새로운 주식 투자 전략

혼자 이것저것 해보다가 '이게 왜 되지?' 싶은 주식 투자 전략을 찾아서 시작해보기로 했다.

 

미국 소형주 기준 2011년 1월~2024년 12월까지 연평균 수익률(CAGR) 36%, Sharpe ratio 1.39.

같은 기간 S&P 500 연평균 수익률(CAGR) 14.4%, Sharpe ratio 0.82.

 

매년 초마다 직전 20년간의 데이터를 가지고 트레이닝한 모델을 가지고 1년간 투자하는 식이다. 디테일은 다음과 같다.

1. 필요한 회계정보나 과거거래데이터가 없는 주식들을 거른다.

2. 남은 주식들 중 시가총액 상위 50%를 거른다.

3. Firm characteristic의 cross-sectional percentile을 regressor로 하고, 주식의 monthly log return을 dependent variable로 하는 OLS 모델을 추정해서 이걸로 기대수익률 하위 50%를 거른다. (실제로는 이것보다 복잡하다. 부록 참고.)

4. 남은 애들 가지고 같은 방식으로 기대수익률 모델 추정을 한번 더 하고, 이 모델의 residual을 dependent variable로 하는 모델을 추정해서 기대 error variance도 구한다. 기대수익률이 상위 10%이면서 기대 error variance가 하위 95%에 속하는 주식들에 동일가중으로 분산투자한다.

 

이렇게 하면 미국 주식들 중 대략 40~50개의 주식들이 남는다. 이 주식들에 동일 비중으로 분산투자한다. 매달 리밸런싱한다.

 

부록

 

- 사용한 firm characteristic들은 다음과 같다: Market capitalization, 5-year Market beta, Trading turnover, 1-month daily price volatility, 1-month return, 2-12-months return, 13-36-months return, price-to-52-week-high ratio, Total assets, Leverage, Capital turnover, Gross Profitability, Profit margin, ROA, ROE, Sale-to-assets, PBR, Assets-to-market, Sales-to-price

 

- 3.에서 모델 하나만 추정하는 대신 regressor들과 dependent variable을 조금씩 다르게 하는 여러 모델을 종합적으로 고려하는 것이 성능을 개선해줬다. 특히 매크로 지표들을 포함했을 때.

 

- 4.에서 기대 error variance 상위 5%의 하이리스크 주식들을 거르는 이유는, 이 주식들이 역사적 평균수익률은 더 높긴 한데 변동성이 너무 커서 Sharpe ratio가 훨씬 더 낮고 성능이 일정하지 못하기 때문이다. 수십%의 손실이 나는 경우가 종종 있다.)

 

- 2018년부터 약 2년동안은 소형주 자체가 대형주들에 비해 많이 뒤쳐졌던 때라 수익이 거의 나지 않고 시장을 못이긴다. 2023년 이후도 마찬가지로, 소형주가 너무 약해서 시장을 이기지는 못하고 시장수익률과 비슷하다. 그럼에도 시가총액 하위 50%의 소형주에만 투자하는 이유는 이 전략이 대형주한테는 잘 안먹히기 때문.

 

- 남는 40~50개의 주식들 중 무엇을 고를지에 대한 추가적인 필터링 방법이 있으면 좋겠는데, 잘 모르겠다.

 

- Fama French 5 + momentum + short-term reversal 총 7팩터 모델 알파테스트를 해보니 average monthly alpha 1.9%, market beta 0.83, SMB beta 0.74, MOM beta -0.22, SRV beta 0.25, 그리고 나머지 팩터들의 계수는 통계적으로 유의하지 않다. 아마도 HML, RMW, CMA 팩터가 유의하지 않은 건 3.에서 매크로를 기반으로 1차 필터링을 한 탓에 자동으로 팩터 로테이션이 이루어져서 그런 모양이다.