13.4 동일가중·역변동성·점수 가중 비교하기

같은 세 ETF에 세 가지 기준 적용하기

100만 원을 세 ETF에 나눌 때, 시장 점수가 3, 2, 1이고 같은 기간에 맞춰 추정한 연 변동성이 10%, 20%, 20%라고 하자. 시장 점수를 어느 정도 믿을지에 따라 같은 후보에도 다른 비중을 줄 수 있다.

규칙	사용하는 정보	첫째 ETF	둘째 ETF	셋째 ETF
동일가중	선택된 종목 수	33⅓%	33⅓%	33⅓%
역변동성	개별 변동성	50%	25%	25%
점수가중	양의 점수 크기	50%	33⅓%	16⅔%

Equal Weight(동일가중)는 종목마다 자본의 3분의 1을 배정한다. 추정 오차가 비중으로 직접 전달되지 않아 Null Model(영모형) 역할을 한다. 후보를 정하는 데 예측을 썼다면 선택 효과는 그대로 남는다. 변동성이 큰 자산이나 같은 위험을 공유하는 자산을 여럿 넣으면 위험은 균등하지 않다.

Inverse Volatility Weighting(역변동성 가중)은 변동성 역수 10, 5, 5를 합계 20으로 각각 나눈다. 가격이 크게 흔들리는 두 종목의 금액이 줄고, 각 비중에 개별 변동성을 곱한 값은 모두 5%가 된다. 세 종목의 상관 관계가 비슷할 때 위험도 비교적 균형을 이룬다. 둘째와 셋째만 자주 함께 하락하면 이 두 종목의 위험기여가 커질 수 있다. 변동성이 거의 0으로 추정될 때는 하한과 비중 상한이 필요하다.

Score Weighting(점수 가중)은 매수 전용에서 허용된 양의 점수 3, 2, 1을 합계 6으로 각각 나눈다. 양의 점수가 없을 때는 현금 보유나 사전에 정한 기본 배분처럼 별도 처리가 필요하다. 매수·공매도 혼합에서는 절댓값 합으로 나누면 총노출을 맞출 수 있지만 순노출은 남는다. 가령 +3, +2, −1을 합계 6으로 나누면 총 100%, 순 약 66.7%다. 금액 중립이 목표면 매수와 공매도 쪽을 각각 50%에 맞춘다. 극단적 점수가 공통 위험에 몰리면 상한과 변동성 목표로 쏠림을 제한한다.

그림의 가로 방향은 필요한 입력의 양, 세로 방향은 입력 추정 오차에 비중이 얼마나 민감한지 보여 준다. 동일가중은 두 부담이 작고, 예상 수익과 공분산을 함께 쓰는 방법은 추정치가 틀렸을 때 비중도 크게 변할 수 있다. 이 위치는 방법의 성과 순위가 아니다. 공분산 구조와 점수의 신뢰도가 충분할 때 추가 정보의 가치가 생긴다.