To Gamble, Perchance to Grow

기술 요약: 도박을 할 것인가, 성장을 위해 인내할 것인가 (To Gamble, Perchance to Grow)

문제 제기
본 논문은 결정론적 또는 확률적 수익률 변환이 성장 최적(Kelly) 포트폴리오 문제에서 더 보수적인 투자 행동을 유도하는 조건을 조사한다. 구체적으로, 저자는 하나의 안전 자산(총 수익률 $s$)과 하나의 위험 자산(총 수익률 $R$)에 접근할 수 있는 투자자가 로그 성장 기대치를 극대화하는 상황을 고려한다. 핵심 질문은 다음과 같다: 수익 공간 $(0, \infty) \to (0, \infty)$에 대한 변환 $f$ 중, 모든 무위험 수익률 $s$와 모든 유한 지지(finite-support) 분포의 위험 수익률에 대해 안전 자산에 대한 수요를 보편적으로 증가시키고(반대로 위험 자산에 대한 수요는 감소시키고) 결정하는 변환 $f$는 무엇인가?

본 논문은 이 탐구를 비교 위험 회피의 관점에서 프레임화한다. 고전적 문헌(Pratt, 1964; Ross, 1981; Kimball, 1990)이 효용 함수의 변환을 통해 위험 회피를 정의하는 반면, 본 연구는 어떤 '수익' 변환이 켈리 투자자를 더 위험 회피적으로 만드는지를 묻는다. 저자는 야리(Yaomi, 1969)의 행동적 의미에서, 즉 에이전트가 위험 자산의 비중을 더 낮게 선택한다면 더 위험 회피적이라고 해석한다.

방법론
분석은 문제를 정규화함으로써 진행된다. $Y = R/s$를 안전 수익 대비 위험 수익이라 하자. 투자자는 다음을 해결한다:
$$\max_{\alpha \in [0,1]} E_p \log(1 + \alpha(Y - 1))$$
여기서 $\alpha$는 위험 자산에 투입되는 부의 비중이다. 변환 $f$는 새로운 상대 수익 변환 $T_s^f(y) = f(sy)/f(s)$를 유도한다. 변환된 문제는 $T_s^f(Y)$ 하에서의 기대 로그 성장을 극대화하는 문제가 된다.

핵심 분석 도구는 포트폴리오 비중 $\alpha$와 상대 수익 $y$에 대해 정의된 **스코어 증폭 비율(score amplification ratio)**이다:
$$k_{\alpha,s}^f(y) = \frac{\gamma_\alpha(T_s^f(y))}{\gamma_\alpha(y)}$$
여기서 $\gamma_\alpha(y) = \frac{y-1}{1+\alpha(y-1)}$는 한계 로그 성장 이득이다.

저자는 보편적인 안전 자산 수요 단조성이 이 스코어 비율의 **단일 교차 성질(single-crossing property)**과 동치임을 입증한다: 즉, 변환은 "나쁜" 실현값($y < 1$)의 음(-)의 한계 유인을 증폭시키는 만큼 "좋은" 실현값($y > 1$)의 양(+)의 한계 유인을 증폭시켜서는 안 된다. 포트폴리오 비중의 끝점($\alpha=0$ 및 $\alpha=1$)을 분석함으로써, 저자는 이 동적인 조건을 변환 함수 $f$의 정적인 곡률 특성으로 환원한다.

방법론은 다음으로 확장된다:

1. 합리적 무관심(Rational Inattention): 켈리 문제와 합리적 무관심 문제(Robson et al., 2023) 사이의 동치성을 활용하여, 섀넌 정보 비용을 가진 에이전트의 비교 위험 회피를 규명한다.
2. 확률적 변환(Random Transformations): 투자자가 사후적 외부 옵션(예: $r \vee B$)에 직면하는 경우(변환을 수익과 독립적인 확률 변수로 취급)의 변환 가계(families of transformations)를 분석한다.

주요 기여 및 결과

1. 결정론적 특징 규명 (정리 3.3)
본 논문은 변환 $f$가 안전 자산 수요를 보편적으로 높이기 위한 필요충분조건을 제공한다. 변환 $f$가 안전 자산 수요를 보편적으로 높이려면 다음을 만족해야 한다:

• $f$는 엄격히 증가해야 한다.
• $f$는 **오목(concave)**해야 한다.
• 함수 $r \mapsto r/f(r)$는 **볼록(convex)**해야 한다.

저자는 일반적인 오목함수만으로는 불충분함을 강조한다. "제2 조화 곡률 제한(second harmonic curvature restriction)"이라 명명된 세 번째 조건은, 변환이 하락 수익에 비해 상승 수익을 충분히 압축해야 함을 요구한다.

• 예시: $f(r) = r/(1+r)$은 이 조건들을 만족한다 (안전 자산 수요 증가).
• 반례: $f(r) = \sqrt{r}$은 오목하지만 $r/f(r)$의 볼록성을 만족하지 못한다. 따라서 안전 자산 수요를 보편적으로 높이지 못하며, 어떤 경우에는 위험 자산 수요를 증가시킨다.

2. 합리적 무관심 추론 (결론 4.3)
합리적 무관심 프레임워크에 본 정리를 적용하여, 본 논문은 에이전트를 더 위험 회피적으로 만드는 효용(성장률)의 변환 $\phi$를 규명한다. 매끄러운 변환 $\phi$에 대해, 에이전트는 다음을 만족할 때 더 위험 회피적이다 (즉, 안전한 행동을 더 빈번하게 선택한다):
$$\phi''(u) \leq -|\phi'(u)(1 - \phi'(u))|$$
이 결과는 $\phi$의 일반적인 오목함수만으로는 충분하지 않음을 시사한다. 새로운 효용은 정보 비용 구조에 내재된 스케일링 효과를 극복하기 위해 "충분히 더 오목"해야 한다.

3. 확률적 변환 및 외부 옵션 (정리 5.3 및 결론 5.4, 5.5)
본 논문은 확률적 변환 $F_z$로 분석을 확장한다. 핵심적인 발견은 사후적 외부 옵션(투자자가 $r$ 대신 $\max\{r, B\}$를 취할 수 있는 경우)이 위험 자산 수요를 보편적으로 높인다는 것이다.

• 변환 $r \mapsto r \vee B$는 위험 자산 수요에 대한 단일 교차 조건을 만족한다.
• 이는 표준 켈리 투자자와 합리적 무관심 에이전트 모두에게 적용되며, 이는 외부 옵션의 존재가 에이전트를 덜 위험 회피적으로(위험 자산을 더 보유하려 함) 만든다는 것을 의미한다.

의의 및 주장
본 논문은 수익 변환과 효용 변환을 구분한다고 주장한다. 고전적인 비교 위험 회피가 효용의 오목한 변환에 의존하는 반면, 본 연구는 성장 최적 맥락에서 수익 변환이 특정 이중 곡률 조건(오목성 $f$ 및 볼록성 $r/f(r)$)을 필요로 함을 보여준다.

저자는 본 연구를 포트폴리오 지배(payoff distributions를 변경하는 것) 문헌이나 표준 포트폴리오 성장 문제(최적 전략을 찾는 것)와 구별되는 작업으로 위치시킨다. 대신, 본 논문은 수익 규모(cardinal return scales)가 포트폴리오 비중에 미치는 영향을 고립시켜 분석한다. 연구 결과는 켈리 프레임워크에서 "더 위험 회피적인" 행동이 단순히 효용 곡률의 문제가 아니라, 수익 규모 자체가 어떻게 왜곡되는지, 특히 변환된 단위에서 원래의 수익이 충분히 볼록하게 측정되어야 한다는 점에 달려 있음을 시사한다.

본 논문은 켈리 투자자가 언제 더 보수적으로 행동하는지에 대한 정밀한 특성을 제공함으로써 연구를 겸허히 마무리하며, 위험 수익의 모든 유한 지지 분포에 대해 강건한 새로운 비교 위험 회피의 관점을 제시한다.