장기전략 최소분산 포트폴리오의 구조와 요인노출 분석

초록

본 논문은 요인모형으로부터 추정된 공분산 행렬을 이용해, 장기전략(롱온리) 최소분산 포트폴리오의 최적 자산 집합 K와 가중치를 명시적으로 규정한다. 단일 요인 경우에는 β와 특이분산 δ²를 이용한 순차적 임계값 알고리즘을 제시하고, 다중 요인 경우에는 자산 요인노출 벡터가 특정 초평면의 원점 측면에 위치하는 조건을 도출한다. 실증에서는 미국 주식 1,000종목의 일일 수익률을 사용해 제안 방법을 검증한다.

상세 분석

논문은 먼저 전통적인 최소분산 포트폴리오 문제를 롱온리 제약이 있는 형태로 정의하고, 활성 자산 집합 K를 찾는 것이 핵심 난제임을 강조한다. Theorem 1은 K가 알려졌을 때, Σ_K의 Moore‑Penrose 역을 이용해 가중치를 계산하는 일반적 공식을 제공한다. 단일 요인 모델(Σ = σ²ββᵀ + Δ)에서는 β_i를 오름차순 정렬하고, R_i = 1/σ² + ∑_{j≤i}β_jδ_j⁻²(β_j − β_i) 라는 순차적 지표를 정의한다. R_i는 처음에는 증가하다가 어느 지점 s에서 최대값을 찍고 이후 감소하므로, R_i>0인 마지막 인덱스 k가 활성 자산의 개수가 된다. 즉, β가 작고 특이분산이 큰 자산이 우선 포함되며, β_k보다 큰 자산은 모두 제외된다. 이 과정은 O(log p)의 이분 탐색으로 효율적으로 구현 가능하다.

다중 요인(Σ = BΩBᵀ + Δ)에서는 직접적인 정렬이 불가능하므로, Theorem 3이 제시하는 초평면 분리 조건을 활용한다. h_K = Ω B_Kᵀ (Σ_K)⁻¹ 1_k 라는 q‑차원 벡터를 정의하고, 각 자산 i에 대해 B_i·h_K < 1이면 해당 자산이 활성 집합 K에 포함된다. 이는 B_i가 원점과 초평면 {x | xᵀh_K = 1} 사이의 동일한 반쪽에 위치한다는 기하학적 의미를 갖는다. Corollary 2는 Δ의 역행렬을 가중치로 하는 가중 최소제곱 회귀 형태로 h_K를 재표현해, 실제 계산 시 행렬 연산량을 크게 줄인다.

실증 부분에서는 고차원( p ≫ n ) 상황에 적합한 James‑Stein 형태의 단일 요인 추정기 Σ_JSE와 전통적인 샘플 공분산 S를 비교한다. Σ_JSE는 요인 로딩을 고정밀도로 추정하고, Δ를 개별 자산의 잔차분산으로 보정한다. 이를 통해 얻은 최소분산 포트폴리오는 샘플 공분산 기반 포트폴리오에 비해 변동성이 현저히 낮고, 자산 선택에서도 β가 낮은 저위험 자산이 집중되는 경향을 보인다. 전체적으로 논문은 요인모형 기반 공분산 추정과 롱온리 제약을 결합한 최소분산 포트폴리오 문제에 대한 이론적 해답과 실용적 알고리즘을 동시에 제공한다.