회전율과 거래비용

퀀트 투자와 일곱 개의 대죄

# 이상과 현실의 괴리, 회전율과 거래비용

일곱 개의 대죄, 그 다섯 번째는 바로 회전율(Turnover)과 거래비용(Transaction Cost)이다. 학계 그리고 실무에서 행해지는 수많은 백테스팅 결과들의 문제점은 이상적인 세계를 가정하고 있다는 것이다. 이러한 이상적인 세계에서는 거래비용도 없고, 회전율에 제한도 없으며, 무제한의 롱 포지션과 숏 포지션을 잡을 수 있다. 하지만 이데아와 현실 세계가 다르듯이, 실제 금융시장에서 전략을 구현하는 것은 수많은 제약조건들과의 싸움이다. 거래비용과 회전율 이슈는 가장 대표적인 제약조건이다.

# 거래비용의 효과

우선, 회전율 혹은 시그널의 감쇄가 현실에서 왜 중요한지에 대한 의문이 들 수도 있다. 만약 헤지펀드 매니저라면, 포트폴리오의 성격과 시장 상황에 따라 꽤 융통성을 가질 수 있을 텐데 말이다. 하지만 아무리 헤지펀드 매니저라고 해도, 정작 중요한 문제는 시장에서 알파를 추출하는 많은 비밀스러운 전략들이 높은 회전율을 요구한다는 사실이다. 시장에서 알파를 얻는다는 것은 결국 남들보다 빠르게 이를 선점하고 취해야 한다는 것을 의미하며, 이는 자연스럽게 더 많은 거래를 유발한다. 더 많은 거래는 당연히 더 많은 거래비용을 부과할 수밖에 없기에, 이러한 거래비용의 영향력은 매우 크다.

아래의 예시는 주식시장에 존재하는 대표적인 팩터인 단기 역추세 전략과 PBR을 이용한 밸류 전략의 백테스팅 결과를 나타내고 있다. 우리는 이를 통해 거래비용이 왜 중요한 요인인지 직관적으로 알 수 있다. 상대적으로 매매의 빈도가 많은 단기 역추세 전략의 성과가 거래비용이 커짐에 따라 계속해서 크게 감소하고 있는 것을 확인할 수 있다. 이처럼 아무리 이상적인 상황에서의 백테스팅 결과가 좋다고 해도 우리는 섣불리 이 결과를 믿고 실제 전략 운용으로 뛰어들어서는 안 된다.

거래비용에 대한 성과의 차이 (출처: Deutsche Bank)

# 회전율에 대한 제약조건

거래비용이 부담이라면 회전율을 낮추면 되지 않을까라는 생각이 들 수 있다. 하지만 무조건적으로 낮은 회전율이 좋다고 할 수만은 없다. 왜냐하면 쉽사리 찾을 수 없는 알파 전략은 앞서 언급했듯이 높은 회전율을 요구하기 때문이다. 이러한 종류의 알파는 단 몇 시간, 몇 분 혹은 몇 초 만에 사라져 버리기도 한다. 아래의 그림은 AdaBoost라는 머신러닝 기법을 가지고 만든 N-LASR 전략의 백테스팅 성과이다. 성과가 매우 뛰어난 모델이지만 회전율을 낮추면 낮출수록 성과가 크게 감소하는 모습을 보인다. 결국 알파의 영역은 거래비용과 회전율의 딜레마가 발생하는 곳이다.

회전율에 대한 성과의 차이 (출처: Deutsche Bank)

# 거래비용과 회전율의 밸런스

찾기 힘든 알파 전략은 찾는 것도 문제이지만, 설사 찾았다 하더라도 기본적으로 알파의 지속시간이 매우 짧기에 이러한 전략은 높은 회전율을 요구한다. 즉, 그 알파를 향유하기 위해서는 매매 빈도를 높여야 한다는 것이다. 문제는 높은 회전율이 필연적으로 많은 거래비용을 수반할 수밖에 없다는 것이다. 전략을 운용하는 입장에서는 해결하지 쉽지 않은 딜레마에 빠지게 된다.

이러한 딜레마를 해결할 수 있는 방법은 결국 알파의 지속시간과 크기, 회전율, 그리고 거래비용 간의 밸런스를 적정 수준에서 유지하는 수밖에 없다. 즉, 어느 정도는 시뮬레이션과 테스트, 또 어느 정도는 직관이 요구되는 예술의 영역인 셈이다. 실무적 감각과 운용 경험이 필연적으로 수반된다.