현대 포트폴리오 이론 — 효율적 투자선·자본배분선·접점 포트폴리오·최소분산

현대 포트폴리오 이론(Modern Portfolio Theory, MPT)은 해리 마코위츠(Harry Markowitz)가 1952년 《Journal of Finance》에 발표한 논문 Portfolio Selection 에서 출발했습니다. 당시 그는 25세였고, 논문은 학술지 7권 1호에 실렸습니다.

그 이전까지 투자는 좋아 보이는 종목을 모으는 일에 가까웠습니다. 마코위츠는 여기에 수학을 들여와, 투자자가 기대수익만큼이나 위험에도 똑같이 신경 써야 한다고 주장했습니다. 위험을 수익률의 변동, 즉 분산으로 측정하자는 발상의 전환이었습니다.

이 공로로 그는 1990년 노벨 경제학상을 받았습니다. 윌리엄 샤프, 머튼 밀러와 공동 수상이었습니다. 논문이 나온 해부터 수상까지 38년이 걸린 셈이니, 그만큼 시대를 앞서간 아이디어였습니다.

MPT 의 가장 중요한 통찰은 이것이었습니다.

포트폴리오 전체의 위험은 개별 자산 위험의 단순 평균이 아니라, 자산들의 분산과 공분산, 즉 서로 얼마나 같이 움직이는지에 따라 결정된다.

두 자산이 반대로 움직이면 하나가 떨어질 때 다른 하나가 버텨 줘서 전체 흔들림이 줄어듭니다. 신기한 것은 단순히 평균이 되는 것이 아니라, 상관이 낮으면 조합의 위험이 각각의 평균보다 더 낮아질 수도 있다는 점입니다. 마코위츠가 수학으로 보인 것이 바로 이 부분이고, 그는 이 분산 효과를 두고 금융시장의 유일한 공짜 점심이라고 표현했습니다.

첫머리의 계산이 그 공짜 점심의 실물입니다. 주식은 채권보다 훨씬 위험한 자산인데, 그것을 7% 섞자 조합 전체의 변동성이 채권만 들고 있을 때보다 낮아졌습니다. 두 자산의 월별 상관계수가 +0.23 으로 낮았기 때문에 가능했던 일입니다.

같은 위험을 감수할 때 기대수익이 가장 높은 조합, 또는 같은 기대수익을 낼 때 위험이 가장 낮은 조합들을 이어 놓은 곡선을 효율적 투자선(Efficient Frontier)이라고 합니다.

그래프로 그리면 가로축은 위험, 즉 수익률의 표준편차이고 세로축은 기대수익률입니다. 여러 자산을 이런저런 비율로 섞으면 수많은 포트폴리오가 점으로 흩어지는데, 그중에서 더 나은 것이 없는 점들만 이으면 왼쪽 위로 볼록한 곡선이 됩니다. 이 곡선 위에 있으면 더 개선할 수 없는 조합이고, 곡선 아래에 있으면 같은 위험으로 더 벌 수 있는데 손해 보는 조합인 셈입니다.

우리 데이터로 두 자산짜리 곡선을 실제로 그려 봤습니다. 앞서와 같은 2003년 9월 29일~2026년 8월 31일 구간, 매일 목표 비중을 유지한다고 가정한 결과입니다.

주식 0%: 연 변동성 5.17%, 연평균 +3.04% 주식 10%: 연 변동성 5.01%, 연평균 +4.00% 주식 20%: 연 변동성 5.55%, 연평균 +4.94% 주식 30%: 연 변동성 6.64%, 연평균 +5.85% 주식 60%: 연 변동성 11.33%, 연평균 +8.38% 주식 100%: 연 변동성 18.56%, 연평균 +11.26%

곡선의 모양이 그대로 보입니다. 주식 비중을 0 에서 10% 로 올릴 때는 변동성이 오히려 줄면서 수익률만 올라갔고, 그 뒤로는 변동성과 수익률이 함께 커집니다. 앞쪽 구간이 곡선이 왼쪽으로 휘어 들어가는 부분입니다.

최소분산 포트폴리오(Minimum Variance Portfolio)는 가능한 조합 중 위험이 가장 작은 조합입니다. 효율적 투자선에서 가장 왼쪽 꼭짓점에 위치합니다. 기대수익을 최대로 하는 것이 목표가 아니라 흔들림을 최소로 하는 것이 목표입니다.

우리 데이터에서 그 점은 주식 7%·채권 93% 였습니다. 연 변동성 4.98%, 연평균 +3.72%, 최대낙폭 -17.53% 였습니다. 비교하면 채권 100% 조합은 연 변동성 5.17%, 연평균 +3.04%, 최대낙폭 -18.43% 였습니다. 세 지표가 모두 최소분산 조합 쪽이 나았습니다.

여기서 조심해야 할 점이 있습니다. 최소분산 포트폴리오는 가장 안전한 포트폴리오가 아니라 과거 데이터 기준 변동성이 가장 낮았던 조합입니다. 실제로 이 조합도 최대낙폭이 -17.53% 였습니다. 6분의 1 가까이 사라진 구간이 있었다는 뜻이고, 최대낙폭이 0 이라는 의미가 결코 아닙니다.

또 계산에 쓰는 과거 상관관계와 변동성이 미래에 그대로 유지된다는 보장이 없습니다. 위기 때 상관이 함께 올라가면 기대만큼 방어되지 않습니다. 장점은 낙폭과 변동성이 낮아 심리적으로 버티기 쉽다는 것이고, 함정은 기대수익을 희생할 수 있다는 것입니다.

지금까지는 위험자산끼리만 섞었습니다. 여기에 무위험자산을 넣으면 이야기가 달라집니다.

자본배분선(Capital Allocation Line, CAL)은 무위험자산과 위험 포트폴리오를 여러 비율로 섞었을 때 만들어지는 위험-수익 조합들을 이은 직선입니다. 위험을 하나도 안 지면 무위험수익률에서 출발하고, 위험 포트폴리오 비중을 늘릴수록 선을 따라 오른쪽 위로 이동합니다.

CAL 의 기울기는 (위험 포트폴리오 기대수익 − 무위험수익률) ÷ 위험 포트폴리오의 표준편차입니다. 이 값이 바로 샤프비율입니다. 기울기가 가파른 CAL 일수록 같은 위험으로 더 높은 초과수익을 주는 조합입니다. 그래서 여러 위험 포트폴리오 중 CAL 의 기울기를 가장 크게 만드는 조합을 찾는 것이 목표가 됩니다.

토빈(Tobin)의 2펀드 분리정리는 이 구조를 두 단계로 정리했습니다. 1단계는 위험자산들 중 샤프비율이 가장 높은 접점 포트폴리오를 찾는 것이고, 이는 개인 성향과 무관하게 동일합니다. 2단계는 그 접점 포트폴리오와 무위험자산을 몇 대 몇으로 섞을지를 개인의 위험선호로 결정하는 것입니다. 무엇을 담을지와 얼마나 위험을 질지를 분리해 생각할 수 있다는 것이 핵심이었습니다.

접점 포트폴리오(Tangency Portfolio)는 위험자산만으로 만들 수 있는 모든 조합 중 샤프비율이 가장 높은 유일한 조합입니다. 무위험자산에서 효율적 투자선을 향해 직선을 그으면 그 직선이 곡선에 딱 한 점에서 접하는데, 그 접점이 이 포트폴리오입니다.

우리 데이터로 찾아봤습니다. 같은 구간의 무위험수익률 평균은 연 1.72% 였고, 이 값을 기준으로 샤프비율을 최대로 만드는 조합은 주식 35%·채권 65% 였습니다. 그때 샤프비율은 0.62, 연평균 +6.29%, 연 변동성 7.31%, 최대낙폭 -21.31% 였습니다.

비교해 보면 차이가 드러납니다. 주식 100% 조합의 샤프비율은 0.51, 주식 60% 조합은 0.59 였습니다. 즉 가장 많이 번 조합도, 가장 유명한 60 대 40 조합도 이 구간에서는 위험 대비 효율의 정점이 아니었습니다.

여기서 오해하기 쉬운 지점을 짚습니다. 접점 포트폴리오는 위험 대비 효율이 가장 높은 조합이지 기대수익이 가장 높은 조합이 아닙니다. 실제로 주식 35% 조합의 연평균 수익률은 +6.29% 로 주식 100% 조합의 +11.26% 보다 한참 낮았습니다. 더 높은 수익을 원하면 위험도 더 커집니다.

CAPM 의 세계에서는 모든 투자자가 같은 정보를 갖는다고 가정하므로 모두가 같은 접점 포트폴리오를 원하게 되고, 그 결과 접점 포트폴리오는 시장 전체를 시가총액 비중으로 담은 시장 포트폴리오와 같아집니다. 시장 전체를 담는 인덱스가 이론적으로 효율적이라는 인덱스 투자 논리의 뿌리 중 하나입니다.

MPT 는 강력하지만 가정에 기대고 있습니다. 맹신하면 위험합니다.

첫째, 위험을 변동성으로만 측정합니다. 하지만 투자자가 진짜 두려워하는 것은 위쪽 변동이 아니라 아래쪽 낙폭입니다. 이 문제의식에서 하방편차와 소르티노 비율이 나왔습니다.

둘째, 수익률이 정규분포를 따른다고 가정하지만 실제 시장은 팻테일이라고 부르는 두꺼운 꼬리를 갖습니다. 폭락과 폭등 같은 극단적 사건이 이론보다 훨씬 자주 일어납니다. 2008년과 2020년이 대표적입니다.

셋째, 곡선을 그리려면 각 자산의 기대수익률과 상관관계를 넣어야 하는데, 이 값들은 대부분 과거 데이터에서 뽑습니다. 과거가 미래를 보장하지 않고, 입력값이 조금만 바뀌어도 최적 답이 크게 흔들립니다. 접점 포트폴리오는 이론상 유일하지만 안정적이지는 않은 값입니다.

넷째, 오랫동안 정석이던 주식 60·채권 40 조합도 두 자산이 반대로 움직인다는 전제에 기댔는데, 2010년대 이후 둘이 같이 움직인 시기가 늘면서 분산 효과가 약해졌다는 논쟁이 있습니다. 우리 데이터에서도 전 기간 두 자산의 월별 상관계수는 +0.23 이었지만 2022년 한 해만 재면 +0.67 이었습니다.

그래서 효율적 투자선은 미래를 맞히는 도구가 아니라 자산을 어떻게 섞을지 생각하는 틀로 보는 것이 안전합니다. 실제 낙폭과 손실 기간은 이론 곡선보다 훨씬 거칠 수 있습니다.

마지막으로 계산 조건을 밝힙니다. 위 수치는 배당을 재투자한 총수익 기준이고, 매매 수수료·세금·환전 비용은 반영하지 않았습니다. 매일 비중을 맞춘다는 가정도 현실에서는 그대로 실행되지 않습니다. 이 글은 특정 비중이나 자산을 권하지 않습니다.