위험조정수익률: 샤프 비율, 소르티노 비율, 그리고 알파

두 전략이 연간 수익률에서 같은 숫자를 내면서도 완전히 다른 드로다운을 겪게 할 수 있습니다. 위험조정 지표는 원칙적인 질문을 던집니다: 보상 한 단위당 얼마나 많은 고통을 감내했는가? 이 지표들이 판단력을 대신하지는 않습니다 — 다만 헤드라인 숫자가 레버리지, 집중도, 갭 리스크를 숨기지 못하도록 막아 줍니다.

단순한 구분에서 시작하세요: 기준선(보통 단기 국채 수익률) 대비 초과수익(excess return)과, 수익률의 분산 또는 벤치마크에 대한 민감도로 측정하는 위험(risk)입니다.

샤프 비율은 무위험 수익률 대비 평균 초과수익을 수익률의 표준편차로 나눈 값입니다(일관된 스케일링으로 연율화하는 경우가 많습니다). 단순하고 전략 간 비교가 가능해 널리 인용되지만, 상승과 하락의 변동을 동일하게 취급한다는 한계가 있습니다.

• 0에 가까운 값은 변동성을 감안했을 때 보상이 거의 없다는 뜻입니다.
• 1을 크게 웃도는 값은 흔히 주목을 받지만, 데이터 마이닝이나 비정상적(non-stationary) 국면 여부를 반드시 의심해 봐야 합니다.

무위험 수익률 시리즈는 항상 자신의 수익률 빈도 및 화폐 단위와 맞춰야 합니다.

소르티노 비율은 분모에 하락 편차(downside deviation)를 사용합니다 — 목표치 또는 0 미만인 수익률의 변동성만 반영해, 긍정적인 서프라이즈가 위험으로 “처벌”받지 않도록 합니다. 트레이너 비율은 초과수익을 베타로 나누어, 전체 변동성이 아니라 체계적 노출(systematic exposure)에 대한 보상을 강조합니다.

둘 다 보편적으로 “더 낫다”고 할 수는 없습니다. 자신이 실제로 우려하는 위험에 맞는 분모를 고르세요.

젠슨의 알파(CAPM 관점에서)는 베타가 예측하는 수준을 넘어서는 수익을 측정합니다. 정보비율은 액티브 수익률을 트래킹 에러(tracking error)로 나눈 값 — 즉 벤치마크에서 얼마나 일관되게 벗어나는지를 나타냅니다. 어쩌다 대박을 터뜨리는 변동성 큰 전략은, 실행 리스크를 중시할 경우 더 안정적인 전략보다 나빠 보일 수 있습니다.

크립토 수익률 시리즈는 비정규적입니다: 팻 테일(fat tail), 국면 전환, 그리고 무기한 선물의 펀딩 메커니즘까지 겹칩니다. 롤링 샤프 비율과 최대 드로다운을 함께 보고하세요. GaiaEx에서 거래한다면, 시뮬레이션에 수수료, 펀딩비, 청산 근접도를 반드시 포함해야 합니다 — 그렇지 않으면 여러분의 “알파”는 스프레드시트 위의 환상일 뿐입니다.

• 수익률 시리즈를 정의(로그 수익률 vs 단순 수익률)하고 일관되게 유지하세요.
• 자신의 투자 기간에 맞는 무위험 수익률 대용값을 고르세요.
• 통계치가 전체 샘플 기준인지 롤링 기준인지 명확히 기록하세요.
• 홀드아웃 국면 없이 인-샘플 데이터만으로 순수하게 샤프 비율을 최적화하지 마세요.