하워드 막스의 메모: Nobody Knows (Yet Again) Nobody Knows (Yet Again) (oaktreecapital.com) 2008년 9월 15일 월요일, 뉴욕증권거래소 장 마감 직후 리먼 브라더스는 파산 신청으로 전 세계를 놀라게 했다. 이는 베어스턴스와 메릴린치의 구제 및 파산 직후였으며, 이후 와코비아, 워싱턴 뮤추얼, AIG에서도 비슷한 상황이 연이어 벌어졌다. 시장 참여자들은 곧바로 미국 금융 부문이 붕괴 직전에 있다는 결론에 도달했다. 며칠 전까지만 해도 명확하지 않았던 사실이 이제는 명백해졌다. 금융기관들이 마치 도미노처럼 무너질 가능성이 생긴 이유는 (a) 금융 규제 완화, (b) 부동산 거품의 광기, (c) 무분별한 주택담보대출, (d) 주택담보대출을 수천 개의 등급이 부풀려진 구조화 증권으로 만든 일, (e) 높은 레버리지의 은행들이 이 증권들에 투자한 일, (f) 은행 간의 긴밀한 상호 연결성에서 비롯된 ‘상대방 리스크(counterparty risk)’ 등이 결합되었기 때문이다. 이런 두려움으로 인해 시장은 마치 끝없이 이어질 것 같은 하락 나선에 빠져들었다. 나는 당시의 상황과 전망에 대해 코멘트를 해야겠다고 생각했고, 그 결과 나흘 뒤 『아무도 모른다(Nobody Knows)』라는 제목의 메모를 발표했다. 나는 평소와 마찬가지로 미래에 대해 무지하다는 점을 인정했으나, 이전의 모든 예상이 이미 뒤집혀 있었던 만큼 그 불확실성은 더욱 커진 상태였다. 나를 포함한 그 누구도 이러한 하락 나선을 멈출 수 있을지 확신하지 못했다. 그럼에도 불구하고, 나는 우리가 이를 멈출 수 있다고 가정하고, 매우 할인된 가격의 금융자산에 적극적으로 투자해야 한다고 결론 내렸다. 어느 누구도 확실히 안다고 말할 수 있는 것은 없었고, 나 역시 마찬가지였다. 내가 할 수 있는 일이라곤 아래와 같은 논리적 결론들을 도출하는 것이 전부였다. 우리는 세상의 종말을 확신 있게 예측할 수 없다. 설령 세상이 끝난다는 것을 알게 된다 하더라도, 우리가 무엇을 해야 할지는 알 수 없다. 세상의 종말에 대비해 하게 될 행동들은, 만약 종말이 오지 않을 경우 오히려 파멸적일 것이다. 그리고 대부분의 경우, 세상은 끝나지 않는다. 분명히 나는 이러한 결론들을 미래에 대한 확신에서 내린 것이 아니었다. 하지만 나는 이미 준비되어 있었던 100억 달러의 자금(Opportunities Fund VIIb)에 투자하는 것 이외에 다른 논리적인 선택지를 찾지 못했다. 우리는 원래 부실채권에 대한 뛰어난 투자 기회를 잡기 위해 이 펀드를 조성한 것이었다. 그렇게 기다리던 기회가 실제로 도래했을 때, 어떻게 이를 실행하지 않을 수 있었겠는가? 특히 가장 우량한 채권들이 역사상 전례 없는 헐값에 거래되고 있었고, 엄청난 수익률이 제공되고 있었는데 말이다. 물론 우리는 그 시점에서도 미래가 어떤 모습을 하고 있을지 전혀 알지 못했다. 나는 미래를 분석했다고 주장할 수 없다. 사실 나는 “미래를 분석한다”는 표현 자체가 대표적인 모순어법(oxymoron) 중 하나라고 생각한다. 미래는 아직 만들어지지 않았고, 수백만 개의 복잡하고, 수치화할 수 없으며, 알 수 없는 요소들에 의해 끊임없이 변하기 마련이다. 우리는 미래에 대해 숙고하고 추측할 수는 있지만, ‘분석할’ 대상은 없다. 특히 글로벌 금융 위기 초기에는 분석할 것이 전혀 없었다. 2020년 3월, 나는 코로나19 팬데믹이 시작되던 시기에 『아무도 모른다 II (Nobody Knows II)』라는 제목으로 2008년 메모의 제목을 다시 사용했다. 그 메모에서 나는 하버드의 역학자 마크 립시치(Marc Lipsitch)의 말을 인용했는데, 그는 우리가 일반적으로 (a) 사실, (b) 유사한 경험으로부터의 정보 기반 추론, (c) 의견이나 추측에 근거해 의사결정을 내린다고 말했다. 하지만 코로나 팬데믹에 대해서는 적용 가능한 사실도 없었고 유사한 경험도 없었기 때문에, 우리에게 남은 건 오직 추측뿐이었다. 나는 2008년과 내가 투자했던 다른 위기들, 그리고 지금 이 순간에 대해서도 분명히 말하고 싶다. 나는 자신감에 차서 결론을 내리거나, 두려움 없이 행동하지 않는다. 투자라는 세계에서는 확신이 들어설 자리는 전혀 없으며, 특히 전환점이나 혼란의 시기에는 더더욱 그렇다. 나는 내 결론이 옳다고 확신하지 않지만, 만약 논리적으로 가장 타당한 방향을 도출할 수 있다면, 나는 그 방향으로 움직여야 한다고 느낀다. The Uncertain Outlook 2024년 2월 고객들에게만 보낸 메모 2024 in Review에서 나는 트럼프 행정부를 설명하는 단어로 “불확실성”을 들었다. 트럼프 대통령의 사고방식은 대부분의 대통령보다 예측이 어려워 보이는데, 이는 그의 사고가 일관된 이념에 따르지 않으며 매우 전술적으로 적용되거나 수정되기 때문이다. 그러나 트럼프는 최소한 1987년부터 미국이 세계 무역에서 취급받는 방식에 대해 불만을 표해왔고, 관세를 지지해 왔다는 점은 언급해둘 만하다. 그렇다고 해도, 그리고 우리가 그가 관세를 인상할 것이라는 사실을 알고 있었다 해도, 그 인상의 규모까지 예측한 사람은 없었다. 시장 역시 전혀 예상하지 못했다는 것이 명백했다. 지난주 벌어진 일들은 2008년의 사건들과 그로 인해 발생한 글로벌 금융 위기를 떠올리게 한다. 모든 규범이 무너졌다. 지난 80년간 세계 무역이 작동해온 방식은 이제 미래와 거의 관련이 없을지도 모른다. 경제와 전 세계에 미치는 영향은 전적으로 예측 불가능하다. 우리는 거대한 규모의 결정을 다시금 마주하고 있으며, 그 결정들을 뒷받침할 사실이나 과거의 경험은 없다. 정말로 아무도 알 수 없고, 이 메모의 많은 부분은 우리가 확실히 알 수 없는 것들에 관한 것이다. 그럼에도 불구하고, 이 글이 여러분이 사안을 정리하고 평가하는 데 도움이 되기를 바란다. 나는 이 주제에 대해 전문가란 없다고 단언하고 싶다. 경제학자들은 분석 도구와 이론을 가지고 있지만, 이번 경우처럼 우리가 자신 있게 따를 수 있는 결론을 제시할 경제학자나 도구는 없다. 현대 시대에 대규모 무역 전쟁은 없었기에, 이론들은 검증되지 않았다. 투자자, 사업가, 학계, 정부 지도자들 모두 조언을 하겠지만, 그 누구도 평균적인 똑똑한 관찰자보다 더 맞출 확률이 높다고 보긴 어렵다. 모두가 동의할 수 있는 것은 뻔한 것들뿐이다, 예컨대 물가 상승 가능성 같은 것. 덜 명확한 진실은 파악하기 훨씬 더 어렵다. 내가 강조하고 싶은 점은, 미래를 예측으로 다루는 사람일지라도 예측만으로는 충분하지 않다는 것이다. 예측에 더해, 자신의 예측이 얼마나 맞을 확률이 있는지에 대한 감각도 갖춰야 한다. 왜냐하면 모든 예측이 똑같은 무게를 가지는 것은 아니기 때문이다. 이번처럼 특수한 상황에서는 예측이 맞을 가능성이 평소보다 훨씬 낮다는 사실을 받아들여야 한다. 왜 그런가? 우선, 이번 사안에 관련된 전례 없는 수많은 불확실한 요소들 때문이다. 이번 사안은 우리 생애에서 가장 큰 경제적 사건이 될 수도 있다. 여기에는 선견지명 같은 것은 존재하지 않는다. 오직 복잡성과 불확실성만이 있을 뿐이며, 우리는 그것이 사실임을 받아들여야 한다. 이는 곧 우리가 확신이나 자신감을 전제로 행동하려 한다면 아무것도 하지 못하게 된다는 뜻이다. 혹은, 감히 말하건대, 만약 우리가 확신이나 자신감을 가지고 결정을 내렸다고 생각한다면, 아마 그 결론은 틀렸을 가능성이 크다. 우리는 그런 것들이 없는 상태에서 결정을 내려야 한다. 하지만 “행동하지 않기로 결정하는 것” 역시 하나의 행동이라는 점도 기억해야 한다. 포트폴리오를 그대로 유지하는 결정은, 변경하기로 하는 결정만큼이나 비판적으로 검토되어야 한다. 겁에 질린 투자자들이 피난처로 삼는 흔한 문구들 — “떨어지는 칼날은 잡지 않는다”라든가 “먼지가 가라앉고 불확실성이 해소될 때까지 기다리자” — 이런 말들이 우리 행동을 결정짓는 기준이 되어서는 안 된다. 나는 시장 분석가 월터 디머(Walter Deemer)의 책 제목을 좋아한다. “매수할 시기가 오면, 당신은 원하지 않을 것이다.” 가격을 가장 많이 떨어뜨리는 부정적 사건들은 무섭고, 매수를 망설이게 만든다. 그러나 나쁜 뉴스가 쏟아지는 바로 그 시점이야말로 종종 나서야 할 가장 좋은 타이밍이기도 하다. 마지막으로, 트럼프의 전술적 접근을 고려할 때, 모든 것이 바뀔 수 있다는 점을 반드시 염두에 두어야 한다. 그가 양보를 이끌어낸 뒤 스스로 승리를 선언해도, 혹은 상대국의 보복에 대해 더 강하게 맞대응해도, 전혀 놀라운 일이 아니다. 그래서 나는 금요일 와튼 스쿨 컨퍼런스에서 이렇게 말했다. “향후 3개월 뒤 특정 관세율이 얼마가 될지 안다고 생각하는 사람이 있다면, 그 사람이 무슨 숫자를 말하든 틀렸다고 나는 ...

하워드 막스의 메모: Gimme Credit Gimme Credit (oaktreecapital.com) (아직 검토안함) 고객들에게 받는 질문들을 통해, 저는 실시간으로 그들이 무엇에 관심을 두고 있는지 파악할 수 있습니다. 지난 10년 동안 시점마다 가장 빈번했던 질문은 “연준(Fed)은 금리를 언제 인상/인하할까요?”였습니다. 위기 상황에서는 보통 “지금 (야구 경기로 치면) 몇 회쯤 되었나요?”라는 식이죠. 1~2년 전부터는 “프라이빗 크레딧(private credit)에 대해 이야기할 수 있을까요?”라는 질문이 계속되어 왔고, 최근 몇 달간은 “스프레드(spreads)에 대해 어떻게 생각하세요?”가 자주 들립니다. 2022년에 금리가 바닥을 찍고 다시 오르기 시작한 이후, 크레딧(채권성 투자 자산)에 대한 관심이 높아져 왔습니다. 그래서 이번 메모는 이 주제에 집중해 보려 합니다. 제 글로서는 드물게 “자신이 하는 투자 이야기를 직접 하는 것(talking my book)”에 가까워질 수도 있겠지만, 그만큼 중요한 주제라고 생각합니다. 제가 예로 자주 들게 될 대상은 제가 경험이 가장 많은 하이일드 채권입니다. 데이터가 풍부하고, 고정 쿠폰(고정 이자율)을 가지다 보니 설명을 직관적으로 할 수 있기 때문입니다. 다만 제가 언급할 핵심 포인트들은 전반적인 크레딧 시장 전부에 적용됩니다. 서론을 마무리하기 전에, 한 가지 분명히 해두고 싶습니다. 누가 “프라이빗 크레딧에 대해 이야기해볼 수 있을까요?”라고 물으면, 저는 항상 “그전에 일단 크레딧 자체부터 이야기해봅시다”라고 답합니다. 공모 시장(public credit)의 채권은 대충 건너뛰면서, 단순히 사모 시장(private credit) 쪽으로 바로 가야 할 이유는 없다고 보기 때문입니다. 따라서 이번 글에서는 두 영역을 모두 다뤄볼 생각입니다. 작년은 크레딧 투자자들에게 대단한 한 해였습니다. 예컨대 ICE BofA 미국 하이일드 채권 지수(ICE BofA US High Yield Bond Index)가 8.2%의 수익률을 기록했지요. 그에 앞선 2023년에는 지수가 13.5%로 더 좋은 성과를 거두기도 했습니다. 이렇게 양호한 성과가 나온 배경은 무엇이며, 이는 크레딧 시장 전반에 어떤 의미를 남겼을까요? Background 많은 분이 아시다시피, 2009년부터 2021년까지 이어졌던 저금리 시대에는 크레딧 상품의 약정 수익률(쿠폰금리)이 상당히 빈약했습니다. 연준(Fed)이 금리인상 정책을 본격화하기 직전인 2022년 초만 해도, 하이일드 채권은 대체로 4%대 수익률을 보였고, 심지어 3%대로 발행되는 경우도 있었으며, 어느 채권은 2%대에 발행되기도 했습니다! 저는 당시 오크트리가 처한 과제를 “저수익률의 세계에서 투자하기”라고 표현했습니다. 극도로 낮은 채권 수익률은 대부분의 기관투자자에게 매력적이지 않았고, 이 때문에 많은 투자자가 채권 투자에서 발을 빼는 모습을 보였습니다. 다만 사모 크레딧(private credit) 시장에서 6% 정도의 이자율을 레버리지로 9% 수준까지 끌어올리는 방식에는 그래도 꽤 관심이 있었습니다. 2022년 들어, 연준의 금리인상이 불황을 초래할 것을 우려한 투자자들은 하이일드 채권 가격이 크게 떨어지도록 만들었습니다. 이는 금리 스프레드(spread)가 4% 이상까지 높아지는 결과를 낳았고, 그 결과 전체 수익률은 약 9.5% 수준까지 올랐습니다. 저는 당시에 이런 “약속된 수익률(promised returns)”이 (a) 절대적 관점에서 충분히 높은 편이고, (b) 채권이라는 계약성 자산이므로 상대적으로 안전하며, (c) 대부분 기관투자자의 목표 수익률을 훌쩍 웃돈다고 주장했습니다. 이러한 이유들로, 저는 투자 포트폴리오에서 크레딧의 비중을 높여야 한다고 제안했었습니다. 단순히 한 자릿수 후반대(High single digit)의 수익률만으로도 투자자들에게는 꽤 괜찮은 이익이 되었을 것입니다. 그런데 투자자들은 크레딧 시장이 매력적이라 판단했고, 나아가 고금리를 가진 채권은 향후 금리가 인하되면 더 높은 가치를 인정받으리라고 기대했습니다. 시간이 지나면서 투자자들은 경기침체 가능성에 대한 걱정도 덜하게 되었고, 그로 인해 크레딧 스프레드를 통해 위험보호를 크게 확보하려는 요구도 줄어들었습니다. 수요 증가, 금리 하락, 그리고 높은 스프레드를 요구하지 않는 분위기가 합쳐지면 채권 가격이 오르기 좋은 완벽한 조건이 만들어지고, 실제로 그렇게 진행되었습니다. 덕분에 최종적으로 채권들이 약속했던 수익률 이상의 총수익을 달성하게 되었고, 그 결과 하이일드 채권 시장은 2023~24년 2년간 연평균 10.8%라는 성과를 기록했습니다. 물론 가격이 오르면 그만큼 미래 기대수익률(prospective return)은 낮아집니다. 위에서 언급한 변화들로 인해, 현재 하이일드 채권의 평균 만기수익률은 9.5%에서 7%대 초반으로 내려왔습니다. 두려움과 위험회피 성향이 올라가면 자산 가격이 낮아져 미래 기대수익률이 높아지는 것처럼, 반대로 낙관주의와 위험선호가 강해지면 미래 기대수익률이 떨어지게 되는데, 이는 스프레드가 줄어들기 때문이기도 합니다. (수익률이 낮아진 것은 또한 기준금리 자체가 100bp 인하된 영향이 있기도 합니다.) What Is a Yield Spread? 어째서 누군가는 안정적인 차입자에게 빌려줄 수 있음에도 굳이 위험한 차입자에게 돈을 빌려주려 할까요? 답은 간단합니다. 위험도가 높은 차입자는 자금을 조달하기 위해 더 높은 이자율을 지불하기 때문입니다. 즉, 위험 차입자에게 요구할 이자율이 충분히 높아서, 예상되는 신용손실까지 감안하고도 안전한 채권보다 더 높은 수익을 낼 수 있다면, 그 위험을 감수할 만한 가치가 생기는 것이죠. 1970년대 말 마이클 밀켄(Michael Milken)이 하이일드 채권을 대중화했을 때 사용된 이론이 바로 이것이며, 제 커리어 또한 이 개념을 토대로 발전해 왔습니다. 위험 채권의 약속된 수익률과 더 안전한 비교 대상 채권의 수익률 간 차이를 “수익률 스프레드(yield spread)” 혹은 “크레딧 스프레드(credit spread),” 간단히 “스프레드(spread)”라고 부릅니다. 이를 “위험 프리미엄(risk premium)”이라 지칭하기도 하는데, 말 그대로 추가적인 디폴트 위험을 감수한 대가로 제시되는 추가 수익을 의미합니다. 그래서 스프레드는 일종의 보험료(insurance premium)에 해당합니다. 예를 들어, 자동차 보험 가입자가 보험사에 돈을 내고 차량 사고 위험을 전가하는 것과 유사한 개념이라는 것이죠. 수익률 스프레드는 기본적으로 기업 디폴트 추이와, 이에 대한 투자자 심리 변화에 따라 움직입니다. 예를 들어 디폴트 사례가 늘어나고 투자자들이 앞으로도 디폴트가 계속 많을 것이라고 예상하면, 더 넓은 스프레드 형태로 많은 위험보호를 요구하게 됩니다. 반대로 기업들의 신용도가 높아질 거라고 낙관할 때는, 그만큼 스프레드 요구치가 낮아집니다. 따라서 스프레드는 투자심리의 바로미터 또는 일종의 “공포 지표(fear gauge)”라고도 볼 수 있습니다. 여기서 자주 간과되는 점이 있는데, 스프레드는 실제 디폴트율(default rate) 자체를 말해주는 것이 아니라는 사실입니다. 스프레드는 투자자들이 디폴트율이 어떻게 될 것이라 예상하는지를 보여주는 수치입니다. 결국 신중한 투자자는 시장이 표현하는 견해(=현재 스프레드)를 바탕으로, 현실에서 실제 디폴트율이 어떻게 전개될지를 따져보고, 투자자들이 과하게 낙관적인지 혹은 과하게 비관적인지 판단해야 합니다. Are Today’s Yield Spreads Adequate? 지금 당장 누구나 궁금해하는 질문이 바로 이것일 겁니다. 예를 들어, 하이일드 채권이 8% 수익률을 제공하고, 동일 만기의 미국 국채 수익률이 5%라면, 그 스프레드(spread)는 3%(300bp)가 됩니다. 그렇다면 어느 쪽이 더 나은 선택일까요? 결국 디폴트(default)가 발생할 가능성에 달려 있습니다. 만약 하이일드 채권의 연간 디폴트율이 4%고, 디폴트가 일어났을 때 투자금의 75%를 날린다고 합시다. 그렇다면 예상 연간 신용손실(credit loss)은 3%(4%×75%)가 됩니다. 이 추정이 정확하다면, 두 투자안은 사실상 같다고 볼 수 있죠. ...

하워드막스의 메모: Getting Lucky 2014-01-16-getting-lucky.pdf (oaktreecapital.com) 어떤 메모는 특정 사건이나 단 하나의 읽을거리에서 영감을 받기도 합니다. 그리고 종종 – 제가 24년 전 첫 메모를 쓸 당시처럼 – 두 가지 관찰 내용이 맞물려 생길 때도 있습니다. 이번 메모가 그런 경우입니다. 첫 번째 관찰은 여기서 다루고, 두 번째는 7페이지에서 언급하겠습니다. 제 아내 낸시가 말하듯 제 메모들이 “항상 똑같다”고 느껴지지는 않을 것입니다. 왜냐하면 이번 메모의 주제는 제가 거의 다룬 적이 없었던 내용이기 때문입니다. 운(Luck)의 역할 이번 메모의 첫 번째 영감은 11월 초, 사우디아라비아 리야드의 호텔 방에서 Four Seasons Magazine을 우연히 집어 들었을 때 찾은 “운에 대한 옹호(In Defence of Luck)”라는 에드 스미스(Ed Smith) 글에서 비롯되었습니다. 그 잡지는 제가 들고 다니는 가방 속에 계속 들어 있었죠. 스미스는 첫 두 단락에서 해체해볼 가치가 있는 한 가지 논제를 제시합니다. "성공은 결코 우연이 아니다(‘Success is never accidental’)”라고 최근 트위터 창업자 잭 도시(Jack Dorsey)가 트윗했다. 우연이 아니라면, 그것은 계획의 결과라는 말이 될 것이다. 운이 아니라 전략이고, 무작위성이 아닌 완벽한 논리라는 의미다. 이는 듣는 이로 하여금 상당히 솔깃하게 만드는 요약이다. 만약 세상에 우연이 존재하지 않는다면, 승자들은 더욱 찬란한 빛을 발하게 된다. 또한 “운이란 없다”는 주장은 인간이 갖는 근본적 욕구—자신 앞길의 모든 것을 이해하고, 궁극적으로 통제하고자 하는—를 충족시킨다. 그래서 “운은 스스로 만드는 것이다(You make your own luck)”라는 말이 유행처럼 번지는 것이다. 이 두 단락만으로도 제 생각이 무척 활발해졌습니다. 저 역시 스미스처럼, 성공에는 많은 요소가 작용한다고 믿습니다. 어떤 것은 내가 만들어낸 것이지만, 또 상당 부분은 내가 통제할 수 없는 것들이죠. 분명 부단한 노력, 치밀한 계획, 끈기는 연속적 성공에 필수적입니다. 트위터 창업자 잭 도시가 말한 그런 요소들이죠. 그러나 설령 우리 중 가장 열심히 일하고 최고의 판단을 내리는 사람들일지라도, 운이 따르지 않으면 꾸준히 성공하기 어렵습니다. 그렇다면 ‘운’을 구성하는 것들은 무엇일까요? 태어날 때 물려받은 것들(출생 환경, 유전적 요인)부터 우연한 만남, 운 좋게 내린 선택, 그리고 예측 불가능하지만 결과적으로 결정적 영향을 미치는 사건들이 모두 운에 해당된다고 할 수 있습니다. 스미스는 운의 존재와 중요성을 말하면서 말콤 글래드웰(Malcolm Gladwell)의 인기 있는 책 『아웃라이어(Outliers)』를 언급합니다. 운을 부정하는 것은 어느 때보다도 유행입니다. 말콤 글래드웰이 대중화한 ‘성공은 1만 시간의 연습을 통해 이루어진다’는 이론은 과학적 근거가 빈약함에도 불구하고 이미 하나의 신화처럼 굳어졌습니다. 『아웃라이어』는 성공한 사람들에 관한 사례로 유명하고, 특히 “1만 시간의 법칙”이 가장 널리 알려져 있습니다. 하지만 그것만이 글래드웰의 메시지 전부는 아닙니다. 그가 주장한 중요한 부분 중 하나는 “1만 시간” 뒤에 오는 ‘인구통계학적 운(demographic luck)’이라는 개념입니다. 이는 단순히 노력이나 연습만으로는 설명되지 않는, 성공의 다른 면모를 보여주는 내용입니다. 인구통계학적 운(Demographic Luck) 글래드웰이 말하는 이 핵심 요소는, 일상 용어로는 “정말 적절한 시기에, 적절한 장소에서 태어나는 것”이라 부를 수 있습니다. 글래드웰의 예시는 무척 설득력이 있습니다. 캐나다에서는 아이스하키 팀을 구성할 때, 같은 해에 태어난 아이들을 기준으로 선발합니다. 그런데 1월생은 12월생보다 생일이 11개월이나 빠른 셈이어서, 신체가 더 크고 힘이 좋고 협응력도 뛰어나게 마련이죠. 그러면 더 좋은 팀에 뽑히고, 더 나은 코칭을 받고, 훨씬 많은 시간을 훈련하게 됩니다. 그 결과 1만 시간의 연습 기회를 얻고 실력과 재능을 제대로 보여줄 가능성이 더 커집니다. 제가 대학에 다니던 1960년대 중반에는 컴퓨터 작업을 모두 펀치카드로 입력했고, 그 결과를 다음 날 아침에야 받아볼 수 있었습니다. 그런데 빌 게이츠가 고등학교를 다니던 시절에는, 그 학교가 메인프레임 컴퓨터와 직접 연결된 타임셰어 단말기를 갖추고 있었습니다. 하루에도 수백 번씩 즉시 실험과 피드백을 반복하며 역량과 아이디어를 키울 수 있었던 것이죠. 게다가 게이츠가 살던 집에서 워싱턴대학까지는 버스로 쉽게 갈 수 있었고, 그의 가족 인맥 덕분에 그 대학의 컴퓨터 실습실을 쓸 수 있었습니다. 조 플롬(Joe Flom)과 그의 유대계 동료들이 1930년대에 로스쿨을 졸업했을 당시, 월가(Wall Street)의 명망 높은 로펌들은 그들을 채용해주지 않았습니다. 그래서 스캐든 압스(Scadden, Arps, Slate, Meagher & Flom)라는 로펌을 직접 차렸지만, 대형 로펌들이 “체면이 손상된다”며 거절하는 업무만 맡게 되었죠. 그런데 1970~80년대가 되자 적대적 M&A(기업 인수·합병)와 경영권 분쟁이 급증하면서, 이들이 쌓아온 업무 전문성이 빛을 발했습니다. 그 덕분에 조 플롬은 업계 선두 주자가 되었고, 막대한 수임료를 벌어들였습니다. 우연처럼 보일 수도 있지만, 마이크로소프트 공동창업자 빌 게이츠(1955년생)와 폴 앨런(1953년생), 썬 마이크로시스템즈 창업자 빌 조이와 스콧 맥닐리(둘 다 1954년생), 스티브 잡스와 에릭 슈밋(둘 다 1955년생), 스티브 발머(1956년생) 등은 모두 1950년대 초중반에 태어났습니다. 만약 10년만 더 일찍 태어났다면, 고등학교·대학 시절에 타임셰어 단말기를 쓸 수 없었을 겁니다. 반대로 10년만 더 늦게 태어났다면, 이들이 누렸던 “새로운 기회”를 먼저 잡은 선배가 이미 시장을 선점했을 것입니다. 마찬가지로, M&A 전문으로 이름을 날렸던 사람들도 모두 이 시기를 정확히 타고났습니다. 조 플롬은 1923년생이었고, 왁텔 립튼 로젠 앤 캣츠(Wachtell, Lipton, Rosen & Katz) 로펌의 4명 창립 파트너는 모두 1930~31년에 태어났습니다. 최근 휴가 기간에는 대중음악계의 전설 같은 세 분을 만날 수 있었습니다. 프로듀서 데이비드 게펀, 연예계 전문 변호사 앨런 그럽먼, 그리고 ‘더 밴드(The Band)’의 리더였던 로비 로버트슨이었죠. 흥미로운 건 이 셋 모두 1943년생이라는 겁니다. 저는 3년 뒤인 1946년에 태어났는데, 1956년에 부모님이 여름 캠프에 저를 데리러 왔을 때 “엘비스 프레슬리라는 신인 가수가 대단하고, 락앤롤이라는 새로운 장르가 나왔다”라고 말하던 것을 생생하게 기억합니다. 이 세 분은 운 좋게도 갓 떠오른 락앤롤 시대에 이바지할 완벽한 시기에 태어났고, 업계를 개척할 수 있었습니다. 만약 수십 년만 늦게 태어났다면, 음반 산업이 음원 다운로드와 불법 파일 공유로 이익을 잃어가는 상황을 피하지 못했겠죠. 결국 결론은 단순합니다. 새로운 트렌드, 혹은 전례 없는 분야에서 선두에 선다는 것은 엄청난 이점을 줍니다. 재능과 노력은 물론 중요합니다만, 시장을 일찍 선점하고 이후 인구 통계학적 변화와 대중의 취향 변화에 맞춰 뒤에서 크게 밀어주는 흐름까지 탄다면 성공에 훨씬 유리해집니다. 워렌 버핏(1930년생)이 말한 인구통계학적 운의 정점을 소개하고 싶습니다: 나는 운이 너무 좋았습니다. 내가 1930년에 미국에서 태어날 확률은 50분의 1도 되지 않았어요. 그 순간 복권에 당첨된 것이지요. 방글라데시가 아니라 미국에서 태어났기 때문에 인생이 완전히 달라졌습니다. 뱃속에 똑같이 영리하고 에너지가 넘치는 쌍둥이가 있다고 상상해 봅시다. 지니(Genie)가 그들에게 이렇게 말합니다. "너희 중 한 명은 미국에서 태어날 것이고, 다른 한 명은 방글라데시에서 태어날 것이다. 방글라데시에서 태어나면 세금은 내지 않을 거다. 미국에서 태어나는 권리를 사기 위해 네 소득의 몇 퍼센트까지 낼 생각이 있느냐? " 이는 개인의 천부적인 자질뿐 아니라, 어느 사회에 속하느냐에 따라 운명이 달라진다는 점을 보여줍니다. ‘난 전부 내 힘으로 해냈어’라고 말하며 자신의 성공을 호레이쇼 앨저 이야기쯤으로 여기는 사람들 말이죠. 하지만 그 사람들도 ‘방글라데시 대신 미국에서 태어나게 해달라’며 기꺼이 지불할 금액이 클 겁니다. 이것이 바로 태생적 복권(Ovarian Lottery)입니다. (앨리스 슈로더(Alice Schroeder)가 쓴 『스노볼(The Snowball)』에서) 버핏은 본인이 이뤄낸 성과가 전적으로 자신의 공로라고 여기지 않습니다. 예를 들어 그가 미국이 아닌 방글라데시에서 태어났다면? 혹은 여성이었으며, 1930년에 태어난 여성이 누릴 기회가 훨씬 적었다면? 또는 1830년에 태어나서 헤지펀드 산업 자체가 존재하지도 않았으면? 아니면 2014년에 태어나 수많은 경쟁자가 이미 한발 앞서 나간 세상에서 자라야 했다면? 혹은 다른 부모에게서 태어나 벤저민 그레이엄(Columbia) 밑에서 배우지 못했다면? 혹은 찰리 멍거와의 파트너십이 없었다면? 다른 누군가와 운의 도움을 인정하고, 운이 했던 기여를 받아들이는 사람들을 보면 저는 크게 감명받습니다. 스미스의 글에서 인용된 다음 구절도 전적으로 공감할 만합니다: 메리토크라시(meritocracy)라는 용어를 처음 만든 사회학자 마이클 영(Michael Young)은 성공이 일어났다면 반드시 그럴 만한 이유가 있었을 것이라고 여기는 태도의 위험성을 이렇게 지적했다. ‘만약 승자들이 자기 성취를 ‘당연한 대가’로 인식한다면…그들은 때때로 견디기 힘들 정도로 자기만족에 빠지게 된다. “정말 전부 내 힘으로 했나?”라는 질문 버핏이 “전부 내 힘으로 했다(I did it all myself)”라고 말하는 사람들을 언급하는 대목은, 2012년 오바마 대통령 재선 캠페인 때 한 연설을 떠올리게 합니다. 오바마 대통령의 해당 발언은 꽤나 논란이 되었습니다. 만약 당신이 사업을 하면서 성공했다면, 당신 혼자만의 힘으로 이룬 것은 아닙니다. 누군가가 이루게 했습니다(Somebody else made that happen). 이 발언 자체만 떼어 놓고 보면, 개인의 성공을 전면 부정하거나, 오로지 단체 성취만이 존재한다고 말하는 것처럼 들립니다. 개인의 노력과 투지를 무시하는 듯하고, 어떤 면에서는 전형적인 ‘미국적 성공관’에 반하는 것 같기도 합니다. 사실 한 문장 한 문장만 딱 떼어 놓고 모든 발언이 늘 완벽하게 들릴 순 없습니다. 오바마 대통령의 발언 전체 맥락을 보면 좀 다른 뜻이 보입니다: 만약 당신이 성공했다면, 어딘가에서 누군가가 당신을 도와줬습니다. 평생 잊지 못할 좋은 선생님이 있었을 수도 있지요. 누군가가 우리가 지금 누리는 멋진 미국 시스템을 만들어 놓았고, 그 시스템 안에서 당신이 성공할 수 있었습니다. 누군가는 도로와 교량에 투자하기도 했습니다. 만약 당신이 사업에 성공했다면, 그건 결코 당신 혼자만의 힘으로 이룬 것이 아닙니다. 누군가가 이루게 했습니다(Somebody else made that happen). 분명 오바마는 마지막 두 문장에서 몇 마디 핵심 단어를 빠뜨렸는데, 아마도 연설을 듣는 청중이 그 이전 맥락에서 이미 함축된 의미를 이어받을 거라고 생각했기 때문이었을 겁니다. 만약 (아래 이탤릭체로 표시한) 네 단어만 더했더라면 그의 메시지는 훨씬 온건하게 들렸을 것입니다. 즉, f you’ve got a business – you didn’t build that alone. Somebody else provided assistance that made that happen(누군가가 도와주었습니다). 달리 말하면, 우리는 누군가의 도움을 받을 정도로 운이 좋았다는 뜻입니다. 사실 우리 모두 그렇지 않았나요? 나 스스로만으로 이뤄낸 것인가? 사람들은 제게 “총명하다, 통찰력이 있다, 부지런하다”라고 생각할 수도 있겠죠. 저도 그런 평가가 반갑습니다. 하지만 제가 『아웃라이어』를 읽고 난 뒤, ‘운이 내 성공에 기여한 바’를 제 자녀들에게 일일이 적어줬던 적이 있습니다. 그것을 통해 ‘인구통계학적 운’이 실제 제 삶에 어떻게 적용되었는지를 공유해보고자 했습니다. 무엇보다도 미국, 그리고 제2차 세계대전 직후에 태어났다는 것이 가장 큰 이점이었습니다. 전쟁에서 돌아온 군인들과 전쟁 기간 억눌렸던 소비 수요의 폭발, 그리고 엄청나게 불어난 인구가 맞물려 베이비붐 세대가 생겼고, 이어 경제성장이 빠르게 진행되었습니다. 저는 전후 태어난 이 세대 중 선두에 있었습니다. 저는 미국 중산층 부모에게 태어났습니다. 이들은 가족 중 처음으로 미국에서 태어난 1세대였고, 저를 교육시켜 제가 집안에서 ...

QUESTIONS 2.1. (a) QEPM에서 사용되는 세 가지 α의 유형은 무엇이며, 이들은 어떻게 다른가? (b) 일반 투자 대중이 흔히 사용하는 또 다른 α의 유형은 무엇이며, QEPM에서는 왜 그다지 중요하지 않은가? 2.2. (a) 어떤 경우에 α^B = α^{CAPM}이 되는가? (b) α^{MF}가 다른 α 유형들과 동일해질 수 있는가? 2.3. (a) 사전 α(ex-ante α)와 사후 α(ex-post α)는 어떻게 구분되는가? (b) 이상적으로, 포트폴리오 매니저는 이 둘 사이에 어떤 관계를 기대하는가? 2.4. (a) 정보 비율(information ratio)을 정의하라. (b) QEPM에서 정보 비율이 중요한 이유는 무엇인가? 2.5. QEPM의 일곱 가지 원칙(tenets)을 나열하시오. 2.6. 순수 차익거래(pure arbitrage)와 통계적 차익거래(statistical arbitrage)의 차이를 설명하시오. 순수 차익거래: 위험이 전혀 없이 수익을 얻는 기회 <- 시장이 전체적으로 비효율을 가정 통계적 차익거래: 일정한 확률 기반으로 초과 수익을 기대하는 전략 <- 시장이 대체로 효율적이지만, 비효율이 존재(충분히 많은 거래에서 평균적으로 이익이 발생하도록 설계) 2.7. 시장 효율성의 세 가지 유형을 나열하시오. 2.8. 약형 시장 효율성(weak-form market efficiency)을 정의하시오. 2.9. 준강형 시장 효율성(semistrong-form market efficiency)을 정의하시오. 2.10. 강형 시장 효율성(strong-form market efficiency)을 정의하시오. 2.11. 각 시장 효율성 유형별로 작동하지 않을 수 있는 정량적 분석 유형의 예를 하나씩 제시하시오. 2.12. 문서화된 이상현상(anomalies) 세 가지를 나열하시오. 이러한 이상현상에 대한 이론적 혹은 행동재무학적 설명이 있다면, 설명하시오. 2.13. 데이터 마이닝 혹은 데이터 스누핑에 가장 영향을 받을 수 있는 이상현상 세 가지를 나열하시오. 그 이유도 설명하시오. 2.14. 모호성 회피(ambiguity aversion)란 무엇인가? 투자 예시를 들어 설명하시오. 2.15. 보유 효과(disposition effect)란 무엇인가? 2.16. 약세장(bear market)에서는 거래량이 감소하는 것으로 알려져 있다. 이 현상을 일반적인 행동 편향(behavioral biases)을 통해 설명해보시오. 보유 편향, 후회 회피 2.17. QEPM 실무자들이 시장이 비효율적이라고 믿는 세 가지 이유를 제시하시오. 2.18. 기본 법칙(Fundamental Law)의 한 가지 특수한 경우는, 정보적 가치를 지닌 독립적인 예측들이 전체 예측의 정확도를 향상시킬 수 있다는 개념과 관련이 있습니다. 당신과 QEPM 부서는 매달 주식 시장을 예측하기로 결정했다고 가정합시다. 선택지는 다음 세 가지입니다: 시장 상승 (market up) 시장 하락 (market down) 시장 보합 (market flat) 모든 참여자의 예측을 수집한 다음, QEPM 부서의 합의 예측(consensus forecast)을 다음과 같이 구성합니다: 집합적 예측은 다수결로 결정됩니다. "상승(long)" 신호가 n/2 초과이면, 전체 예측은 "long"이 됩니다. n/2 미만이면 "short"가 됩니다. 정확히 n/2이면, 동전 던지기로 결정을 내립니다. 또한, 모든 사람의 의견은 서로 독립적이라고 가정합니다. (a) 어떤 조건에서 QEPM 부서의 합의 예측이 개별 예측보다 더 정확할 수 있습니까? 𝑝 > 0.5 ,   𝑛 ↑ p>0.5, n↑ (b) 모든 참여자가 동일한 확률 p로 정답을 맞춘다고 가정합시다. 다음 개별 확률들을 고려해보세요:0.5, 0.53, 0.60, 0.65, 0.70, 0.75 참여자가 총 22명이라고 가정할 때, QEPM 부서의 합의 예측이 옳을 확률은 각각 얼마가 되겠습니까? 𝑋 ∼ 𝐵 𝑖 𝑛 𝑜 𝑚 𝑖 𝑎 𝑙 ( 𝑛 = 22 , 𝑝 ) X∼Binomial(n=22,p) 𝑃 (   𝐺 𝑟 𝑜 𝑢 𝑝   𝑖 𝑠   𝑐 𝑜 𝑟 𝑟 𝑒 𝑐 𝑡   ) = 𝑃 ( 𝑋 ≥ 12 ) P( Group is correct )=P(X≥12) 즉 예) p=0.75일 때, 𝑃 ( 𝑋 ≥ 12 ) = ∑ 𝑘 = 12 22 ( 22 𝑘 ) 𝑝 𝑘 ( 1 − 𝑝 ) 22 − 𝑘 = 0.997 P(X≥12)= k=12 ∑ 22 ​ ( k 22 ​ )p k (1−p) 22−k =0.997 2.19. 기본 법칙(Fundamental Law)은 여러 근사(approximations)를 포함하고 있으며, 그 중 하나는 다음과 같습니다: 𝑅 2 1 − 𝑅 2 = 𝐼 𝑅 2 1−R 2 R 2 ​ =IR 2 (a) R² 값이 각각 10%, 20%, 50%, 80%일 때, 위 근사식에서의 오차를 계산하시오. 예) R²=0.1 -> 0.1/0.9=0.11111 ->Error=0.1111-0.1=0.0111 예) R²=0.2 -> 0.2/0.8= 0.25 -> ...

퀀트 입문 책: Ludwig B. Chincarini & Daehwan Kim - Quamtitative Equity Portfolio Management 2nd Ed: An Active Approach To Portfolo Construction And Management CHAPTER 2: The Fundamentals of QEPM 어떤 사람은 남들보다 먼저 아름다움을 알아보고, 어떤 사람은 아무도 보지 못한 아름다움을 발견하며, 어떤 사람은 아름다움을 전혀 보지 못한다. 2.1 INTRODUCTION 정량적 주식 포트폴리오 매니저는 단순히 분석 절차를 기계적으로 따라서는 안 된다. 정량적 주식 포트폴리오 관리(QEPM)를 올바르게 실행하기 위해서는, 분석이 작동하는 근본 개념들에 대한 깊은 이해가 필수적이다. 정량적 주식 포트폴리오 매니저는 일반적으로 벤치마크나 지수를 초과하는 성과를 목표로 하기 때문에, 우리는 이 장에서 알파(α) 개념부터 시작한다. 알파는 포트폴리오의 위험 조정 수익률이 기준 수단(벤치마크 등)을 초과한 정도를 측정하는 지표이다. 알파에는 여러 가지 변형된 정의가 있지만, 매니저가 어떤 유형의 알파를 추구하든, QEPM의 핵심 원칙 일곱 가지(seven tenets)에 따라 그 전략은 운영되어야 한다. 이 일곱 가지 원칙은 QEPM이 존재할 수 있는 기반이 되는 개념들을 포괄하며, 그중 하나는 금융시장이 완전히 효율적으로 작동하지 않는다는 점이다. 만약 시장이 완벽하게 효율적이라면, QEPM뿐 아니라 모든 형태의 능동적 투자 전략(active management)은 성과를 낼 수 없을 것이다. 우리는 시장 비효율성에 대한 근거들을 살펴볼 것이며, 이는 주로 시장 이상현상(anomalies)에 대한 실증 연구에서 발견된다. 또한, 이러한 이상현상의 가능성 있는 설명들도 함께 고찰할 것이다. 이 일곱 가지 QEPM 원칙은 정량 모델에서 정보를 효율적으로 활용하기 위한 실무 지침도 제공하며, 자주 인용되지만 종종 오해되는 ‘능동적 운용의 기본 법칙(Fundamental Law of Active Management)’**을 소개하고, 이를 통해 성과를 창출하기 위한 이론적 틀과 효율성에 대한 이해를 도울 것이다. 마지막으로, 이 원칙들은 QEPM의 통계 집약적 방법론과 직접적으로 관련된 통계적 이슈들—예: 데이터 마이닝(data mining) 모수 불안정성(parameter instability) 모수 불확실성(parameter uncertainty) 등을 반드시 고려해야 한다고 강조한다. 이 장의 끝에서는 이러한 통계적 문제들에 대해 성찰할 것이다. 2.2 QEPM의 α ‘알파(α)’라는 용어는 능동적 포트폴리오 운용(active portfolio management) 세계에서 끊임없이 회자된다. 능동적 매니저들은 다양한 맥락에서 이 용어를 사용하지만, 정확히 어떤 의미로 사용하는지는 명확하지 않은 경우가 많다. 가장 단순하고 일상적인 의미에서, α는 초과 수익(outperformance)을 뜻한다. 예를 들어 어떤 포트폴리오 매니저가 나는 긍정적인 알파를 내려고 하고 있어. 라고 말한다면, 이는 아마도 어떤 기준(reference instrument)보다 포트폴리오 성과를 더 높이고 싶다는 뜻일 것이다. 일반적으로 α는 포트폴리오 수익률이 기준 수단의 수익률을 초과한 정도, 즉 초과 수익률(excess return)을 의미하지만, 초과 수익률을 정의하는 방식에는 여러 가지가 있다. QEPM에서는 α를 ‘위험 조정 초과 수익률(risk-adjusted excess return)’로 정의한다. 즉, 기준 수단 대비 포트폴리오의 리스크를 고려한 후의 실질적인 성과를 측정하는 것이다. 이 경우, α를 증가시킨다는 것은 단순히 수익률을 높이는 것이 아니라, 기준 수단 대비 리스크 노출을 증가시키지 않으면서 수익률을 향상시키는 것을 의미한다. α는 기준(reference instrument)이 무엇인지에 따라 세 가지 유형으로 나뉜다: 벤치마크 알파 ( 𝛼 𝐵 α B ) 기준이 포트폴리오 매니저의 벤치마크 지수일 때 사용 예: S&P 500 대비 초과 수익 멀티팩터 알파 ( 𝛼 𝑀 𝐹 α MF ) 기준이 여러 팩터로 구성된 벤치마크일 경우 예: Fama-French 3-factor, 5-factor 모델 등 CAPM 알파 ( 𝛼 𝐶 𝐴 𝑃 𝑀 α CAPM ) 기준이 시장 포트폴리오(market portfolio)일 경우 전통적인 자본자산가격결정모형(CAPM)에 기반한 알파 기준 자산(reference instrument)의 수익률이 주어지면, 통계적 기법(statistical techniques)을 사용하여 포트폴리오 수익률을 두 가지 구성 요소로 분해(decompose)할 수 있다: 기준 자산과 관련된 부분 → 보통, 기대 수익률(expected return) 또는 합의 수익률(consensus return)이라고 불린다. 기준 자산으로 설명되지 않는 부분 → 잔차 수익률(residual return) 또는 비설명 수익률(unexplained return)이라 부른다. 이 두 부분을 분리하면, 포트폴리오 성과가 시장 전반이나 벤치마크에 의한 것인지, 혹은 매니저의 능동적 판단에 의한 것인지를 평가할 수 있다. 2.2.1 벤치마크 알파 ( 𝛼 𝐵 α B ;Benchmark α) 포트폴리오의 수익률 𝑟 𝑝 r p ​ 와 벤치마크 수익률 𝑟 𝐵 r B ​ ​ 가 주어졌을 때, 포트폴리오 수익률은 다음과 같은 회귀 방정식으로 추정할 수 있다: 𝑟 𝑝 = 𝛼 + 𝛽 𝑟 𝐵 + 𝜖                   ( 2.1 ) r p ​ =α+βr B ​ +ϵ                 (2.1) 𝛽 𝑟 𝐵 βr B ​ : 기대 수익률(expected return) 또는 합의 수익률(consensus return) → 포트폴리오 수익률 중 벤치마크에 의해 설명되는 부분 𝛼 + 𝜖 α+ϵ: 잔차 수익률, 즉 벤치마크와는 상관없는 초과 수익률을 의미한다. 잔차 수익률이 정량적 포트폴리오 매니저의 목표는 위험 조정 수익률(risk-adjusted return)을 증가시키는 것이기 때문에, 매니저에게 가장 중요한 요소이다. 만약 벤치마크 수익률이 양수일 때, 단순히 포트폴리오의 시장 노출(β)를 증가시키는 것만으로도 수익률을 높일 수 있지만, 이는 매니저의 실력으로 볼 수 없다. 벤치마크 노출 대비 독립적으로 초과 수익을 창출하는 부분이 ‘진짜 성과’로, 결국 잔차수익률이다. 벤치마크 알파( 𝛼 𝐵 α B ​ )는 잔차 수익률의 기대값이고, 두번째 요소인 𝜖 ϵ은 잔차 수익률의 편차(deviation)이다. 식 (2.1)이 성립되기 위해 𝜖 ϵ은 평균적으로 0으로 수렴한다. 즉 벤치마크 알파는 벤치마크 대비 위험 조정 초과수익을 나타내는 중요한 요소이다. 2.2.2 CAPM 알파( 𝛼 𝐶 𝐴 𝑃 𝑀 α CAPM ;CAPM α) 포트폴리오의 수익률 𝑟 𝑝 r p ​ 와 시장 수익률 𝑟 𝑀 r M ​ 이라고 할 때, 포트폴리오 수익률은 다음과 같은 회귀 방정식으로 추정할 수 있다: 𝑟 𝑝 = 𝛼 + 𝛽 𝑟 𝑀 + 𝜖        ( 2.2 ) r p ​ =α+βr M ​ +ϵ      (2.2) 𝛽 𝑟 𝑀 βr M ​ 기대 수익률(expected return) 또는 합의 수익률(consensus return) → 포트폴리오 수익률 중 시장에 의해 설명되는 부분 𝛼 + 𝜖 α+ϵ: 잔차 수익률, 즉 시장과는 상관없는 초과 수익률을 의미한다. 이 공식은 벤치마크 수익률을 기준으로 한 벤치마크 알파( 𝛼 𝐵 α B )와 매우 유사해보이나, 여기서 기준은 특정 벤치마크가 아니라, 시장 전체가 기준이 된다. 일반적으로 시장 수익률은 S&P500과 같은 광범위한 index를 의미하며, 만약 벤치마크가 S&P500이라면, 벤치마크 알파와 CAPM 알파는 동일할 것이다. CAPM(자본자산가격 결정모형; Capital Asset Pricing Model)에 따르면, 이상적인 시장에서는 α 값이 0이어야 한다. 하지만 CAPM α가 유의미하게 양수(+)라면, 포트폴리오 매니저가 실제로 위험 조정 초과 수익(risk-adjusted excess return)을 창출하고 있다는 의미이다. CAPM: 자산의 기대 수익률이 시장 포트폴리오와의 관계(베타 β)에 의해 결정된다고 가정하는 모델 𝐸 ( 𝑟 𝑖 ) = 𝑟 𝑓 + 𝛽 𝑖 ⋅ ( 𝐸 ( 𝑟 𝑀 ) − 𝑟 𝑓 )     𝐸 ( 𝑟 𝑖 ) : 자산  𝑖 의 기대 수익률 𝑟 𝑓 : 무위험이자율 𝛽 𝑖 : 자산  𝑖 의시장 베타 𝐸 ( 𝑟 𝑀 ) : 시장 포트폴리오의 기대 수익률 𝐸 ( 𝑟 𝑀 ) − 𝑟 𝑓 : 시장 리스크 프리미엄 E(r i ​ )=r f ​ +β i ​ ⋅(E(r M ​ )−r f ​ )     E(r i ​ ):자산 i의 기대 수익률 r f ​ :무위험이자율 β i ​ :자산 i의시장 베타 E(r M ​ ):시장 포트폴리오의 기대 수익률 E(r M ​ )−r f ​ :시장 리스크 프리미엄 즉 CAPM에 따르면 초과수익은 존재하지 않고, 시장 전체의 변동성(베타)만이 유일한 리스크 요인이자, 시장 위험에 따라 수익률이 결정된다 2.2.3 멀티팩터 알파( 𝛼 𝑀 α M ;Multifactor α) 포트폴리오의 수익률 𝑟 𝑝 r p ​ 와 일련의 팩터 수익률 𝑓 1 , ⋯   , 𝑓 𝐾 f 1 ​ ,⋯,f K ​ 라고 할 때, 다음과 같은 식을 추정할 수 있다: 𝑟 𝑝 = 𝛼 + 𝛽 1 𝑓 1 + ⋯ + 𝛽 𝐾 𝑓 𝐾 + 𝜖        ( 2.3 ) r p ​ =α+β 1 ​ f 1 ​ +⋯+β K ​ f K ​ +ϵ      (2.3) 𝛽 1 𝑓 1 + ⋯ + 𝛽 𝐾 𝑓 𝐾 : β 1 ​ f 1 ​ +⋯+β K ​ f K ​ :경제 내 존재하는 다양한 리스크 요인들이 포트폴리오 수익률에 미치는 영향을 설명하는; 기대수익률 𝛽 𝑘 𝑓 𝑘 : β k ​ f k ​ : 기대 수익률(expected return) 또는 합의 수익률(consensus return) → 포트폴리오 수익률 중 팩터들에 의해 설명되는 부분 𝛼 + 𝜖 : α+ϵ:: 잔차 수익률, 즉 팩터들과는 상관없는 초과 수익률을 의미한다. 이 버전의 알파는 단일팩터 모델이 아닌 여러가지 팩터가 주식 수익률에 영향을 미친다는 가정을 기반으로 하며, 여러 설명 변수를 고려한 상태에서의 위험 조정 초과 수익률을 측정하는 지표다. 이 모델에 대한 더 깊은 논의는 이후 장에서 다룰 예정이다. 2.2.4 다양한 형태의 알파들 이전 방정식들 (2.1), (2.2), (2.3)에서 정의된 여러 종류의 알파값들은 서로 밀접하게 연관되어 있으며, 특정한 경우에는 동일한 값이 될 수도 있다. 만약 시장 수익률(Market Return)이 유일한 팩터인 경우, 다중팩터 모델의 알파( 𝛼 𝑀 𝐹 α MF )는 CAPM 알파( 𝛼 𝐶 𝐴 𝑃 𝑀 α CAPM )와 동일하다. 벤치마크가 시장 포트폴리오(Market Portfolio)인 경우, 벤치마크 알파( 𝛼 𝐵 α B )는 CAPM 알파( 𝛼 𝐶 𝐴 𝑃 𝑀 α CAPM )와 동일하다. 시장이 유일한 팩터이고, 그 시장이 벤치마크와 동일한 경우, 다중팩터 모델의 알파( 𝛼 𝑀 𝐹 α MF )는 벤치마크 알파( 𝛼 𝐵 α B )와 동일하다. 다른 경우에는 세가지 α 값이 동일하지 않다. 예를 들어, 포트폴이오 매니저가 비효율적인 벤치마크를 사용한다고 가정하자. 만약 이 벤치마크의 α 값이 시장 수익률(market return) 대비 음수(-)라면, 결과적으로, 포트폴리오의 벤치마크 α 값은 시장 α 값보다 더 높게 측정될 것이다. 즉 𝛼 𝐵 > 𝛼 𝐶 𝐴 𝑃 𝑀 α B >α CAPM 가 성립한다. 따라서, 비효율적인 벤치마크를 사용하면 포트폴리오의 성과가 시장 전체와 비교했을 때보다 더 좋아 보일 수 있다. 많은 실무자들과 학자들은 "벤치마크 α 값이 차익거래 가격결정 이론(APT, Arbitrage Pricing Theory)과 일치하는가?"라는 질문을 던질 수 있다. APT: 여러 개의 거시경제적 요인이 자산 가격을 결정한다고 주장 𝐸 ( 𝑟 𝑖 ) = 𝑟 𝑓 + 𝛽 1 𝑓 1 + ⋯ + 𝛽 𝐾 𝑓 𝐾   𝛽 𝑘 : 자산의 팩터  𝑓 𝑘 에 대한 민감도 ( 𝐹 𝑎 𝑐 𝑡 𝑜 𝑟   𝑠 𝑒 𝑛 𝑠 𝑖 𝑡 𝑖 𝑣 𝑖 𝑡 𝑦 ) 𝑓 𝑘 : 다양한 거시경제 요인 E(r i ​ )=r f ​ +β 1 ​ f 1 ​ +⋯+β K ​ f K ​   β k ​ :자산의 팩터 f k ​ 에 대한 민감도(Factor sensitivity) f k ​ :다양한 거시경제 요인 실제로, 답은 '그렇다'이다. APT 이론은 증권 수익률을 결정하는 기초 요인(factors)을 구체적으로 명시하지 않기 때문에 실증하기가 현실적으로 어렵지만, 만약 우리가 주식 수익률의 진정한 요인들을 알고 있다고 가정한다면, 포트폴리오의 수익률은 APT 이론에 따라 다음과 같이 표현될 수 있다: 𝑟 𝑝 = 𝛼 + 𝛽 1 𝑓 1 + ⋯ + 𝛽 𝐾 𝑓 𝐾 + 𝜖        ( 2.4 ) r p ​ =α+β 1 ​ f 1 ​ +⋯+β K ​ f K ​ +ϵ      (2.4) 이제 첫번째 팩터( 𝑓 1 f 1 ​ )를 벤치마크라고 가정하자. 이 경우 𝛼 𝐵 α B 값은 어떻게 될 까? 그리고 이 값이 양수가 될수 있을까? 𝛼 𝐵 α B 란 벤치마크와 무관한 평균 초과수익률의 부분이다. 만약 APT 모델의 모든 다른 요인들이 첫 번째 요인: 벤치마크와 상관관계가 없다면, 𝛼 𝐵 α B 값은 다음과 같이 주어진다: 𝛼 𝐵 = 𝐸 ( 𝛼 + 𝛽 2 𝑓 2 + ⋯ + 𝛽 𝐾 𝑓 𝐾 )        ( 2.5 ) α B =E(α+β 2 ​ f 2 ​ +⋯+β K ​ f K ​ )      (2.5) 즉, 𝛼 𝐵 α B 은 벤치마크 외의 다른 모든 요인의 영향을 포함하며 따라서 양수일 가능성이 높다. 일반적으로, 벤치마크가 다른 모든 요인과 상관관계를 가질수 있다고 가정하면, 𝛼 𝐵 α B 값은 다음과 같이 주어진다: 𝛼 𝐵 = 𝐸 ( 𝛼 + 𝛽 2 𝑓 2 + ⋯ + 𝛽 𝐾 𝑓 𝐾 ) − ( 𝛽 2 𝛾 2 + ⋯ + 𝛽 𝐾 𝛾 𝐾 ) 𝐸 ( 𝑓 1 )   𝛾 𝑗 = 𝐶 ( 𝑓 𝑗 , 𝑓 1 ) 𝑉 ( 𝑓 1 )   𝐶 ( 𝑓 𝑗 , 𝑓 1 ) : 공분산 ( 𝑐 𝑜 𝑣 𝑎 𝑟 𝑖 𝑎 𝑛 𝑐 𝑒 ) ,   𝑉 ( 𝑓 1 ) : 분산 ( 𝑣 𝑎 𝑟 𝑖 𝑎 𝑛 𝑐 𝑒 ) α B =E(α+β 2 ​ f 2 ​ +⋯+β K ​ f K ​ )−(β 2 ​ γ 2 ​ +⋯+β K ​ γ K ​ )E(f 1 ​ )   γ j ​ = V(f1) C(f j ​ ,f 1 ​ ) ​   C(f j ​ ,f 1 ​ ):공분산(covariance), V(f 1 ​ ):분산(variance) 비록 이 공식이 다소 복잡해 보이지만, 결론은 동일하다. 𝛼 𝐵 α B 값은 벤치마크 이외의 모든 요인들의 영향을 포함하므로, 𝛼 𝐵 α B 가 양수(positive)일 가능성이 충분히 있다. 이 분석을 통해, 벤치마크 α를 사용하여 포트폴리오 매니저의 성과를 측정할 때, 𝛼 𝑀 𝐹 α MF 가 0이더라도 𝛼 𝐵 α B 는 양수가 될 수 있음을 알 수 있다. 즉, 𝛼 𝑀 𝐹 α MF =0 임에도 불구하고, 포트폴리오 매니저가 양(+)의 팩터 프리미엄을 가진 요인들에 포트폴리오를 노출시킨다면, 𝛼 𝐵 α B 는 양수가 될 수 있다. 따라서, 양수(+)의 𝛼 𝐵 α B 라는 사실은 APT 모델의 개념과 부합한다. APT에서는 투자 매니저가 통계적 차익 거래(statistical arbitrage)를 활용하여 수익을 창출할 경우 보상을 받을 수 있기 때문이다. 2.2.5 사전(Ex-Ante) and 사후(Ex-Post) α 어떤 유형의 α를 사용하든, 미래에 기대하는 α 값과 실제로 실현된 α 값 사이에는 일반적으로 차이가 존재한다. 사전 α (Ex-Ante α): 기대된(expected) α 값, 즉 포트폴리오를 구성할 때 예상하는 초과 수익률 정량적 포트폴리오 매니저가 포트폴리오를 설계할 때 가장 중요한 요소 매니저는 제약 조건(portfolio constraints) 내에서 가능한 가장 높은 α를 달성하고자 함 사후 α (Ex-Post α): 실제로 실현된(realized) α 값, 즉 포트폴리오가 운용된 후 얻어진 α 값 실제 위험 조정 성과가 기대치와 일치하는지 확인하는 역할 매니저의 성과 평가 및 보너스는 보통 사후 α(ex-post α)에 기반함 궁극적으로, 포트폴리오 매니저가 현실적으로 바랄 수 있는 최상의 목표는 사전 α와 사후 α 간의 높은 상관관계(high correlation)를 유지하는 것이다. 2.2.6 사전(Ex-Ante) 및 사후(Ex-Post) 정보비율 (Information Ratio) 비록 α 자체가 포트폴리오의 초과 수익을 측정하는 기본적인 지표이지만, 정보비율(Information Ratio, IR)은 α를 포트폴리오의 잔차 위험(residual risk)에 대해 조정한 핵심 지표이다. 정보비율(Information Ratio, IR)이라는 이름은 포트폴리오 매니저가 벤치마크 대비 추가적인 정보를 활용하여 초과 수익을 창출하는 능력을 측정한다는 의미에서 유래되어, 벤치마크 대비 초과 수익률을 달성하는 데 사용된 비체계적 위험(잔차 위험, residual risk)을 고려한 성과 지표이다. α와 마찬가지로, 정보비율도 사전(Ex-Ante) 정보비율과 사후(Ex-Post) 정보비율이 존재한다. 본 장에서는 사전 정보비율만을 논의하며, 사후 정보비율은 성과 측정(performance measurement)에 대한 15장에서 자세히 다룰 예정이다. 정보비율은 벤치마크 알파( 𝛼 𝐵 α B )와 직접적으로 연관된다. 사전 정보비율은 다음과 같다: 𝐼 𝑅 = 𝛼 𝐵 𝑤   𝛼 𝐵 : 포트폴리오 매니저가 예상하거나 예측한  𝛼 값 , 𝑤 : 예측된 잔차 ( 𝑟 𝑒 𝑡 𝑢 𝑟 𝑛   𝑟 𝑒 𝑠 𝑖 𝑑 𝑢 𝑎 𝑙 ) 의 표준편차 ( 즉 ,   𝑆 ( 𝜖 ) ) IR= w α B ​   α B :포트폴리오 매니저가 예상하거나 예측한 α값, w:예측된 잔차(return residual)의 표준편차(즉, S(ϵ)) 사전(Ex-Ante) 정보비율은 벤치마크 대비 초과 위험 한 단위당 기대되는 초과 수익률을 측정하는 지표이다. 사전 정보비율이 높을수록, 포트폴리오의 기대 성과가 더 우수할 것으로 예상된다. 다른 조건이 동일하다면, 예측된 정보비율이 높을수록 더 좋은 포트폴리오라고 판단할 수 있다. 2.3 THE SEVEN TENETS OF QEPM 정량적 주식 포트폴리오 매니저는 높은 알파(α)와 높은 정보비율(IR)이라는 두 가지 목표를 동시에 달성하고자 한다. 그리고 이러한 목표에 도달하기 위해서는, 게임의 규칙을 잘 이해하고 있어야 한다. QEPM(정량적 주식 포트폴리오 관리)은 특정한 원칙들에 기반하여 체계적으로 구성되어 있다. 우리는 이러한 핵심 원칙들을 QEPM의 7대 신조(Seven Tenets of QEPM)라고 부른다. 📌 신조 1: 시장은 대체로 효율적이다. Tenet 1: Markets are mostly efficient. 📌 신조 2: 완전한 무위험 차익거래 기회는 존재하지 않는다. Tenet 2: Pure arbitrage opportunities do not exist. 📌 신조 3: 정량적 분석은 통계적 차익거래(statistical arbitrage) 기회를 만들어낸다. Tenet 3: Quantitative analysis creates statistical arbitrage opportunities. 📌 신조 4: 정량적 분석은 이용 가능한 모든 정보를 효율적으로 통합한다. Tenet 4: Quantitative analysis combines all the available information in an efficient way. 📌 신조 5: 정량적 모델은 건전한 경제 이론에 기반해야 한다. Tenet 5: Quantitative models should be based on sound economic theories. 📌 신조 6: 정량적 모델은 지속적이고 안정적인 패턴을 반영해야 한다. Tenet 6: Quantitative models should reflect persistent and stable patterns. 📌 신조 7: 포트폴리오가 벤치마크와 괴리되는 경우, 그 괴리는 불확실성이 충분히 작을 때만 정당화될 수 있다. Tenet 7: Deviations of a portfolio from the benchmark are justified only if the uncertainty is small enough. 신조 1과 2는 QEPM의 한계를 설정하는 역할을 한다. 즉, 시장은 대체로 효율적이기 때문에 위험을 감수하지 않고 이익을 얻는 것은 불가능하다. 무위험 기회(pure arbitrage opportunity)—즉, 순수한 차익거래 기회는 존재하지 않는다. 하지만 동시에, 시장은 완전히 효율적(perfectly efficient)인 것도 아니다. 상대적으로 적은 수준의 추가적인 리스크를 감수함으로써 수익을 얻을 수 있는 여지가 존재한다. 바로 이 지점에서 QEPM은 신조 3에서 언급된 ‘통계적 차익거래(statistical arbitrage)’ 기회를 찾는 과정을 의미한다. 통계적 차익거래 기회가 존재하는 이유는, 주식 가격이 항상 모든 이용 가능한 정보를 완벽하게 반영하지 않기 때문이다. QEPM은 시장이 간과한 정보를 식별하기 위한 통계적 기법을 제공한다. 그리고 신조 4에서 말한 것처럼, 정량적 포트폴리오 매니저는 사용 가능한 모든 정보를 하나의 효율적인 모델로 통합해야 한다. 그래야만 수익을 높이기 위해 핵심이 되는 정보 조각들을 식별할 수 있다. 신조 5, 6, 7은 포트폴리오와 관련된 의사결정에 계량경제학 기법을 적용할 때 따라야 할 기준을 제시한다. 이 중 신조 5는 주식 수익률에 대한 정량 모델을 만드는 데 있어 가장 근본적인 원칙이다. 종목 선정에 사용되는 모든 모델은 반드시 건전한 경제 이론에 기반해야 한다. 이러한 원칙에 어긋나는 대표적인 행위가 데이터 마이닝(data mining)이다. 데이터 마이닝을 통해 도출된 요인들은 표면적으로는 주식 수익률과 관계가 있어 보일 수 있지만, 실제로는 통계적 차익거래 기회를 설명할 수 있는 진정한 요인이 아닐 가능성이 크다. 포트폴리오 매니저는 모델에 포함시키는 각 요인을 선택할 ‘충분한 이유’를 가져야 한다. 즉, 그 요인이 현재는 주가에 반영되어 있지 않더라도, 미래에는 주가가 그 정보를 반영하게 될 것이라는 타당한 기대가 있어야 한다. 이론적 기반이 약한 모델은 의미 있는 결과를 도출할 수 없다. 따라서 정량 모델이 유효하려면, 반드시 강력한 이론적 토대가 뒷받침되어야 한다. 마찬가지로, 요인(factors)과 주식 수익률 간의 관계는 시간이 지나도 지속되어야 한다. 신조 6에서 말하듯이, 모델은 반드시 지속적이고 안정적인(persistent and stable) 데이터 패턴만을 활용해야 한다. 모수의 안정성(parameter stability)은 모델을 통해 정확한 추정치와 신뢰할 수 있는 예측값을 도출하는 데 필수적이다. 신조 7은 QEPM이 반드시 벤치마크와 차별화된 포트폴리오를 구성해야 하는 것은 아니라는 점을 경고한다. 많은 정량 포트폴리오 매니저들은 QEPM에서는 반드시 벤치마크와의 차별이 있어야 한다고 잘못 믿고 있다. 하지만 실제로는, 벤치마크 포트폴리오로부터의 이탈(deviation)은 오직 추정 오차(예: 불확실성의 척도)가 충분히 작을 때만 정당화된다. 따라서 정량 매니저는 모델이 제시하는 다른 경로로 포트폴리오를 움직이기 전에, 반드시 파라미터의 불확실성(parameter uncertainty)을 고려해야 한다. 다음 섹션들에서는 QEPM의 7대 신조를 보다 자세히 설명한다. 우선, 시장 효율성(market efficiency)의 개념과 그것이 QEPM에 미치는 함의에 대해 살펴본다. 그다음, 정보를 어떻게 효율적으로 활용할 것인지, 즉 능동적 운용의 기본 법칙(Fundamental Law of Active Management)이라는 틀을 바탕으로 논의한다. 마지막으로, 계량경제학적 기법을 QEPM에 적용할 때 발생할 수 있는 문제들을 살펴본다. 2.4 TENETS 1 AND 2: 시장의 효율성과 QEPM QEPM의 신조 1과 2는 시장이 대부분 효율적이지만 완전히 효율적이지는 않다는 전제에 기반하고 있다. 만약 시장이 완전히 효율적이라면, QEPM은 무의미한 활동이 될 것이다. 즉, 능동적인 포트폴리오 매니저는 시장에 어느 정도 비효율성이 존재하며, 이를 활용할 수 있다고 믿어야만 한다. 이 섹션에서는 다음과 같은 내용을 다룬다: 시장 효율적이라는 것이 무엇을 의미하는지 그리고 시장에 어느 정도의 비효율성이 존재한다는 증거가 무엇인지 2.4.1 효율적인 시장 이론(The Efficient-Market Hypothesis; EMH) 금융 시장이 효율적이라고 주장하는 사람들도 있고, 그렇지 않다고 주장하는 사람들도 있다. 그렇다면 이들이 말하는 "효율성"이란 무엇일까? 일반적으로, 효율적인 시장이란 모든 정보가 현재의 주가에 반영되어 있는 시장을 의미한다. 예를 들어, 어떤 회사에 새로운 CEO가 선임되어 경영 개선이 기대된다는 소문이 있다고 하자. 효율적인 시장이라면, 이미 이 뉴스와 그 외 모든 관련 정보는 주가에 반영되어 있기 때문에, 이를 근거로 주식을 매수해 초과 수익을 올릴 수 없다. 완전히 효율적인(perfectly efficient) 시장에서는: 투자자가 추가적인 리스크를 감수하지 않고 초과 수익을 얻는 것은 불가능하며, 따라서 포트폴리오 매니저도 알파(α)를 창출할 수 없다. 즉, 완전 효율 시장에서는 모든 정보가 즉시, 정확하게 주가에 반영되기 때문에, 시장을 능가할 수 있는 방법은 없다는 것이 효율적 시장 가설의 핵심이다. 효율적인 시장에서는 주가가 무작위로 움직인다(random walk). 즉, 어떤 주식이든 과거의 가격 변화를 살펴보면, 일일 가격 변화에는 명확한 패턴이 존재하지 않아야 한다. 만약 주가가 어떤 사전에 정해진 방식(predetermined fashion)으로 움직인다면, 투자자는 그 패턴을 활용해 수익을 낼 수 있을 것이고, 그렇다면 해당 시장에는 비효율성(inefficiency)이 존재한다는 의미가 된다. 완전히 효율적인 시장에서는 심지어 유사 차익거래(near-arbitrage) 기회조차 존재하지 않는다. 예를 들어, 어떤 상장 회사의 주가가 $100인데, 그 회사가 95% 지분을 보유한 자회사의 주가가 $200이라면, 이것은 비효율적인 상태다. 왜냐하면, 투자자는 다음과 같은 방식으로 무위험 수익(arbitrage profit)을 얻을 수 있기 때문이다: 본사의 주식을 $100에 매수하고, 자회사의 주식을 $200에 공매도(short sell)함으로써, 결국 두 주가가 정상적으로 정렬될 때 이익을 실현하게 된다. 이런 현상이 실제로 나타난 적도 있다. 예를 들어, 2000년 3월 1일, 3COM이 PALM을 분사(spin-off)했을 당시, 두 회사의 주가는 이론적으로 설명되지 않는 불균형한 수준을 보였다. 이러한 사례는 주식시장이 과연 얼마나 효율적인가에 대해 회의적인 시각을 낳게 했다. 자산 버블(asset bubbles) 또한 시장이 비효율적이라는 신호다. 예를 들어, 2000년 초반, NASDAQ 지수는 어떤 가치 평가 기준으로 보더라도 과대평가(overvalued)되어 있었다. 당시 수많은 인터넷 스타트업들이, 같은 업종의 기존 오프라인 기업들보다 훨씬 높은 시가총액(market cap)에 거래되고 있었다. 그러나 그 후, 2000년 3월부터 2003년 1월까지, NASDAQ은 무려 71% 하락했다. 즉, 2000년에 신기술 혁명에 투자해 1억 달러를 운용하던 포트폴리오는, 3년도 채 되지 않아 2,900만 달러로 줄어들었다. 인터넷 버블은 시장 효율성에서 벗어난 거대한, 그리고 지속 불가능한 편차(deviation)다. 이는 모든 정보가 즉시 주가에 반영된다는 효율적 시장 가설(EMH)에 강한 의문을 제기하는 사례다. 아마도 가치 대비 가격이 가장 크게 왜곡된 사례 중 하나는 2008년 주택 버블, 즉 '대침체(Great Recession)'라 불리는 시기였을 것이다. 2003년부터 2008년까지의 기간 동안, 풍부한 유동성(easy liquidity)과 책임의 부재(lack of accountability)로 인해 주택 가격과 주식 시장은 급등세를 보였다. 그러나 2008년에 접어들면서, 주택 시장은 주식 시장과 함께 붕괴했다: S&P 500 지수는 2008년 한 해 동안 38% 하락했고, 전국 주택 가격 지수(national housing price index)는 11.88% 하락했다. 일부 도시에서는 이보다 훨씬 더 큰 하락폭이 나타나기도 했다. 이처럼 시장의 흐름이 펀더멘탈(fundamentals)과 크게 괴리된 현상은, 시장에 투자 자금이 과도하게 ...