포스트모던 포트폴리오 이론 (PMPT) 최적화
포스트모던 포트폴리오 이론 (PMPT) 최적화는 지정된 목표 수익률 또는 최소 허용 수익률 이하의 수익으로 정의되는 하방 위험을 최소화함으로써 투자 포트폴리오를 구성하는 프레임워크이며, 전체 분산이 아니라 하방 위험을 최소화합니다. 이는 투자자들이 손실과 이익을 비대칭적으로 인식한다는 점—즉, 상승 변동성보다 손실에 더 민감하다는 점—을 반영하여 현대 포트폴리오 이론 (MPT)을 확장합니다. 따라서 PMPT 최적화는 평균‑분산 최적화(MVO)를 하방 위험 최적화(DRO)로 대체하고, 반분산, 반편차, 소르티노 비율과 같은 지표를 활용해 자산 배분 결정을 내립니다.
MPT가 투자자들이 방향에 관계없이 평균 주변의 수익 분산에 관심이 있다고 가정하는 반면, PMPT는 위험을 부채 일정, 벤치마크, 개인 수익 하한 등 목표 미달성으로 명시적으로 모델링합니다. 이러한 특성 때문에 PMPT는 은퇴 계획, 기금 관리 및 저조한 성과가 명확한 결과를 초래하는 기타 상황에 특히 적합합니다.
PMPT 최적화는 하방 위험에 대한 제약 조건 하에 기대 수익을 최대화하는 포트폴리오 비중을 구하거나, 동일하게 목표 수익률을 만족하도록 하방 위험을 최소화합니다. 최적화 문제는 일반적으로 하위 부분 모멘트(LPM)를 사용해 정의되며, 목표 수익률 \(T\) 이하의 제곱 편차만을 통합하는 목적 함수를 포함합니다:
\[\text{Minimize } \text{LPM}_2(T) = \int_{-\infty}^{T} (T - r)^2 f(r) \, dr\]\(r\)은(는) 무작위 수익률을, \(f(r)\)은(는) 그 확률 밀도 함수를 의미합니다. 실제로는 이를 과거 또는 시뮬레이션된 수익 분포를 이용해 근사합니다:
\[\widehat{\text{LPM}}_2(T) = \frac{1}{N} \sum_{t=1}^{N} \max(0, T - r_t)^2\]이 목표는 MVO에서 사용되는 분산 항 \(\sigma^2 = \frac{1}{N} \sum (r_t - \bar{r})^2\)을 대체합니다. 그 결과 효율적 프런티어는 수익‑하방‑위험 평면에서 볼록하게 나타나며, 목표 대비 저조할 확률이 낮은 포트폴리오를 제공하는 경우가 많습니다.
- 목표 수익률 (T): 인플레이션 플러스 3%와 같은 사전 지정 벤치마크, 부채 현금 흐름, 혹은 무위험 금리 등으로, ‘바람직하지 않은’ 수익률의 기준선을 정의합니다.
- 반분산 / 반편차: 목표 이하의 수익률에 대한 분산 또는 표준편차로, 위험 지표로 활용됩니다.
- 소르티노 비율: 목표 초과 수익을 반편차로 나눈 값으로, 최적화나 순위 매김 시 성과 측정에 사용됩니다.
- 하방 위험 최적화 (DRO): PMPT 목표를 해결하기 위한 계산 방법으로, 수익률을 이산적으로 근사할 경우 보통 이차계획법을 통해 구현됩니다.
- 수렴 특성: 실증 연구에 따르면 제약 없는 반분산 최적화기는 이론이 예측하는 극단적인 ‘코너 솔루션’에 항상 수렴하지 않으며, 오히려 수익률 분포가 비정규 혹은 두꺼운 꼬리를 가질 때 다양화된 자산 배분을 도출하는 경우가 많습니다.
- 데이터 민감도: PMPT 최적화는 MPT에 비해 목표 수익률 선택 및 수익률 분포 가정에 더욱 민감합니다. 목표의 작은 변동이나 하방 모멘트 추정 오류가 최적 가중치에 큰 영향을 미칠 수 있습니다.
- 계산 복잡도: 자산 규모가 중간 정도일 때는 해결 가능하지만, 비대칭 위험 가중치와 고차 LPM 모델의 비볼록성 때문에 대규모 문제에서는 DRO가 MVO보다 계산 부담이 크게 증가합니다.
- 목표 정렬: 투자자의 목표가 명확히 정의된 경우(PMPT가 알려진 부채 흐름을 충당하는 등) PMPT가 뛰어나지만, 목표가 임의적이거나 수익률 분포가 대칭·가늘은 꼬리를 가질 때는 MPT 대비 장점이 감소합니다.
투자자가 연 5% 수익률을 목표로 하고, 과거 연간 수익률을 이용해 두 자산군을 평가한다고 가정합니다:
- 자산 A: 수익률 [2%, 6%, 8%, 4%]
- 자산 B: 수익률 [3%, 3%, 7%, 7%]
자산 A의 경우, 5% 이하 편차는 [−3%, 0%, 0%, −1%]이며 → 제곱된 음수값: [9, 0, 0, 1] → 반분산 = 2.5. 자산 B의 경우, 5% 이하 편차는 [−2%, −2%, 2%, 2%]이며 → 제곱된 음수값: [4, 4, 0, 0] → 반분산 = 2.0.
두 자산 모두 평균이 동일(5%)이지만, 자산 A는 목표 5% 이하 손실이 더 커 반분산이 2.5로 자산 B의 2.0보다 높아 하방 위험이 더 큽니다. 따라서 손실 회피형 투자자는 PMPT 최적화 시 자산 B를 선호하게 됩니다. 두 프레임워크는 자산들의 전체 분산은 동일하지만 수익률 분포의 형태가 다를 때 가장 크게 차이가 납니다. 전체 분산은 상승·하락 편차를 동일하게 가중하기 때문에, 동일한 분산을 가진 두 자산이라도 수익률이 비대칭이면 반분산이 크게 달라질 수 있으며, 바로 이러한 비대칭성을 PMPT가 가격에 반영하도록 설계되었습니다.
참고 문헌
PMPT 최적화는 현대 포트폴리오 이론 (MPT)과 어떻게 다릅니까?
PMPT 최적화는 MPT의 대칭 위험 척도(표준편차)를 비대칭 하방 위험으로 대체합니다—목표 또는 최소 허용 수준 이하의 수익에 초점을 맞추어—변동성 자체보다 손실 회피에 대한 투자자의 민감도를 더 잘 반영합니다.
PMPT 최적화의 핵심 목표는 무엇입니까?
핵심 목표는 지정된 목표 수익률에 대한 하방 위험 수준을 일정하게 유지하면서 수익을 극대화하는 것으로, 부채 충족이나 저조한 성과 회피와 같은 실제 투자자 목표에 보다 부합하는 포트폴리오를 구현합니다.
PMPT 최적화에서 사용되는 일반적인 하방 위험 지표는 무엇입니까?
일반적인 지표로는 반분산(2차 하위 부분 모멘트), 반편차, 소르티노 비율이 있으며—각각 전체 분산이 아닌 일정 기준 이하의 수익만을 측정합니다.