이유는 무엇인가?
-
네 맞습니다. 베타는 회귀 분석 기울기로 추정
값이므로 잔차를 무시했다고 볼 수 있습니다. 베타를 사용한 이유는 최적화 모델을 단순성과 확장성을 보장하기
위해서 사용하였습니다. 기존 마코위츠 타입의 트래킹 에러를 최소화하는 모델을 선형화함으로써 계산이 용이하도록
하였고 또한 제약식에 사용함으로 목적식을 다양하게 확장할 수 있다고 기대하였습니다.
Q4. 지수를 kospi 200을
사용하였는데 그렇다면 market representative 한 ETF만을
사용한 것인가?
-
아닙니다. 지수는 kospi 200을 사용하였고 포트폴리오를 구성하는 ETF는 국내 시장에
거래되는 모든 ETF를 사용하였습니다.
Q5. 그렇다면, 해외 commodity를
가지고 국내 지수를 추적하는 포트폴리오를 설계한 것인가?
-
네 맞습니다(현재 국내에 상장되어 있는 ETF 중 몇몇은 국내 지수가 아닌 해외 지수를 추적하여 설계되어 있습니다. 또한, 모델에 사용하는 지수는 시장 상황에 따라 바뀔 수가 있습니다. 지금
모델에서는 주식시장을 대표하는 kospi 200을 선정하였으나 채권 지수나 부동산 지수가 될 수도 있습니다. 금융시장에 따라 투자자가 선택할 수 있도록 하고자 하였습니다. 시간
관계상 이유를 자세히 설명하지 못 했습니다)
Q6. Information ratio를 최대화하도록 설정하는 것은 어떠한가?
-
(시간이 없어 답변드리지 못 했습니다)
-
Information ratio를 최대화하도록
설정하지 않은 이유는 분모와 베타 제약식이 서로 같은 의미로 한 모델 내 같은 의미의 목적식과 제약식을 사용하는 것을 피하고자 하였습니다. 따라서 현재 사용하는 목적식을 선택하였습니다.
발표 후기
학회를 참석하여 발표를 듣고 또 발표를 한다는 사실이 매우 흥분되었다. 하지만 이런 기분에만 도취되어 정작 중요한 발표를 제대로 하지 못한 것 같아 많이 아쉽다. 예정보다 주어진 시간이 짧게 주어져 10분 내외에 발표를 완성해야
한다는 생각에 사로잡혀 급하게 발표를 마무리 하였다. 더욱이 이러한 잘못된 생각은 질문에 대한 대답도
제대로 할 수 없도록 방해하였다. 결국 좋지 못한 태도로 청중을 대하는 결과를 내었다. 충분한 연습과 공부가 선행되었다면 예상치 못한 상황을 맞닥뜨려도 유연하게 대처할 수 있다 생각하니 그렇게 하지
않은 자신에 대해 반성해본다. 추후에는 자신의 연구에 대한 가치를 믿고 나만의 identity를 가지고 연구를 하길 기대해본다.
[청취 후기]
1. 1. Anatomy of Robo-Advisor: 적용기술의
타당성을 중심으로
이번
발표는 국내 금융시장에서도 화두로 떠오른 로보 어드바이저에 대한 개념과 선진국에서 사용 실태를 보여주고 국내에 적용했을 경우 타당성에 대해 짚어보며
진행되었다. 로보 어드바이저는 간단히 말해 ETF를 활용한
포트폴리오 최적화(mean-variance 모델)을 말한다. 우선 ETF는 주식처럼 상장되어 거래되는 펀드를 의미하고 각 지수(주식, 채권, 상품 등)을 따르기 때문에 분산투자가 가능하다. 이러한 이점으로 인해 로보
어드바이저의 선두 기업인 Wealthfront와 Betterment 또한
ETF를 주요 투자 상품군으로 설정하였다. 이번 발표의 가장
큰 특징은 로보 어드바이저에서 사용하는 마코위츠가 제안한 mean-variance 모델의 실효성이 과연
국내 시장에 적용하였을 때 적합할 것인가에 대한 연구질문에 답을 하는 형태로 진행되었던 점이다. 타당성에
대한 질문은 5가지로 나누어졌는데 위탁금액이 적은 고객에게 현대 포트폴리오 이론이 적용 가능한가, 포트폴리오 리밸런싱 비용의 문제는 극복 가능한가, 개별주식이 아닌
지수 ETF만으로 분산투자 효과를 얻을 수 있는가 등이다. 결과적으로
국내 시장 상황을 고려했을 때 적용 가능하다는 결론을 내면서 발표는 마무리되었다. 이번 발표는 개인적으로
본인이 연구한 분야와 유효성에 대해 맞닿아 있는 발표여서 매우 흥미로웠고 현재 관심기업에서 제공하는 로보 어드바이저에 대해 자세히 알 수 있는
시간이어서 매우 유익한 시간이었다.
2. 2.
Robust Equity Portfolio
Performance
저서를 위한 목적으로 수행된 연구임을 밝히고 관련 내용에 대한 추후 연구가 진행될 것임을 알리며
발표가 시작되었다. 발표의 주제는 지난 30여 년간 미국과
글로벌 시장을 중심으로 robust equity portfolio의 성과를 보여주는 것이었고 이를 위해
기본 개념부터 자세히 설명을 진행하였다. Robust approach는 기존 모델에 사용하는 parameter가 가진 uncertainty를 반영한 통계 분포를
넣는 것이다. 여기에 사용되는 것은 robust statistics나
shrinkage estimators이다. 결과를 살펴보면
전통적 mean-variance 모델에 robust approach를
반영한 모델이 전반적으로 높은 성과를 냄을 알 수 있었다. 현실에서 내는 성과를 볼 수 있는 시간이어서
굉장히 흥미로웠다.