13.11 아홉 시장에서 배분 효과 비교하기

한 사례 안에서 비중을 바꾼 효과 읽기

ETF, 통화, 선물에서 같은 배분 규칙을 검토한다고 하자. 시장별 최고 샤프지수만 보면 성과 차이가 신호에서 왔는지, 비중에서 왔는지 구별하기 어렵다. 우선 같은 행에서 가장 높은 칸과 낮은 칸을 비교한다.

행은 시장 사례, 열은 비중 규칙이다. ETF에서 계층적 위험균형 1.12와 동일가중 0.89의 차이는 0.23이다. 같은 행에서 별표는 여러 단계의 설정을 거쳐 선택된 방식이다. 열지도에서 가장 높은 값과 다를 수 있다. 자료가 없는 칸은 0으로 계산하지 않는다. 미국 기업 특성의 2.76과 2.75처럼 관측된 열이 두 개뿐이면 작은 범위가 다른 규칙에도 유지된다고 볼 근거가 부족하다.

동일가중 성과가 높은 사례에서 더 개선됐는지 보기

가로축은 동일가중의 샤프지수, 세로축은 그림에 사용된 배분 결과에서 동일가중을 뺀 개선폭이다. 점선 위의 점은 동일가중을 앞선 경우다. 원형 크기는 후보군 규모를 나타낸다. 미국 기업 특성 점은 오른쪽 위에 있고 통화쌍은 원점에 가깝다. 동일가중 성과에는 신호 외에 시장과 거래 여건도 들어가므로, 가로축은 신호 강도의 대리 지표다. 신호와 미래 수익의 상관을 직접 그린 축과 구별한다. 이 집계는 열지도와 비교 대상이 다른 점도 포함하므로 서로의 표시값을 빼서 산점도의 모든 점을 재현할 수 없다.

최고값의 높이와 그 사례의 개선폭 구별하기

가로 막대는 사례별 최고 배분기의 샤프지수를 공통 눈금으로 비교한다. 미국 기업 특성의 막대가 길지만 열지도에서는 동일가중과 차이가 작았다. 나스닥 100처럼 최고값도 0 아래인 사례에서는 그 설정이 비교군 중 가장 높아도 양의 위험조정 성과를 낸 것은 아니다. 같은 시장에서의 최고와 최저 차이, 기준 대비 차이, 시장별 최고값은 각각 다른 질문에 답한다.

예측이 안정적이고 비용 후 우위가 남으면 점수에 비중을 기울일 근거가 생긴다. 불안정한 신호에서는 단순 기준이 추정 오차를 덜 키운다. 위험 집중이 주된 문제라면 계층적 배분이 중간 선택지가 된다. 릿지 ETF 통제 비교에서 최고와 최저의 차이는 0.123이었고, 상위 둘은 0.011 차이였다. 이 정도 차이는 표본 구간과 비용을 바꿨을 때 다시 확인해야 한다. 구현을 비교할 때도 여러 최적화 라이브러리에 같은 후보와 순차 전진 폴드를 주고, 누적 수익·낙폭·이동 샤프·월별 성과·수익 분포를 같은 형식으로 기록하면 차이의 원인을 찾기 쉽다.