나의 첫 번째 재무 프로젝트: 다각화가 다각화를 하지 않을 때

Source: Dev.to

Code and Readme with more financial and technical details is located here

Motivation

최근 여러 흥미로운 책을 읽으면서 금융 분야에 대한 열정이 크게 생겼습니다. 좋은 프로그래머가 말하듯이, 문제에 직접 뛰어들어 몇 번씩 실수하면서 배우는 것이 가장 좋은 방법입니다.

캄보디아에서 자라면서 저는 언론이 캄보디아 정치와 경제를 보도하는 방식과 실제 상황 사이에 큰 불일치가 있음을 자주 느꼈습니다. 중요한, 잠재적으로 획기적인 사건들이 뉴스가 되지 않을 때도 많았습니다. NagaCorp Ltd 같은 주식을 팔로우하면서 정보가 훨씬 적은 상황에서 시장이 얼마나 비효율적일지, 그리고 위험이 얼마나 정확히 반영되는지를 궁금해 했습니다.

Hypothesis

고위험 국가 지수와 저위험 국가 지수를 추종하는 ETF 간에 위험조정 수익률에 통계적으로 유의미한 차이가 없다.

ETF를 선택한 이유는 개별 주식을 직접 묶을 경우 생존자 편향(survivorship bias)과 선택 기간 동안 국가 분류가 바뀌는 문제 등을 피하기 위해서였습니다.

Data and Methodology

• 재무 데이터가 이미 정제돼 있었기 때문에 몇 개의 Pandas DataFrame을 만들고 정렬한 뒤 분석을 시작할 수 있었습니다.
• 다음을 추종하는 ETF의 성과를 비교했습니다:
  • S&P 500 (선진 시장 벤치마크)
  • 신흥 시장
  • 프론티어 시장
• 절대 수익률과 위험조정 지표를 모두 살펴보았으며, 특히 시장 스트레스 기간에 초점을 맞췄습니다.

Findings

• S&P 500이 프론티어와 신흥 시장을 연간 약 10 % 정도 앞섰습니다.
• S&P 500과의 상관관계는 중간 수준이었습니다(신흥 시장 0.70, 프론티어 시장 0.61), 이는 겉보기에 어느 정도 독립성을 시사합니다.
• 그러나 S&P 500의 최악 10개월 동안, 신흥 및 프론티어 시장 모두 심각한 손실을 입었으며, 손실 규모는 S&P 500 자체의 85‑91 % 수준에 달했습니다.
• 다변화 효과는 가장 필요할 때 사라집니다: S&P 500이 하락할 때 프론티어 시장은 오히려 더 크게 떨어지는 경향을 보였습니다(전체 상관관계가 낮음에도 불구하고).

Takeaways

• 이번 분석을 바탕으로 저는 대부분의 투자를 기존(선진) 시장에 집중하는 것이 좋다고 생각합니다.
• 프로젝트를 통해 시장 하락기에는 다변화 효과가 허상일 수 있음을 확인했습니다.
• 또한 고수준 지표에만 의존하기보다 명확한 문제 정의와 최적의 답을 찾기 위한 탐구가 얼마나 중요한지도 다시 한 번 깨달았습니다.

깊이 있는 재무 분석에 관심이 있으시면 위의 GitHub 저장소를 확인하시거나 메시지를 보내 주세요!