상대 자산 성과를 활용한 자본화
크립토는 매우 변동성이 높은 자산 클래스이며 포트폴리오의 전체 수익은 종종 $BTC 가격 움직임을 주도하는 전체 시장과 높은 상관관계를 보입니다. 이 시장의 특성으로 인해 투자자들이 변동성의 영향을 완화할 수 있는 다각화된 포트폴리오를 구축하는 것이 복잡해집니다. 그러나 이는 또한 특정 기간 동안 상대적 초과 성과로부터 이익을 얻을 수 있는 기회를 창출합니다. 촉매가 나타나고 뉴스가 전개됨에 따라, 시장은 미래 기대치를 가격에 반영하기 시작하며, 특정 자산이 초과 성과를 보이는 반면 다른 자산들은 뒤처집니다. 이것이 바로 페어 트레이딩이 크립토와 같은 신흥 시장의 비효율성에서 가치를 추출하기 위한 강력한 도구가 될 수 있는 이유입니다.
페어 트레이딩 전략은 자산의 상대적 성과에 초점을 맞추며, 종종 시장 조건에 관계없이 이익을 내도록 설계됩니다—하락장, 상승장, 또는 횡보장 여부와 관계없이—선택된 자산 간의 차별화된 가격 움직임을 이용함으로써. 이러한 전략을 사용하는 포트폴리오는 일반적으로 두 개 이상의 자산에 대한 롱 / 숏 포지션을 통해 구축되며, 일반적으로 시장 중립성을 목표로 합니다. 그러나 투자자의 방향성 편향을 반영하도록 세밀하게 조정될 수도 있으며, 이는 뉴스나 소위 “내러티브 트레이딩”에 자본화하는 데 매우 효과적입니다.
시장 중립성을 목표로 하는 대부분의 전략은 체계적이고 통계적인 방법들에 의존하는 수학적 모델에 의존하여 일반적으로 함께 움직이는 자산들 사이의 일시적인 가격 편차를 식별하고 대응합니다. 대안적으로, 이들은 또한 더 재량적 또는 근본적인 요인들에 의해 안내될 수 있으며, 이는 “narratives trading”으로 알려져 있습니다. 따라서 Long / Short 포트폴리오는 촉매, 섹터 트렌드, 주제적 발전, 또는 중요한 뉴스 이벤트에 기반한 시장 역학에 대한 투자자의 관점을 반영하도록 맞춤화됩니다.
이 보고서 시리즈는 이러한 포트폴리오를 구축하는 다양한 방법론을 다루며, 포함하여 pairs trading and long-short strategies. 이를 위해 시장 중립성 뒤에 있는 기초 모델, 이러한 포트폴리오 구성의 메커니즘, 그리고 crypto에서의 이러한 전략의 실용적 적용을 논의할 것입니다. 이는 실세계 예시와 사용 사례로 설명됩니다.
주요 요점
- 이 보고서는 일정 기간 동안 자산 성과의 차이를 이용하기 위해 long/short (L/S) 포트폴리오를 구성하는 가치의 중요성을 강조합니다. 이러한 전략들은 투자자의 도구 상자에서 다재다능한 도구로, 자신의 경험과 기술에 따라 다양한 수준의 복잡성으로 적용될 수 있습니다.
- L/S 전략의 이론적 기반을 확립하기 위해 Capital Asset Pricing Model (CAPM)을 재검토하는 것이 중요합니다. beta와 같은 핵심 개념과 “market portfolio”의 개념은 위험과 수익 역학을 이해하는 데 필수적입니다.
- 2022년 이후 선택된 영구 계약의 beta dynamics를 검토한 후, 암호화폐 토큰이 일반적으로 시장 포트폴리오보다 높은 betas를 보이며, 이는 더 넓은 시장에 비해 더 큰 volatility와 시장 체제 변화에 대한 높은 민감도를 나타내는 잘 알려진 사실을 확인할 수 있습니다.
- 전통 금융에서 헤지 펀드가 다양한 수준의 시장 중립성을 달성하기 위해 사용하는 전략은 crypto에서 L/S 포트폴리오를 구성하는 데 적용할 수 있는 귀중한 통찰을 제공합니다. 이러한 전략은 pairs trading와 statistical arbitrage부터 fundamental analysis나 news에 기반한 접근 방식까지 복잡성 면에서 다양합니다.
- 세 가지 서로 다른 L/S 전략의 생성은 투자자들이 시장 노출의 다양한 수준을 목표로 하면서 서사 기반 투자 전략을 구현할 수 있는 방식을 보여줍니다.
- L/S 전략은 투자자들이 향상된 정밀도로 어떤 시장 조건도 탐색할 수 있게 하는 포괄적인 프레임워크를 제공합니다. 이러한 전략은 시장 위험 감소, 더 많은 다각화, 그리고 개선된 위험 조정 수익에 기여합니다.
배경
시장의 끝없는 변수와 예측 불가능한 특성으로 인해, 이를 진정으로 이해하려면 광범위하고 다각적인 접근이 필요합니다. 금융 시장은 본질적으로 복잡하며, 자산 가격과 시장 움직임을 영향을 미치는 수많은 요인으로 특징지어집니다. 이러한 요인에는 경제 지표, 기업 또는 프로토콜 성과, 지정학적 사건, 촉매, 투자자 심리 등 기타 다양한 요소가 포함됩니다.
이 복잡성을 탐색하기 위해, 투자자와 분석가들은 각각 고유한 초점과 가정을 가진 다양한 방법론을 사용합니다. 이러한 방법론들은 기술적 분석, 기본적 분석, 정량적 방법, 그리고 감정 분석이나 거시경제 논제와 같은 다른 범주로 크게 나뉩니다.
단 하나의 접근법이 만병통치약을 제공하지 않습니다; 각 접근법은 고유의 강점과 한계를 지니고 있습니다. 퍼즐을 조립하는 것처럼, 시장을 이해하기 위해서는 다양한 분석 프레임워크로부터의 통찰을 모아야 합니다. 이러한 방법들 각각은 투자자들이 시장을 바라보는 다른 관점을 제공하며, 작용 중인 기회와 위험에 대한 더 풍부하고 미묘한 이해를 줍니다. 기술 분석부터 기본 가치 평가 모델에 이르는 다양한 의견과 방법론에도 불구하고, 각 방법은 부분적인 시각을 제공하며, 시장의 복잡성과 예측 불가능성을 강조합니다.
이것은 책 “Pairs Trading: Quantitative Methods and Analysis”에서 설명된 이야기를 보여줍니다. Ganapathy Vidyamurthy의 저서에서, 여섯 명의 맹인들이 코끼리의 다른 부분을 만나며 각자 그 외모에 대한 독특한 결론을 내리는 이야기를 묘사합니다. 각 개인은 코끼리의 다른 부분을 만지며 만진 부분에 따라 그것이 벽, 창, 뱀, 나무, 부채, 밧줄 같은 물체와 비슷하다고 결론지으며, 이는 그들의 부분적인 이해를 강조합니다.
그림 1: 세상이 어떻게 작동하는지에 대한 부분적인 이해.

출처: 페어 트레이딩, 정량적 방법 및 분석
여섯 명의 맹인들이 코끼리가 어떻게 생겼는지 알고 싶어 했지만, 그들 각자는 한 측면만을 인식했습니다
코끼리에 대해. 그들은 각자의 방식으로 옳았지만, 그들 중 누구도 전체 코끼리가 실제로 어떻게 생겼는지 알지 못했습니다. 이러한 다양성은 시장이 상이하고 때로는 상충되는 신념 체계를 수용할 수 있는 능력을 반영합니다.
일부 투자자들은 특정 회사에 대한 정보를 기반으로 주식을 사는 반면, 다른 투자자들은 주식 시장과 그 일반적인 행동에 대한 이해를 기반으로 이익을 추구하려는 전략을 활용합니다. 암호화폐에서도 마찬가지입니다. 일부 투자자들은 수수료와 수익에 많은 강조를 두는 반면, 다른 투자자들은 “narratives”를 거래하는 것을 선호합니다. 어쨌든, 페어 트레이딩은 투자자들이 두 개 이상의 자산의 상대적 자산 성과로부터 이익을 얻기 위해 활용할 수 있는 가장 강력한 전략 중 하나로 남아 있습니다. 두 개 이상의 자산의 상대적 자산 성과.
상대 자산 성과란 무엇인가
두 개 이상의 자산의 상대적 성과를 활용하기 위해 설계된 전략은 long (매수) 및 short (매도) 포지션의 혼합을 포함합니다. 투자자는 가치가 저평가되어 가치가 상승할 것으로 믿는 자산에 long 포지션을 취하고, 과대평가되어 가치가 하락할 것으로 예상되는 자산에 short 포지션을 취합니다.
이것이 바로 long/short (L/S) 투자 전략이 종종 double alpha strategy로 불리는 이유입니다 – 여기서 “alpha”라는 용어는 투자 성과 초과를 의미합니다. long/short 투자에서 하나의 alpha는 long side(저평가된 자산의 가치 상승)에서 나오고, 다른 alpha는 short side(과대평가된 자산의 가치 하락)에서 나올 수 있습니다.
L/S 투자의 놀라운 특성은 투자자가 자산 선택에서 절대적으로 부분적으로 잘못될 수 있지만, 위치가 여전히 수익성이 있을 수 있다는 점입니다. long과 short 포지션이 절대적으로 하락하거나 상승하더라도요. 실제로, 중요한 것은 long leg이 short leg보다 상대적으로 우수한 성과를 내는 것(또는 그 반대)으로, 이러한 포지션 간 스프레드의 변화로부터 이익을 추구하는 것입니다.
그림 2: 모든 시장 조건에 대한 거래 전략

출처: Pear Protocol.
L/S 전략의 또 다른 주요 기능은 전체 시장 노출을 최소화하는 능력 (일명 “market neutrality”)이며, 투자자들이 다양한 시장 조건—bearish, bullish 또는 sideways—에서 잠재적으로 이익을 얻을 수 있게 합니다. 그러나 주의해야 할 점은 모든 L/S 전략이 market neutral하지 않
이러한 전략들이 어떻게 작동하는지와 그 차이점을 이해하기 위해, 여러 주요 용어와 개념을 논의해야 할 것입니다.
Figure 3: L/S 전략을 이해하기 위한 여러 주요 용어와 개념.

출처: Revelo Intel.
좋은 출발점은 Capital Asset Pricing Model (CAPM)입니다. 이 보고서는 CAPM에 대해 자세히 다루거나 그 실용성을 평가하지 않겠지만, 다음과 같은 중요한 개념을 소개합니다.beta와 market portfolio입니다. 이러한 개념들은 실무에서 특히 가치가 있으며, 특히 market neutrality가 이 보고서 시리즈에서 탐구할 모든 L/S strategies에서 중요한 역할을 합니다.
투자 위험과 수익 이해: 기본부터 CAPM까지
위험 분해: 체계적 vs 비체계적
금융에서 위험은 실제 수익률이 기대 수익률로부터 벗어나는 데서 발생하며, 이 편차는 수많은 원인으로 인해 발생할 수 있으며, 이러한 원인들은 두 가지 범주로 분류될 수 있습니다:
- 체계적 위험
- 비체계적 위험
체계적 위험, 비분산 가능 위험 또는 시장 위험으로도 알려져 있으며, 피할 수 없고 전체 시장에 내재된 위험입니다. 이는 시장 내에 내재된 위험 요인을 포함하고 전체 시장에 영향을 미치기 때문에 비분산 가능합니다. 체계적 위험을 구성하는 요인의 예로는 이자율, 인플레이션, 경제 순환, 정치적 불확실성, 광범위한 자연 재해 등이 있습니다. 이러한 사건들은 전체 시장에 영향을 미치며, 그 영향을 피할 방법이 없습니다. 모든 위험한 투자에는 이 위험(시장 위험)에 대한 노출이 어느 정도 있습니다.
비체계적 위험은 특정 자산이나 산업에 국한되거나 제한된 위험으로, 해당 자산 클래스 외부의 자산에 영향을 미칠 필요가 없는 위험입니다. 비체계적 위험의 예로는 약물 시험 실패, 주요 석유 발견, 또는 항공기 추락 사고가 있을 수 있습니다. 이러한 모든 사건은 해당 회사와 아마도 산업에 직접적인 영향을 미치지만, 이러한 산업과 멀리 떨어진 자산에는 영향을 미치지 않습니다. 투자자들은 서로 높은 상관관계가 없는 자산 포트폴리오를 구성함으로써 다각화를 통해 비체계적 위험을 피할 수 있습니다.
일반적으로 위험을 다음과 같이 분해할 수 있습니다:
Total variance = Systematic variance + Non-systematic variance
그림 4: 위험 분해

출처: Corporate Finance Institute.
포트폴리오를 구성할 때, 상관관계의 개념을 이해하고 완벽하지 않은 상관관계가 포트폴리오의 위험을 다각화할 수 있는 방법을 이해하는 것이 중요합니다. 결과적으로, 단독으로 보유된 자산의 위험은 포트폴리오의 일부가 될 때 그 동일한 자산의 위험보다 클 수 있습니다.
다각화는 비체계적 위험을 상당히 줄이거나, 일부 경우에는 완전히 중화시킵니다 이는 두 가지 주요 요인 때문입니다: (1) 각 투자 구성 요소가 다각화된 포트폴리오의 작은 부분만을 차지하며, (2) 개별 자산 가격에 영향을 미치는 기업 특유의 행동이 다양한 기간에 걸쳐 다양한 영향(긍정적 및 부정적)을 미칠 수 있습니다. 대형 포트폴리오에서는 이러한 위험들이 서로 상쇄되는 경향이 있어 평균적으로 0으로 수렴하며, 따라서 포트폴리오의 전체 가치에 최소한의 영향을 미칩니다. 반대로, 시장 전체 추세는 대부분의, 아니면 모든 투자에 동일한 방향으로 영향을 미치며, 자산 간 영향의 정도는 다를 수 있습니다. 다각화는 시장 위험을 제거하지 않지만, 다양한 산업에 걸쳐 투자를 분산함으로써 그 효과를 완화할 수 있습니다.
Bridgewater Associates의 창립자이자 세계 최대 헤지펀드 중 하나인 Ray Dalio는 그의 책 “Principles”에서 다각화를 “투자의 성배(Holy Grail of Investing)”로 언급했습니다. 이 개념을 설명하기 위해 그는 다음 차트를 포함하고 이에 대한 자신의 통찰을 공유했습니다:

그림 5: 다각화 – 투자의 성배.

출처: Ray Dalio의 “Principles”.
다각화가 투자자의 위험 노출을 줄인다는 개념은 널리 받아들여지고 있습니다. 그러나 금융 위험과 수익 모델은 더 깊이 들어가며, 한계 투자자, 투자 가격에 영향을 미치는, 는 일반적으로 잘 다각화되어 있습니다. 결과적으로, 그러한 투자자가 인식하는 위험만 시장 가격에 반영됩니다. 이 개념은 비다각화된 투자자가 다각화된 투자자에 비해 투자에서 더 높은 위험을 인식한다는 전제에 기반하며, 주로 비체계적 위험이 전자에 영향을 미치지만 후자에는 그렇지 않기 때문입니다.
그렇긴 하지만, 투자와 금융에서 개발된 대부분의 위험과 수익 모델은 측정 과정의 처음 두 단계에 동의합니다: (1) 위험은 기대 수익 주위의 실제 수익 분포에서 비롯되며, (2) 위험은 잘 분산된 한계 투자자의 관점에서 측정되어야 합니다. 그러나 모델들은 비분산 가능하거나 시장 위험을 측정하는 방법.
그 네 가지 기본 모델 은 시장 위험 측정 문제를 다루는 것으로, Capital Asset Pricing Model (CAPM), Arbitrage Pricing Model (APM), 다중 요인 모델, 그리고 회귀 모델입니다.
수익 생성 모델
수익 생성 모델은 특정 매개변수를 주어 자산의 기대 수익을 추정할 수 있는 모델. 만약 체계적 위험이 수익에 대한 유일한 관련 매개변수라면, 수익 생성 모델은 체계적 위험 수준을 주어 모든 자산의 기대 수익을 추정할 것입니다.
모든 모델과 마찬가지로, 기대 수익률 추정치의 품질은 입력 추정치의 품질과 모델의 정확성에 달려 있습니다. 수익 생성 모델의 가장 일반적인 형태는 multi-factor model입니다.
한 multi-factor model은 수익 추정 시 하나 이상의 변수를 고려할 수 있게 하며, 거시경제적, 기본적, 통계적 요인과 같은 다양한 종류의 요인을 사용하여 구축될 수 있습니다.
이와 같은 일반적인 수익 생성 모델은 다음과 같이 표현됩니다:

이 모델은 k개의 요인을 가집니다,

계수들, , 라고 불리며 factor weights or factor loadings 각 요인과 연관된. 모델의 왼쪽은 초과 수익, 또는 무위험 이자율 이상의 수익입니다. 오른쪽은 해당 위험을 감수하기 위해 필요한 수익 또는 프리미엄을 생성할 위험 요인들을 제공합니다. The E(Rm) factor 다른 것들과 분리되어 있으며, 이는 시장 수익을 나타내기 때문입니다. All models contain return on the market portfolio as a key factor.

시장 정의: 프록시 지수의 역할
이론적으로 “시장”은 모든 위험 자산이나 가치가 있는 모든 것을 포함하며, 이는 주식, 채권, 부동산, 심지어 인간 자본까지 포함합니다. 이상적으로는 가능한 한 많은 자산을 포함해야 하지만, 하나의 포트폴리오에 모든 위험 자산을 포함하는 것은 비현실적입니다. 게다가 모든 자산이 거래 가능한 것은 아니며, 모든 거래 가능한 자산이 투자에 적합한 것은 아닙니다.
실용성과 편의성을 위해 “시장”의 정의는 종종 훨씬 더 구체적입니다. 지역 또는 지역 주식 시장 지수는 일반적으로 높은 거래량과 지역 투자자들에게의 가시성 때문에 대리 지표로 사용됩니다. 예를 들어, 미국에서는 S&P 500 지수가 시장을 대표하는 데 일반적으로 사용됩니다. 이 지수는 500개의 선도 기업으로 구성되어 있으며, 미국의 이용 가능한 시가총액의 약 80%를 반영하며, 각 회사는 전체에 대한 시장 캡에 따라 가중됩니다. 암호화폐에서 대부분의 투자자들은 $BTC를 벤치마크로 자주 사용합니다.
자본 자산 가격 결정 모델 (CAPM)
수익 생성 모델의 가장 단순한 형태는 단일 요인 선형 모델로, single-index model 또는 Capital Asset Pricing Model (CAPM)이라고도 하며, 단 하나의 요인만 고려된다.
CAPM은 다른 모델들보다 더 오래 사용되어 왔으며, 대부분의 실세계 분석에서 여전히 표준으로 사용되는 간단한 위험과 수익 모델입니다. 모든 모델과 마찬가지로 CAPM에는 한계가 있으며, 자산 수익을 정확하게 모델링하는 데 항상 효과적이지 않습니다. 그럼에도 불구하고, 이는 수익을 추정하고 성과를 평가할 수 있게 하는 간단한 프레임워크를 제공합니다. 더 새로운 모델들은 CAPM에 대한 대안적 접근 방식을 제시하지만, 모든 시나리오에서 보편적으로 우월하지 않으며, 실세계 적용에서 일관되게 실용적이지 않습니다.
모델이 금융 분야에 미친 영향은 단어 beta의 널리 사용되는 데서 쉽게 확인할 수 있습니다. beta의 개념과 함께 CAPM은 market portfolio의 개념을 공식화하는 데도 기여했습니다. CAPM 용어에서 market portfolio는 시장의 proxy for the market 역할을 하는 자산 포트폴리오입니다.
이 모델은 자산의 beta가 주어졌을 때 기대 수익률을 정확히 결정하는 선형 기대 수익률-beta 관계를 제공합니다. 이를 통해 총 위험에서 체계적 위험으로 전환되며, 이는 기대 수익률의 주요 결정 요인입니다. 따라서 CAPM은 자산의 기대 수익률이 beta로 측정된 체계적 위험에만 따라 변동한다고 주장하며, 이는 market portfolio에 상대적으로 측정됩니다:

여기서 은 자산의 기대 수익률 i (변수), 은 무위험 이율 (상수), 은 시장 포트폴리오의 기대 수익률 (변수, 시장 위험의 원천)이며, 은 자산 i의 체계적 위험 요인 (상수).




기대 수익률에서 실현 수익률로 전환하면, CAPM 프레임워크에서 자산의 수익률은 두 가지 구성 요소로 분리될 수 있습니다. 하나의 구성 요소는 시장 또는 체계적 구성 요소이고, 다른 하나의 구성 요소는 잔차 또는 비체계적 구성 요소입니다. 이 수익률 분리를 달성하는 관계를 보여주는 공식은 다음과 같습니다:

여기는 자산의 잔차 수익률 i (변수, 예측 불가능한 무작위 오류 평균이 0인, 비체계적 위험의 원천).

Beta: 시장 위험 측정
체계적 위험은 beta를 사용해 측정할 수 있습니다:

위에 표시된 바와 같이, beta는 자산의 수익률이 시장에 얼마나 민감한지를 측정하는 지표이며, 전체 시장에 대한 것으로 계산되며 자산 i 의 수익률과 시장 수익률의 공분산을 시장 수익률의 분산으로 나눈 값으로 계산됩니다. 즉, beta는 자산의 체계적 위험을 포착하며, 이는 다각화로 제거할 수 없는 자산 위험의 부분입니다.
간단히 말해, beta의 양수 값은 자산의 수익률이 시장과 같은 방향으로 움직임을 나타내고, beta의 음수 값은 자산의 수익률이 시장과 반대 방향으로 움직임을 나타냅니다. 예를 들어, 자산의 beta가 2라면, 시장 포트폴리오 가격의 갑작스러운 1% 상승은 자산 가격의 2% 상승을 유발할 것으로 예상됩니다.
시장 포트폴리오의 자체와의 공분산은 그 포트폴리오의 분산이기 때문에, 시장 포트폴리오의 베타—그리고 그 안의 평균 자산으로 확장하면—는 1입니다. 평균보다 위험한 자산들은 베타가 1을 초과하고, 평균보다 안전한 자산들은 베타가 1보다 낮을 것입니다. 무위험 자산은 베타가 0일 것입니다. 베타가 0인 것은 자산의 수익률이 시장의 움직임과 상관관계가 없음을 나타냅니다. 참고로, 대부분의 주식은 시장과 높은 상관관계를 가지며, 그 결과 시장의 모든 자산에 대한 광범위한 영향으로 인해 지속적으로 음의 베타를 가진 자산을 찾는 것은 드뭅니다.
마지막으로, CAPM 분산 방정식을 사용하여 자산의 총 분산을 체계적 분산과 비체계적 분산으로 분해할 수도 있습니다:

여기서 은(는) 의 총 분산이다 자산 i, 은(는) 자산 i의 체계적 분산이며, 그리고 은(는) 의 비체계적 분산이다 자산 i.



비체계적 위험이 잘 다각화된 포트폴리오에 대해 0이기 때문이다, 예를 들어 시장 포트폴리오와 같은 경우, 시장 포트폴리오와 다른 유사한 포트폴리오들의 총 위험은 체계적 위험만이며, 이는

증권 시장 선
Security Market Line은 CAPM의 그래픽 표현입니다. 앞서 보여준 바와 같이, 시장의 beta는 1이고 시장은 기대 수익률을 얻습니다 이 선을 사용하여 자산의 기대 수익률을 계산할 수 있습니다. 선의 기울기는


그림 6: 증권 시장 선

출처: CFA Institute.
포트폴리오 맥락에서의 수익률과 베타
n 자산의 포트폴리오 맥락에서 n 자산의, CAPM에 의해 주어진 포트폴리오의 수익률은 다음과 같이 쉽게 계산될 수 있습니다:

포트폴리오 beta는 구성 자산의 beta들의 가중 합계이며, 다음과 같이 주어집니다:

최종 생각
결론적으로, CAPM 모델을 사용하려면 세 가지 입력값이 필요합니다. 첫째, “riskless asset”(참고로, 진정한 위험은 완전히 제거될 수 없으며, 단지 변환될 뿐입니다) 투자자가 분석 기간 동안의 기대 수익을 확실히 아는 risk premium, 이는 투자자들이 riskless asset에 투자하는 대신 시장 포트폴리오에 투자하는 데 대해 요구하는 프리미엄입니다. 이 프리미엄은 위험 자산의 수익률과 riskless return에 대한 역사적 데이터를 사용하여 종종 추정됩니다. 셋째, beta, 이는 자산의 covariance를 시장 포트폴리오의 variance로 나눈 값으로 주어집니다. 이는 또한 자산의 과거 수익률을 시장 포트폴리오(보통 stock index)의 과거 수익률에 대해 회귀 분석하여 직접 얻을 수 있습니다; 회귀의 기울기가 beta입니다 (아래 그림 참조).
그림 7: Apple 주식 수익률 대 S&P 500 수익률은 Apple의 베타를 회귀선의 기울기로 설명하는 데 도움이 됩니다.

출처: Investopedia.
일반적으로 다양한 위험과 수익 모델은 시장 관련 위험만 보상된다는 원칙에 기반을 두고 있습니다. 이러한 모델들은 이 유형의 위험을 정량화하는 지표를 기반으로 기대 수익을 계산합니다. 이 중 CAPM은 가장 많은 가정을 사용하지만, 위험을 측정하고 추정하기 위해 단 하나의 요인만 사용하는 가장 간단한 접근 방식을 제공합니다.
크립토에서의 베타 역학
크립토 내 베타 수준에 대한 맥락을 제공하기 위해, 2022년 3월부터 시작된 Binance Perpetuals의 역사적 데이터를 활용했습니다. 이 데이터는 그 이후 지속적으로 거래된 토큰들을 다룹니다.
이 토큰 각각에 대해 60일 기간 동안 롤링 베타 값이 계산되었습니다. 시장의 대리 지표로 $BTC와 $ETH의 동일 가중 포트폴리오가 사용되었으며, 이는 이 두 토큰이 전체 시장 자본화의 약 70%를 차지하기 때문입니다.
아래 그림은 롤링 평균과 함께 이 토큰 우주의 베타에 대한 10번째와 90번째 백분위수를 제시합니다. 주목할 점은, 2022년 5월경 크립토 베어마켓의 한가운데에서 평균 베타가 1.5를 초과하는 피크를 보였다는 것입니다. 이 기간 이후 평균 베타는 하락하여 결국 1.0 부근에서 안정화되었습니다.
그림 8: Binance Perps 하위 집합에서 롤링 (평균, 10번째와 90번째 백분위수) 60일 베타

출처: Binance 과거 가격 데이터, Revelo Intel.
베타 역학을 더 잘 이해하기 위해, 아래 그림은 이 분석에 사용된 토큰 우주의 평균 베타 값 분포를 추정하는 확률 밀도 함수를 표시합니다.
밀도 곡선의 피크는, 이것들이 가장 자주 관찰된 beta 값들로, 1.15, 0.9, 그리고 1.65에서 발생하며, 빈도 순으로 내림차순 순서입니다. 이 데이터 포인트들은 암호화폐 토큰이 일반적으로 시장 포트폴리오보다 높은 beta를 보인다는 잘 알려진 사실을 확인하며, 이는 더 넓은 시장에 비해 더 큰 변동성을 나타냅니다. 마지막으로, beta 값의 이러한 변동성은 암호화폐 토큰의 beta가 시장 조건의 변화에 민감하다는 것을 강조하며, 다양한 시장 체제에서 그들의 변동하는 위험 프로필을 반영합니다.
그림 9: 2022년 3월부터 2024년 5월까지의 Binance Perps 하위 집합의 평균 베타 밀도 분포

출처: Binance 역사적 가격 데이터, Revelo Intel.
시장 중립성에 대한 섹터 전망: 롱/숏 전략에서의 다양한 접근 방식.
개요
long-short, market neutral, dollar neutral 투자와 같은 용어들은 자주 사용되며 종종 동의어로 오해됩니다. 그러나 이러한 전략들은 상당히 다를 수 있습니다. 포트폴리오가 long-short와 dollar neutral을 동시에 가질 수 있지만 여전히 시장에 대한 nonzero beta를 가질 수 있습니다. 이는 포트폴리오의 수익에 영향을 미치는 시장 구성 요소가 있음을 나타내며, 따라서 진정으로 market neutral이 아니라는 의미입니다.
이러한 구분을 다루기 위해, 우리는 전통 금융의 용어와 분류. 구체적으로, 우리는 헤지 펀드에서 사용되는 다양한 전략을 탐구하고 그 차이점을 명확히 설명하려고 할 것입니다.
전통 금융에서 L/S 전략은 헤지 펀드에서 일반적으로 사용되며 “Equity Hedge” (EH) 전략으로 분류됩니다. 다양한 투자 프로세스가 투자 결정에 도달하기 위해 사용될 수 있으며, 양적 및 기본 기술을 모두 포함합니다; 전략은 광범위하게 다각화되거나 특정 부문에 좁게 초점을 맞출 수 있으며, 순 노출 수준, 사용된 레버리지, 보유 기간, 시장 자본화 농도 및 전형적인 포트폴리오의 밸류에이션 범위 측면에서 광범위하게 다양할 수 있습니다.
일반적으로, 이러한 전략들은 long-only 전략에 비해 전체 포트폴리오 위험(volatility)을 줄이는 경향이 있으며, 시장 방향과 독립적인 수익을 목표로 설계되었습니다. 이는 수익 생성을 위한 기회 집합을 확대하여, 투자자들이 투자 우주의 각 주식에 대해 더 넓은 범위의 적극적인 관점(positive, less positive, 또는 negative)을 표현할 수 있게 합니다.
Figure 10: Market Neutral Investing Expands Investment Opportunity Set

출처: BlackRock.com
EH 전략은 각각 고유한 특성을 가진 7개의 별개의 하위 전략으로 더 세분화될 수 있습니다. 그러나 우리의 논의 목적상, 우리는 그들이 달성하려는 시장 중립성의 정도에 기반하여 이들을 두 가지 주요 유형으로 분류할 것입니다.
기본적 / 정량적 방향성l 전략은 기술적 및 기본적 분석 또는 정교한 정량적 기법을 사용하여 저평가 및 고평가된 회사들을 식별하고, 서로 다른 증권 간의 관계를 이해합니다. 예상되는 시장 방향과 시장 사이클 단계에 따라, 헤지 펀드들은 순매수 또는 순매도 노출을 조정합니다. 이 방법은 노출 수준을 이에 따라 조정함으로써 시장 / 부문 추세와 사이클을 활용하려 합니다.
결과적으로, 이러한 펀드들은 종종 순 롱 또는 순 숏 노출을 가지며, 이는 이용 가능한 기회의 집합과 매니저의 전체 시장의 단기 방향에 대한 전망에 따라 달라집니다. 어느 경우든, 그들의 포트폴리오 성과는 방향성 시장 움직임에 의존하게 됩니다.
잘못된 주식 선택의 가능한 결과의 영향을 줄이기 위해, L/S equity managers는 롱과 숏 측면 모두에서 포트폴리오를 다각화합니다.
한편, Equity Market Neutral strategies involve using quantitative (technical) and/or fundamental analysis to distinguish between undervalued and overvalued equity securities. The goal is to maintain a market risk-neutral net position, striving for a portfolio beta close to zero. These strategies aim to profit from the movements of individual securities while neutralizing broader market risk.
market-neutral strategies에 대해 논의할 때, 우리는 종종 statistical arbitrage와 pairs trading과 같은 접근 방식을 언급합니다.
통계적 차익거래는 여러 핵심 요소로 특징지어지는 광범위한 전략 및 투자 접근 방식의 범위를 가리킵니다. 첫째, 거래 신호는 기본 분석의 영향 대신 체계적이고 규칙 기반입니다. 둘째, 포트폴리오는 시장 중립 또는 베타 중립 입장을 유지합니다. 셋째, 초과 수익 생성은 주로 통계적 방법에 기반합니다. 목표는 긍정적인 기대 수익을 가진 수많은 베팅을 배치하여, 다양한 주식에 걸친 다각화를 활용해 광범위한 시장 움직임과 상관관계가 없는 저변동성 투자 전략을 만드는 것입니다. 이러한 보유 기간은 초 단위에서 며칠, 주, 또는 더 긴 기간까지 다양할 수 있습니다.
Pairs-trading은 통계적 차익거래의 “조상”으로 널리 여겨지며, 역사적으로 상관관계가 있는 두 증권을 추적합니다. 이들의 상관관계가 약화될 때(예를 들어 한 주식이 상승하는 동안 다른 주식이 하락하는 경우) 이 전략은 성과가 우수한 주식을 공매도하고 성과가 저조한 주식을 매수하며, 그들의 스프레드의 수렴에 베팅합니다. 이러한 발산은 일시적인 시장 변동, 중요한 주문, 또는 회사에 대한 영향력 있는 뉴스로 인해 발생할 수 있습니다. 주식 그룹을 다른 주식 그룹에 대항하여 거래하는 것은 pairs-trading의 자연스러운 확장이며, “generalized pairs-trading”이라고 불립니다.
그림 11: 설정된 역사적 기간 동안 함께 움직인 두 자산의 두 가격 시리즈를 보여주는 예시. 기대되는 바는, 분기된 후에 선택된 상품의 가격이 이전에 관찰된 수준으로 되돌아갈 것이라는 점입니다.

출처: Hudson and Thames.
롱과 숏 포지션은 모든 시점에서 시장 중립을 유지하기 위해 정기적으로 균형을 맞춰지며, 이로 인해 포트폴리오의 모든 수익은 순수하게 주식 선택에서 유래하고 더 이상 시장 조건에서 유래하지 않습니다. 실제로, 올바르게 구현될 때, 그것은 시장 민감도(the beta)를 감수하지 않고 진정한 절대 수익(the alpha)의 약속을 제공합니다.
그러나 “market neutral”이라는 용어가 여러 다른 투자 접근 방식을 포함하는 더 넓은 용어로 진화했으며, 이는 다양한 수준의 위험과 중립성을 수반하며, 아래에서 논의하겠습니다.
달러 중립성
달러 중립이 되기 위해서는 우리가 가져야 할 것은 롱과 숏 포지션에 대한 동일한 달러 투자, 예를 들어 $100k 롱과 $100k 숏이라고 가정해보자. 앞으로 우리는 달러 중립성을 유지하기 위해 롱과 숏 포지션을 정기적으로 리밸런싱해야 할 것이다. 실제로, 우리의 자산 선택이 옳았다면, 롱 포지션은 가치가 상승할 것이고 숏 포지션은 크기가 줄어들어 포트폴리오를 순 롱 편향으로 밀어붙일 것이다.
달러 중립성은 그 단순성 때문에 매우 매력적이다. 투자의 초기 가치가 관찰 가능하기 때문에 직접 검증할 수 있다는 큰 이점이 있다. 그러나 나중에 논의하듯이, 포트폴리오를 시장 중립적으로 만드는 데 충분하지 않다.
베타 중립성
시장 중립성의 일반적으로 사용되는 위험 기반 정의는 베타에 의존합니다: 포트폴리오가 특정 시장 지수의 수익과 상관관계가 없는 수익을 생성하면 시장 중립적이라고 합니다.
beta는 상관계수로부터 계산되기 때문에, 상관계수가 0이면 beta도 0을 의미합니다. 이전 섹션에서 예상한 바와 같이, 자산(또는 자산 포트폴리오)의 변동성은 체계적(시장 위험) 구성 요소와 비체계적(특정 위험) 구성 요소로 분해될 수 있습니다. 체계적 구성 요소는 시장의 변동성뿐만 아니라 beta 계수로 측정되는 시장 위험 노출에 의존합니다. 비체계적 구성 요소는 시장과 독립적이며, 일반적으로 포트폴리오 수준에서 다각화되어 사라집니다.
주식 포트폴리오의 beta는 구성 주식들의 beta들의 가중 평균입니다. 따라서 dollar-neutral 상태가 포트폴리오가 시장 수익률에 무감각할 것, 즉 beta가 0에 같을 것을 반드시 보장하지 않습니다. 이는 long position과 short position의 beta에 달려 있습니다. 예를 들어, long position의 beta가 1.4이고 short position의 beta가 0.7이라면, 둘 사이에 동일한 dollar 할당은 net beta 0.35 = (50%) × (1.4) − (50%) × (0.7)이 됩니다. 이 positive beta는 우리 dollar-neutral 포트폴리오의 시장 위험이 0이 아니며, 실제로 equity markets와 positive correlation을 가진다는 것을 나타냅니다.
포트폴리오를 진정으로 베타 중립적으로 만들기 위해서는 롱 포지션과 숏 포지션의 크기를 적절하게 조정해야 합니다. 우리의 예시에서 두 베타의 비율(1.4 대 0.7)을 고려하면, 숏 포지션의 크기를 롱 포지션에 비해 두 배로 해야 합니다. 즉, 롱 포지션에 1달러가 있다면 숏 포지션에 2달러를 가져야 합니다. 이 경우 베타는 정확히 0이 되어 포트폴리오의 체계적 리스크가 중립화됩니다.
앞으로 롱 포지션의 가치가 상승하고 숏 포지션의 가치가 하락한다면, 양의 베타로의 드리프트를 피하기 위해 포지션 크기를 정기적으로 조정해야 합니다.
최종 생각
요약하자면, L/S 전략은 다양한 방법과 기술을 통해 사용됩니다. 그 주요 목적은 방향성 편향에서 시장 중립성에 이르는 원하는 시장 노출을 세밀하게 조정하는 롱과 숏 포지션의 포트폴리오를 구성하는 것입니다.
이러한 전략들은 다음과 같은 수많은 이유로 투자자들에게 매우 매력적입니다:
- 감소된 시장 위험: (근접) beta-neutral 포트폴리오를 구성함으로써 투자자는 시장 위험에 대한 노출을 줄일 수 있으며, 포트폴리오가 시장에 대해 덜 변동적이게 만듭니다.
- 증가된 다각화: 베타 중립 포트폴리오는 일반적으로 서로 다른 베타 수준을 가진 자산 혼합에 투자하는 것을 포함합니다. 이는 다각화를 증가시켜 포트폴리오의 전체 위험을 줄이는 데 도움이 될 수 있습니다.
- 개선된 위험 조정 수익률: 포트폴리오의 베타를 균형 있게 조정함으로써 투자자들은 잠재적으로 더 나은 위험 조정 수익률을 달성할 수 있습니다. 이는 포트폴리오가 감수한 위험 양에 비해 달성된 수익이 더 높다는 의미입니다.
- 알파 생성 잠재력: 포트폴리오의 베타 노출을 적극적으로 관리함으로써 투자자들은 알파, 즉 벤치마크를 초과하는 초과 수익을 생성할 수 있습니다. 이는 숙련된 증권 선택 및/또는 시장 타이밍을 통해 달성될 수 있으며, 시장의 방향에 관계없이 더 넓은 시장에 비해 우수한 성과를 이끌어낼 수 있습니다.
그림 12: 다양한 시장 중립 수준에 따른 롱/숏 전략의 특성

출처: MorganStanley.com
암호화폐(특히 변동성이 큰 자산 클래스)의 맥락에서 이러한 전략을 활용하면 상당한 이점을 제공할 수 있습니다. 투자자들은 pairs trading, narrative-based trading, sector rotations, 그리고 news events 기반 trading과 같은 다양한 방식으로 자신의 견해와 전략을 표현할 수 있습니다.
사용 사례: Narrative Trading을 위한 세 가지 Long/Short Portfolios
이 섹션에서는 암호화폐 시장에서 세 가지 간단한 L/S 전략의 적용을 논의하며, 다양한 시장 노출 목표를 가진 포트폴리오의 성과와 위험 역학에 중점을 둡니다.
분석은 FETUSDT (AI sector)와 ETHUSDT를 포함하는 세 가지 서로 다른 포트폴리오를 구성하는 데 중점을 둡니다. 목표는 조사하는 것입니다 다양한 전략이 $FET에 롱 포지션을 취하면서 동시에 $ETH를 숏하면서 다양한 정도의 시장 중립성을 사용하여 AI narrative를 어떻게 활용할 수 있었는지.
그림 13: AI 서사의 상대적 성과를 활용 (FET/ETH)

출처: TradingView.
세 가지 포트폴리오가 다양한 목표로 설계되었습니다:
- 포트폴리오 1: 베타 = 0을 목표로
- 포트폴리오 2: 달러 중립 노출
- 포트폴리오 3: 베타 = 0.5를 목표로
이 포트폴리오들은 다음 특성과 가정으로 구성되었습니다:
- Beta: 롤링 베타는 60일 기간을 통해 계산되었습니다.
- Rebalancing: 일일 리밸런싱이 사전 정의된 위험 매개변수에 따라 포트폴리오 가중치를 조정하고 의도된 시장 노출을 유지하기 위해 구현되었습니다.
- 레버리지: 최대 레버리지 1.
- 분석 기간: 포트폴리오들은 2023년 10월부터 2024년 5월까지 평가되었으며, AI 부문과 관련된 중요한 시장 움직임과 추세를 포착했습니다.
이 사용 사례는 변동성이 높은 암호화폐 시장에서 노출과 위험을 관리하는 데 있어 L/S 포트폴리오의 전략적 유용성을 강조합니다. 서로 다른 beta targets나 dollar-neutral 접근 방식을 통해 투자자들은 자신의 위험 선호도와 시장 전망에 따라 시장 노출과 위험 수준을 세밀하게 조정할 수 있습니다.
아래 그림은 세 포트폴리오 간의 성과 차이를 보여줍니다. ‘Portfolio Betas’ 서브플롯에서, 특정 beta를 목표로 설계된 포트폴리오들이 의도된 노출을 효과적으로 유지하는 것이 분명합니다. 그러나 “Dollar Neutrality” 섹션에서 보여지듯이, dollar-neutral 포트폴리오는 변동되는 beta(녹색 선)를 보이며, 이는 중간 정도의 방향성 long bias를 나타내어 전체 성과에 미묘하게 영향을 미치고, beta-neutral 포트폴리오(파란색 선)와 beta 0.5를 목표로 하는 포트폴리오(빨간색 선) 사이에 위치하게 합니다.
그림 14: AI narrative trade (FET/ETH) – 세 개의 L/S 포트폴리오 비교

출처: Binance 역사적 가격 데이터, Revelo Intel.
예상대로, 포트폴리오 1 (beta = 0)은 가장 낮은 변동성을 보였으며, 이는 시장 위험 완화 효과를 나타냅니다. 그 다음으로 포트폴리오 2 (달러 중립 포트폴리오)가 그 뒤를 이었으며, 이는 가변 베타로 인해 중간 정도의 변동성을 보였습니다. 마지막으로, 포트폴리오 3 (beta = 0.5)은 더 높은 베타를 유지하려는 목표로 인해 세 포트폴리오 중 가장 큰 변동성을 보였습니다.
사후적으로 보자면, $FET의 롱 포지션에만 집중했다면 분석 기간 동안의 강세 AI 내러티브로부터 이익을 얻어 더 높은 수익을 달성했을 것이다. 그럼에도 불구하고, 이 전략은 상당히 높은 변동성을 초래하고 드로우다운을 거의 두 배로 증가시켜 위험과 수익 간의 내재된 트레이드오프를 명확히 보여주었다.
Figure 15: L/S portfolios vs FETUSDT performance metrics

출처: Binance 역사적 가격 데이터, Revelo Intel.
결론
이 보고서는 상대 자산 성과 개념을 탐구했으며, 자산 간 성과 차이를 활용하기 위한 L/S 포트폴리오 구성에 중점을 두었습니다. 우리는 Capital Asset Pricing Model (CAPM)을 통해 기본 개념을 재검토하면서 시작했으며, 이는 L/S 전략 개발에 중요합니다. 여기에는 beta와 market portfolio가 포함됩니다.
우리는 또한 헤지 펀드들이 다양한 수준의 시장 중립성을 가진 L/S 포트폴리오를 생성하기 위해 사용하는 다양한 전략에 대해 논의했습니다. 전통 금융 경험을 바탕으로 이러한 전략들은 시장 참여에 대한 다양한 접근 방식을 보여줍니다.
또한, 우리는 암호화폐 시장 내에서의 실용적인 사용 사례를 제시했으며, 2022년부터 현재까지의 선택된 영구 계약에 대한 평균 베타의 역학을 분석했습니다. 게다가 우리는 기본적인 서사 거래 전략이 어떻게 구현될 수 있었는지 보여주는 세 가지 간단한 L/S 전략을 개발했습니다.
전반적으로, L/S 전략은 모든 조건에서 변동성이 높은 crypto 시장을 탐색하기 위한 견고한 프레임워크를 제공합니다. 이러한 전략은 투자자들이 기술적/통계적 관점에서 더 근본적인 그리고 서사/섹터 거래 관점으로 접근 방식을 맞춤화할 수 있게 하며, 시장 위험 감소, 향상된 다각화, 개선된 위험 조정 수익률, 그리고 알파 생성 잠재력과 같은 여러 이점을 제공합니다. L/S 전략은 투자자의 도구 상자에서 다재다능한 도구로, 다양한 복잡성 수준으로 적용 가능하며, 이 시리즈의 향후 보고서에서 계속 탐구할 것입니다.
참고문헌
- Avellaneda M., Lee J.H., (2008) Statistical Arbitrage in the U.S. Equities Market, SSRN. 온라인에서 이용 가능: ssrn.com
- Bernstein P.L., Damodaran A., (1998) 투자 관리. Wiley. 온라인에서 이용 가능: wiley.com
- CFA Institute, (2015) 기업 재무 및 포트폴리오 관리. Wiley.
- CFA Institute, (2015) Derivatives and Alternative Investments. Wiley.
- Dalio R., (2017) Principles: Life and Work. Avid Reader Press / Simon & Schuster. 다음에서 이용 가능: amazon.com
- Equity Long-Short, (2012) BarclayHedge.com. 온라인에서 이용 가능: barclayhedge.com
- Ganapathy V., (2011) Pairs Trading: Quantitative Methods and Analysis. Wiley Finance. 온라인에서 이용 가능: wiley.com
- HFR 헤지 펀드 전략 분류 시스템. 온라인에서 이용 가능: hfr.com
- Lhabitant F.-S., (2006) 헤지 펀드 핸드북. Wiley Finance. 온라인에서 이용 가능: wiley.com
- 새로운 체제에서의 시장 중립 투자, (2023). BlackRock. 온라인에서 이용 가능: blackrock.com
- Stampfel E., (2023) 롱 숏 주식 전략: “헤징” 당신의 베팅. 온라인에서 이용 가능: morganstanley.com.
- 통계적 차익거래 연구소. Hudson and Thames, 온라인에서 이용 가능: hudson-and-thames
- 가치 평가 모델: CAPM을 사용한 Apple 주식 분석, (2022). 온라인에서 이용 가능: Investopedia.com
- 왜 페어 트레이드를 할까, 그냥 기가 롱을 할 수 있는데?, (2024). 온라인에서 이용 가능: Pear Protocol
공개사항
Revelo Intel은 교육 이니셔티브의 일환으로 Pear Protocol과 상업적 관계를 유지하고 있으며, 이 보고서는 그 참여의 일부로 의뢰되었습니다.
Revelo Intel 팀의 구성원들, 위 분석에 직접 관여한 사람들을 포함하여, 논의된 토큰에 포지션을 보유하고 있을 수 있습니다.
이 콘텐츠는 교육 목적으로만 제공되며, 재정적 또는 투자 조언을 구성하지 않습니다. 여러분은 자체 조사를 수행하고 잃을 수 있는 금액만 투자해야 합니다. Revelo Intel은 연구 플랫폼이며 투자 또는 재정 자문가가 아닙니다.


