우리는 크립토에서 "대박 엣지"를 찾지 못했습니다. 수십 개 가설을 정직하게 검증한 결론은 약한 추세추종 하나뿐이었고, 그마저 통계적으로 얄팍했습니다. 그런데 — 엣지를 키울 수는 없어도, 리스크를 절반으로 줄이는 것은 가능했습니다. 그것도 레버리지 없이, 순수하게 수학으로.
이 글은 그 방법, 변동성 타겟팅(volatility targeting)의 원리와 우리 실측 결과를 풀어씁니다.
문제: "똑같이 나눠 담으면" 위험은 똑같지 않다
10종목에 자본을 균등하게 1/10씩 담았다고 합시다. 돈은 똑같이 나눴지만 — 위험은 전혀 균등하지 않습니다. 변동성이 큰 코인 하나가 포트폴리오 전체의 등락을 좌우합니다. 돈은 동일가중이어도 위험은 가장 사나운 자산에 쏠립니다.
이게 동일가중(equal weight)의 함정입니다. 조용한 자산은 묻히고, 사나운 자산이 포트폴리오를 흔듭니다.
1단계: 역변동성 사이징 — "위험을 균등하게"
해법은 단순합니다. 변동성이 큰 자산은 작게, 작은 자산은 크게 담습니다. 각 자산의 비중을 그 자산의 변동성에 반비례시키는 것 — 역변동성(inverse volatility) 사이징입니다.
직관: 사나운 코인은 조금만 담아도 충분히 위험을 기여하고, 얌전한 코인은 많이 담아야 같은 만큼 기여합니다. 이렇게 하면 돈이 아니라 위험이 고르게 분산됩니다. 한 자산의 사고가 포트폴리오를 통째로 무너뜨리지 못합니다.
2단계: 포트폴리오 변동성 타겟 — "전체 진폭에 상한을"
여기서 한 걸음 더 나아갑니다. 포트폴리오 전체의 예상 변동성을 계산하고, 그것이 목표치(예: 연 10%)를 넘으면 전체 노출을 비례 축소합니다. 시장이 사나우면 자동으로 발을 빼고, 잠잠하면 정상 노출. 단, 총노출은 100%를 넘지 않게(무레버리지) 묶습니다.
결과적으로 포트폴리오는 일정한 진폭으로 움직이려 합니다. 폭풍에는 작게, 잔잔할 때는 평소대로.
실측: 위험이 절반으로
우리의 4년치 검증에서, 같은 추세추종 신호에 이 두 단계를 적용했더니:
- 연 변동성: 약 48% → 약 22~28% (대략 절반)
- 최대낙폭(MDD): 약 53~64% → 약 29~33% (대략 절반)
- 위험조정성과(Sharpe): 유지 또는 소폭 개선
- 레버리지: 0 (총노출 100% 이하 유지)
수익(CAGR)을 키운 게 아닙니다. 흔들림과 낙폭을 반으로 줄였습니다. 같은 엔진, 같은 신호인데 훨씬 덜 위험한 포트폴리오가 됐습니다.
왜 "낙폭 절반"이 생각보다 훨씬 중요한가
여기 잔인한 비대칭이 있습니다. 낙폭에서 회복하는 데 필요한 수익은, 낙폭보다 훨씬 큽니다.
- -50% 손실 → 본전까지 +100% 필요
- -30% 손실 → 본전까지 +43% 필요
- -20% 손실 → 본전까지 +25% 필요
즉 최대낙폭을 50%대에서 30%대로 낮추면, 회복 부담이 +100%에서 +43%로 줄어듭니다. 살아남아 복리를 이어갈 확률이 근본적으로 달라집니다. 특히 시드가 작을수록 — 한 번의 큰 낙폭이 곧 게임 오버이기에 — 이 수학은 생존의 문제가 됩니다.
정직한 한계 — 이건 연금술이 아니다
분명히 합니다. 변동성 타겟팅은 없는 엣지를 만들어내지 않습니다. 음의 기대값을 양으로 바꾸지도 못합니다. 그것은 수익 엔진이 아니라 리스크 엔진입니다. 우리의 추세추종 엣지는 여전히 얄팍하고, 이 기법은 그 얄팍한 엣지를 덜 위험하게 운반할 뿐입니다.
하지만 작은 자본으로 시장에서 오래 살아남는 게 목표라면 — 안 죽는 게 먼저입니다. 화려한 수익률보다, 흔들려도 무너지지 않는 구조가 길게 보면 이깁니다. 그게 우리가 이 지루한 수학에 집착하는 이유입니다.
⚠️ 본 글은 교육·연구 목적이며 특정 종목·매매를 권유하지 않습니다. 투자자문이 아니며, 모든 투자 책임은 본인에게 있습니다. 수치는 공개 시세 기반 백테스트로 미래 수익을 약속하지 않습니다.