Professional Documents
Culture Documents
E-Chapter Ross 12 12
E-Chapter Ross 12 12
401
402 ■■■ PART III 위험
이다. 왜냐하면 그들의 비용과 매출은 함께 상승하고 하락할 것이기 때문이다. 그들의 주식은 0
의 인플레이션 베타를 가질 것이다.
우리가 초점을 두길 원하는 세 개의 체계적 위험을 밝혔다고 가정해보자. 우리는 아마도 이
셋이 주식수익률에 영향을 주는 체계적 위험을 나타내는 데 충분하다고 생각할 것이다. 이 셋의
후보로는 인플레이션, GNP, 그리고 이자율이 될 확률이 높다. 따라서 모든 주식은 이 체계적 위
험들과 관련된 베타를 가질 것이다: 인플레이션 베타, GNP 베타, 이자율 베타. 우리는 이 주식
에 대한 수익률을 다음과 같은 형태로 나타낼 수 있다.
R=
E(R) + U
= E(R) + m + ε
= E(R) + βIFI + βGNPFGNP + βrFr + ε
여기서 우리는 βI를 주식의 인플레이션 베타를 나타내기 위해 사용하였고, βGNP는 GNP 베타를,
그리고 βr은 이자율 베타를 지칭한다. 이 공식에서 F는 그것이 인플레이션, GNP, 또는 이자율
에서든 상관없이 서프라이즈에 대한 부분을 의미한다.
이제 주어진 주식에 대하여 어떻게 서프라이즈와 기대수익률이 총수익률인 R을 산출하는
데에 기여하는지 예제를 통해 알아보도록 하자. 이를 좀 더 친숙하게 하기 위하여, 수익률을 한
달이 아닌 일 년의 기간에 대한 것으로 가정하자. 연초에 인플레이션이 올 한 해 5%가 될 것으
로 예측되고, GNP는 2%까지 증가할 것으로 예측되었으며, 이자율은 변화가 없을 것으로 기대
된다고 가정하자. 우리가 살펴볼 주식이 다음과 같은 베타들을 가진다고 가정해보자.
βI = 2
βGNP = 1
βr = −1.8
베타의 크기는 체계적 위험이 주식의 수익률에 얼마나 큰 충격을 주는가를 나타낸다. +1의
베타는 체계적 요소에 대하여 주식의 수익률이 일대일로 상승하고 하락하는 것을 의미한다. 우
리 예제에서 주식은 1의 GNP 베타를 가지므로 매 1%의 GNP 상승 서프라이즈에 대하여 주가
의 1% 상승을 겪게 됨을 의미한다. 만약 GNP 베타가 −2였다면, GNP에서 1%의 예상치 못한
상승이 존재할 때에 주가는 2% 하락하게 될 것이고, 만약 1% 하락 서프라이즈가 나타났다면 주
가는 2% 상승하게 될 것이다.
한 해 동안에 다음과 같은 일들이 일어났다고 가정해보자. 인플레이션이 7%까지 상승,
GNP는 1%만 상승, 이자율은 2%까지 하락. 그리고 어떤 새로운 경영전략으로 빠르게 성공할
것이라는 이 기업에 대한 좋은 뉴스와 기업의 예상하지 못한 발전으로 주식수익률에 5%의 기여
를 하였다고 가정해보자. 다른 말로 표현하면:
ε = 5%
예측 인플레이션 = 5%
예측 GNP 변화 = 2%
예측 이자율 변화 = 0%
마찬가지로:
FGNP =
GNP에서의 서프라이즈
= 실질 GNP − 예측 GNP
= 1% − 2%
= −1%
그리고:
Fr =
이자율 변화에서의 서프라이즈
= 실질 변화 − 예측 변화
= −2% − 0%
= −2%
오직 하나의 요인만이 존재할 때(S&P 500 지수에 대한 수익률), 우리는 베타의 아래에 별도로
이름을 기입을 할 필요가 없다. 이러한 형태에서의(약간의 수정을 거쳐) 요인모형을 시장모형
(market model)이라고 부른다. 이 용어는 요인으로 사용된 지수가 전체(주식)시장에 대한 지수
의 수익률이기 때문에 그렇게 사용한다. 시장모형은 다음과 같이 표현된다.
R = E(R) + β[RM − E(RM)] + ε
여기서 우리는 변수들 아래에 이름을 기입하였는데 그것은 i번째 주식과 관련이 있음을 나타내
기 위한 것이다. 요인 F에는 아무런 이름(아래첨자)이 없다. 이 요인은 체계적 위험을 나타내며
1
대안으로, 시장모형은 다음과 같이 표현할 수 있다:
R = α + βRM + ε
다른 말로, 만약 βi가 0이라면 i번째 주식의 수익률은 요인인 F에 의하여 영향을 받지 않는다. 만
약 βi가 양수라면, 요인의 양의 변화는 i번째 주식의 수익률을 증가시킬 것이며, 음의 변화는 그
것을 낮추게 될 것이다. 역으로 만약 βi가 음수라면, 수익률과 요인은 서로 반대 방향으로 움직
일 것이다.
<그림 12.1>은 주식의 초과수익률과 다른 베타들에 대한 요인 F와의 관계를 나타내고 있으
며 여기서 βi > 0이다. <그림 12.1>의 선들은 비체계적 위험이 존재하지 않는다는 가정에서의
식 (12.1)을 나타내고 있다. 즉, εi = 0이다. 우리는 양의 베타를 가정하고 있으므로, 선의 기울
기는 상향이며, 이것은 주식에 대한 수익률이 F가 증가함에 따라 상승하는 것을 의미한다. 만약
요인이 0이라면(F = 0), 이 선은 y축에서 0을 지나게 될 것이다.
이제 우리가 각 주식이 단일요인모형을 따르는 주식포트폴리오를 구성하였을 때 어떤 일이
그림 12.1
단일요인모형 주식 i에 대한
초과수익률(%): Ri – E(Ri )
βi = 1.5
βi = 1.0
20
15 βi = .5
10
요인 F에 대한
–20 –15 –10 –5 5 10 15 20 수익률(%)
–5
–10
–15
–20
포트폴리오와 분산
일반적으로 투자자들은 분산된 포트폴리오를 보유하고 있으므로, 우리는 대규모 혹은 분산된
포트폴리오에서 식 (12.4)가 어떻게 해석될지 알아보려 한다.2
결과적으로 식 (12.4)에서 특이한 일이 발생한다. 즉, 세 번째 행은 실제로 규모가 큰 포트폴
리오에서 사라진다. 이를 알아보기 위해, 룰렛 바퀴의 여러 스핀에 걸쳐 붉은색에 $1,000을 나
누어 배팅하는 겜블러를 고려해보자. 예를 들어, 그는 1,000번의 회전에 참여하여 한 번에 $1을
배팅할 수 있다. 우리는 어떤 회전의 결과가 붉은색이 될지 검은색이 될지 사전에 알 수는 없지
만, 붉은색이 50% 정도의 승률이라는 점은 확신할 수 있다. 하우스 몫을 무시할 때, 투자자는 그
의 원금 $1,000으로 겜블이 끝날 것을 예측할 수 있다.
주식에 대해서도 동일한 원리가 적용된다. 각 주식은 비체계적 위험을 가지고 있는데, 한 주
식에 대한 서프라이즈가 다른 주식의 서프라이즈와 관계가 없는 비체계적 위험을 가지고 있다.
각 증권에 적은 금액을 투자함으로써, 우리는 큰 포트폴리오에서 비체계적 위험의 가중평균을 0
에 가깝도록 할 수 있다.3
세 번째 행이 큰 포트폴리오에서 완전히 사라진다 할지라도, 첫 번째와 두 번째 행에는 특별
한 변화가 발생하지는 않는다. 증권들이 포트폴리오에 추가됨에 따라 행 1은 각 증권들에 대한
기대수익률의 가중평균으로 남는다. 첫 번째 행에서는 불확실성이 존재하지 않으므로, 분산효과
로 인하여 이 행이 사라지지 않는다. 두 번째 행의 괄호 안에 있는 항들은 베타들의 가중평균으
로 남는다. 이것들 또한 증권이 추가된다고 해서 사라지지 않는다. 요인 F는 증권이 포트폴리오
에 추가될 때 영향을 받지 않으므로, 두 번째 행은 사라지지 않는다.
두 행이 모두 불확실성을 반영하고 있지만 두 번째 행은 사라지지 않는데 반해, 세 번째 행
은 왜 사라지는가? 그 핵심은 행 3에는 많은 비체계적 위험이 존재한다는 것이다. 이 위험들은
서로 독립적이므로, 우리가 포트폴리오에 더 많은 자산들을 추가할수록 분산효과는 더욱 강해
진다. 포트폴리오 위험이 점점 더 약해질수록 수익률은 더욱 확실해진다. 그러나 체계적 위험인
F는 행 2에서 괄호의 밖에 위치하므로 모든 증권에 영향을 미친다. 우리는 많은 증권들에 투자
하는 것으로 이 요인을 피할 수 없기 때문에, 분산효과는 이 행에서 일어나지 않는다.
예제 12.1 분산효과와 비체계적 위험 앞의 내용들은 다음의 예제로 더 자세히 설명될 수 있다. 여기서 우리는 단일요인
모형에 세 가지 가정들을 추가하려 한다.
1. 모든 증권들은 10%로 동일한 기대수익률을 가지고 있다. 이 가정은 식 (12.4)의 첫 번째 행이 반드시
10%가 되어야 함을 의미하는데 그것은 이 행이 개별 증권들의 기대수익률에 대한 가중평균이기 때문
이다.
2. 모든 증권들은 1의 베타를 가지고 있다. 식 (12.4)의 두 번째 행에서 괄호 안의 항들의 합은 반드시 1과
2
엄밀히 말하면, 우리는 투자자들이 무제한으로 증권의 수를 계속해서 증가시켜 나가는 것을 큰 포트폴리오로 생각할 수 있다. 실질적으로,
효율적인 분산은 최소 몇십 개의 증권들을 보유할 때 일어날 수 있다.
3
좀 더 정확히, 우리는 포트폴리오에서 동일하게 가중된 증권들의 수가 무한대로 접근함에 따라 비체계적 위험의 가중평균이 0에 접근한다
고 할 수 있다.
CHAPTER 12 위험과 수익률의 대안적 시각: 차익거래가격결정이론(APT) ■■■ 409
(12.4’)
식 (12.4)의 식 (12.4)의 식 (12.4)의
행 1로부터 행 2로부터 행 3으로부터
RP = 10% + F (12.4”)
총위험, σ P2
비체계적 위험
체계적 위험
N, 포트폴리오에서
증권의 수
총 위험은 포트폴리오에서 증권의 수가 증가함에 따라 감소한다. 이러한 감소는 오직 비체계적 위험요소
에서만 발생한다. 체계적 위험은 분산에 영향을 받지 않는다.
4
여기서 우리가 보인 것은 정확하게 표현한 것은 아니다. 좀 더 정확하게 알고자 하는 학생은 행 3의 분산이 다음과 같음을 참고하라.
그림 12.3
단일요인모형에서 기대수익률(%)
개별 증권들의 베타와 Ri 증권시장선
기대수익률의 그래프
L
35
A
P
22.5 C
RF = 10 B
베타: βi
1 2
CHAPTER 12 위험과 수익률의 대안적 시각: 차익거래가격결정이론(APT) ■■■ 411
시장포트폴리오와 단일요인
CAPM에서 증권의 베타는 시장포트폴리오의 움직임에 대한 반응도를 측정한다. 차익거래가격
결정이론의 단일요인모형에서 증권의 베타는 요인에 대한 반응도를 측정한다. 우리는 이제 시
장 포트폴리오를 단일요인에 연결시켜보려 한다.
크고 잘 분산된 포트폴리오는 개별 증권들의 비체계적 위험이 분산되었으므로 비체계적 위
험이 존재하지 않는다. 시장 포트폴리오가 충분히 분산되도록 증권들이 충분히 존재한다고 가
412 ■■■ PART III 위험
그림 12.4
단일요인모형에서 기대수익률(%)
시장 포트폴리오에 대한 증권시장선
베타와 기대수익률의
그래프
E(RM)
RF
베타
1
요인의 크기는 시장 포트폴리오와 동일하도록 조정된다.
시장 포트폴리오의 베타는 1이다.
12.4 자본자산가격결정모형(CAPM)과
차익거래가격결정이론(APT)
CAPM과 APT (Arbitrage Pricing Theory)는 위험과 수익에 대한 대안적 모형들이다. 두 모형
들 간의 차이를 고려해보는 것은 교육적으로나 실질적인 적용 면에서나 의미가 있을 것이다.
5
이 가정은 현실 세계에서도 타당하다. 예를 들어, 심지어 Apple의 시장가치도 (2017년 중반) S&P 500 시장가치의 4% 미만이었다.
CHAPTER 12 위험과 수익률의 대안적 시각: 차익거래가격결정이론(APT) ■■■ 413
교수법의 차이
우리는 CAPM이 학생들의 관점에서 적어도 한 가지 강력한 이점을 가진다고 생각한다. CAPM
의 도출은 필수적으로 독자들에게 효율적 집합에 대한 논의를 거치도록 한다. 이러한 과정
은 ― 두 위험자산에서 시작하여 점차 더 많은 위험자산의 경우로 이동하고, 그리고 마침내는 많
은 수의 위험자산에 무위험자산이 추가되는 경우까지 고려하는 ― 굉장히 직관적인 가치를 가진
다. 이러한 종류의 특성이 APT에서는 쉽게 이루어지지 않는다.
그러나 APT는 다른 상쇄되는 이점을 가지고 있다. 이 모형은 모든 증권의 비체계적 위험이
다른 모든 증권들의 비체계적 위험과 상관관계가 없을 때까지 요인들을 추가한다. 이러한 공식
하에서, (1) 포트폴리오에서 증권들의 수가 증가할수록 비체계적 위험은 지속적으로 감소한다
(그리고 궁극적으로는 사라진다)는 것과, (2) 체계적 위험은 감소하지 않는다는 것을 쉽게 보일
수 있다. 이 결과는 비록 비체계적 위험이 증권 간에 상관관계가 있을 수 있기 때문에 직관적으
로 명확하지는 않지만, CAPM에서도 마찬가지로 나타나는 결과이다. 또한 APT는 기대수익률
과 베타 사이의 선형관계를 얻는 것에서 차익거래의 역할을 강조한다.
적용에서의 차이
APT의 한 가지 이점은 CAPM은 다요인(multiple factors)을 무시하고 있는 데 반해, 이것들을
다룰 수 있다는 점이다. 이 장에서 우리가 보인 많은 것들이 단일요인에 집중되어 있지만, 다요
인모델은 아마도 현실을 좀 더 반영하고 있을 것이다. 즉, 우리는 한 증권의 비체계적 위험이 다
른 증권들의 비체계적 위험과 상관관계가 없게 되기 전까지, 시장 전체 그리고 산업 전체의 많
은 요인들로부터 추출해내야 한다. 이러한 APT의 다요인 버전 하에서 위험과 수익 간의 관계는
다음과 같이 표현될 수 있다.
E(R) = R
F + [E(R1) − RF]β1 + [E(R2) − RF]β2
(12.6)
+ [E(R3) − RF]β3 + ⋅ ⋅ ⋅ + [E(RK) − RF]βK
6
실질적으로, [E(Ri) − RF]는 요인 i가 어떤 종류의 헷지로서 인식될 때 음수(−)가 될 수 있다.
414 ■■■ PART III 위험
해주고 있다.
하나의 예로, 산업생산(IP)의 월 성장률, 기대 인플레이션의 변화(ΔEI), 예상치 못했던 인
플레이션(UI), 위험채권과 채무불이행위험이 없는 채권 간 위험 프리미엄에서의 예상치 못했던
변화(URP), 그리고 장기 정부채권의 수익률과 단기 정부채권의 수익률 간의 차이에서의 예상
치 못한 변화(UBR)와 같은 요인들의 연구를 생각해보자.7 1958~1984의 기간을 사용하여, 이
연구의 실증적인 결과는 어떤 주식에 대한 월 수익률 E(RS)는 다음과 같이 나타낼 수 있음을 말
해주고 있다.
E(RS) = 0.0041 + 0.0136βIP − 0.0001βΔEI − 0.0006βUI + 0.0072βURP − 0.0052βUBR
여기서 특정 주식은 다음의 베타들을 따른다: βIP = 1.1, βΔEI = 2, βUI = 3, βURP = 0.1,
βUBR = 1.6.
이 증권에 대한 월 기대수익률은 다음과 같을 것이다.
E(RS) =
0.0041 + 0.0136 × 1.1 − 0.0001 × 2 − 0.0006 × 3 + 0.0072 × 0.1
− 0.0052 × 1.6
= 0.0095
7
N. Chen, R. Roll, and S. Ross, “Economic Forces and the Stock Market,” Journal of Business (1986년 7월).
8
1900년으로 돌아가면 S&P 500은 평균적으로 무위험이자율보다 7.2% 더 높았다. 많은 연구자들이 쉽게 찾을 수 있는 시장 포트폴리오를
대용으로 가정함에도 불구하고, Richard Roll은 “A Critique of the Asset pricing Theory’s Tests,” Journal of Financial Economics (1977년 3월)
에서 시장 포트폴리오에 대한 일반적으로 수용가능한 대용치의 부재는 이론의 적용에 심각한 악영향을 준다고 주장하였다. 결국 시장은 부동
산, 경마, 그리고 주식시장이 아닌 다른 자산들을 반드시 포함해야만 한다.
CHAPTER 12 위험과 수익률의 대안적 시각: 차익거래가격결정이론(APT) ■■■ 415
스타일 포트폴리오
기대수익률을 추정하는 방법으로서 그들의 사용에 더하여, 주식 속성들은 또한 자금관리 스타
일을 특징짓는 방법으로 넓게 사용된다. 예를 들어, 시장 평균을 초과하는 P/E 포트폴리오 비율
을 가진 포트폴리오는 높은 P/E 또는 성장주 포트폴리오(growth stock portfolio)라고 특징지을
수 있다. 유사하게, 평균적으로 시장지수보다 적은 P/E를 가진 주식들로 구성된 포트폴리오는
낮은 P/E 포트폴리오 또는 가치주 포트폴리오(value portfolio)라고 특징지을 수 있다.
포트폴리오 매니저들이 얼마나 잘 하고 있는지를 평가하기 위하여, 그들의 성과는 종종 어
떤 기본적인 지수들의 성과와 비교된다. 예를 들어, 미국의 대기업 주식들을 구매한 매니저들의
포트폴리오 수익률은 S&P 500 지수의 성과와 비교될 수 있을 것이다. 이러한 경우, S&P 500을
그들이 측정하려는 성과에 대한 벤치마크(benchmark)가 된다고 이야기한다. 유사하게, 국제적
인 매니저들은 어떤 외국 주식들의 공통적인 지수에 대하여 비교할 수 있을 것이다. 적당한 벤
치마크를 선택하는 것에서 매니저의 스타일을 나타내거나 구매가 가능한, 매니저가 목표로 하
는 주식의 종류들을 잘 포함하고 있는 벤치마크를 선별하는 것에 주의를 기울여야 한다. S&P
의견 직접 보기
500 지수에 있는 어떤 주식도 구매하지 말도록 요구받은 매니저에게는 S&P 500에 대한 비교가
적절하지 않은 것으로 고려될 것이다.
또한 매니저들의 지수에 대한 비교뿐 아니라 비슷한 관리자들의 그룹에 대한 비교 또한 점
차 증가하고 있다. 그들이 성장펀드라고 스스로 광고하는 펀드의 성과는 유사한 펀드의 큰 표본
의 성과에 대하여 측정될 수 있을 것이다. 예를 들어, 어떤 기간 동안의 성과는 일반적으로 사분
위로 할당된다. 펀드의 상위 25%는 1사분위라고 불리고, 다음 25%는 2사분위, 그 다음 25%는
417
418 ■■■ PART III 위험
03. 포트폴리오에 증권들이 추가됨에 따라, 개별 증권들의 비체계적 위험은 서로 상쇄된다. 충분히 분
산된 포트폴리오에서 비체계적 위험은 존재하지 않으나 여전히 체계적 위험은 존재한다. 이 결과는
분산이 개별 증권들의 위험의 전부가 아닌 일부만을 제거할 수 있음을 의미한다.
04. 이 점 때문에 주식에 대한 기대수익률은 체계적 위험에 양(+)의 관련성을 가진다. 단일요인모형에
서, 증권의 체계적 위험은 단순히 CAPM의 베타가 된다. 따라서 CAPM과 단일요인 APT가 함의하
는 것은 동일하다. 그러나 다요인모형에서 각 증권은 많은 위험들을 가진다. 증권에 대한 기대수익
률은 각 요인에 대한 증권의 베타에 양(+)의 상관관계를 가진다.
05. 수익률과 P/E 또는 M/B 비율과 같은 주식 속성들 간의 관계를 찾아내고자 하는 실증적 또는 통계
적인 모형들은 어떠한 이론적인 근거 없이 데이터로부터 직접적으로 추산해낼 수 있다. 이 비율들
은 또한 포트폴리오 매니저들의 스타일을 측정하기 위하여 사용되고 또한 그것들이 측정되는 것에
대한 벤치마크와 표본들을 구성하기 위하여 사용된다.
CHAPTER 12 위험과 수익률의 대안적 시각: 차익거래가격결정이론(APT) ■■■ 419
요인 β 기댓값 실제 값
GDP 0.0000734 $19,571 $19,843
인플레이션 −0.90 2.60% 2.7%
이자율 −0.32 3.40% 3.2%
요인 β 기댓값 실제 값
GNP 성장률 1.47 1.9% 2.4%
인플레이션 −0.87 3.2 3.6
β1 β2 β3
주식 A 1.55 0.80 0.05
주식 B 0.81 1.25 −0.20
주식 C 0.73 −0.14 1.24
β1 β2 E(R)
포트폴리오 A 0.85 1.15 16%
포트폴리오 B 1.45 −0.25 12
E(R) β
주식 A 10.5% 1.20
주식 B 13.0 0.98
주식 C 15.7 1.37
시장 14.2 1.00
여기서
Rit = t시점에서 i번째 자산에 대한 수익률
RMt = t시점에서 모든 위험자산을 일부 비율로 포함하는 포트폴리오에 대한 수익률
RMt와 εit는 통계적으로 서로 독립이다.
공매도(즉, 음의 포지션)는 시장에서 허용된다. 당신은 다음의 정보를 얻었다.
자산 βi E(Ri) Var(εi)
A 0.7 8.41% 0.0100
B 1.2 12.06 0.0144
C 1.5 13.95 0.0225
여기서:
Rit는 시간 t에서 증권 i에 대한 수익률이다.
F1t와 F2t는 기대치가 0이고 공분산이 0인 시장요인이다.
또한 4개의 증권에 대한 자본시장이 있고 이 4개의 자산에 대한 자본시장은 거래비용이 없고 공매
도(즉, 마이너스 포지션)가 허용된다는 점에서 완벽한 시장이라고 가정한다. 네 가지 증권의 특성은
다음과 같다.
증권 β1 β2 E(R)
1 1.0 1.5 20%
2 0.5 2.0 20
3 1.0 0.5 10
4 1.5 0.75 10