포트폴리오 이론 코인투자: MPT로 위험 줄이는 포트폴리오 구성

포트폴리오 이론 코인투자는 현대 포트폴리오 이론(MPT)을 암호화폐에 적용해, 정한 위험 수준에서 기대수익을 최대로 끌어올리도록 바구니를 짜는 방법입니다. 비트코인 하나에 몰아넣는 대신, 각 코인이 전체 바구니의 위험·수익 구조에 어떤 영향을 주는지를 기준으로 판단합니다. 핵심 도구는 세 가지입니다. 기대수익, 분산(변동성), 공분산(자산들이 함께 움직이는 정도)입니다. 암호화폐에 MPT를 적용하면 상관관계가 실제로 낮은 자산, 원칙 있는 비중 조절, 그리고 이야기보다 시가총액과 샤프 지수에 근거한 결정으로 자연스럽게 이어집니다. 아래에서 꼭 필요한 수식, 숫자 예시, 디지털 자산에만 있는 함정을 차례로 정리합니다.

현대 포트폴리오 이론은 무엇을 최적화하나

MPT는 1952년 경제학자 해리 마코위츠가 제시했고, 그는 이후 이 연구로 노벨상을 받았습니다. 이론의 핵심은 의외로 단순합니다. 어떤 자산의 위험도 단독으로 평가해서는 안 된다는 것입니다. 변동성이 큰 코인이라도 다른 보유 자산이 떨어질 때 오르는 경향이 있다면 포트폴리오 전체의 변동성을 줄일 수 있습니다. 수식은 바로 이런 성질에 보상을 줍니다.

포트폴리오의 기대수익은 구성 자산 수익의 가중평균입니다.

E(Rp) = w1·R1 + w2·R2 + ... + wn·Rn

흥미로운 부분은 위험입니다. 분산은 가중평균이 아닙니다. 모든 자산 쌍이 함께 어떻게 움직이는지에 달려 있습니다.

Var(Rp) = Σ Σ wi·wj·σi·σj·ρij

여기서 ρij는 자산 i와 j의 상관계수입니다. 상관관계가 낮거나 음수이면 교차항이 포트폴리오 분산을 구성 자산들의 평균 분산보다 낮춥니다. 이 한 줄의 식이 MPT가 권하는 모든 것의 엔진입니다.

MPT는 위험을 쫓는 사람이 아니라 위험을 의식하는 사람을 위한 도구입니다. 도지코인 한 종목에 모든 것을 거는 전략이라면 MPT는 맞지 않습니다. 감당할 수 있는 위험 안에서 최대 수익을 원하고, 유동성과 하락 특성이 상승 여력만큼 중요하다는 점을 받아들이는 투자자를 위해 설계됐습니다.

진짜 분산투자는 생각과 다르다

코인 열 개를 들고 있어도 모두 함께 움직인다면 분산투자가 아닙니다. 위험 회피 국면에서는 암호화폐 시장 전체가 거의 한 덩어리처럼 움직이고, 비트코인이 떨어지면 알트코인은 대개 더 크게 떨어집니다. 레이어1 토큰 열다섯 개로 채운 포트폴리오는 사실상 레버리지를 건 비트코인 포지션입니다.

MPT에서 말하는 진짜 분산은 쌍별 상관관계가 낮은 자산을 묶는 것이고, 이는 대개 암호화폐 밖으로 나가야 가능합니다. 주식, 채권, 부동산, 원자재가 그 예입니다. 암호화폐 안에서는 자체 수요 동력을 가진 영역이 역사적으로 가장 쓸모 있는 분산 수단이었습니다. NFT와 메타버스 섹터가 가끔 현물 시장과 따로 움직이지만, 이런 괴리는 짧고 결국 다시 수렴합니다.

상관관계, 공분산, 그리고 암호화폐의 현실

상관계수는 +1(완전히 같이 움직임)부터 -1(완전히 반대로 움직임)까지이며, 0은 선형 관계가 없다는 뜻입니다. MPT는 0에 가깝거나 그보다 낮은 쌍을 찾으라고 합니다.

불편한 진실은 한 자산군 안에서 낮은 상관관계가 오래 유지되는 경우가 드물고, 암호화폐 안에서는 더 드물다는 점입니다. 비트코인이 '주식과 상관없는 자산'이라는 설명은 처음 10년 동안은 맞았지만, 기관들이 비트코인과 기술주를 같은 '위험 선호' 바구니에 넣으면서 깨졌습니다. 몇 달 단위로 보면 BTC는 나스닥, S&P 500과 밀접하게 움직인 시기가 있습니다.

실전에서 얻는 결론은 상관관계는 고정돼 있지 않다는 것입니다. 이번 분기에 상관없던 두 자산이 다음 분기 거시 충격에 함께 움직일 수 있습니다. MPT 비중은 한 번 정하고 잊는 것이 아니라 이동 구간으로 계속 다시 측정해야 합니다. 비트코인이 금 같은 가치 저장 수단인지, 고베타 기술주의 대리 자산인지에 대한 오랜 논쟁은 포트폴리오에서 비트코인을 분산 수단으로 볼지 수익 증폭 수단으로 볼지를 직접 결정합니다.

지켜봐야 할 상관관계 국면

이 표는 고정된 규칙이 아니라 출발점 지도로 쓰십시오. 비중을 정하기 전에 각 칸을 최신 데이터로 다시 추정해야 합니다.

효율적 투자선: 나에게 맞는 지점 찾기

가로축에 위험(표준편차), 세로축에 기대수익을 두고 가능한 모든 포트폴리오를 찍으면, 그 점구름의 왼쪽 위 가장자리가 효율적 투자선입니다. 선 위의 모든 점은 해당 위험 수준에서 기대수익이 가장 높은 포트폴리오입니다. 곡선 아래의 포트폴리오는 모두 확실히 더 나쁩니다. 위험은 지는데 그만큼 보상받지 못하기 때문입니다.

할 일은 두 단계입니다. 먼저 감당할 수 있는 위험(가로축 위치)을 정합니다. 그다음 그 위험 수준 바로 위의 투자선 지점을 찾습니다. 그것이 최적 비중입니다. 수익은 보통 연평균 복리 성장률(CAGR)로, 위험은 연율화한 표준편차로 측정합니다.

목표 수익을 조건으로 분산을 최소화하는 2차 최적화(라그랑주 승수 이용)를 손으로 풀 필요는 없습니다. 무료 포트폴리오 최적화 도구나 API에 자산, 과거 수익률, 공분산을 넣으면 투자선을 계산해 줍니다. 직접 책임져야 할 부분은 위험 성향, 자산 선택, 국면 인식입니다.

샤프 지수: 위험 한 단위당 수익

1966년 윌리엄 샤프가 제안한 샤프 지수는 성과를 위험 한 단위당 얻은 수익으로 표준화합니다.

샤프 지수 = (Rp − Rf) / σp

Rp는 포트폴리오 수익률, Rf는 무위험 수익률(흔히 미국 단기 국채 수익률), σp는 초과수익의 표준편차입니다. 두 포트폴리오의 수익이 같더라도 샤프 지수가 높은 쪽이 더 적은 위험으로 그 수익을 낸 것입니다.

대략적인 해석은 이렇습니다. 1.0을 넘으면 괜찮은 수준, 2.0을 넘으면 매우 좋고, 3.0을 넘으면 탁월하며, 음수는 손실을 뜻합니다. 변동성이 크다는 평판과 달리 비트코인은 과거 긴 기간 동안 1 이상, 때로는 3을 넘는 샤프 지수를 보였습니다. 높은 수익이 변동성을 상쇄했기 때문입니다.

샤프 지수는 효율적 투자선과 자연스럽게 짝을 이룹니다. 투자선이 가장 좋은 위험·수익 조합을 보여 준다면, 샤프 지수는 그중 어느 지점이 가장 효율적인지를 알려 줍니다. 학계 연구에 따르면, 어떤 코인이 과거 성과를 대체로 이어 갈 것으로 본다면 전체 포트폴리오의 약 6% 같은 한 자릿수 비중이 타당하고, 성과가 약해질 것으로 본다면 1~4%로 줄이는 것이 좋습니다.

숫자 예시: 코인 5개로 구성한 암호화폐 몫 나누기

전체 자산 중 암호화폐 몫의 크기는 이미 적절히 정했고, 이를 다섯 자산에 나눈다고 가정합니다. 자산마다 주관적인 위험 점수(1 = 가장 낮음, 5 = 가장 높음)와 연간 기대수익을 매기고, 위험이 클수록 비중이 작아지도록 위험에 반비례해 가중합니다.

혼합 기대수익은 다음과 같습니다.

(0.40 × 35%) + (0.25 × 45%) + (0.20 × 70%) + (0.10 × 90%) + (0.05 × 150%)
= 14% + 11.25% + 14% + 9% + 7.5% = 55.75%

이 55.75%라는 숫자는 포트폴리오 분산과 함께 볼 때만 의미가 있습니다. 게임파이 투기 자산이 솔라나, 체인링크와 상관관계가 높다면 실제 위험은 비중이 암시하는 것보다 훨씬 큽니다. 분산이 아니라 집중을 한 셈입니다. 이 비중과 과거 수익률, 쌍별 상관관계를 최적화 도구에 넣고, 나오는 샤프 지수를 확인하며, 정한 위험 수준에서 포트폴리오가 효율적 투자선 위에 올 때까지 비중을 조정하십시오. 기대수익은 가설일 뿐이고, 나를 지켜 주는 것은 공분산 구조입니다.

코인 포트폴리오 구성: 단계별 MPT 작업 흐름

1. 위험 성향 정하기: 투자 기간, 현금 흐름 필요, 나이, 바닥에서 팔지 않고 견딜 수 있는 최대 낙폭을 정합니다.
2. 후보 자산 고르기: 각 자산을 위험·수익 그래프에 찍어 목록이 얼마나 한쪽으로 쏠려 있는지 확인합니다.
3. 입력값 추정하기: 한 시점의 스냅숏 대신 이동 구간 데이터로 기대수익, 변동성, 쌍별 상관관계 행렬 전체를 계산합니다.
4. 최적화 도구 실행하기: 효율적 투자선과 후보 비중별 샤프 지수를 구합니다.
5. 투자선 위 지점 고르기: 목표 위험에 해당하는 지점이 곧 내 비중입니다.
6. 암호화폐 밖으로 분산하기: 주식, 채권, 귀금속, 부동산까지 같은 작업을 합니다. 포트폴리오 전체 위험을 실제로 좌우하는 것은 이 단계입니다.
7. 리밸런싱과 재측정: 상관관계와 변동성은 계속 변하므로 일정을 정해 반복합니다.

MPT가 잡아내지 못하는 암호화폐 고유 위험

전통적인 MPT는 가격 이력으로 위험을 어느 정도 설명할 수 있는 주식을 위해 만들어졌습니다. 암호화폐에는 분산에 깔끔하게 드러나지 않는 고유 위험이 있습니다. 최적화 결과를 믿기 전에 후보마다 다음 항목을 점검하십시오.

• 중앙화 위험: 검증자가 적거나 토큰 공급이 몰려 있거나 재단이 통제하면 장악, 검열, 조직적 공격 가능성이 커집니다.
• 규제 위험: 프라이버시 코인, 암묵적으로 수익을 약속하는 토큰, 발행 주체가 분명한 자산은 과거 변동성으로는 반영되지 않는 상장 폐지·제재 위험을 안고 있습니다.
• 기업·팀 위험: 특정 법인이 운영하는 프로젝트는 소송, 경영 실수, 창업자 이탈 위험을 함께 떠안습니다. 통제 주체가 없는 프로토콜은 이런 위험이 적습니다.
• 경쟁 위험: 레이어1, DEX, 브리지는 같은 몫을 두고 다툽니다. 한 범주의 패자에게 하락은 일시적이 아니라 영구적일 수 있습니다.
• 기술적 노후화: 지배적인 네트워크도 기술적으로 추월당할 수 있습니다. 이 드문 범주에서는 가장 오래되고 가장 크다는 점이 해자가 아니라 위험일 수 있습니다.
• 에너지·규제 서사 위험: 작업증명의 에너지 사용을 둘러싼 여론과 정책 압력은 펀더멘털과 무관하게 금지나 제한으로 이어질 수 있습니다.

이런 정성 평가는 최적화 도구에 넣는 기대수익과 위험 입력값에 반영돼야 합니다. 수식은 넣은 가정만큼만 정확합니다.

암호화폐 투자자가 알아야 할 MPT의 함정과 한계

MPT는 강력하지만 결함이 있고, 그 결함은 암호화폐에서 더 아프게 드러납니다.

• 분산은 상승과 하락을 똑같이 취급합니다. 분산이 같은 두 포트폴리오는 하나가 잦은 작은 하락을, 다른 하나가 드문 대폭락 위험을 안고 있어도 같다고 봅니다. 포스트모던 포트폴리오 이론은 전체 분산 대신 하방 편차를 최적화해 이 문제를 다룹니다. 90%까지 떨어질 수 있는 자산에는 의미 있는 개선입니다.
• 과거를 보고 판단합니다. 모든 입력값은 과거 데이터에서 나오는데, 암호화폐의 역사는 짧고 국면 전환이 잦으며 생존 편향이 가득합니다. 과거 상관관계는 정작 필요할 때, 즉 모든 위험 자산의 상관관계를 1로 몰아붙이는 거시 충격 때 깨집니다.
• 얇고 조작 가능한 가격 이력. 많은 토큰이 안정적인 분산·공분산을 추정할 만큼 깨끗한 데이터를 갖고 있지 않아, 최적화 도구가 거짓 정밀성을 만들어 냅니다.
• 스트레스 국면의 상관관계 수렴. MPT가 약속하는 분산 효과는 가장 믿고 싶은 순간, 즉 폭락장에서 사라지는 경향이 있습니다.

MPT는 보장이 아니라 원칙 있는 출발점으로 다루십시오. 결정을 숫자 하나에 맡기지 말고 하방 위험 지표와 정성적 판단을 함께 쓰십시오. 암호화폐 위험을 더 자세히 관리하려면 암호화폐 포트폴리오 위험 관리 가이드와 암호화폐 투자 기초 가이드를 참고하십시오.

COINOTAG의 시각

암호화폐 투자자에게 MPT의 가장 큰 가치는 계산된 정확한 비중이 아니라 그것이 강제하는 원칙이라고 봅니다. 알트코인 묶음이 사실상 상관관계 높은 하나의 베팅이라는 점, 진짜 분산은 암호화폐 밖에 있다는 점, 샤프 지수가 높은 변동성, 즉 보상받는 변동성은 보상받지 못하는 변동성과 전혀 다르다는 점을 받아들이게 만듭니다. 최적화 결과는 가설로 보고, 하방 위험, 국면 변화, 앞서 말한 암호화폐 고유 요인에 대해 스트레스 테스트를 거칩니다. 완전한 사이클을 버텨 낸 투자자는 포트폴리오를 하나의 서사에 걸지 않고, 비중을 의도적으로 정하고, 상관관계를 자주 측정하고, 투기 자산에는 작고 제한된 몫만 배정한 사람들이었습니다. 하락장 포트폴리오 전략은 하락장에서 안전한 암호화폐 포트폴리오 가이드에서 확인할 수 있습니다.