The Long-Only Minimum Variance Portfolio in a One-Factor Market: Theory and Asymptotics

이 논문은 1 요인 공분산 모델 하에서 자산 베타의 부호가 혼합된 경우의 장기-only 최소 분산 포트폴리오에 대한 명시적 해와 활성 자산 집합의 특성을 제시하고, 고차원 극한에서 활성 자산 비율이 특정 적분 방정식의 근에 의해 결정된다는 점과 베타가 양수일 때만 포트폴리오가 소멸한다는 결과를 증명합니다.

핵심

1. 배경: 왜 이 연구가 필요한가요?

전통적인 금융 이론 (마크로위츠) 은 "위험을 줄이려면 좋은 주식도 사고, 나쁜 주식을 빌려서 팔아치우면 (Short) 된다"고 말합니다. 하지만 현실에서는 공매도 (Short) 가 어렵거나 금지되어 있습니다.

• 비유: 마치 마라톤 대회에서 "가장 빨리 달리는 팀을 뽑으려면, 느린 선수들을 무리하게 뒤로 밀어내거나 (Short), 아예 경기장에 데려오지 말아야 한다"는 것과 같습니다.
• 문제: 모든 선수를 데려와서 "가장 빠른 팀"을 뽑으려다 보니, 실제로는 몇몇 선수만 뛰게 하고 나머지는 벤치에 앉히는 (Long-Only) 전략이 필요합니다. 이때 누구를 벤치에 앉히고, 누구를 뛰게 할지를 결정하는 것이 핵심 난제입니다.

2. 핵심 발견 1: "순서대로 정렬하면 답이 보인다"

저자들은 주식의 '베타 (Beta, 시장 변동에 대한 민감도)'를 기준으로 주식을 작은 것부터 큰 것까지 줄세우면, 답이 매우 단순해진다는 것을 발견했습니다.

• 비유: 100 명의 선수들이 줄을 서 있습니다. 우리는 "가장 안전한 팀"을 뽑아야 합니다.
• 해법: 단순히 가장 작은 숫자 (낮은 베타) 를 가진 선수들부터 순서대로 팀에 합류시킵니다.
  • "1 번, 2 번, 3 번... 50 번까지 합류!"
  • "51 번부터는 벤치에 앉혀라!"
• 중요한 점: 이 '절단선 (Threshold)'은 복잡한 계산을 반복해서 찾을 필요가 없습니다. **특정 수열 (Ri)**을 계산해서, 그 값이 양수에서 음수로 바뀌는 지점만 찾으면 됩니다. 마치 "물이 끓는 지점"을 찾는 것처럼 명확한 기준이 있습니다.

3. 핵심 발견 2: "수천 개의 주식도 결국 소수만 뛰게 된다"

논문은 주식 수가 무한히 많아지는 상황 (고차원) 에서 어떤 일이 일어나는지 분석했습니다.

• 현실: 주식 시장에는 수천, 수만 개의 종목이 있습니다.
• 예상: "아마도 모든 주식을 골고루 섞어야겠지?"라고 생각하기 쉽습니다.
• 실제 결과 (논문이 밝혀낸 사실): 아닙니다. 주식 수가 많아질수록, 실제로 포트폴리오에 포함되는 (Active) 주식의 비율은 거의 0 에 수렴합니다.
  • 비유: 10,000 명의 선수가 있는데, 실제로 달리는 사람은 100 명도 채 안 됩니다. 나머지는 모두 벤치에 앉아 있습니다.
  • 이유: 시장 전체를 움직이는 '주요 요인 (Factor)'이 하나만 있다면, 위험을 최소화하려면 그 요인에 가장 덜 민감한 (베타가 낮은) 소수 종목만 선택하는 것이 가장 효율적이기 때문입니다.

4. 핵심 발견 3: "마이너스 베타 (Negative Beta) 의 영향"

주식의 베타는 보통 양수 (시장이 오르면 주가도 오름) 입니다. 하지만 가끔 **마이너스 (시장이 오르면 주가는 내림)**인 주식도 있습니다.

• 질문: "마이너스 베타인 주식이 아주 조금만 있어도, 포트폴리오 구성이 크게 바뀌나요?"
• 답변: 아주 적게 바뀝니다. 마이너스 베타 주식의 비율이 1% 라면, 실제 포트폴리오에 들어가는 주식의 비율도 1% 수준으로 매우 작게 유지됩니다.
• 수학적 결론: 마이너스 베타 주식의 비율이 0 에 가까워질수록, 포트폴리오에 포함되는 주식의 수도 0 에 가까워집니다. (구체적으로는 3 제곱근 비율로 줄어듭니다.)

5. 요약: 이 논문이 우리에게 주는 교훈

1. 복잡한 계산은 필요 없다: "어떤 주식을 살지?"를 고민할 때, 모든 주식을 다 섞을 필요 없습니다. 베타가 낮은 주식들만 순서대로 골라내면 됩니다.
2. 선택과 집중: 주식 수가 많아질수록, 소수의 '안전한' 종목에 집중하는 것이 오히려 위험을 줄이는 길입니다. (모든 것을 분산시키는 것이 항상 정답은 아님)
3. 현실적인 제약: 공매도 (Short) 가 불가능한 현실에서는, 적은 수의 종목으로 포트폴리오를 구성하는 것이 수학적으로도 가장 합리적입니다.

한 줄 요약:

"수천 개의 주식을 다 살 필요 없이, 시장 변동에 가장 둔감한 소수의 주식만 골라 순서대로 담으면, 가장 안전한 포트폴리오를 만들 수 있다."

이 연구는 투자자들이 복잡한 수학적 모델을 두려워하지 않고, **간단한 규칙 (순서와 기준)**으로 현명한 투자를 할 수 있는 이론적 근거를 제공합니다.

기술 요약

논문 요약: 단일 인자 시장에서의 장기-only 최소 분산 포트폴리오: 이론 및 점근론

이 논문은 Alec Kercheval 과 Ololade Sowunmi (플로리다 주립대학교) 가 작성한 것으로, 단일 인자 (One-Factor) 공분산 모델 하에서 양수 베타 (Beta) 와 음수 베타가 혼재된 경우를 포함한 장기-only 최소 분산 (Long-Only Minimum Variance, LOMV) 포트폴리오에 대한 이론적 분석과 점근적 성질을 다룹니다.

1. 연구 문제 (Problem)

• 배경: 마코위츠 (Markowitz) 의 포트폴리오 이론에 기반하여, 자산 간 공분산과 특정 제약 조건 하에서 분산을 최소화하는 포트폴리오를 찾는 것은 금융 공학의 핵심 문제입니다.
• 문제 정의:
  • 전체 투자 (Long-Short) 포트폴리오 ($w_{LS}$): 제약 없이 분산을 최소화하는 포트폴리오로, 명확한 폐쇄형 해 (Closed-form solution) 가 존재합니다.
  • 장기-only 포트폴리오 ($w_L$): 모든 자산의 가중치 $w_i \ge 0$라는 제약이 추가된 문제입니다. 이는 실제 투자에서 공매도 (Short selling) 의 복잡성과 비용으로 인해 필수적입니다.
• 핵심 난제: 장기-only 포트폴리오의 해를 구하는 데 있어 가장 어려운 점은 어떤 자산이 활성 (Active, 가중치가 양수) 이고 어떤 자산이 비활성 (Inactive, 가중치가 0) 인지 결정하는 것입니다.
• 기존 연구의 한계:
  • Clarke 등 (2011) 은 단일 인자 모델에서 LOMV 를 연구했으나, 모든 베타가 양수라는 가정을 전제로 한 "반-명시적 (semi-explicit)" 해를 제시했습니다.
  • Qi (2021) 는 이를 수학적으로 엄밀하게 증명했으나, 여전히 베타가 모두 양수여야 한다는 제약을 풀지 못했습니다. 베타가 음수일 수 있는 경우 (Mixed-sign betas) 로의 확장이 미해결 과제로 남아있었습니다.

2. 방법론 (Methodology)

저자들은 단일 인자 공분산 모델을 가정하고 다음과 같은 접근법을 사용합니다.

• 모델 설정:
  • 공분산 행렬: $\Sigma = \sigma^2 \beta \beta^\top + \Delta$
  • 여기서 $\beta$는 자산의 인자 노출 (베타) 벡터 (양수, 음수, 0 모두 허용), $\Delta$는 자산별 고유 변동성 (대각 행렬) 입니다.
  • 베타는 오름차순으로 정렬된다고 가정합니다 ($\beta_1 \le \beta_2 \le \dots \le \beta_p$).
• 활성 집합 (Active Set) 결정:
  • 최적 포트폴리오의 활성 자산 집합 $K = \{i : w_i > 0\}$을 찾기 위해 임계값 (Threshold) 기반의 명시적 수열 $\{R_i\}$를 정의합니다.
  • $R_i$는 베타와 고유 변동성, 인자 분산으로 구성된 계산 가능한 수열로, 이 수열의 부호 변화 (Sign change) 를 통해 활성 자산의 개수 $k$를 직접 결정합니다.
• 점근적 분석 (Asymptotics):
  • 자산 수 $p \to \infty$인 고차원 regime 에서, 베타가 누적분포함수 (CDF) $F$를 따르는 확률변수로 추출될 때, **활성 자산 비율 (Active Ratio, $k/p$)**의 수렴 행동을 분석합니다.
  • 법칙의 대수 (SLLN) 와 Glivenko-Cantelli 정리를 활용하여 확률적 수렴을 증명합니다.

3. 주요 기여 (Key Contributions)

1. 음수 베타를 포함한 명시적 해의 제시 (Theorem 1):

   • Qi (2021) 가 남긴 "음수 베타가 있는 경우의 확장"이라는 미해결 문제를 해결했습니다.
   • 고정점 방정식 (Fixed-point equation) 을 풀 필요 없이, 정렬된 베타에 대한 단일 임계값과 계산 가능한 수열 $\{R_i\}$의 부호 변화만으로 활성 집합 $K$를 결정하는 완전하고 엄밀한 명시적 해를 제공합니다.
   • 이 해는 베타가 양수인 경우에도 기존 결과와 일치하며, 더 일반적인 경우에 적용 가능합니다.

2. 고차원 점근적 활성 비율의 수렴성 증명 (Theorem 2):

   • 자산 수가 무한히 커질 때, 활성 자산 비율 $k/p$가 거의 모든 경우 (almost surely) 에 $F(\beta^*)$로 수렴함을 증명했습니다.
   • 여기서 $\beta^* \ge 0$는 $F$에 의해 결정된 명시적 적분 방정식 $G(x)=0$의 근입니다.
   • 새로운 발견: 베타 분포 $F$가 $\beta^*$에서 불연속 (원자, Atom) 이고, 음수 베타가 존재하는 특정 경우, 활성 비율의 극한이 존재하지 않을 수 있음을 보였습니다 (수렴하지 않고 진동함).

3. 비음수 베타 비율이 작을 때의 수렴 속도 분석 (Theorem 3):

   • 음수 베타의 비율 $F(0)$이 0 에 가까워질 때, 활성 비율 $F(\beta^*)$가 어떻게 0 으로 수렴하는지 분석했습니다.
   • 입방근 (Cube-root) 수렴 속도: $F(\beta^*) = O(F(0)^{1/3})$임을 증명했습니다. 즉, 음수 베타가 드물고 작을수록 장기-only 제약이 대부분의 자산에 묶이게 되어 (비활성화되어) 포트폴리오의 활성 자산 수가 급격히 줄어듦을 정량화했습니다.

4. 주요 결과 (Results)

• 해의 구조: 최적 LOMV 포트폴리오는 베타가 가장 작은 순서대로 $k$개의 자산만 포함하며, 나머지 자산의 가중치는 0 입니다. $k$는 수열 $R_i$가 양수인 마지막 인덱스입니다.
• 점근적 행동:
  • 음수 베타가 없고 평균이 양수인 경우: 활성 비율은 0 으로 수렴합니다. 즉, 자산 수가 매우 많으면 장기-only 포트폴리오는 매우 적은 수의 자산 (낮은 베타를 가진 자산들) 만을 보유하게 됩니다.
  • 음수 베타가 소수 존재하는 경우: 활성 비율은 양수이지만 작습니다.
  • 불연속 분포의 경우: $\beta^*$가 분포의 원자 (Atom) 이고 음수 베타가 존재하면, 시뮬레이션마다 활성 집합이 그 원자 블록을 포함하거나 배제하는지 여부에 따라 활성 비율이 진동하며 극한이 존재하지 않을 수 있습니다.
• 수치 시뮬레이션:
  • 정규분포를 따르는 베타에 대한 시뮬레이션은 이론적 한계 $F(\beta^*)$로의 수렴을 확인했습니다.
  • 유한한 자산 수 ($p$) 에서는 이론적 한계보다 약간 높은 활성 비율을 보이는 상향 편향 (Upward bias) 현상이 관찰되었으며, 이는 $p \to \infty$일 때 사라지는 것으로 확인되었습니다.

5. 의의 및 중요성 (Significance)

• 이론적 완성도: 단일 인자 모델 하의 LOMV 포트폴리오에 대한 완전한 이론적 체계를 정립했습니다. 특히 음수 베타가 존재하는 현실적인 상황 (비록 드물지만) 에서도 해가 존재하고 계산 가능함을 rigorously 증명했습니다.
• 실무적 통찰:
  • 실제 주식 시장에서는 대부분의 자산 베타가 양수이며 음수 베타는 드뭅니다. 이 연구는 이러한 환경에서 장기-only 제약이 포트폴리오의 분산에 미치는 영향이 매우 큼을 보여줍니다. 즉, 제약이 없을 때 (Long-Short) 는 수천 개의 자산을 보유하더라도, 장기-only 제약이 있으면 소수의 저베타 자산만 선택하게 되어 포트폴리오가 매우 집중됩니다.
  • 이는 Best and Grauer (1992) 의 "효율적 프론티어 상의 포트폴리오가 양수 가중치를 가질 확률은 매우 낮다"는 주장을 정량적으로 뒷받침합니다.
• 고차원 금융의 이해: 고차원 (자산 수가 매우 많은) 환경에서 포트폴리오 최적화 문제의 행동을 이해하는 데 중요한 기초를 제공합니다. 특히 활성 자산의 비율이 분포의 꼬리 (Tail) 와 불연속성에 어떻게 민감하게 반응하는지를 규명했습니다.

요약하자면, 이 논문은 음수 베타를 허용하는 일반적인 단일 인자 모델에서 장기-only 최소 분산 포트폴리오를 명시적으로 계산 가능하게 만들었으며, 자산 수가 무한히 커질 때 포트폴리오의 구조가 어떻게 변하는지에 대한 깊은 통찰과 수렴 속도를 제공한 중요한 연구입니다.