By Matt Connor · · Updated 2026-07-24저변동성 이상 현상 분석
위험이 높을수록 수익이 크다는 이론이 틀릴 수 있습니다. 대형주 25개의 실현 변동성과 수익률을 비교합니다.
금융 이론에 따르면 더 많은 위험을 감수하는 투자자는 그에 따른 더 높은 수익을 얻어야 합니다. 저변동성 이상 현상(low-volatility anomaly)은 이러한 원칙이 자주 실패한다는 오랜 관찰 결과입니다. 시장 역사의 여러 구간에서 변동성이 낮은 주식들은 변동성이 큰 주식들과 비슷한 수준의 수익을 유지하거나 오히려 앞서면서도, 보유자들에게 훨씬 적은 변동성만을 제공했습니다. 본 게시물은 지난 약 2년 동안 25개의 친숙한 대형주를 대상으로 실현 변동성과 총수익(total return)을 비교하며, 그 관계가 교과서에 그려진 깔끔한 우상향 곡선이 아니라 매우 불규칙하고 노이즈가 많음을 보여줍니다.
저변동성 이상 현상이란 무엇인가
여기서 변동성은 연환산 변동성(annualized volatility)을 의미합니다. 이는 주식의 일일 수익률 표준편차를 연간 수치로 환산한 것입니다. 16%에 가까운 수치는 주식으로서 안정적임을 의미하며, 50%를 초과하는 수치는 하루에도 수 퍼센트씩 움직이는 주식을 나타냅니다. 모든 금융 과정에서 가르치는 프레임워크인 자본자산가격결정모델(CAPM)은 변동성이 높을수록 더 높은 기대 수익을 얻는 직선 형태의 우상향 곡선을 예측합니다.
수십 년간의 학술 연구는 이와 반대되는 경향을 발견했습니다. 역사적으로 저변동성 포트폴리오는 훨씬 적은 위험으로 고변동성 포트폴리오와 비슷하거나 때로는 더 나은 수익을 제공해 왔습니다. 이론과 실제 기록 사이의 이러한 간극이 바로 이상 현상입니다. 이는 시장에서 가장 많이 연구된 패턴 중 하나이며, 오늘날 판매되는 "min-vol" 및 "low-vol" 펀드의 근거가 됩니다.
주식별 변동성 대비 수익률
아래 차트는 25개의 대중적인 대형주를 대상으로 각 주식의 연환산 변동성과 동일 기간의 총수익을 계산하여, 가장 안정적인 주식부터 가장 변동성이 큰 주식 순으로 나열한 것입니다. 교과서의 이론이 맞다면, 수익률 막대는 왼쪽에서 오른쪽으로 갈수록 변동성 막대와 함께 상승해야 합니다.
모든 수치 뒤에 숨겨진 정확한 SQL
WITH d AS (
SELECT ticker,
toDate(toTimeZone(window_start, 'America/New_York')) AS dt,
argMax(toFloat64(close), toTimeZone(window_start, 'America/New_York')) AS c
FROM global_markets.delayed_stocks_minute_aggs
WHERE ticker IN ('SPY','KO','JNJ','PG','PEP','WMT','MCD','MO','VZ','XOM','JPM','HD','COST','UNH','MRK','LLY','HON','LMT','CAT','TXN','ORCL','NVDA','TSLA','AMD','NFLX')
AND window_start >= now() - INTERVAL 800 DAY
AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60
+ toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
GROUP BY ticker, dt
),
r AS (
SELECT ticker, dt, c,
c / lagInFrame(c) OVER (PARTITION BY ticker ORDER BY dt) - 1 AS ret
FROM d
)
SELECT ticker,
round(stddevSamp(ret) * sqrt(252) * 100, 1) AS annual_vol_pct,
round((exp(sum(log(1 + ret))) - 1) * 100, 1) AS total_return_pct
FROM r
WHERE ret IS NOT NULL AND ret > -0.5 AND ret < 0.5
GROUP BY ticker
ORDER BY annual_vol_pct하지만 그렇지 않습니다. 이 집단에서 가장 안정적인 종목은 S&P 500 지수 자체인 SPY이며, 42.8% 기간 동안 16%의 연환산 변동성을 기록했습니다. 전체를 살펴보면, 가장 안정적인 개별 주식 중 일부는 강력한 수익을 기록한 반면, 가장 변동성이 큰 종목 중 여러 개는 보합권이나 마이너스 수익률을 기록했습니다. 수익률 막대는 흩어져 있습니다. 수익률은 변동성 막대를 직선적인 방식으로 따르지 않으며, 이것이 바로 이상 현상의 한 단면입니다. 즉, 오른쪽의 추가적인 변동성이 신뢰할 수 있는 수익 상승으로 이어지지 않았습니다.
추가 변동성이 실제로 가져다준 것
25개 종목을 변동성에 따라 3등분하면 이 점이 더욱 명확해집니다. 각 구간은 중앙값 수익률과 최저 수익률부터 최고 수익률까지의 범위를 가지므로, 평균 옆에서 결과의 분산(dispersion)을 확인할 수 있습니다.
모든 수치 뒤에 숨겨진 정확한 SQL
WITH d AS (
SELECT ticker,
toDate(toTimeZone(window_start, 'America/New_York')) AS dt,
argMax(toFloat64(close), toTimeZone(window_start, 'America/New_York')) AS c
FROM global_markets.delayed_stocks_minute_aggs
WHERE ticker IN ('SPY','KO','JNJ','PG','PEP','WMT','MCD','MO','VZ','XOM','JPM','HD','COST','UNH','MRK','LLY','HON','LMT','CAT','TXN','ORCL','NVDA','TSLA','AMD','NFLX')
AND window_start >= now() - INTERVAL 800 DAY
AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60
+ toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
GROUP BY ticker, dt
),
r AS (
SELECT ticker, dt,
c / lagInFrame(c) OVER (PARTITION BY ticker ORDER BY dt) - 1 AS ret
FROM d
),
pername AS (
SELECT ticker,
stddevSamp(ret) * sqrt(252) * 100 AS vol,
(exp(sum(log(1 + ret))) - 1) * 100 AS tr
FROM r
WHERE ret IS NOT NULL AND ret > -0.5 AND ret < 0.5
GROUP BY ticker
),
ranked AS (
SELECT ticker, vol, tr, ntile(3) OVER (ORDER BY vol) AS bucket FROM pername
)
SELECT multiIf(bucket = 1, '1. Calmest third', bucket = 2, '2. Middle third', '3. Wildest third') AS vol_group,
round(median(vol), 1) AS median_vol_pct,
round(median(tr), 1) AS median_return_pct,
round(min(tr), 1) AS worst_return_pct,
round(max(tr), 1) AS best_return_pct,
round(max(tr) - min(tr), 0) AS range_pct
FROM ranked
GROUP BY bucket
ORDER BY bucket이 특정 기간 동안 가장 변동성이 큰 3분의 1 구간이 가장 높은 중앙값 수익률인 87.1%를 기록했으며, 가장 안정적인 3분의 1 구간은 20.6%를 기록했습니다. 이는 실제 데이터이며 중요한 의미를 갖습니다. 2년이라는 기간은 짧으며, 지난 2년은 소수의 대형 변동성 기술주와 모멘텀주들이 수익을 주도했습니다. 또한 가장 변동성이 큰 구간이 얻은 것은 분산이었습니다. 해당 구간의 수익률은 -15.8%에서 +223.3% 사이로, 239 퍼센트 포인트의 범위를 보였습니다. 가장 안정적인 구간의 범위는 92 포인트 내에 있었습니다. 높은 변동성은 수익의 중심값을 높이는 것보다 결과의 범위를 훨씬 더 넓혔습니다. 변동성이 큰 그룹의 투자자는 표에서 가장 높은 수익을 얻을 기회와 가장 낮은 수익을 얻을 기회를 동시에 가졌습니다.
종착점만큼 중요한 과정
단일 총수익 수치는 투자 과정의 변동성을 숨깁니다. 분석 기간 시작 시점에 100달러를 투자했을 때 매주 어떻게 변하는지 추적하면 변동성을 견디는 것이 어떤 느낌인지 알 수 있습니다.
모든 수치 뒤에 숨겨진 정확한 SQL
WITH d AS (
SELECT ticker,
toDate(toTimeZone(window_start, 'America/New_York')) AS dt,
argMax(toFloat64(close), toTimeZone(window_start, 'America/New_York')) AS c
FROM global_markets.delayed_stocks_minute_aggs
WHERE ticker IN ('KO','SPY','NVDA')
AND window_start >= now() - INTERVAL 800 DAY
AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60
+ toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
GROUP BY ticker, dt
),
r AS (
SELECT ticker, dt,
c / lagInFrame(c) OVER (PARTITION BY ticker ORDER BY dt) - 1 AS ret
FROM d
),
f AS (
SELECT ticker, dt, ret FROM r WHERE ret IS NOT NULL AND ret > -0.5 AND ret < 0.5
),
cum AS (
SELECT ticker, dt,
100 * exp(sum(log(1 + ret)) OVER (PARTITION BY ticker ORDER BY dt)) AS idx
FROM f
),
wk AS (
SELECT ticker, toMonday(dt) AS week, argMax(idx, dt) AS wv
FROM cum GROUP BY ticker, week
)
SELECT week,
round(maxIf(wv, ticker = 'KO'), 1) AS ko_calm,
round(maxIf(wv, ticker = 'SPY'), 1) AS spy_market,
round(maxIf(wv, ticker = 'NVDA'), 1) AS nvda_wild
FROM wk
GROUP BY week
ORDER BY week여기서 안정적인 주식은 Coca-Cola (KO)이며, 변동성이 큰 주식은 Nvidia (NVDA)이고, 중간 선은 시장 지수입니다. 마지막 주에 100달러는 KO에서 $129.9로, S&P 500은 $142.8로, NVDA는 $226.8로 성장했습니다. NVDA가 해당 기간의 승자였으나, 과정은 매우 불규칙했으며 도중에 두 자릿수 퍼센트의 하락을 여러 번 겪었습니다. KO는 거의 흔들림 없이 다른 두 선에 뒤처졌습니다. 두 결과 모두 교과서와는 맞지 않습니다. 이번에는 안정적인 종목이 시장을 이기지 못했고, 변동성이 큰 종목은 이상 현상에 부합해서가 아니라 이상 현상에도 불구하고 수익을 냈습니다. 이것이 짧은 기간의 특성입니다. 이상 현상은 수십 년에 걸쳐 측정된 경향성이지, 특정 2년 기간에 대한 약속이 아닙니다.
이상 현상이 실재하지만 법칙은 아닌 이유
저변동성 발견에 대한 가장 강력한 결론은 다음과 같습니다. 장기적으로 볼 때, 더 안정적인 주식을 매수하는 것이 투자자에게 수익률 손실을 초래하지 않으면서 위험을 크게 줄여주었다는 점입니다. 이는 수천 개의 종목과 수많은 해에 걸친 평균에 대한 진술이지, 24개월 동안 25개 주식을 지배하는 규칙이 아닙니다. 변동성이 큰 모멘텀주들이 강세를 보인 이번 사례와 같은 구간은 왜 이 패턴이 법칙이 아닌 이상 현상으로 불리는지를 정확히 보여줍니다. 어떤 대형주가 실제로 가장 안정적이었는지 더 자세히 보려면 가장 안정적인 대형주를 확인하십시오. 반대로 몇 개의 대형 변동성 승자만을 보유하는 것은 그 자체로 집중 위험(concentration risk)을 수반하며, 이상 현상이 보상하는 성향은 타인이 공포를 느낄 때 매수하는 것의 원리와 유사합니다.
FAQ
저변동성 이상 현상이란 무엇입니까?
장기적으로 저변동성 주식이 훨씬 낮은 위험으로 고변동성 주식과 비슷하거나 더 높은 수익을 올렸다는 오랜 관찰 결과입니다. 이는 위험이 높을수록 수익이 높다는 교과서적 예측과 상충됩니다.
저변동성 주식이 정말로 고변동성 주식을 이깁니까?
수십 년 단위의 표본에서 연구 결과에 따르면, 위험 조정 수익률(risk-adjusted basis) 기준으로 고변동성 주식과 비슷하거나 그들을 앞서는 것으로 나타납니다. 다만 어떤 짧은 기간에는 결과가 뒤집힐 수 있습니다. 여기서 측정한 2년의 기간 동안에는 가장 변동성이 큰 3분의 1 구간이 가장 높은 중앙값 수익률을 기록했으나, 결과의 범위는 압도적으로 넓었습니다.
저변동성 투자가 좋은 전략입니까?
저변동성 투자는 역사적으로 수익률을 크게 희생하지 않으면서 위험을 줄여왔으며, 이것이 "min-vol" 펀드가 존재하는 이유입니다. 이것이 특정 연도의 초과 수익을 보장하는 것은 아니며, 투기적 종목들이 시장을 주도할 때는 수익률이 크게 뒤처질 수 있습니다.
주식 변동성은 어떻게 측정됩니까?
일반적인 측정 방식은 연환산 변동성입니다. 이는 일일 수익률 퍼센트의 표준편차에 252(연간 거래일 수)의 제곱근을 곱하여 계산합니다. 수치가 높을수록 양방향으로의 전형적인 일일 변동 폭이 크다는 것을 의미합니다.
위의 모든 패널은 저장된 검증 가능한 쿼리입니다. 차트 아래의 SQL을 열어 계산 방식을 확인하거나, Strasmore 터미널에서 본인의 포트폴리오에 대해 동일한 변동성 대비 수익률 테스트를 실행해 보십시오.