Z-Score 기반 평균회귀
Z-Score 기반 평균회귀 ⭐⭐
키워드: 표준화 점수, 임계값, 정규분포 가정
1. 전략 개요
한 문장 정의
Z-Score 기반 평균회귀란 자산의 현재 가격(또는 관련 지표)이 역사적 평균에서 얼마나 표준편차 단위로 벗어났는지를 Z-Score로 측정하고, 극단적으로 벗어난 경우 평균으로 돌아올 것을 기대하고 역방향 포지션을 취하는 전략이다.
핵심 아이디어
지금까지 살펴본 평균회귀 전략들을 돌아보자.
- 볼린저밴드: 이동평균 ± $k$배 표준편차를 기준으로 과매수/과매도 판단
- RSI: 상승/하락의 상대적 강도로 과매수/과매도 판단
- 페어 트레이딩: 두 자산 스프레드의 Z-Score로 미스프라이싱 판단
Z-Score 기반 평균회귀는 이 모든 개념의 공통 언어다. 어떤 지표든 표준화(Z-Score 변환)하면 동일한 척도로 비교하고 평가할 수 있다.
"어떤 지표든 Z-Score = +2.0이면 역사적으로 상위 2.5% 극단에 있다는 뜻이다. 이런 극단은 지속되기 어렵고, 평균(Z-Score = 0)으로 돌아올 가능성이 통계적으로 높다."
볼린저밴드가 "이동평균에서 2σ 벗어남"을 시각적으로 표현한 것이라면, Z-Score는 같은 개념을 수치적으로 정밀하게 표현한 것이다. 차이는 표현 방식만이 아니다. Z-Score를 사용하면 가격 외에 어떤 지표에도 동일한 프레임워크를 적용할 수 있다는 강력한 유연성이 생긴다.
비유하자면 이렇다. Z-Score는 만국 공통의 온도 단위와 같다. 섭씨든 화씨든 켈빈이든, 어떤 온도 측정값이든 "정상 범위에서 얼마나 벗어났는가"를 하나의 기준으로 표현할 수 있다. 주가든, PER이든, 거래량이든, RSI든 — Z-Score로 변환하면 모두 같은 척도에서 비교 가능해진다.
어떤 투자자에게 적합한가
- 여러 지표를 일관된 방식으로 통합하고 싶은 투자자
- 볼린저밴드와 RSI를 넘어 더 정밀한 평균회귀 전략을 원하는 투자자
- 팩터 점수화와 포트폴리오 최적화에 관심 있는 투자자
- 통계적 접근으로 투자 판단의 객관성을 높이고 싶은 투자자
- 단기~중기(수일~수개월) 전략을 원하는 투자자
2. 탄생 배경과 역사
Z-Score의 통계학적 기원
Z-Score는 **카를 피어슨(Karl Pearson)**과 윌리엄 고셋(William Gosset, "Student") 등 19~20세기 초 통계학자들이 발전시킨 표준화(Standardization) 개념에서 비롯됐다.
통계학에서 Z-Score는 특정 값이 분포의 평균에서 표준편차 단위로 얼마나 떨어져 있는지를 나타내는 가장 기본적인 측도다. 이 개념이 투자에 적용된 것은 자연스러운 확장이었다.
투자에의 응용 발전
페어 트레이딩과 통계적 차익거래 (1980~90년대): Chapter 15와 16에서 살펴본 것처럼, Z-Score는 페어 트레이딩에서 스프레드의 과도한 이탈을 측정하는 핵심 도구로 자리잡았다. 모건스탠리의 계량 그룹이 이 방법을 체계화했다.
팩터 모델과의 결합 (1990~2000년대): 팩터 투자가 발전하면서 Z-Score는 개별 팩터의 값을 표준화해 비교하는 도구로도 활용됐다. 여러 팩터를 Z-Score로 변환하고 결합하는 방식이 멀티팩터 전략(Chapter 36)의 기초가 됐다.
현대적 활용: 현재 Z-Score는 다음과 같은 다양한 투자 맥락에서 사용된다.
- 가격 기반 Z-Score: 현재 가격 ↔ 이동평균 비교
- 밸류에이션 Z-Score: 현재 PER ↔ 역사적 PER 평균 비교
- 팩터 Z-Score: 종목의 팩터 값 ↔ 유니버스 평균 비교
- 스프레드 Z-Score: 두 자산 스프레드 ↔ 역사적 스프레드 평균 비교
- 거시 지표 Z-Score: 현재 금리 ↔ 역사적 평균 비교
3. 핵심 작동 원리
Z-Score의 통계적 의미
Z-Score는 다음과 같이 정의된다.
$$Z = (X - μ/σ)$$
여기서:
- $X$: 현재 값 (가격, 지표 등)
- $μ$: 역사적 평균 (이동 평균)
- $σ$: 역사적 표준편차 (이동 표준편차)
Z-Score의 통계적 해석 (정규분포 가정 하):
| Z-Score | 해당 백분위수 | 의미 | 발생 확률 |
|---|---|---|---|
| +3.0 | 상위 0.13% | 극단적 고평가 | 매우 드문 사건 |
| +2.0 | 상위 2.28% | 강한 고평가 신호 | 드문 사건 |
| +1.5 | 상위 6.68% | 중간 고평가 신호 | 다소 드문 사건 |
| 0 | 50% | 평균 상태 | 일반적 |
| -1.5 | 하위 6.68% | 중간 저평가 신호 | 다소 드문 사건 |
| -2.0 | 하위 2.28% | 강한 저평가 신호 | 드문 사건 |
| -3.0 | 하위 0.13% | 극단적 저평가 | 매우 드문 사건 |
Z-Score ±2.0은 **전체 분포의 상하위 2.28%**에 해당한다. 이렇게 드문 사건이 단순한 무작위성 때문인지, 아니면 지속될 추세인지를 판단하는 것이 전략의 핵심이다. 평균회귀 관점에서는 이것이 무작위 이탈이며 곧 평균으로 돌아올 것이라고 본다.
왜 Z-Score 기반 전략이 수익을 낼 수 있는가
원리 1 — 통계적 극단값의 회귀 경향
볼린저밴드(Chapter 13)에서 설명한 원리와 동일하다. 표준화된 Z-Score가 역사적으로 극단에 달했을 때, 그 상태가 지속되기보다는 평균(Z=0)으로 돌아오는 힘이 통계적으로 더 강하다.
원리 2 — 다양한 지표에 일관된 적용
Z-Score의 진정한 강점은 가격 외의 지표에도 동일하게 적용할 수 있다는 것이다.
예를 들어, PER의 Z-Score를 계산하면 현재 밸류에이션이 역사적으로 얼마나 극단적인지 알 수 있다. PER Z-Score가 +3.0이라면 역사적으로 극도로 고평가된 상태임을 나타내며, 이후 밸류에이션이 평균으로 수렴할 가능성이 높다.
원리 3 — 크로스 섹션 비교 가능성
여러 종목의 같은 팩터를 Z-Score로 변환하면, 절대값이 다른 종목들을 동일한 기준으로 비교할 수 있다.
예를 들어, A 종목의 PER이 20이고 B 종목의 PER이 15라고 하자. 단순 비교로는 B가 더 싸 보인다. 그러나 A 종목의 역사적 평균 PER이 25이고 표준편차가 3이라면 A의 PER Z-Score = (20-25)/3 = -1.67 (상대적으로 저평가). B 종목의 역사적 평균 PER이 10이고 표준편차가 2라면 B의 PER Z-Score = (15-10)/2 = +2.5 (상대적으로 고평가). 실제로는 A가 B보다 역사적 기준에서 더 저평가되어 있다.
Z-Score는 이런 맥락 없는 절대값 비교의 함정을 피하게 해준다.
Z-Score의 한계 — 정규분포 가정의 문제
Z-Score 기반 전략의 가장 중요한 한계는 정규분포 가정이다.
Z-Score 해석은 데이터가 정규분포를 따른다는 가정에 기반한다. 그러나 실제 주식 수익률은 정규분포와 다르다. 정규분포보다 **두꺼운 꼬리(Fat Tail)**를 가지며, 급격한 변동이 이론적 예상보다 훨씬 자주 발생한다.
이 때문에 "Z-Score = ±2.0은 2.28% 확률로 발생하는 드문 사건"이라는 해석은 과학적 정밀성이 있는 것처럼 보이지만, 실제 시장에서는 이보다 훨씬 자주 발생한다.
그럼에도 Z-Score는 상대적 이탈 정도를 측정하는 유용한 도구다. 정밀한 확률 계산 도구라기보다, 극단적 이탈을 표준화된 방식으로 측정하는 프레임워크로 이해해야 한다.
4. 신호 설계 논리
기본 Z-Score 계산
이동 Z-Score (Rolling Z-Score):
$$Zₜ = fracXₜ - barX[t-L, t]σ[t-L, t]$$
여기서:
- $Xₜ$: 현재 시점 $t$의 값 (가격, 지표 등)
- $barX[ₜ₋L, ₜ]$: 최근 $L$기간의 이동 평균
- $σ[ₜ₋L, ₜ]$: 최근 $L$기간의 이동 표준편차
롤링 윈도우를 사용하므로 시장 환경 변화에 적응적이다.
Z-Score를 적용할 수 있는 주요 지표들
가격 기반 Z-Score: $$Z가격,ₜ = fracPₜ - barPLσP,L$$
현재 가격이 최근 $L$일 이동평균에서 얼마나 벗어났는지를 측정한다. 이것이 볼린저밴드의 %B와 수학적으로 동일한 개념이다.
밸류에이션 Z-Score: $$ZPER,ₜ = fracPERt - overlinePERLσPER,L$$
현재 PER이 역사적 평균 PER에서 얼마나 벗어났는지를 측정한다. 장기(5~10년) 역사적 평균과 비교하는 것이 의미 있다.
이익 Z-Score (SUE): Chapter 11에서 이미 소개한 SUE가 이익의 Z-Score다.
$$Z이익,ₜ = (Eₜ - Eₜᵉ/σΔ E)$$
스프레드 Z-Score: Chapter 15 페어 트레이딩에서 사용한 신호다.
$$Z스프레드,ₜ = frac스프레드ₜ - bar스프레드Lσ스프레드,L$$
거시 지표 Z-Score: $$Z금리,ₜ = fracrₜ - barrLσr,L$$
현재 금리가 역사적 평균에서 얼마나 벗어났는지를 측정한다. 이를 통해 금리가 역사적으로 극단적인 수준인지 판단할 수 있다.
거래 신호 생성
기본 신호: $$매수: Zₜ < -zₑₙₜᵣy (과도한 저평가)$$ $$매도: Zₜ > +zₑₙₜᵣy (과도한 고평가)$$ $$청산: |Zₜ| < zₑₓᵢₜ$$
표준 임계값 설정:
- 진입: $zₑₙₜᵣy = 1.5$~$2.5$ (전략의 공격성에 따라)
- 청산: $zₑₓᵢₜ = 0.0$~$0.5$ (평균 회귀 시 청산)
- 손절: $zₛₜₒₚ = 3.0$~$4.0$ (평균 회귀 실패 시 청산)
점수 비례 포지션 사이징: 단순한 이진 신호(사거나 안 사거나) 대신, Z-Score의 크기에 비례해 포지션 크기를 결정하는 방식이 더 정교하다.
$$wₜ propto -Zₜ × 스케일링$$
Z-Score가 클수록(이탈이 심할수록) 더 큰 포지션을 취한다. 단, 최대 포지션 한도를 설정해 과도한 집중을 방지한다.
룩백 기간 선택
Z-Score 계산에 사용하는 룩백 기간 $L$의 선택이 전략 특성을 결정한다.
| 룩백 기간 | 특성 | 적합한 전략 |
|---|---|---|
| 20일 | 단기, 민감 | 단기 가격 평균회귀 |
| 60일 | 중기 | 중기 트레이딩 |
| 252일 (1년) | 장기 | 밸류에이션 기반 전략 |
| 1260일 (5년) | 매우 장기 | 사이클 기반 전략 |
5. 전략 변형과 파생형
변형 1 — 복합 Z-Score 전략
여러 지표의 Z-Score를 결합해 더 강건한 신호를 만드는 방식이다.
$$Z복합,ᵢ = w₁ × Z가격,ᵢ + w₂ × ZPER,ᵢ + w₃ × Z이익,ᵢ$$
가격, 밸류에이션, 이익의 Z-Score를 결합해 "여러 차원에서 동시에 저평가된 종목"을 찾는다.
특징: 단일 지표보다 훨씬 강건한 신호다. 가격이 싸고, 밸류에이션도 낮고, 이익도 좋은 종목은 여러 근거로 지지되는 매수 기회다. 이것이 멀티팩터 전략(Chapter 36)의 핵심 구현 방법이다.
변형 2 — 섹터 조정 Z-Score
종목의 Z-Score를 계산할 때 섹터 평균을 기준으로 조정하는 방식이다.
$$Z섹터 조정,ᵢ = fracXᵢ - barX섹터σX,섹터$$
종목의 Z-Score를 전체 시장이 아닌 같은 섹터 내에서 계산한다.
특징: 섹터 전체가 역사적으로 고평가되거나 저평가된 효과를 제거한다. 순수한 종목 고유의 상대적 가치를 포착한다. 섹터 로테이션 효과를 분리해낼 수 있다.
변형 3 — 동적 임계값 Z-Score
진입 임계값을 고정값(예: 2.0)으로 사용하는 것이 아니라, 시장 변동성 상태에 따라 동적으로 조정하는 방식이다.
$$zₑₙₜᵣy,ₜ = z기본 × (σₜ/barσ)$$
현재 변동성이 평균보다 높으면 임계값을 높이고, 낮으면 낮춘다.
특징: 변동성이 높은 시기에 더 극단적인 이탈만 신호로 사용해 허위 신호를 줄인다. 변동성 사이클에 적응적이다.
변형 4 — 이중 Z-Score 필터
단기와 장기 두 가지 Z-Score를 동시에 사용하는 방식이다.
$$진입: Z단기,ₜ < -2.0 AND Z장기,ₜ < -1.0$$
단기 Z-Score가 극단적 저평가를 보이는 동시에, 장기 Z-Score도 저평가 방향임을 확인한다.
특징: 단기 노이즈에 의한 허위 신호를 줄인다. 단기 과매도가 장기 추세와 일치할 때만 진입해 신뢰도를 높인다. 신호 빈도가 줄어들지만 질이 높아진다.
변형 5 — 순환 Z-Score (Cycle-Adjusted Z-Score)
단순한 이동평균 대신 경제/시장 사이클을 반영한 기준값을 사용하는 방식이다.
예를 들어, CAPE(Cyclically Adjusted Price-to-Earnings Ratio, 실러 PER)는 10년 평균 이익을 기준으로 PER을 계산해 경기 사이클의 영향을 제거한다.
$$ZCAPE = fracCAPEt - overlineCAPE장기σCAPE,장기$$
현재 시장 전체의 CAPE가 역사적 장기 평균에서 얼마나 벗어났는지를 측정한다. 이 Z-Score가 +2.0 이상이면 시장 전체가 역사적으로 극도로 고평가된 상태다.
특징: 단순 이동평균 기반 Z-Score보다 경기 사이클 효과를 더 잘 제거한다. 장기적 밸류에이션 판단에 특히 유용하다.
6. 수익이 나는 시장 국면
잘 작동하는 조건
조건 1 — 가격 과잉반응 후 정상화 구간 단기적 과잉반응으로 Z-Score가 극단에 달했다가 정상화되는 구간이 최적 환경이다. 이벤트 직후, 패닉 매도 후, 무근거 급등 후 등이 전형적인 사례다.
조건 2 — 밸류에이션이 역사적 극단에서 정상화되는 구간 PER Z-Score나 CAPE Z-Score가 극단에 달했다가 정상화될 때 장기적으로 강한 수익이 발생한다. 이것은 단기 트레이딩이 아닌 장기 투자 관점에서 특히 유용하다.
조건 3 — 횡보 시장에서의 단기 이탈 볼린저밴드와 RSI의 경우와 마찬가지로, 가격 Z-Score 기반 평균회귀는 횡보 시장에서 가장 효과적이다.
역사적 가상 수치 예시:
가격 Z-Score 기반 단기 전략 (Z-entry=2.0, 20일 룩백):
- 연 CAGR: 약 7~13%
- 승률: 60~70%
- 샤프지수: 0.7~1.2
- 연간 신호 발생: 15~40회
밸류에이션 Z-Score 기반 장기 전략 (CAPE Z-Score):
- 분기/연간 신호 기반
- 장기 초과 수익: 역사적으로 CAPE Z-Score 극단 이후 5~10년 수익률이 평균보다 유의미하게 높거나 낮은 경향
7. 손실이 나는 시장 국면
잘 작동하지 않는 조건
조건 1 — 강한 추세 구간 볼린저밴드와 동일하게, Z-Score 기반 평균회귀도 강한 추세에서 실패한다. 가격 Z-Score가 +2.0, +3.0, +4.0으로 계속 올라가는 상황에서 매도 포지션은 계속 손실을 낸다.
조건 2 — 구조적 변화 구간 지표의 "정상 범위" 자체가 바뀌는 구조적 변화 구간에서 Z-Score 신호는 신뢰할 수 없다. 예를 들어, 금리 환경이 구조적으로 변하면 PER의 역사적 평균이 바뀌므로 과거 평균 기반 Z-Score가 의미를 잃는다.
조건 3 — 룩백 기간보다 긴 추세 이동 Z-Score는 룩백 기간 $L$ 동안의 평균을 기준으로 한다. 가격이 룩백 기간보다 길게 한 방향으로 움직이면, 평균 자체가 이동해 Z-Score가 극단에 머물지 않고 0 근처로 돌아온다. 이 경우 신호가 발생하지 않아 추세를 놓친다.
손실 메커니즘 단계별 설명
[구조적 변화 시나리오 — PER Z-Score 기반]
1단계: 역사적 평균 PER = 15, Z-Score 기준 설정
→ 현재 PER = 22 → Z-Score = +2.3 → 공매도 신호
2단계: PER 계속 상승 (구조적 저금리 환경)
→ PER = 25, 28, 30으로 상승
→ Z-Score = +3.0, +4.0으로 상승
→ 공매도 포지션 손실 누적
3단계: "PER의 정상 범위"가 구조적으로 변화
→ 저금리 환경에서 PER 20~25가 새로운 정상 범위
→ 역사적 평균(15) 기반 Z-Score는 계속 높은 값 유지
4단계: 평균회귀 실패, 손실 지속
→ 구조적 변화를 감지하지 못한 채 포지션 유지
→ 손실 -15% ~ -35% 가상 수치
8. 백테스트 특성과 주요 지표 패턴
전형적인 백테스트 결과 패턴
Z-Score 전략의 백테스트 결과는 적용 지표와 룩백 기간에 따라 크게 다르다.
주요 지표 일반적 범위 (가상 참고값):
| 전략 유형 | CAGR | MDD | 샤프지수 | 승률 |
|---|---|---|---|---|
| 가격 Z-Score (단기) | 6~12% | -15%~-25% | 0.6~1.1 | 60~70% |
| 가격 Z-Score (중기) | 7~13% | -12%~-22% | 0.7~1.2 | 62~72% |
| 밸류에이션 Z-Score (장기) | 8~14% | -10%~-20% | 0.8~1.3 | 65~75% |
| 복합 Z-Score | 9~16% | -10%~-20% | 0.9~1.4 | 65~75% |
| 볼린저밴드 (비교) | 6~14% | -15%~-30% | 0.6~1.2 | 60~72% |
Z-Score 기반 전략이 볼린저밴드보다 성과가 다소 좋은 이유는 더 다양한 지표에 적용하고 결합할 수 있기 때문이다.
수익 곡선의 전형적 모양
Z-Score 기반 평균회귀의 수익 곡선은 볼린저밴드, RSI와 유사한 패턴을 보인다. 횡보 구간에서 꾸준히 오르고, 추세 구간에서 손실이 발생한다. 그러나 복합 Z-Score를 사용하면 손실 구간이 줄어드는 경향이 있다.
자산가치
| _____________________________
| ____/ \____
|___/ \___
|
시간 횡보 구간 추세 손실 횡보 회복
안정적 수익
다른 전략과 구별되는 통계적 특징
지표 독립성: 볼린저밴드와 RSI는 가격 데이터만 사용하지만, Z-Score는 어떤 지표에도 적용 가능하다. 밸류에이션 Z-Score와 가격 Z-Score를 결합하면 가격과 펀더멘털 모두를 고려한 신호가 된다.
더 유연한 시간 지평: 단기 트레이딩(20일 룩백)부터 장기 투자(5~10년 룩백)까지 동일한 프레임워크로 다룰 수 있다.
결과 해석 시 주의할 함정
함정 1 — 정규분포 가정의 과신 Z-Score 해석이 정규분포를 가정하지만, 실제 금융 데이터는 두꺼운 꼬리를 가진다. "Z-Score = 2.0이면 95% 신뢰 구간 이탈"이라는 해석이 실제보다 더 드문 사건처럼 보이게 만든다.
함정 2 — 룩백 기간에 대한 민감도 다른 룩백 기간에서 Z-Score가 매우 다른 값을 보일 수 있다. 과거에 최적이었던 룩백 기간을 선택하는 것은 과최적화다.
함정 3 — 구조적 변화 미감지 이동 Z-Score는 항상 최근 $L$ 기간의 평균을 기준으로 한다. 구조적 변화로 인해 "정상 범위"가 변했을 때, 이를 감지하지 못하고 잘못된 신호를 생성할 수 있다.
9. 과최적화 위험과 강건성
과최적화가 자주 발생하는 지점
룩백 기간 최적화: 여러 룩백 기간을 시험하고 가장 좋은 것을 선택하면 과최적화다. 적용 지표의 특성에 맞는 이론적으로 합당한 기간을 선택해야 한다.
임계값 최적화: $zₑₙₜᵣy = 1.87$처럼 정밀한 임계값은 과최적화 신호다. 1.5, 2.0, 2.5 같은 둥근 숫자를 사용하는 것이 원칙이다.
지표 결합 가중치 최적화: 복합 Z-Score에서 각 지표의 가중치를 데이터에서 최적화하면 과최적화다. 동일 가중(각 $(1/N)$)이 가장 강건하다.
강건성을 높이는 설계 원칙
원칙 1 — 이론 기반 지표 선택 Z-Score를 적용할 지표는 이론적으로 평균회귀 특성이 있어야 한다. 가격, 밸류에이션, 스프레드 등이 이에 해당한다. 이론적 근거 없이 여러 지표를 시험하는 것은 피해야 한다.
원칙 2 — 표준 임계값 사용 ±1.5, ±2.0, ±2.5 같은 표준 통계학적 임계값을 사용한다.
원칙 3 — 추세 필터 결합 볼린저밴드, RSI와 마찬가지로 추세 필터를 함께 사용해 강한 추세 구간에서의 손실을 방지한다.
원칙 4 — 여러 지표의 결합 단일 지표의 Z-Score보다 여러 독립적 지표의 Z-Score를 결합하면 더 강건하다.
10. 다른 전략과의 관계
잘 결합되는 전략
볼린저밴드 평균회귀 (Chapter 13): 볼린저밴드의 %B는 수학적으로 가격 Z-Score와 거의 동일하다. Z-Score 프레임워크가 볼린저밴드를 더 일반화한 것으로, 두 전략은 같은 원리의 다른 표현이다.
RSI (Chapter 14): RSI와 가격 Z-Score를 동시에 확인하면 신호의 신뢰도가 높아진다. 두 지표가 모두 과매도를 나타낼 때 더 강한 신호다.
이익 모멘텀 (Chapter 11): SUE가 이익의 Z-Score이므로, 가격 Z-Score와 이익 Z-Score(SUE)를 결합하면 복합 Z-Score 전략이 된다. 이것이 Chapter 12 가격+펀더멘털 결합형의 Z-Score 버전이다.
멀티팩터 전략 (Chapter 36): 여러 팩터를 Z-Score로 표준화하고 결합하는 것이 멀티팩터 전략의 핵심 구현 방법이다. Z-Score가 팩터 결합의 공통 언어 역할을 한다.
상관관계가 낮아 포트폴리오 효과가 큰 전략
모멘텀 전략 (Part 3): Z-Score 평균회귀는 모멘텀 전략과 반대 방향으로 작동하는 경우가 많다. 모멘텀이 강할 때 Z-Score가 극단에 달해 평균회귀 신호를 주지만, 실제로 추세가 지속되면 손실이 난다. 반대로 모멘텀이 약한 횡보 구간에서 Z-Score 전략이 강하다. 두 전략의 결합이 전체 포트폴리오를 더 안정적으로 만든다.
포트폴리오 내 역할
Z-Score 기반 평균회귀는 포트폴리오에서 두 가지 역할을 한다.
역할 1 — 단기 트레이딩 신호 (가격 Z-Score): 단기 가격 이탈을 포착해 빠른 수익을 추구한다.
역할 2 — 장기 밸류에이션 판단 (밸류에이션 Z-Score): 현재 시장 또는 개별 종목이 역사적으로 얼마나 고평가/저평가됐는지를 객관적으로 측정해 장기 자산배분 결정에 활용한다.
11. 실전 적용 시 주의사항
이론과 실전의 괴리 포인트
괴리 1 — 어떤 Z-Score를 사용할 것인가 Z-Score는 어떤 지표에도 적용할 수 있다는 것이 장점이지만, 동시에 "어떤 지표를 선택해야 하는가"라는 질문을 만든다. 이 선택이 전략 성과에 큰 영향을 미친다.
괴리 2 — 롤링 윈도우의 업데이트 타이밍 이동 평균과 이동 표준편차는 매일 업데이트된다. 롤링 윈도우의 시작 기간에 극단적 값이 포함되거나 제외될 때 Z-Score가 갑자기 크게 변하는 현상이 발생한다. 이 "윈도우 효과"가 허위 신호를 만들 수 있다.
괴리 3 — 구조적 변화의 감지 가장 어려운 문제다. 시장 환경이 구조적으로 변할 때 과거 평균 기반 Z-Score는 계속 "극단적"이라는 신호를 주지만, 실제로는 새로운 정상 범위가 형성된 것일 수 있다. 이 구분이 Z-Score 전략의 가장 어려운 실전 과제다.
거래비용·슬리피지의 영향
Z-Score 전략의 거래비용은 신호 발생 빈도에 따라 크게 다르다.
단기 가격 Z-Score(20일 룩백)는 신호가 자주 발생해 거래비용이 높고, 장기 밸류에이션 Z-Score는 신호가 드물어 거래비용이 낮다.
비용 최소화 방법:
- 장기 룩백 사용으로 신호 빈도 줄이기
- Z-Score 변화가 임계값을 명확히 초과할 때만 거래하기
- 복합 Z-Score를 사용해 더 확실한 신호에만 반응하기
적합한 자산군과 시장
가격 Z-Score 적합:
- 대형주, 지수 ETF, FX (유동성 높고 거래비용 낮음)
밸류에이션 Z-Score 적합:
- 개별 주식, 국가 지수 (역사적 PER 데이터 풍부)
- 장기 자산배분 결정
스프레드 Z-Score 적합:
- 유사 ETF 페어, 경쟁 기업 쌍
투자자가 흔히 저지르는 실수
실수 1 — Z-Score를 절대적 진리로 해석 Z-Score = 2.0이 "매수 신호"라고 기계적으로 해석하면 안 된다. Z-Score는 이탈의 크기를 측정할 뿐, 왜 이탈했는지는 알려주지 않는다. 구조적 이유가 있다면 Z-Score는 계속 극단값을 유지할 수 있다.
실수 2 — 단일 지표에만 의존 가격 Z-Score만 사용하거나 밸류에이션 Z-Score만 사용하면 한 차원의 정보만 활용한다. 여러 독립적 지표의 Z-Score를 결합해야 신뢰도가 높아진다.
실수 3 — 손절 없이 운용 "Z-Score가 더 극단적이 됐으니 더 좋은 기회다"라며 손절을 설정하지 않으면, 구조적 변화 구간에서 회복 불가능한 손실을 입을 수 있다.
실수 4 — 룩백 기간을 너무 짧게 설정 20일 룩백으로 계산한 Z-Score는 최근 한 달의 평균을 기준으로 한다. 이 평균이 이미 이탈 방향으로 이동했다면 Z-Score가 극단에 달하지 않아 신호를 놓칠 수 있다. 충분히 긴 룩백(최소 60~252일)을 사용하는 것이 중요하다.
12. 전략 요약 카드
| 항목 | 내용 |
|---|---|
| 전략 유형 | 평균회귀 / 통계적 표준화 / 다지표 |
| 핵심 아이디어 | 어떤 지표든 역사적 평균에서 극단적으로 벗어나면 돌아온다 |
| 적합 시장 | 횡보장, 이벤트 후 과잉반응 구간, 밸류에이션 극단 구간 |
| 적합 자산군 | 대형주, 지수 ETF, 페어 자산, 밸류에이션 데이터 풍부한 자산 |
| 전형적 승률 | 60~75% (지표 결합 시 개선) |
| 전형적 손익비 | 0.7~1.5 |
| 전형적 MDD | -10% ~ -25% |
| 전형적 샤프지수 | 0.7~1.4 |
| 최적 보유 기간 | 수일(단기) ~ 수년(밸류에이션 기반 장기) |
| 과최적화 위험 | 중간 |
| 난이도 | ⭐⭐ |
| 함께 쓰면 좋은 전략 | 볼린저밴드, RSI, 이익 모멘텀, 멀티팩터 전략, 추세 필터 |
| 피해야 할 시장 국면 | 강한 추세, 구조적 변화 구간, 정규분포 가정이 무너지는 극단 상황 |
📌 핵심 요약 (3줄)
Z-Score는 가격, 밸류에이션, 이익, 스프레드 등 어떤 지표든 통일된 척도로 표준화해 "역사적 평균에서 얼마나 극단적으로 벗어났는가"를 측정하는 평균회귀 전략의 공통 언어다. 단일 지표보다 여러 독립적 지표의 Z-Score를 결합하는 복합 Z-Score가 더 강건하며, 이것이 멀티팩터 전략의 핵심 구현 방법이기도 하다. 구조적 변화 감지 실패와 정규분포 가정의 한계가 가장 중요한 실전 위험이며, 반드시 추세 필터와 손절 기준을 결합해 운용해야 한다.
➡️ 다음 챕터 예고: Chapter 18에서는 캘린더 리밸런싱 평균회귀를 다룬다. 가격이나 기술적 신호가 아니라 단순히 시간의 흐름에 따라 자산 비중이 목표에서 벗어날 때 이를 교정하는 리밸런싱이 어떻게 평균회귀 수익을 만드는지, 그리고 최적 리밸런싱 주기와 방법을 완전히 분석한다.