자산 배분이든 포트폴리오 미래가치 추정을 하기 위해서는 개별 자산의 기대 수익률 추정이 중요합니다. 과거 통계를 기반으로 하는 방법이 손쉽고 직관적이지만, 과거 수익률은 미래수익률을 담보하지 못하고, 과거 통계 기간에 블랙스완이 등장하거나 비 정상적인 시장 움직임 ( 글로벌 금융 위기, 코로나 팬데믹 등 )의 경우 시장 수익률을 미래 수익률 추정에 사용할 수 없습니다. KOSPI가 하락으로 1년을 마감한 경우, 그 다음 해의 자산 배분에서 무조건 큰 폭의 주식 비중 축소를 할 수 밖에 없습니다.
이미 AI에게 물어보면 여러 가지 다양한 기대 수익률 추정 방법을 잘 설명해 주겠지만, 이 글에서는 자산 배분에 사용할 수 있는 다양한 수익률 추정 방법을 정리해 보았습니다.
이 정리는 교과서에 나오는 여러 이론들을 기준으로, 실제 자료 정리와 업무 중 정리하고 분류하여 작성한 기준이라는 점 참고하시기 바랍니다.
| 대분류 (추정 철학) | 중분류 (방법론) | 세부 기법 예시 | 핵심 정의 |
|---|---|---|---|
| Ⅰ. 과거·통계적 접근 (Historical & Statistical) |
1. 과거 통계 기반 | 산술평균, 기하평균, EWMA | 과거 실현 수익률 분포가 미래에도 유지된다는 가정하에 시계열 평균을 산출 |
| Ⅱ. 경제·시장 구조적 접근 (Structural & Equilibrium) |
2. Fundamental / Building Block |
주식 Grinold–Kroner, 채권 YTM·롤다운, 대체투자 DCF | 자산 고유의 현금흐름 및 거시경제 원천(배당, 성장, 이자 등)을 구성요소별로 합산 |
| 3. 시장 내재·균형 모형 | Reverse Optimization, CAPM, Implied ERP | 현재 시장 가격과 시가총액 비중이 균형 상태라고 전제하고 내재 기대수익률을 역산 | |
| Ⅲ. 계량·데이터 모델링 (Econometric & Quantitative) |
4. 회귀·시계열 모형 | 다중회귀, ARIMA/ARIMAX, VAR/BVAR | 거시경제 변수 및 자산 간 시차·동태적 선형 관계를 통계적으로 추정 |
| 5. 팩터 모형 | Value, Carry, Momentum, Quality, Size | 자산 수익률을 설명하는 체계적 위험 요인(Factor)별 프리미엄 노출도로 산출 | |
| 6. 시장국면 모형 | Markov Regime Switching, 조건부 거시모형 | 경기 확장·침체, 고물가 등 국면(Regime) 전환에 따른 조건부 기대수익률 추정 | |
| 7. 머신러닝 모형 | Ridge/Lasso, Random Forest, XGBoost, 신경망 | 고차원 데이터 간의 비선형 패턴과 상호작용을 학습하여 수익률을 예측 | |
| Ⅳ. 결합·거버넌스 접근 (Synthesis & Governance) |
8. 베이지안 모형 | Bayesian Shrinkage, Black–Litterman | 사전 분포(시장 균형·장기 평균)에 투자자의 주관적 전망이나 표본 데이터를 결합 |
| 9. 전망 결합 (Ensemble) | Model Averaging, 외부 기관 CMA 혼합 | 복수 모형의 예측치나 글로벌 IB·컨설팅사의 자본시장가정(CMA)을 가중 결합 | |
| 10. 전문가의 전망 | 투자위원회(IC) 승인 전망, 정성적 오버레이 | 정량 모형이 포착하지 못하는 구조적·정책적 변화를 반영한 의사결정 기구의 공식 전망. |
(2026년 11월 기준 정리 )
Ⅰ. 과거·통계적 접근
(Historical & Statistical)
1. 과거 통계 기반
산술평균, 또는 기하평균의 방법을 사용할 수 있습니다. 산술 평균은 잘 아는 바와 같이 산수(나누기)로 계산을 합니다.
\( 연 평균 수익률 = \frac{S_{t+n} – S_t}{ S_t} \div n \)
예를 들어 KOSPI 지수가 2020년 12월 마지막 거래일 2,873.47로 마감을 하였고, 2025년 12월 마지막 거래일 4,214.17로 종료를 했으면, 기간 수익률은 1,340.70 ( 4214.17 – 2873.47 ) 으로 \( \frac{1340.7}{2873.47} = 0.46657 \approx 46.66% \)
이를 5로 나누면 연 평균 9.33%씩 KOSPI가 성장했다고 할 수 있고, 내년 KOSPI도 연간 약 9.33% 성장할 수 있다고 기대할 수 있습니다.
기하평균의 경우는
\( \left( \frac{S_{t+n} }{ S_t } \right)^{\frac{1}{t}} – 1 \)
로 계산을 하므로 숫자를 넣으면 \(\left( \frac{4,214.17}{2,873.47} \right)^{0.2} – 1 \approx 0.079596\) (7.96%) 로 약 7.96%가 되겠습니다.
최근 값에 더 가중치를 두는 방식을 사용하면 감쇠계수 ( Decay Factor: λ, Lambda )를 0.97로 두었을 경우
(1) EWMA를 공식대로 계산한 경우
| 연도 | 연간 수익률 (\(r_{t}\)) | 누적 EWMA (\(S_{t}\)) |
|---|---|---|
| 2021년 | +3.63% | 3.63% |
| 2022년 | -24.89% | 2.77% |
| 2023년 | +18.73% | 3.25% |
| 2024년 | -9.63% | 2.86% |
| 2025년 | +75.63% | 5.05% |
| 연도 (i) | 수익률 (\(r_{i}\)) | 경과 기간 (5-i) | Raw 가중치 (\(\lambda ^{5-i}\)) | 정규화 가중치 (비중) | 가중 수익률 (\(r_i \times \text{비중}\)) |
|---|---|---|---|---|---|
| 2021년 (1) | +3.63% | 4 | 0.97⁴ = 0.88529 | \(0.88529 / 4.70884 = \mathbf{18.80\%}\) | +0.68% |
| 2022년 (2) | -24.89% | 3 | 0.97³ = 0.91267 | \(0.91267 / 4.70884 = \mathbf{19.38\%}\) | -4.82% |
| 2023년 (3) | +18.73% | 2 | 0.97² = 0.94090 | \(0.94090 / 4.70884 = \mathbf{19.98\%}\) | +3.74% |
| 2024년 (4) | -9.63% | 1 | 0.97¹ = 0.97000 | \(0.97000 / 4.70884 = \mathbf{20.60\%}\) | -1.98% |
| 2025년 (5) | +75.63% | 0 | 0.97⁰ = 1.00000 | \(1.00000 / 4.70884 = \mathbf{21.24\%}\) | +16.06% |
| 합계 | – | – | 4.70884 | 100.00% | 13.68% |