위험 한 단위당 얼마를 벌었나 — 위험조정수익률과 샤프·트레이너 지수

수익률은 얼마 벌었나만 알려줄 뿐, 그 과정에서 얼마나 조마조마했는지는 말해주지 않습니다. A 도 연 12%, B 도 연 12% 인데 A 는 도중에 -50% 를 견뎌야 했고 B 는 -10% 로 얌전했다면, 두 투자는 전혀 다른 경험입니다.

대부분의 사람은 위험을 싫어합니다. 그래서 같은 수익이라면 덜 출렁이는 쪽이 더 나은 투자입니다. 이것을 숫자로 표현한 것이 위험조정수익률입니다.

중요한 것은 위험조정수익률이 하나의 지표가 아니라 계열이라는 점입니다. 위험을 무엇으로 재느냐에 따라 이름이 달라집니다. 변동성 전체를 쓰면 샤프 지수, 하방 변동성만 쓰면 소르티노 비율, 최대 낙폭을 쓰면 칼마 비율, 베타를 쓰면 트레이너 비율입니다. 분자는 대체로 같고 분모만 바뀝니다.

샤프 지수(Sharpe Ratio)는 위험 단위당 초과 수익률을 측정합니다. 공식은 이렇습니다.

샤프 지수 = (포트폴리오 수익률 − 무위험 수익률) ÷ 포트폴리오 변동성(표준편차)

분자는 안전한 예금 대비 얼마나 더 벌었나이고, 분모는 그 대가로 얼마나 출렁였나입니다. 무위험 수익률은 일반적으로 단기 국채 금리를 씁니다.

숫자 예시를 보겠습니다.

A 펀드: 수익률 20%, 변동성 30%, 무위험 수익률 3% → (20 − 3) ÷ 30 = 0.57 B 펀드: 수익률 12%, 변동성 10%, 무위험 수익률 3% → (12 − 3) ÷ 10 = 0.90

절대 수익률은 A 가 높지만 감수한 위험 대비 수익은 B 가 높습니다.

이 글에 인용한 우리 계산에서는 무위험 수익률도 지어내지 않고 데이터에서 뽑았습니다. 저장해 둔 미국 13주 국채 수익률 일별 시계열의 2000년 1월~2026년 8월 평균이 연 1.91% 였고, 그 값을 분자에 넣었습니다. 분자는 연평균 복리수익률(CAGR), 분모는 월별 수익률로 구한 연환산 표준편차입니다. 같은 자산이라도 무위험 수익률을 무엇으로 잡느냐, 일별로 재느냐 월별로 재느냐에 따라 샤프 지수는 달라집니다.

일반적으로 통용되는 해석 기준은 이렇습니다.

1.0 이상: 우수 — 위험 대비 좋은 수익 0.5 ~ 1.0: 양호 — 일반적인 다각화 포트폴리오 수준 0 ~ 0.5: 보통 — 위험에 비해 수익이 충분하지 않을 수 있음 0 미만: 불량 — 무위험 자산보다 못한 결과

흔히 인용되는 경험칙으로 미국 S&P 500 의 장기 샤프 지수는 약 0.4 ~ 0.6 수준이고, 잘 분산된 60/40 포트폴리오는 0.5 ~ 0.8 수준을 목표로 한다고 이야기합니다.

이 경험칙이 실제로 맞는지 우리 데이터로 재봤습니다. 배당을 재투자한 총수익 기준 SPY 를 2000년 1월 3일~2026년 8월 31일로 계산하면 샤프 지수는 0.42 였습니다. 경험칙 구간의 아래쪽에 정확히 들어옵니다. 주식 60·채권 40 조합도 만들어 봤습니다. SPY 와 AGG 를 60 대 40 으로 섞어 데이터가 겹치는 2003년 9월 29일부터 2026년 8월 31일까지 계산하면 연평균 +8.38%, 연 변동성 11.33%, 같은 구간 무위험 수익률 평균 1.72% 이므로 샤프 지수는 0.59 였습니다. 이 역시 0.5 ~ 0.8 구간 안입니다.

다만 두 값 모두 특정 창에서 나온 숫자입니다. 창을 옮기면 값도 옮겨 갑니다. 같은 SPY 를 2023년 9월~2026년 8월 36개월로만 재면 샤프 지수는 1.31 까지 올라갑니다. 자산이 좋아진 것이 아니라 그 창 안에 큰 폭락이 없었을 뿐입니다.

트레이너 비율(Treynor Ratio)은 초과수익을 베타로 나눈 값입니다. 공식은 (포트폴리오 수익률 − 무위험 이자율) ÷ 베타 입니다.

분모인 베타는 시장이 1% 움직일 때 이 포트폴리오가 몇 퍼센트 움직이는지를 나타냅니다. 즉 트레이너 비율은 시장 위험, 다른 말로 체계적 위험 한 단위당 초과수익이 얼마인가를 봅니다.

샤프 지수와의 차이는 분모가 담는 내용에 있습니다. 표준편차 안에는 분산으로 없앨 수 있는 개별 위험과 없앨 수 없는 시장 위험이 모두 들어 있습니다. 트레이너 비율은 개별 위험이 분산 투자로 이미 제거됐다고 가정하고 시장 위험만 씁니다. 그래서 잘 분산된 포트폴리오를 평가할 때 어울리고, 한 종목에 몰빵한 경우에는 개별 위험이 큰데도 베타만 보므로 위험을 과소평가할 수 있습니다.

우리 데이터로 SPY 를 시장으로 두고 2000년 2월~2026년 8월 월별 수익률로 베타를 추정한 뒤 두 지표를 나란히 계산해 봤습니다.

SPY: 샤프 0.42, 베타 1.00, 트레이너 6.41 QQQ: 샤프 0.29, 베타 1.29, 트레이너 5.17 XLU: 샤프 0.40, 베타 0.47, 트레이너 12.98 엔비디아: 샤프 0.55, 베타 2.04, 트레이너 15.77

샤프 지수로 보면 넷의 순위는 엔비디아, SPY, XLU, QQQ 순입니다. 트레이너 비율로 보면 엔비디아, XLU, SPY, QQQ 순으로 XLU 가 한 계단 뛰어오릅니다.

잘 분산된 포트폴리오라면 샤프 지수와 트레이너 비율의 순위가 비슷하게 나옵니다. 둘의 순위가 크게 다르다면 그 포트폴리오는 분산이 덜 됐다는 신호일 수 있습니다.

앞의 표가 정확히 그 사례입니다. XLU 는 미국 유틸리티 한 섹터만 담은 ETF 입니다. 시장과 함께 움직이는 정도가 낮아 베타가 0.47 로 작고, 그래서 베타로 나누는 트레이너 비율은 12.98 까지 뜁니다. 그러나 자기 혼자 출렁이는 폭인 연 변동성은 15.22% 로 SPY 의 15.13% 와 거의 같습니다. 베타에 잡히지 않는 섹터 고유의 위험이 그만큼 남아 있다는 뜻이고, 그 위험까지 세는 샤프 지수는 0.40 으로 SPY 와 별 차이가 없습니다.

엔비디아는 더 극단적입니다. 트레이너 비율 15.77 은 네 자산 중 가장 높지만, 이것은 한 종목입니다. 우리 데이터로 같은 구간의 최대낙폭을 재면 -89.7% 였고, 저점에서 이전 고점을 되찾는 데 49.1개월이 걸렸습니다. 고점 아래에 연속으로 머문 최장 구간은 2,137거래일, 한 해의 거래일 수(약 252일)로 나누면 약 8.5년입니다. 트레이너 비율이라는 한 줄에는 이 8.5년이 들어 있지 않습니다.

그래서 개인 투자자가 소수 종목만 갖고 있다면 전체 변동성을 반영하는 샤프 지수가 대체로 안전한 선택입니다. 트레이너 비율은 베타 추정이 부정확하면 함께 흔들리고, 시장을 어떤 지수로 잡느냐에 따라 베타가 달라지며, 시장과 상관이 거의 없어 베타가 0 에 가까운 자산에서는 분모가 작아져 수치가 불안정해집니다.

샤프 지수만으로 투자를 평가하기에는 한계가 분명합니다.

1. 변동성을 곧 위험으로 봅니다. 위쪽 변동성인 수익 급등과 아래쪽 변동성인 손실 급락을 동일하게 취급합니다. 실제로 투자자가 싫어하는 것은 아래쪽뿐입니다. 이를 보완한 것이 하방편차를 분모로 쓰는 소르티노 비율입니다. 앞서 본 SPY 의 경우 같은 구간에서 전체 변동성은 15.13% 였지만 하방편차는 10.05% 였습니다.

2. 측정 기간에 크게 의존합니다. 2019년까지만으로 계산한 값과 2020년 코로나 급락을 포함한 계산은 전혀 다릅니다. 앞에서 본 것처럼 SPY 한 자산의 샤프 지수도 창을 바꾸자 0.42 와 1.31 사이를 오갔습니다.

3. 절대 기준이 없습니다. 0.5 라는 값이 좋은지 나쁜지는 같은 기간 벤치마크와 비교해야 알 수 있습니다.

여기에 하나를 덧붙이면, 샤프 지수는 과거 데이터로 계산되므로 미래 성과를 보장하지 않습니다. 이 글은 특정 자산의 매수나 매도를 권하지 않습니다. 최대 낙폭, 최장 손실 기간, 그리고 실제로 부담하는 수수료와 환율 효과까지 함께 놓고 보는 것이 이 지표를 제대로 쓰는 방법입니다.