액티브 리스크 배분 모형 — IC로 트래킹 에러 예산을 나눈다

한 줄. 각 전략에 점수 하나(IC × √BR × View)를 매기고, 승인된 트래킹 에러 예산을 그 점수에 비례해 나눈다. 그게 전부다.

이 자료는 Ostrum / EDHEC-Risk “Fixed-Income Portfolio Construction with Active Views” 강의의 최적화식을 그대로 메인식으로 두고, 손으로 풀 수 있는 수치 예제로 절차를 보인 뒤, 그 식이 과대평가하는 부분을 보정 계수로 얹는 순서로 구성했다.

1. 메인식

1.1 식

\max_{TE_1,\dots,TE_n}\; \sum_{i=1}^{n} IC_i \times \sqrt{BR_i} \times TE_i \times View_i \qquad \text{s.t.}\quad \sum_{i=1}^{n} TE_i^2 \;\le\; \sigma_A^2

목적함수는 총 기대 초과수익이고, 제약은 위원회가 승인한 액티브 리스크 예산이다. 결정변수는 종목 비중이 아니라 전략별 트래킹 에러 TE_i 다.

1.2 입력은 셋뿐이다

IC \times \sqrt{BR} 이 그 전략의 정보비율(IR) 이다. 뒤에서 이 자리에 들어가는 숫자만 보정하면 되고, 식의 모양은 끝까지 바뀌지 않는다.

1.3 해는 네 줄로 나온다

목적함수는 선형, 제약은 볼록 2차이므로 해는 제약 경계에서 닫힌 형태로 나온다.

a_i \;=\; IC_i \sqrt{BR_i}\, View_i, \qquad TE_i^\star \;=\; \sigma_A \cdot \frac{a_i}{\sqrt{\sum_j a_j^2}}

말로 옮기면 이렇다.

1. 전략마다 IR을 구한다 — IC \times \sqrt{BR}
2. 거기에 View를 곱해 점수 a_i 를 만든다
3. 점수들의 제곱합의 제곱근을 구한다
4. 예산 \sigma_A 를 점수 비율대로 나눈다

최적화 솔버가 필요 없다. 전자계산기로 푼다.

2. 손계산 예제

2.1 설정

전략 세 개, 승인된 액티브 리스크 300bp.

2.2 1단계 — IR을 구한다

\sqrt{BR} 이 정수가 되도록 숫자를 골랐다.

FX의 IR이 가장 높다. 베팅을 가장 많이 하기 때문이다.

2.3 2단계 — View를 곱해 점수를 만든다

확신도를 곱하니 순서가 뒤집혔다. FX가 더 잘하는 전략이지만 이번 분기에는 듀레이션 쪽에 확신이 크다.

2.4 3단계 — 점수 벡터의 길이를 구한다

\sqrt{0.40^2 + 0.30^2 + 0^2} \;=\; \sqrt{0.16 + 0.09} \;=\; \sqrt{0.25} \;=\; 0.50

3-4-5 직각삼각형이다. 암산으로 된다.

2.5 4단계 — 예산을 비율대로 나눈다

TE_i^\star \;=\; 300 \times \frac{a_i}{0.50}

2.6 검산

트래킹 에러는 산술합이 아니라 제곱합으로 더한다.

\sqrt{240^2 + 180^2} \;=\; \sqrt{57{,}600 + 32{,}400} \;=\; \sqrt{90{,}000} \;=\; 300\text{bp}

승인 예산을 정확히 소진했다. 산술합 420bp는 아무 의미가 없는 숫자다.

기대 알파와 정보비율도 바로 나온다.

\text{알파} = 0.40 \times 240 + 0.30 \times 180 = 96 + 54 = 150\text{bp}, \qquad IR = \frac{150}{300} = 0.50

총 IR이 점수 벡터의 길이 0.50과 같다. 우연이 아니라 최적해의 성질이다.

2.7 이 예제가 말하는 것

• 확신도가 0이면 배분도 0이다. 크레딧은 IR 0.12로 나쁘지 않지만 이번 분기에 뷰가 없으므로 리스크를 쓰지 않는다.
• 실력과 확신은 곱해진다. FX가 더 잘하는 전략이어도 확신이 약하면 듀레이션에 밀린다.
• 예산은 반드시 제곱합으로 맞춘다. 240 + 180 = 420이 아니라 300이다.

3. 이 식은 어디서 왔나

3.1 액티브 운용의 성과는 정보비율로 잰다

\mathrm{Alpha} \;=\; \mathbb{E}[R_{\text{Ptf}}] - \mathbb{E}[R_{\text{Bench}}], \qquad IR \;=\; \frac{\mathrm{Alpha}}{TE}

같은 트래킹 에러를 써도 알파는 정보비율에 비례한다. 리스크를 늘리는 것이 답이 아니다. 멀티에셋 액티브에서 방어 가능한 IR은 0.15~0.35 구간이다.

3.2 FLAM — 실력과 횟수의 곱

IR \;\approx\; IC \sqrt{BR}

Grinold(1989). 가치의 원천은 둘이다 — 잔차수익을 맞히는 예측력(IC)과 그 예측력을 1년에 쓰는 횟수(BR). IC 0.05로 IR 0.5를 내려면 연 100회의 독립 베팅이 필요하다.

실무에서 IC를 직접 묻기는 어렵고, 방향 적중률 P 를 묻는 편이 쉽다. 둘은 이렇게 연결된다.

IC \;=\; 2P - 1

적중률 57%면 IC 0.14, 63%면 IC 0.25다.

3.3 뷰에서 알파로

\mathrm{Alpha} \;=\; IC \times TE \times \mathrm{Score}

Grinold(1994). 원시 예측(스코어)을 리스크와 정보계수로 스케일링해 알파를 얻는다. IC = 0 이면 아무리 강한 뷰도 알파 0으로 환산된다.

최적화에 들어가는 View는 다섯 단계이며 각 단계마다 익스포저 범위가 정의되어 있다.

3.4 정보비율은 제곱으로 더해진다

IR_{\text{total}}^{2} \;=\; IR_{1}^{2} + IR_{2}^{2} + \cdots + IR_{n}^{2}

원자료의 예시가 이 관계를 두 경로로 확인한다.

\sqrt{0.50^2 + 0.50^2} = 0.71 이고 0.18 \times \sqrt{16} = 0.71 이다. 두 경로가 정확히 일치한다.

이 가법성이 §1.3의 해에서 \sqrt{\sum a_j^2} 로 나타난다. 제약을 제곱합으로 쓰는 이유이기도 하다.

3.5 뷰가 상관되면 결합 이득이 사라진다

IR_{\text{comb}} \;=\; \sqrt{\frac{IR_1^2 + IR_2^2 - 2\rho\, IR_1 IR_2}{1-\rho^2}}

전략의 개수보다 전략 사이의 비상관성이 결정적이다. 이것이 §4.3 유효 breadth의 뿌리다.

4. 보정 — 원식이 과대평가하는 세 가지

4.1 식은 바뀌지 않는다

보정은 새로운 최적화식을 만드는 일이 아니다. IR 자리에 들어가는 숫자를 고치는 일이다.

IR_i \;=\; IC_i \sqrt{BR_i} \quad \longrightarrow \quad IR_i \;=\; IC_i \sqrt{BR_i^{\text{eff}}}\; TC_i

해를 구하는 네 단계(§1.3)는 그대로다. 1단계에서 쓰는 IR만 달라진다.

4.2 ① 전이계수 — 제약이 뷰를 깎는다

TC_i \;=\; \mathrm{corr}\!\left(w^{\text{target}},\; w^{\text{actual}}\right)

Clarke, de Silva, Thorley(2002). 목표 포지션과 실제 포지션의 상관이다. 백테스트로 사전 측정한다.

TC가 모든 전략에서 같으면 배분 비율은 바뀌지 않는다. 점수 a 가 전부 같은 배수로 깎이므로 a / \lVert a \rVert 가 불변이기 때문이다. 바뀌는 것은 기대 알파의 수준뿐이다.

4.3 ② 유효 breadth — 가장 큰 보정

\sqrt{BR} 은 베팅들이 서로 무상관일 때만 성립한다. 평균 상관 \bar\rho 가 있으면 유효 베팅 수는 급격히 줄어든다.

BR^{\text{eff}} \;=\; \frac{BR}{1 + (BR-1)\,\bar\rho}

명목 16개 베팅이 상관 0.20이면 실질적으로 4개다. 명목 25개도 상관 0.22면 똑같이 4개다.

TC와 달리 이 보정은 전략마다 다르게 작용하므로 배분 비율 자체를 바꾼다. 명목 breadth가 큰 전략일수록 더 크게 깎인다.

실무 관측 범위는 이렇다 — 주식 국가배분 0.3~0.5, FX 캐리 0.15~0.25, 커브 포지션 0.1 내외.

4.4 ③ 뷰 스케일 — 분산이 1이어야 한다

\{-2,\dots,+2\} 가 표준화된 스코어이려면 분산이 1이어야 한다. PM 응답이 ±2에 몰리면 실제 분산은 1을 넘고 알파가 최대 \sqrt{2} 배까지 부풀려진다.

View_i^{\text{adj}} \;=\; \frac{View_i}{\sigma_{View}}

\sigma_{View} 는 PM 응답 이력의 실제 표준편차다. 운영 장치로는 PM당 \sum_i \lvert View_i \rvert \le B 라는 뷰 예산을 두어 ±2 남발을 구조적으로 차단한다.

4.5 보정을 넣은 손계산 — 같은 예제

§2와 같은 전략, 같은 예산 300bp. IR만 고쳐 넣는다.

\lVert a \rVert \;=\; \sqrt{0.160^2 + 0.096^2} \;=\; \sqrt{0.0256 + 0.0092} \;=\; 0.1865

검산 — \sqrt{257^2 + 154^2} = 300bp.

\text{알파} = 0.160 \times 257 + 0.096 \times 154 = 41 + 15 = 56\text{bp}, \qquad IR = \frac{56}{300} = 0.19

4.6 두 결과를 나란히 놓으면

두 가지를 읽어야 한다.

수준. 원식의 IR 0.50은 멀티에셋 액티브의 방어 가능 구간(0.15~0.35)을 훌쩍 넘는다. 보정 후 0.19는 그 안에 들어온다. 기대 IR이 1.0을 넘는 결과가 나오면 입력값에 오류가 있다고 보는 것이 맞다.

비율. FX는 명목 breadth 25로 가장 커 보였지만 내부 상관을 넣으면 듀레이션과 같은 유효 4가 된다. 명목 숫자만 믿으면 리스크가 잘못된 쪽으로 간다.

5. 왜 이 보정이 필요한가 — 층위 문제

5.1 슬리브와 개별 베팅

슬리브(sleeve)는 하나의 독립적인 알파 원천 단위이며, 리스크 예산을 쪼개 배분하는 그릇이다. 메인식의 i = 1,\dots,n 은 이 단위를 가리킨다.

5.2 z는 어디로 갔나

Grinold 원식 \alpha = IC \cdot \sigma \cdot z 는 베팅 하나에 대한 조건부 기대값이다. 반면 IC\sqrt{BR} 은 그런 베팅을 BR 개 모았을 때 나오는 집계 결과다.

IR \;=\; \sqrt{\alpha^\top V^{-1}\alpha} \;=\; IC\sqrt{\textstyle\sum_i z_i^2}, \qquad \mathbb{E}\!\left[\sum_i z_i^2\right] = BR

단순합 \sum_i z_i 는 기대값이 0이라 쓸 수 없다. 제곱합이라야 신호의 부호와 무관하게 정보량이 누적된다.

즉 IC\sqrt{BR} 은 z 를 평균해 없앤 사전 기대값이다. 여기에 View 를 곱하는 것이 정당하려면, View 가 슬리브 전체를 한 방향으로 기울이는 별도의 탑다운 신호여야 한다. PM이 “EM 통화 8개가 좋아 보여서 +2”라고 답했다면 아래층 정보를 위층 자리에 넣은 것이고, \sqrt{BR} 과 같은 것을 중복 계산한다.

5.3 IC 집계는 포화한다

신호를 늘리는 축에서도 제곱근 법칙은 근사일 뿐이다. IC는 상관계수라 1을 넘을 수 없다.

IC_{\text{comp}} \;=\; \frac{\rho\sqrt{N}}{\sqrt{1 + (N-1)\gamma}}

IC가 작은 금융 영역에서는 근사가 잘 맞는다. 다만 신호 상관이 실무 수준(0.3~0.6)이면 3.16배가 1.47배로 줄어든다. 신호 개수보다 신호 간 비상관성이 압도적으로 중요하다.

6. 운영 — 위원회는 무엇을 보나

6.1 위원회가 직접 정하는 것

1. 총 액티브 리스크 \sigma_A — 모든 배분의 출발점이며 유일하게 위원회가 직접 정하는 수치
2. 전략별 상한 \bar{TE}_i — 한 전략에 리스크가 몰리는 것을 막는 장치. 통상 \sigma_A 의 40% 이하
3. 뷰 예산 — PM당 \sum_i \lvert View_i \rvert \le B. ±2 남발을 구조적으로 차단
4. 사전 뷰 등록 — 뷰는 분기 시작 시점에 고정하고 사후 수정 불가
5. 검증 기준 — 기대 총 IR이 1.0을 넘으면 입력값 오류로 본다

나머지는 모두 측정값이다. 판단할 것과 측정할 것을 분리하는 것이 요점이다.

6.2 상한이 걸리면 예산을 다 못 쓴다

§4.5의 배분에 상한 40%(120bp)를 걸면 듀레이션 257bp가 120bp로 잘린다.

\sqrt{120^2 + 154^2} \;=\; 195\text{bp} \;<\; 300\text{bp}

105bp가 남는다. 이것은 오류가 아니라 규율의 결과다. 승인된 리스크를 다 쓰는 것이 목표가 아니라 확신이 있는 곳에만 쓰는 것이 목표다. 미사용분은 위원회에 보고할 항목이며 숨길 수치가 아니다.

6.3 사후 검증 루프

flowchart LR
  A[분기 뷰 등록] --> B[점수 산출
IR x View]
  B --> C[예산 비례 배분]
  C --> D[분기 실현 성과]
  D --> E[IC TC 실측]
  E --> F[수축 갱신]
  F --> A

분기마다 실현 IC와 TC를 측정해 수축 갱신하면, 첫해는 사전 추정에 의존하다가 3~4년 뒤에는 실현 정보비율과 수렴한다.

IC^{\text{new}} \;=\; w \cdot \widehat{IC} + (1-w)\, IC^{\text{prior}}, \qquad w = \frac{T}{T + T_0}

T_0 = 36개월, IC^{\text{prior}} = 0.03 정도를 기본값으로 둔다. 이력 3년이면 실측에 50%만 가중된다.

배분 TE를 실제 계약 수로 바꾸는 절차는 별도 부록에 있다 — 실행 부록.

7. 왜 IR이 아니라 IC로 관리하는가

7.1 통계적 효율

IR을 유의하게 추정하려면 연 단위 수익률이 필요해 5년으로도 표준오차가 크다. IC는 매월 횡단면에서 측정되므로 5년이면 종목 100개 기준 유효 표본이 6,000개다.

SE(\widehat{IC}) \;\approx\; \frac{1}{\sqrt{N \cdot T}}

100종목 × 60개월이면 SE \approx 0.013. IC = 0.05 를 3~4년이면 유의하게 판별한다. 같은 기간 IR은 거의 판별되지 않는다.

7.2 진단 가능성

IR이 나빠지면 원인을 알 수 없다. 보정식의 세 항으로 쪼개면 조치할 지점이 특정된다.

IC는 PM의 예측 자체를 평가하므로, 제약 때문에 성과가 안 난 PM과 예측이 틀린 PM을 구분한다. IR만 보면 둘이 같은 숫자로 나타난다.

7.3 운영 원칙

IR은 결과라 늦게 보이고, IC는 원인이라 빨리 보인다. IC로 관리하고 IR로 검증한다.

부록 A. 실무 파라미터 참고값

부록 B. 기호 정리

부록 C. 참고 문헌

• Grinold, R. C. (1989). The Fundamental Law of Active Management. Journal of Portfolio Management.
• Grinold, R. C. (1994). Alpha is Volatility Times IC Times Score. Journal of Portfolio Management, 20(4), 9-16.
• Grinold, R. C., & Kahn, R. N. (2000). Active Portfolio Management, 2nd ed. McGraw-Hill.
• Clarke, R., de Silva, H., & Thorley, S. (2002). Portfolio Constraints and the Fundamental Law of Active Management. Financial Analysts Journal.
• Clarke, R., de Silva, H., & Thorley, S. (2006). The Fundamental Law of Active Portfolio Management. Journal of Investment Management.
• Ding, Z., & Martin, R. D. (2017). The Fundamental Law of Active Management: Redux. Journal of Empirical Finance.