시계열 모멘텀 (Time-Series Momentum)
시계열 모멘텀 (Time-Series Momentum) ⭐⭐
키워드: 과거 수익률, 자기상관, 시계열 신호
1. 전략 개요
한 문장 정의
키워드: 과거 수익률, 자기상관, 시계열 신호
시계열 모멘텀이란 각 자산의 과거 수익률 부호(양수 또는 음수)를 기준으로, 수익률이 양수인 자산은 매수하고 음수인 자산은 공매도(또는 회피)하는 전략이다.
핵심 아이디어
시계열 모멘텀은 절대 모멘텀, 상대 모멘텀과 같은 뿌리를 공유하지만 독특한 관점을 가진다.
"각 자산은 다른 자산과 비교할 필요 없이, 자기 자신의 과거와 비교하면 된다. 자신의 과거 수익률이 양수면 계속 오를 것이고, 음수면 계속 내릴 것이다."
절대 모멘텀이 "오르고 있으면 보유, 내리고 있으면 회피"라는 단순한 이진 신호라면, 시계열 모멘텀은 이 원리를 다수의 자산에 동시에 적용하되, 음수 수익률 자산을 단순 회피가 아니라 적극적 공매도 포지션으로 전환한다는 점에서 더 공격적이다.
비유하자면 이렇다. 절대 모멘텀이 "올라가는 에스컬레이터만 탄다"는 것이라면, 시계열 모멘텀은 "올라가는 에스컬레이터는 타고, 내려가는 에스컬레이터는 거꾸로 올라간다"는 것이다. 방향이 있는 모든 에스컬레이터에서 수익을 추구한다.
어떤 투자자에게 적합한가
- 다수의 자산군을 동시에 운용하는 투자자
- 하락장에서도 수익을 추구하고 싶은 투자자 (공매도 활용 가능한 경우)
- 선물, ETF 등 양방향 거래가 가능한 상품을 활용하는 투자자
- 순수한 모멘텀 팩터 노출을 원하는 기관 투자자
2. 탄생 배경과 역사
학문적 탄생 — 모스코위츠, 오이, 페데르센 (2012)
시계열 모멘텀이 독립적인 전략으로 학문적 체계를 갖추게 된 것은 2012년이다. 토비아스 모스코위츠(Tobias Moskowitz), 잉 후 오이(Yao Hua Ooi), 레세 페데르센(Lasse Heje Pedersen)이 발표한 논문 **"Time Series Momentum"**이 그 출발점이다.
이 연구는 당시 학계에 큰 반향을 일으켰다. 이유는 세 가지였다.
첫째, 범위의 광대함: 주식뿐 아니라 지수 선물, 채권, 통화, 원자재 등 58개 자산에 걸쳐 시계열 모멘텀 효과를 검증했다. 1965~2009년의 44년 데이터를 사용했다.
둘째, 결과의 일관성: 58개 자산 중 압도적 다수에서 양의 시계열 모멘텀 효과가 나타났다. 특정 자산군이나 시기에만 국한된 현상이 아니라 보편적 현상임을 보여줬다.
셋째, 기존 이상현상과의 관계: 시계열 모멘텀이 상대 모멘텀(교차 단면 모멘텀)과 다른 독립적인 수익 원천임을 보여줬다. 둘을 결합하면 각각보다 더 나은 성과를 낼 수 있음을 제시했다.
연구의 확장
이후 수많은 연구자들이 이 발견을 다양한 방향으로 확장했다.
게리 안토나치 (2012, 2014): 앞선 Chapter 6에서 살펴본 것처럼, 시계열 모멘텀의 개념을 개인 투자자가 사용할 수 있는 절대 모멘텀으로 단순화해 대중화했다.
AQR Capital Management: 클리프 아스네스와 AQR 팀은 시계열 모멘텀을 여러 자산군에 걸쳐 체계적으로 운용하는 트렌드 팔로잉(Trend Following) 전략의 학문적·실무적 기반을 구축했다. AQR의 TSMOM 팩터는 현재 가장 많이 연구되는 팩터 중 하나다.
선행 실무 — CTA와 맨 AHL: 학문보다 실무가 먼저였다. 1990년대부터 Winton, Man AHL 같은 CTA(Commodity Trading Advisor) 펀드들이 이미 유사한 방식으로 다자산 추세추종을 실행하고 있었다. 학문은 이들의 실무를 뒤늦게 체계화한 것이라고 볼 수 있다.
3. 핵심 작동 원리
왜 시계열 모멘텀이 수익을 낼 수 있는가
시계열 모멘텀의 수익 원천은 상대 모멘텀과 상당 부분 겹치지만, 몇 가지 추가적인 메커니즘이 있다.
메커니즘 1 — 가격의 자기상관 (Autocorrelation)
시계열 모멘텀의 핵심 전제는 가격 수익률에 양의 자기상관이 존재한다는 것이다. 즉, 이번 달 수익률이 양수라면 다음 달 수익률도 양수일 가능성이 무작위보다 높다.
자기상관 계수를 $ρ$라 하면:
$$ρ = Corr(rₜ, rₜ₋ₖ) > 0 quad for k = 1, 2, ..., 12$$
이 양의 자기상관이 존재하는 한, 과거 수익률의 부호는 미래 수익률의 방향에 대한 통계적으로 유의한 정보를 담고 있다.
모스코위츠 등(2012)의 연구에서 월별 수익률의 1~12개월 자기상관 계수가 58개 자산에서 평균적으로 양수였음을 발견했다.
메커니즘 2 — 헤징 수요와 위험 프리미엄
선물 시장에서 시계열 모멘텀은 특별한 설명을 갖는다. 원자재 생산자나 수입업체처럼 헤징이 필요한 주체들은 방향에 관계없이 거래 상대방을 필요로 한다. 이들이 지불하는 헤징 비용이 모멘텀 전략의 수익 원천이 된다는 것이다.
예를 들어, 원유 생산업체는 미래 원유 가격 하락을 우려해 선물 시장에서 매도 포지션을 취한다. 이 지속적인 매도 압력이 원유 선물 가격을 현물보다 낮게 유지시키고(백워데이션), 선물 매수자에게 수익 기회를 제공한다.
메커니즘 3 — 정보의 점진적 반영과 정책 지연
거시 경제 정책(금리 인상, 양적완화 등)의 효과는 시장에 즉각적으로 반영되지 않는다. 중앙은행이 금리를 인상하기 시작하면, 그 효과가 채권, 주식, 통화, 원자재 시장에 순차적으로 전파되는 데 수개월이 걸린다. 이 점진적 전파 과정이 각 자산의 시계열 모멘텀을 만든다.
메커니즘 4 — 포지티브 피드백 트레이더
추세를 따라 매매하는 투자자들(트렌드 팔로워, 기술적 분석가)의 집단적 행동이 추세를 연장시킨다. 상승 추세를 보고 매수하는 투자자들의 자금 유입이 추가 상승을 만들고, 이것이 다시 더 많은 추세추종 투자자를 끌어들인다.
핵심 메커니즘을 비유로 설명
시계열 모멘텀을 강의 흐름에 비유해보자.
강이 북쪽으로 흐르면(양의 수익률) 배를 북쪽으로 띄운다. 강이 남쪽으로 흐르면(음의 수익률) 배를 남쪽으로 띄운다. 방향만 맞으면 된다.
중요한 것은 강의 흐름이 하루아침에 바뀌지 않는다는 것이다. 강은 며칠, 때로는 몇 달 동안 같은 방향으로 흐른다. 그 관성이 수익의 원천이다. 단, 홍수(급격한 추세 반전)가 나면 방향이 갑자기 바뀌어 배가 전복될 수 있다.
4. 신호 설계 논리
기본 신호 공식
$$신호i = sign(ri, t-L to t-1)$$
여기서:
- $rᵢ, ₜ₋L ₜₒ ₜ₋₁$: 자산 $i$의 $L$개월 전부터 1개월 전까지의 수익률
- $sign(·)$: 부호 함수 (+1 또는 -1)
- 결과: +1이면 매수, -1이면 매도(공매도)
이것이 시계열 모멘텀의 가장 단순한 형태다. 수익률의 크기는 무시하고 방향만 본다.
포지션 사이징 — 변동성 스케일링
단순히 방향만 보는 것보다, 변동성으로 포지션 크기를 조절하는 것이 표준적인 시계열 모멘텀 설계다.
$$wᵢ = (sign(rᵢ,ₜ₋L ₜₒ ₜ₋₁) × σₜₐᵣgₑₜ/σᵢ)$$
여기서:
- $σₜₐᵣgₑₜ$: 목표 변동성 (예: 연 10%)
- $σᵢ$: 자산 $i$의 최근 변동성
이 방식으로 포지션 크기를 결정하면, 변동성이 높은 자산(예: 원자재)은 작게, 변동성이 낮은 자산(예: 채권)은 크게 투자한다. 결과적으로 각 자산이 포트폴리오에 기여하는 리스크가 균등해진다.
이것이 리스크 패리티(Chapter 28)의 아이디어와 연결되는 지점이다.
모스코위츠 등(2012)의 표준 공식
$$rᵢ,ₜ₊₁TSMOM = sign(rᵢ,ₜ₋₁₂:ₜ₋₁) × (σₜₐᵣgₑₜ/σᵢ,ₜ) × rᵢ,ₜ₊₁$$
여기서:
- 12개월 수익률의 부호가 신호
- 변동성 스케일링으로 포지션 크기 결정
- 다음 달 수익률에 적용
룩백 기간 선택
시계열 모멘텀에서도 12개월 룩백이 가장 표준적이다. 그러나 상대 모멘텀과 달리, 여러 자산에 동시 적용하기 때문에 룩백 기간의 효과가 자산별로 다르게 나타날 수 있다.
자산별 최적 룩백 경향 (가상 참고값):
- 주식 지수: 9~12개월
- 채권: 12개월
- 원자재: 6~12개월
- 통화: 3~6개월
이 차이를 이용해 자산별로 다른 룩백 기간을 적용하는 멀티룩백 방식도 사용된다.
신호 확신도 반영 — 점수 기반 포지션
부호만 사용하는 것이 아니라 수익률의 크기를 포지션에 반영하는 방식도 있다.
$$wᵢ propto (rᵢ, ₜ₋₁₂ ₜₒ ₜ₋₁/σᵢ)$$
수익률이 클수록(샤프비율이 높을수록) 더 큰 포지션을 취한다. 단순 부호보다 정보를 더 많이 활용하지만, 극단적인 수익률에 의해 포지션이 과도하게 커질 수 있다는 위험이 있다.
5. 전략 변형과 파생형
변형 1 — 단순 이진 시계열 모멘텀
부호만 사용하고 변동성 스케일링 없이, 모든 자산에 동일 비중을 적용하는 방식이다.
$$wᵢ = (1/N) × sign(rᵢ, ₜ₋₁₂ ₜₒ ₜ₋₁)$$
가장 단순한 형태로, 연구에서 시계열 모멘텀의 기본 효과를 확인할 때 사용된다.
특징: 변동성 스케일링이 없으므로 변동성이 높은 자산(원자재 등)의 리스크 기여가 커진다. 단순하지만 리스크 불균형 문제가 있다.
변형 2 — 지수 가중 시계열 모멘텀
단순 룩백 기간의 수익률 대신, 최근 수익률에 더 높은 가중치를 부여하는 방식이다.
$$rᵢ,가중 = ∑ₖ₌₁L λᵏ × rᵢ,ₜ₋ₖ$$
$λ < 1$이면 최근 수익률이 더 높은 가중치를 받는다.
특징: 추세 변화에 더 빠르게 반응한다. 단, 단기 노이즈에도 더 민감해진다. 추세가 빠르게 변하는 자산에 적합하다.
변형 3 — 멀티룩백 시계열 모멘텀
여러 룩백 기간의 신호를 결합해 더 안정적인 신호를 만드는 방식이다.
$$wᵢ = (1/3)left[sign(rᵢ,₃M) + sign(rᵢ,₆M) + sign(rᵢ,₁₂M)right] × (σₜₐᵣgₑₜ/σᵢ)$$
세 기간의 신호가 모두 일치하면 최대 포지션, 두 개가 일치하면 중간 포지션, 하나만 일치하면 최소 포지션을 취한다.
특징: 단일 룩백 대비 안정적이고 과최적화 위험이 낮다. 신호 불일치 구간에서 자동으로 포지션을 줄여 변동성을 낮춘다.
변형 4 — 자산군별 분산 시계열 모멘텀
다양한 자산군(주식, 채권, 원자재, 통화)을 포함해 자산군 내에서 시계열 모멘텀을 적용하는 방식이다.
$$포트폴리오 = ∑자산군 ∑ᵢ ᵢₙ 자산군 wᵢTSMOM$$
자산군별 분산이 있어 특정 자산군이 모두 손실을 낼 때 다른 자산군이 손실을 상쇄한다.
특징: 진정한 다자산 분산 효과를 누릴 수 있다. CTA 펀드의 운용 방식과 가장 유사하다.
변형 5 — 시계열 + 상대 모멘텀 결합
시계열 모멘텀(각 자산의 절대적 방향)과 상대 모멘텀(자산 간 상대적 순위)을 결합하는 방식이다.
$$결합 신호ᵢ = α × TSMOMᵢ + (1-α) × CSMOMᵢ$$
모스코위츠 등의 연구에서 두 신호의 결합이 각각보다 우수한 성과를 보임을 발견했다. 시계열과 상대 모멘텀은 완전히 같지 않은 정보를 담고 있어 결합 시 시너지가 있다.
6. 수익이 나는 시장 국면
잘 작동하는 조건
조건 1 — 추세가 있는 모든 시장 시계열 모멘텀의 가장 큰 장점은 상승 추세뿐 아니라 하락 추세에서도 수익을 낼 수 있다는 것이다. 공매도 포지션을 통해 하락하는 자산에서도 수익을 추구한다. 롱숏 구조이므로 시장의 방향이 아니라 추세의 존재 여부가 중요하다.
조건 2 — 자산군 간 분산 효과 다양한 자산군(주식, 채권, 원자재, 통화)에 적용할 때, 어느 한 자산군이 추세가 없어도 다른 자산군에서 수익이 날 수 있다. 이 분산 효과가 시계열 모멘텀의 가장 강력한 장점이다.
조건 3 — 거시 경제 위기 국면 시계열 모멘텀은 역사적으로 금융위기, 원자재 폭락, 금리 급등 등 극단적 시장 환경에서 탁월한 성과를 보였다. 이런 국면에서는 강한 추세가 형성되고, 공매도 포지션이 큰 수익을 낸다.
역사적 가상 수치 예시:
- 다자산 시계열 모멘텀 (주식·채권·원자재·통화 포함)
- 장기 평균 CAGR: 약 10~16%
- 샤프지수: 0.8~1.4
- MDD: -10% ~ -25% (다자산 분산 시)
- 2008년 금융위기 유사 국면: 해당 연도 수익률 +15% ~ +30% (시장이 -40%일 때)
7. 손실이 나는 시장 국면
잘 작동하지 않는 조건
조건 1 — 추세 없는 횡보장 모든 자산이 방향 없이 등락을 반복하는 구간에서, 시계열 모멘텀은 계속 잘못된 방향으로 포지션을 취하며 손실을 누적한다. 매달 신호가 바뀌면서 거래비용만 쌓인다.
이것이 시계열 모멘텀의 가장 치명적인 약점이다. 비유하자면, 강의 흐름이 시시각각 바뀌는 구간에서 배를 운항하는 것과 같다.
조건 2 — 급격한 추세 반전 한 방향으로 강하게 움직이던 자산이 갑자기 반전하면, 시계열 모멘텀은 기존 포지션에서 손실을 보고 나서야 신호가 바뀐다. 이 신호 지연(Signal Lag)이 반전 시 손실의 원인이다.
조건 3 — 위기 이후 급반등 구간 2009년 3월, 2020년 4월처럼 시장이 급락 후 빠르게 반등하는 구간에서 공매도 포지션을 보유 중이라면 큰 손실이 발생한다.
손실 메커니즘 단계별 설명
[횡보장 손실 메커니즘]
1단계: 자산 A가 소폭 상승
→ 시계열 모멘텀 신호 +1 (매수 포지션)
2단계: 자산 A가 다시 하락
→ 매수 포지션에서 손실 발생
→ 신호 -1로 전환 (매도 포지션)
3단계: 자산 A가 다시 소폭 상승
→ 매도 포지션에서 손실 발생
→ 신호 다시 +1로 전환
반복: 채찍질(Whipsaw) 효과로 손실 누적
결과: 방향성 없는 구간에서 연 -5% ~ -15% 손실 가능 (가상 수치)
가상 수치 예시: 추세 없는 횡보장 1년간 MDD -15% ~ -25% 발생 가능. 거래비용까지 더해지면 실제 손실은 더 클 수 있다.
8. 백테스트 특성과 주요 지표 패턴
전형적인 백테스트 결과 패턴
시계열 모멘텀은 적용 자산의 범위에 따라 결과가 크게 달라진다. 단일 자산보다 다자산에 적용할 때 훨씬 안정적인 결과를 보인다.
주요 지표 일반적 범위 (가상 참고값):
| 지표 | 단일 자산 TSMOM | 다자산 TSMOM | 다자산 + 분산 |
|---|---|---|---|
| CAGR | 8~14% | 10~16% | 10~15% |
| MDD | -20% ~ -35% | -15% ~ -25% | -10% ~ -20% |
| 샤프지수 | 0.5~0.9 | 0.8~1.4 | 0.9~1.5 |
| 칼마르 비율 | 0.4~0.7 | 0.6~1.0 | 0.8~1.2 |
| 시장 상관관계 | 0.4~0.7 | 0.1~0.4 | 0.0~0.3 |
다자산 분산이 늘어날수록 시장 상관관계가 낮아지는 것이 핵심적인 특징이다.
수익 곡선의 전형적 모양
자산가치
| _______________
| ____/ \____
|___/ \_____
| \_
|
| 추세 구간 횡보 구간 추세 구간
시간 급상승 소폭 하락 회복 및 상승
수익 곡선이 계단식으로 보이는 경향이 있다. 추세 구간에서 급격히 오르고, 횡보 구간에서 소폭 하락한 후, 다시 추세 구간에서 회복한다. 전통적인 주식 포트폴리오와 상관관계가 낮아, 포트폴리오에 추가할 때 수익 곡선을 부드럽게 만드는 효과가 있다.
다른 전략과 구별되는 통계적 특징
낮은 시장 상관관계: 다자산 시계열 모멘텀은 주식 시장과의 상관관계가 낮다. 주식이 폭락하는 구간에서도 공매도 포지션이나 다른 자산군에서 수익이 날 수 있기 때문이다. 이것이 포트폴리오 분산 효과의 핵심이다.
위기 알파(Crisis Alpha): 많은 연구에서 다자산 시계열 모멘텀(CTA 스타일)이 시장 위기 구간에서 양의 수익을 내는 경향이 있음을 발견했다. 이를 위기 알파라 한다. 전통적 포트폴리오의 헤지로 활용 가치가 높다.
양의 왜도(Positive Skewness): 상대 모멘텀과 달리, 다자산 시계열 모멘텀은 양의 왜도를 보이는 경향이 있다. 평소에는 작은 손익이 반복되고, 큰 추세 구간에서 큰 수익이 나는 구조다.
결과 해석 시 주의할 함정
함정 1 — 공매도를 포함한 롱숏 결과 vs 롱온리 결과 학문적 연구의 대부분은 공매도를 포함한 롱숏 방식이다. 개인 투자자가 롱온리로만 적용하면 결과가 크게 다르다. 음수 신호 자산을 현금으로 대체하면 절대 모멘텀과 유사한 결과가 나온다.
함정 2 — 선물 수익률 vs 현물 수익률 원자재, 통화 등의 자산은 선물로 거래되는 경우가 많다. 선물 수익률에는 롤비용(만기 이전에 다음 계약으로 갱신하는 비용)이 포함된다. 이를 반영하지 않으면 백테스트가 실제보다 좋게 나온다.
함정 3 — 데이터 기간의 선택 어떤 기간을 선택하느냐에 따라 결과가 크게 달라진다. 강한 추세 구간(1990년대, 2000년대 원자재)이 많이 포함되면 결과가 좋아 보이고, 횡보 구간(2010년대 중반)이 많으면 나빠 보인다.
9. 과최적화 위험과 강건성
과최적화가 자주 발생하는 지점
자산 유니버스 선택: 어떤 자산을 포함할지는 강건성에 큰 영향을 준다. 과거에 좋았던 자산만 선택하면 과최적화다. 자산 선택은 논리적 기준(자산군 대표성, 유동성, 접근 가능성)에 따라 사전에 정해야 한다.
룩백 기간과 변동성 측정 기간의 결합: 룩백 기간과 변동성 측정 기간을 조합해 최적값을 찾으면 자유도가 늘어나 과최적화 위험이 높아진다.
목표 변동성 수준: 변동성 스케일링에서 목표 변동성($σₜₐᵣgₑₜ$)을 과거에 최적이었던 값으로 설정하면 과최적화다.
강건성을 높이는 설계 원칙
원칙 1 — 광범위한 자산 유니버스 자산 수가 많을수록 특정 자산의 운에 의존하는 정도가 줄어든다. 최소 10개 이상의 자산을 포함하는 것이 권장된다.
원칙 2 — 표준 파라미터 고수 룩백 12개월, 목표 변동성 10% 등 학문적으로 검증된 표준 값을 사용한다. 데이터에서 최적값을 찾지 않는다.
원칙 3 — 멀티룩백 사용 단일 룩백(12개월)보다 멀티룩백(3/6/12개월 평균)이 더 안정적이고 강건하다.
아웃오브샘플 검증 시 주의사항
모스코위츠 등(2012)의 연구는 1965~2009년 데이터를 사용했다. 이후(2010~현재) 기간이 아웃오브샘플이 되는데, 이 기간은 역사적으로 이례적인 저금리·저변동성 시기였다. 이 기간의 성과가 낮다고 해서 전략이 무효라고 결론 내리는 것은 잘못이다. 시장 환경의 특수성을 감안해야 한다.
10. 다른 전략과의 관계
잘 결합되는 전략
절대 모멘텀 (Chapter 6): 시계열 모멘텀의 단순화 버전이 절대 모멘텀이다. 개인 투자자에게는 절대 모멘텀이 시계열 모멘텀의 실용적 대안이다.
상대 모멘텀 (Chapter 7): 시계열 모멘텀은 각 자산의 방향을 보고, 상대 모멘텀은 자산 간 순위를 본다. 두 정보를 결합하면 더 강건한 신호를 만들 수 있다. 시계열 신호가 양수인 자산 중에서 상대 모멘텀이 높은 자산을 선택하는 방식이 대표적이다.
리스크 패리티 (Chapter 28): 변동성 스케일링이 리스크 패리티의 핵심 아이디어와 연결된다. 시계열 모멘텀과 리스크 패리티를 결합한 전략이 AQR 스타일의 다자산 전략이다.
상관관계가 낮아 포트폴리오 효과가 큰 전략
주식 장기 투자 (Buy & Hold): 다자산 시계열 모멘텀은 주식 시장과 상관관계가 낮고, 위기 국면에서 양의 수익을 낼 가능성이 있어 전통적 주식 포트폴리오와 결합할 때 큰 분산 효과가 있다.
가치 팩터 전략 (Chapter 32): 모멘텀과 가치는 상관관계가 낮아 결합 시 효과적이다.
충돌하는 전략
평균회귀 전략 (Part 4): 시계열 모멘텀이 추세를 따라가는 동안, 평균회귀 전략은 추세에 역행하는 포지션을 취한다. 같은 자산에 동시에 적용하면 신호가 충돌한다.
포트폴리오 내 역할
시계열 모멘텀은 포트폴리오에서 다각화 엔진(Diversification Engine) 역할을 한다. 특히 전통적인 주식·채권 포트폴리오에 추가할 때 위기 알파를 제공하며 전체 포트폴리오의 리스크 대비 수익을 높인다.
11. 실전 적용 시 주의사항
이론과 실전의 괴리 포인트
괴리 1 — 공매도의 현실적 어려움 학문적 시계열 모멘텀은 공매도를 포함한 롱숏 방식이다. 그러나 개인 투자자가 다양한 자산을 공매도하기는 현실적으로 어렵다. 인버스 ETF를 활용하거나, 음수 신호 자산을 현금으로 대체하는 롱온리 버전으로 적용해야 한다.
괴리 2 — 선물 롤비용 원자재, 통화 선물을 실제로 거래할 때 발생하는 롤비용은 백테스트에서 제대로 반영되지 않는 경우가 많다. 원자재 선물 ETF를 사용하는 경우 이 비용이 장기 수익률에 상당한 영향을 준다.
괴리 3 — 실시간 변동성 추정 변동성 스케일링에서 사용하는 변동성 추정치는 최근 데이터에 기반한다. 급격한 변동성 폭발 시 변동성 추정치가 과거 데이터에 의존해 현실을 따라가지 못하는 문제가 발생한다.
거래비용·슬리피지의 영향
시계열 모멘텀의 거래비용은 적용 자산과 리밸런싱 주기에 따라 크게 다르다. 월 리밸런싱 시 자산당 2회 거래(진입·청산)가 발생하고, 많은 자산에 적용할수록 비용이 누적된다.
현실적인 비용 관리 방법:
- ETF 중심 운용 (거래비용 낮음)
- 분기 리밸런싱으로 거래 빈도 축소
- 신호 강도가 약할 때 포지션 조정 건너뛰기
적합한 자산군과 시장
매우 적합:
- 글로벌 주식 지수 ETF
- 채권 ETF (단기·장기)
- 원자재 ETF (금, 원유, 농산물)
- 통화 ETF 또는 환헤지 ETF
- 선물 시장 접근 가능한 기관 투자자
주의 필요:
- 개별 주식 (분산 효과 낮음, 관리 복잡)
- 유동성 낮은 자산 (슬리피지 커짐)
투자자가 흔히 저지르는 실수
실수 1 — 단일 자산에만 적용하기 시계열 모멘텀의 진정한 가치는 다수의 비상관 자산에 동시 적용하는 데 있다. 단일 자산에만 적용하면 절대 모멘텀과 거의 차이가 없고, 오히려 복잡도만 높아진다.
실수 2 — 횡보장에서 전략 포기하기 시계열 모멘텀이 가장 힘든 시기는 길고 방향 없는 횡보장이다. 이때 전략을 포기하면, 이후 강한 추세 구간에서의 수익을 놓친다. 과거 데이터에서 횡보 구간의 성과를 미리 확인하고 심리적으로 준비해야 한다.
실수 3 — 레버리지를 과도하게 사용하기 변동성 스케일링을 통해 레버리지를 적용할 수 있지만, 과도한 레버리지는 횡보 구간의 손실을 증폭시킨다. 목표 변동성을 보수적으로 설정하는 것이 중요하다.
12. 전략 요약 카드
| 항목 | 내용 |
|---|---|
| 전략 유형 | 모멘텀 / 추세추종 / 다자산 |
| 핵심 아이디어 | 각 자산의 과거 수익률 부호로 방향 베팅, 변동성 스케일링으로 포지션 조절 |
| 적합 시장 | 추세가 있는 모든 시장, 다양한 자산군 |
| 적합 자산군 | 주식·채권·원자재·통화 ETF, 선물 |
| 전형적 승률 | 50~60% (자산별 상이) |
| 전형적 손익비 | 1.5~3.0 |
| 전형적 MDD | -10% ~ -25% (다자산 분산 시) |
| 전형적 샤프지수 | 0.8~1.4 |
| 최적 보유 기간 | 1~6개월 |
| 과최적화 위험 | 낮음~중간 |
| 난이도 | ⭐⭐ |
| 함께 쓰면 좋은 전략 | 절대 모멘텀, 상대 모멘텀, 리스크 패리티 |
| 피해야 할 시장 국면 | 방향 없는 횡보장, 급격한 추세 반전 |
📌 핵심 요약 (3줄)
시계열 모멘텀은 각 자산의 과거 수익률 방향을 신호로 삼아 다수의 자산에 동시 적용하는 전략으로, 상승장과 하락장 모두에서 수익을 추구한다. 다자산에 분산 적용할 때 위기 알파와 낮은 시장 상관관계라는 독특한 특성이 나타나며, 전통 포트폴리오의 강력한 보완재가 된다. 횡보장의 채찍질 효과와 공매도의 현실적 제약이 가장 큰 실전 과제이며, 이를 해결하기 위해 멀티룩백과 변동성 스케일링을 결합하는 것이 핵심이다.
➡️ 다음 챕터 예고: Chapter 9에서는 **듀얼 모멘텀(Dual Momentum)**을 다룬다. 절대 모멘텀과 상대 모멘텀을 결합해 서로의 단점을 보완하는 이 전략이 어떻게 설계되고, 왜 각각보다 우수한 리스크 조정 수익을 내는지를 완전히 분석한다.