프리미엄
예측대회
투자분석
아카데미
커뮤니티
로그인Valley AI 시작하기시작하기
Valley Space인기
홀수해에만 투자하라? 그럴듯한 이론의 숨겨진 진실
Isekai Quant데일리 퀀트

홀수해에만 투자하라? 그럴듯한 이론의 숨겨진 진실

avatar
Isekai Quant
2024.09.13조회수 34회
avatar
Isekai Quant
구독자 48명구독중 14명
2nd life as degen quant.

주의: 해당 글은 수학적 엄밀함보다는 현상의 이해를 위해 적었기 때문에 직감적인 표현에 대한 선호도가 더 높다는 것을 미리 알립니다.


계절이 12개나 있는 주식 시장

혹시 여러분은 9월 효과에 대해 들어보셨나요? 10월 효과는 어떤가요? 아 저 둘은 몰라도 1월 효과는 들어보셨을 수도 있겠군요. 물론 “5월에 팔고 떠나라”라는 주식 속담은 빼놓을 수 없겠죠?


놀랍게도 1월부터 12월을 구글에다 검색을 해보면 각 달에 대해 계절적 효과를 자세히 설명하는 기사나 학술 논문을 찾을 수 있습니다.


이렇듯 금융에서는 일련의 고정된 시간 간격에 걸쳐 나타나는 유형의 “예측 가능한” 패턴을 계절성 효과라고 합니다. 그리고 이런 계절성 효과들을 노리는 전략을 계절성 전략 이라고 부르죠.


예시로 모종의 이유로 주식 시장은 연중 9월이 가장 수익률이 나빴었고 이러한 패턴이 미래에도 나타날 것이라고 가정을 해보죠. 그렇다면 하나의 전략으로 9월전에 주식 포지션을 정리하고 9월이 지나면 다시 매수를 할 수 있겠죠.


자, 그러면 밑의 주장에 대해선 어떻게 생각하시나요?


홀수 해에만 투자하는 것이 짝수 해에 투자하는 것보다 우수한 수익을 창출합니다.


어떻게 보면 꽤나 대담한 주장으로 보이지 않나요? 진짜로 이 주장을 믿는 사람들은 있을까요? 있다면, 왜 믿는 것일까요?


사실 위의 계절성 효과에 대해 적지 않은 자료를 찾아보실 수 있습니다. 심지어 몇몇 전문가들은 인터뷰나 인터넷에서 이 주장을 옹호하는 발언을 하기도 합니다. 저도 실은 유투브 영상을 보고 이 글을 쓰고자 하는 동기를 얻었는데요. 바로 강환국님의 옛날 영상중 하나입니다. 이 영상을 보고 제 글을 보는게 이해나 몰입에 더 도움이 될 거라 생각하고 올리겠습니다.


영상링크: https://www.youtube.com/watch?v=zR4wCKrnojI&ab_channel=%ED%95%A0%EC%88%98%EC%9E%88%EB%8B%A4%21%EC%95%8C%EA%B3%A0%ED%88%AC%EC%9E%90

image.png

출처: 강환국님 유투브


본 글은 누구를 비난하거나 판단하려는 목적으로 쓰지 않았습니다. 오히려 재밌는 주제에 대해 깊이 생각해볼 기회를 얻어서 고마운 마음입니다. 또한 해당 영상은 천개가 넘어가는 영상 중 하나이므로, 이 하나로 한 사람을 판단하는 것은 꽤나 무자비하다고도 봅니다. 인터넷에 찾아보면 다른 글들이나 영상도 있지만, 이 영상만큼 디테일하게 논리를 전개하지 않기 때문에 해당 영상을 예시로 들었습니다.


그리고 이 글에선 홀수 연도에 주식을 매수하고 짝수 연도에 주식을 매도하는 전략을 홀짝 전략, 그리고 그와 연관된 계절성 효과를 홀짝 효과라고 부르겠습니다.


다시 본론으로 들어가자면, 홀짝 효과에 대한 제 첫 반응은 이랬습니다.

이거 뭐지? 진짜 진심으로 이렇게 생각하는건가?

그런데 자료를 찾다보니 왜 꽤나 많은 사람들이 홀짝 효과가 진짜 존재한다고 생각하는지 알 수 있게 되었습니다.


네, 바로 데이터입니다.



데이터가 다 말해주잖아

홀짝 전략에 대한 수익률 곡선

먼저 데이터가 무엇을 알려주는지 살펴봅시다. 그 전에 제가 쓴 데이터에 대해서 간단한 설명부터 드리겠습니다.


GSPC: S&P 500 (1973 ~ 2023)

N225: 닛케이 225 (1973 ~ 2023)

KS11: 코스피 종합지수 (1997 ~ 2023)

FTSE: FTSE 100 (1984 ~ 2023)


각 지수별로 데이터 수집 기간이 다르지만 한국 시장과 미국 시장의 연구 기간은 강환국님이 사용하신 기간과 유사하므로 큰 문제는 없을 것으로 보입니다. 데이터 출처가 야후 파이낸스이기 때문에 퀄리티는 좋지 않지만, 참이 아니라는 것을 증명하는 것은 참을 증명하는 것보다 조금 덜 엄격해도 되므로 이 또한 큰 문제는 없을 것이라 봅니다. 시작 포트폴리오 가치는 1000입니다.


image.png
image.png
image.png
image.png


음, 네 시장 모두 홀수 해가 짝수 해보다 월등히 더 수익이 좋았네요.

수익 지표도 뼈 때리는데요?

몇 가지 성과 지표를 통해 이 홀짝 전략들이 백테스팅 기간동안 어땠는지 조금 더 자세하게 봅시다.


S&P 500

image.png


KOSPI Composite

image.png


Nikkei 225

image.png


FTSE 100

image.png

위험조정수익률인 샤프 지수로 봐도 최대손실률인 MDD로 봐도 홀수 해에만 투자한 시장 포트폴리오가 짝수 해에만 투자한 시장 포트폴리오를 압도합니다. 이정도면 각 전략의 평균 수익 차이에 대한 통계적 유의성을 검증하는 테스트를 돌려봐도 유의하게 나올 것 같습니다.


한 가지 재밌는 점은, 코스피의 경우 짝수 해에만 투자해서 20년넘게 들고 있었더라면 -50% 상당의 손실이 발생하지만 홀수 해에만 투자했다면 무려 740%의 수익률이 발생했다는 사실입니다.


수익률 곡선과 성과 지표를 보면 그 차이가 우연이라고 치부하기에는 너무 극명하다는 것이 분명하지 않나요?


거기다가 “아 맞다, 참고로 이 패턴은 다른 국가 주식 시장에서도 보임. ㅋㅋ ㅅㄱ" 라고 덧붙이면 훨씬 더 설득력이 높아집니다.


근데 여기서 끝이 아니라 만약 그럴싸한 이유까지 대버린다면, 예를 들어 홀짝 현상이 지속되는 이유는 대통령 선거와 중간 선거가 짝수 해에 있기 때문에 짝수 해의 저조한 성과는 시장의 불확실성을 반영한 것이라고 말을 한다면, 꽤나 받아들이기 편한 이론이 된 것 같지 않나요?


그러나 저는 여전히 어딘지 모를 불편함을 떨쳐버릴 수 없었습니다. 도저히 이 주장에 대해서 편하게 고개를 끄떡이며 받아들일 마음이 생기지 않아서 더 조사해 보기로 했습니다.



연역적 추론이 없는 계절성은 조심해야 한다

계절성 효과를 밝혀내는 데 있어 가장 중요한 원칙 중 하나는 패턴을 뒷받침하는 탄탄한 이론을 확보하는 것입니다. 그리고 더 중요한 것은 사실 패턴을 발견하기...

회원가입만 해도
이 글을 무료로 읽을 수 있어요.

Basic 7일 무료 체험 시작하기
이미 계정이 있으신가요?로그인하기
댓글 4개
avatar
Doodly_TeddyNF
2024.09.14

이번에도 양질의 분석 올려주셔서 감사합니다. 전략의 과최적화 여부를 검사하는 사고방식에서 배울게 많네요.

avatar
hoocastle
2024.09.14

좋은 글 감사합니다

avatar
약지손
2024.09.14

예시도 재밌어서 글에 대한 이해가 더 잘 됩니다. 좋은 글 감사합니다.

avatar
allee
2024.09.14

홀짝알고리즘에 대한 기가막힌 counter example입니다! 무릎을 박차고 갑니다.

데일리 퀀트 카테고리의 다른글

가짜 상관관계: PER과 미래 시장 수익률은 관련이 없다?

주의: 해당 글은 수학적 엄밀함보다는 현상의 이해를 위해 적었기 때문에 직감적인 표현에 대한 선호도가 더 높다는 것을 미리 알립니다. 뭐? 월스트릿저널이 거짓말을 한다고? 이 글의 작성 동기는 얼마 전에 봤던 WSJ기사 때문입니다. 아니, 정확하게 말하면 해당 트윗에서 WSJ에서 쓰인 특정 그래프에 대한 열띤 토론이 있었는데, 그것을 보고 궁금해져서 좀 더 깊게 파보게 되었습니다. 먼저 문제의 그래프를 보겠습니다. 가로축은 월별 선행 주가수익비율 (forward PER), 세로축은 S&P500의 10년 수익률(연율화)이고 기간은 1988년 ~ 2014년 까지입니다. 그래프상 뚜렷한 선형관계가 있는 것처럼 보이며 PER가 낮으면 이후 10년 수익률은 높고 PER가 높으면 이후 10년 수익률이 낮은 것 같네요. 그러나 이 분석은 이 그래프에서 대부분의 데이터 포인트를 생성하는 데 중복 수익률이 사용되었다는 사실을 크게 무시하고 있습니다. 무슨 말이냐구요? 원래는 1988년부터 2014년까지 약 30년의 기간 동안 겹치지 않는 세 개의 10년 수익률이 존재합니다. 하지만 세 개의 관측점만을 사용하여 통계 연구를 할 수는 없습니다. 따라서 실무자들은 더 자주 표본을 추출하여 충분한 관측점들을 생성하게 됩니다. 해당 그래프의 경우, 매월 향후 10년 수익률을 기록한다면 (1988년 1월 ~ 1998년 1월, 1998년 2월 ~ 1998년 2월, 등) 인접한 달 사이에는 약 119개의 중복 기간이 존재할 것입니다. 하나 떨어져 있다면 118개, 그 다음에는 117개. 이런식으로 계속 중첩되는 기간들이 존재하는 시계열 데이터를 생성하게 되는 것이죠. 이제 이러한 관행의 결과가 해당 상황에선 통계적으로 정당화되지 않는다고 말하면 어떻게 될까요? 좀 더 구체적으로, 장기 수익률과 주가수익비율 사이에 통계적으로 유의미한 선형 관계가 있다는 주장이 유효하지 않다고 말하면 어떻게 될까요? 위의 그래프가 강한 상관관계를 암시하는 것처럼 보이고(심지어 인과관계라고 말하는 사람도 있겠죠), 낮은 밸류에이션이 향후 높은 수익률로 이어진다는 것이 사실로 받아들여지고 있기 때문에 제 말을 받아들이기 어려울 것입니다. 해당 게시물에서는 인터넷에서 대다수의 사람들이 생각하는 것과는 달리 주가수익비율과 장기 수익률 사이에 유의미한 관계가 있다는 것을 통계적으로 증명하는 것이 얼마나 어려운지를 보여드리고자 합니다. 이 글에서는 선행 주가수익비율 (forward PER) 대신 경기조정주가수익비율을 (CAPE) 사용할 것인데, 결론에 미치는 영향은 없으니 참고해주시길 바랍니다. 그래서 문제가 뭔데? 중복 관찰을 사용하여 데이터 포인트를 늘리는 관행은 회귀 계수 추정치의 분산이 줄어든다는 점에서 합리적입니다. 그러나 자기상관성이 짙은 독립 변수, 즉 시간에 걸쳐 높은 자기상관관계를 나타내는 독립 변수를 사용하는 경우에는 그렇지 않습니다. 일반적으로 배당 수익률, 장부가 대비 주가 비율등의 이동평균을 구해 평활화된 평가 지표로 수익률을 예측하려고 하기 때문에 금융에서는 자기상관성이 짙은 독립 변수가 자주 보입니다. 이 글에서는 이러한 변수를 지속적 변수라고 정의하겠습니다. 특히, 예일대 로버트 실러 교수가 개발한 지표인 경기조정주가수익비율(CAPE)을 사용하는 경우가 많습니다. 인터넷에는 CAPE와 장기 수익률(예: 10년, 20년, 30년 수익률) 간에 유의미한 상관관계를 보여주는 연구들이 많이 있습니다. 회귀 계수가 매우 유의하기 때문에 관계가 없다는 귀무가설(베타 계수가 0인 경우)을 기각할 수 있는 것이죠. 그러나 실제로 CAPE는 자기상관관계가 높은 시계열 변수로 통계적 추론과 관련된 심각한 문제를 일으킬 수 있습니다. 잠깐 스톱. 좀 더 천천히. 일단 이 글을 이해하기 위해 중요한 몇 가지 개념들에 대해 간단하게 짚고 넘어가는 시간을 가지겠습니다. 자기상관성과 시계열의 정상성 (Autocorrelation and Stationarity), 그리고 CAPE의 속성입니다. 만약 해당 개념들에 대해 익숙하시다면 바로 다음 섹션으로 넘어가 주시면 되겠습니다 (랜덤 워크와 가짜 상관관계). 자기상관관계 이해하기 금융 시장에 대해 이야기할 때 우리는 종종 주식 가격, 통화 가치, 심지어 금리 수준 등 미래의 추세를 예측하려고 합니다. 이러한 예측을 이해하는 데 도움이 되는 핵심 개념 중 하나는 자기상관관계(Autocorrelation)입니다. 자기상관관계의 핵심은 시계열 데이터, 즉 서로 다른 시점에 수집되거나 기록된 데이터에서 패턴을 찾는 것입니다. 구체적으로, 자기상관관계는 시계열의 현재 값이 과거 값과 얼마나 관련이 있는지를 측정합니다. 간단히 말해서, 자기상관관계는 다음과 같은 질문을 던집니다: “오늘의 값은 어제의 값에 얼마나 의존하는가?” 예시: 온도 이야기 매일 도시의 기온을 추적하고 있다고 상상해 보세요. 오늘이 더운 날이라면 내일도 더울 가능성이 높다는 것을 알 수 있을 것입니다. 반면에 오늘이 추우면 내일도 추울 가능성이 높습니다. 오늘의 기온이 어제의 기온에 따라 달라지는 이러한 관계를 우리는 자기상관관계라고 부릅니다. 금융 분야의 자기상관관계 주가, 금리, 심지어 경제 지표와 같은 많은 금융 시계열은 시간이 지남에 따라 패턴을 따르는 경향이 있기 때문에 금융 분야에서 자기상관관계는 매우 중요합니다. 이러한 패턴을 감지할 수 있다면 미래에 대한 더 나은 예측을 할 수 있습니다. 다음은 금융 분야에서 자기상관관계가 널리 퍼져 있는 몇 가지 실제 사례입니다: 주식 가격: 모멘텀 효과: 주가가 상승하고 있는 종목의 경우 단기적으로 계속 상승하는 경우가 종종 있습니다. 이럴 때 오늘의 가격은 어제의 가격과 양의 자기상관관계가 있다고 얘기합니다. 투자자들은 때때로 이러한 모멘텀을 이용해 추세가 지속될 것으로 기대합니다. 평균 회귀: 반대로 과거 평균에 비해 주가가 매우 높았던 경우 주가가 하락하기 시작하여 '평균' 또는 평균값으로 돌아갈 수 있습니다. 이는 음의 자기상관관계로 볼 수 있는데, 오늘의 높은 가격이 미래의 낮은 가격을 예측하는 것입니다. 금리: 중앙은행 정책: 중앙은행이 설정하는 금리는 시간이 지남에 따라 점진적으로 변하는 경우가 많습니다. 중앙은행이 한 달에 금리를 인상하면 경제 상황이 크게 변하지 않았다면 다음 달에 다시 인상할 확률이 높습니다. 이러한 금리의 지속성은 일종의 자기상관관계입니다. 3. 경제 지표: - 실업률: 실업률이 매달 감소하고 있다면 적어도 단기적으로는 이러한 추세가 지속될 가능성이 높습니다. 과거의 실업률 감소는 미래의 실업률 감소를 암시하는 자기상관관계가 작용하는 것입니다. 결론 자기상관관계는 시계열에서 과거 값이 미래 값에 어떻게 영향을 미치는지 이해하는 데 도움이 되는 기본 개념입니다. 금융에서는 주가나 금리와 같은 많은 금융 변수가 자기상관관계를 보이기 때문에 이 개념이 특히 유용합니다. 자기상관관계를 이해하고 측정함으로써 시장 행동에 대한 인사이트를 얻고 더 많은 정보에 입각한 재무 결정을 내릴 수 있습니다. 시계열의 정상성 이해하기 시계열은 평균, 분산(데이터가 평균에서 얼마나 퍼져 있는지), 자기상관관계(현재 값이 과거 값과 얼마나 관련이 있는지)와 같은 통계적 특성이 시간이 지나도 일정하게 유지되면 정상성을 가진다고 하거나 정적 시계열이라고 ...
데일리 퀀트
2024. 08. 31
12
3
25
가짜 상관관계: PER과 미래 시장 수익률은 관련이 없다?