[퀀트 연구] KRX 주식 및 ETF 모멘텀 로테이션 전략 성과 분석 종합 보고서
📊 KRX 주식 및 ETF 모멘텀 로테이션 전략 퀀트 연구 종합 보고서
본 리포트는 자체 구축한 국내 금융 데이터베이스의 시세 정보를 기반으로, KRX 개별 주식 포트폴리오와 국내 상장 ETF 유니버스를 대상으로 자산 배분 비중 방식, 현금 보유 효과, 그리고 추세 룩백 기간에 따른 시뮬레이션 성과를 정밀 비교 대조하여 퀀트 관점에서 최적의 투자 설계 조건을 분석한 종합 연구 보고서입니다.
- 주식 포트폴리오 최적 배분: 몬테카를로 기대수익 극대화 방식이 높은 복리 성장을 보이나, 시가총액 비중 방식이 변동성 제어 면에서 탁월한 MDD 방어력을 기록함.
- 현금 비중(Cash Sweep) 조율: 현금 10% 추가 설정 시 성과 손실을 최소화하면서 하방 낙폭을 안정적으로 제어하는 절충점을 획득.
- ETF 로테이션 최적화: ETF 유니버스에서는 장기 추세 필터를 동일 비중으로 배분하는 단순 로테이션이 몬테카를로 최적화 대비 압도적인 알파 우위를 나타냄 (과적합 방지 효과).
1. KRX 개별 주식 자산 배분 가중치 및 현금 비중 검증
K=5개 주식으로 구성되는 포트폴리오에서 가중치 방식(Sharpe 최적화, 동일 비중, 시가총액 가중) 및 현금 비율 추가에 따른 5.5개년 시뮬레이션 성과 비교입니다.
| 전략 및 배분 방식 | 최종 자산 평가액 | 연평균 수익률 (CAGR) | 최대 낙폭 (MDD) | 리밸런싱 횟수 |
|---|---|---|---|---|
| Sharpe 비율 최적화 비중 (현금 0%) | 368,775,579 KRW | 121.60% | -41.02% | 325회 |
| 시가총액 가중 비중 | 279,495,018 KRW | 108.46% | -36.37% | 325회 |
| 동일 비중 (Equal Weight) | 223,206,033 KRW | 98.37% | -39.01% | 325회 |
| 현금 10% 혼합 (Sharpe 최적화 기준, 6.5년) | 523,895,156 KRW | 104.29% | -38.11% | 389회 |
2. KRX ETF 자산배분 다각화 연구 (K=4 vs K=5)
국내 상장 TOP 50 ETF 유니버스를 대상으로 가중치 배분 방식(동일 비중 vs Sharpe 최적화)을 대조 시뮬레이션한 결과입니다.
| 전략 구분 (K값 및 가중치 방식) | 최종 자산 평가액 | 연평균 수익률 (CAGR) | 최대 낙폭 (MDD) | 리밸런싱 횟수 |
|---|---|---|---|---|
| K=4 동일 비중 (Equal) | 152,691,847 KRW | 61.39% | -29.12% | 648회 |
| K=5 동일 비중 (Equal) | 128,260,286 KRW | 56.52% | -24.28% | 814회 |
| K=5 Sharpe 비율 최적화 (Opt) | 115,244,489 KRW | 53.61% | -23.79% | 814회 |
| K=4 Sharpe 비율 최적화 (Opt) | 94,144,589 KRW | 48.25% | -28.84% | 648회 |
| KODEX 200 벤치마크 | 46,587,959 KRW | 31.02% | -34.65% | - |
3. 핵심 통찰 (Insights)
1. ETF 자산배분에서 동일 비중(Equal Weight)의 압도적 우세
개별 주식 백테스트와 달리 ETF 로테이션에서는 1/K 동일 비중 배분 방식이 몬테카를로 Sharpe 최적 비중을 큰 격차로 아웃퍼폼했습니다. 이는 ETF 자체가 수십 개의 기초자산으로 다각화된 묶음 자산이기 때문에, 복잡한 비중 최적화 모형이 과거 노이즈에 대한 극단적인 과적합(Overfitting)을 일으켜 복리 성과를 저해하기 때문입니다. ETF 투자 장세에서는 단순 분산이 가장 우수한 결과를 얻습니다.
2. 편입 종목 수 K의 효율성 대조
수익 극대화형 성향에는 상위 4개 종목 집중 투자(K=4 동일비중, CAGR 61.39%, 리밸런싱 회수 648회)가 거래비용 및 누적수익에서 유용하며, 보수적 성향에는 MDD를 -24.28%로 묶을 수 있는 K=5 동일비중 편입 전략이 매력적인 방어 밸런스를 구현합니다.
댓글
댓글 쓰기