변동성 감쇠(Volatility Drag)의 함정

변동성 감쇠(Volatility Drag)는 '변동성 유출(Variance Drain)'이라고도 불리는데, 가격이 오르내리는 폭이 클수록 실제 복리 성장률이 단순 평균 수익률보다 낮아지는 현상을 말합니다. 1995년 톰 메스모어(Tom Messmore)가 'Variance Drain'이라는 글에서 이름 붙인 개념이에요.

핵심은 '단순 평균(산술평균)'과 '실제 복리(기하평균)'가 다르다는 데 있습니다. 우리가 흔히 말하는 '연평균 수익률'은 산술평균인 경우가 많지만, 통장에 실제로 불어나는 돈은 기하평균을 따릅니다. 그리고 변동성이 있는 한, 기하평균은 항상 산술평균보다 작거나 같아요.

쉽게 말해, 자산이 요동칠수록 '평균은 그럴듯한데 손에 쥐는 건 더 적은' 함정에 빠질 수 있다는 뜻입니다.

가장 직관적인 예시를 볼게요. 100만원으로 시작합니다.

첫날 +10% → 110만원 둘째날 -10% → 99만원

분명 '+10%'와 '-10%'를 똑같이 겪었는데, 결과는 100만원이 아니라 99만원입니다. 이유는 간단해요. 둘째날의 -10%는 원금 100만원이 아니라 불어난 110만원에 적용되기 때문입니다. 그래서 손실 금액이 이익 금액보다 커집니다.

이 작은 1만원의 차이가 바로 변동성 감쇠의 정체입니다. 오르내림이 반복될수록 이 미세한 손실이 계속 쌓여요.

변동성 감쇠가 무서운 진짜 이유는 '손실의 비대칭성'에 있습니다. 떨어진 만큼 다시 오른다고 원금이 회복되지 않아요.

-10% 손실 → 회복에 +11% 필요 -25% 손실 → 회복에 +33% 필요 -50% 손실 → 회복에 +100% 필요 -75% 손실 → 회복에 +300% 필요

반토막(-50%) 난 자산이 원금으로 돌아오려면 '두 배(+100%)'가 올라야 합니다. 손실이 깊어질수록 필요한 회복률이 기하급수적으로 커지죠. 그래서 큰 낙폭을 한 번 맞으면, 그 뒤로 아무리 좋은 해가 와도 '평균 수익률'만큼 실제 돈이 불어나기 어려운 겁니다.

이것이 최대 낙폭(MDD)을 수익률만큼 중요하게 봐야 하는 이유입니다.

변동성 감쇠는 대략 이런 근사식으로 표현됩니다.

기하평균(실제 복리) ≈ 산술평균 − (표준편차² ÷ 2)

즉 실제로 손에 쥐는 복리 수익률은, 단순 평균에서 '분산의 절반'만큼을 뺀 값에 가깝습니다(연속복리·작은 변동성 가정에서의 근사이며 정확한 등식은 아닙니다). 변동성이 커질수록 빼야 할 값이 급격히 커진다는 게 핵심이에요.

특히 레버리지 상품(예: 2배·3배 레버리지 ETF)에서 이 문제가 극단적으로 드러납니다. 레버리지를 L배 키우면 기대 수익은 L배(선형)로 늘지만, 변동성 감쇠는 대략 L의 제곱에 비례해 커집니다. 레버리지를 2배로 하면 감쇠는 약 4배가 되는 셈이죠.

한 자산운용사 자료에 따르면, 변동성 48%를 가정한 3배 레버리지 ETF는 연간 약 11.5%가 변동성 감쇠 비용으로 새어나갈 수 있다고 추정합니다. 또 변동성이 매우 큰(예: 연 50% 가정) 상황에서는 산술평균이 +10%여도 장기적으로 원금의 절반 이하로 줄어들 수 있다는 예시적 계산도 있습니다. 이런 수치는 특정 가정 하의 예시일 뿐이지만, 방향성은 분명합니다.

변동성 감쇠는 '평균 수익률'이라는 숫자에만 눈이 팔리면 놓치기 쉬운 함정입니다. 이 글의 결론은 특정 상품을 사거나 팔라는 게 아니라, 자산을 볼 때 '평균 수익률'과 '변동성(그리고 최대 낙폭)'을 항상 함께 보라는 것입니다.

변동성이 큰 자산일수록, 같은 평균 수익률이라도 실제로 통장에 남는 복리 성과는 더 낮아질 수 있습니다. 반대로 변동성을 낮추는 분산 투자는 감쇠를 줄여 장기 복리를 지키는 데 도움이 됩니다.

'거의 모든 것의 수익률'에서는 같은 기간을 일시금·적립식으로 굴렸을 때, 위기 구간의 낙폭과 회복 기간이 실제 성과에 어떤 영향을 줬는지 직접 시뮬레이션해 볼 수 있습니다. 평균이 아니라 '실제로 굴러간 결과'를 눈으로 확인해 보세요.