금융에서 알파(α)는 일반적으로 투자 또는 트레이딩 전략이 적절한 벤치마크보다 추가로 창출한 수익을 의미합니다. 시장 전체의 움직임과 전략이 부담한 위험을 고려한 뒤에도 실제로 부가가치를 만들어냈는지를 판단하기 위한 개념입니다.
어떤 포트폴리오가 1년 동안 12%의 수익률을 기록하고 같은 기간 벤치마크가 9% 상승했다고 가정해 보겠습니다. 단순한 차이로 계산하면 이 포트폴리오의 알파는 3%입니다. 양의 알파는 벤치마크보다 높은 성과를, 음의 알파는 벤치마크보다 낮은 성과를 의미합니다. 알파가 0이라면 포트폴리오와 벤치마크가 대체로 같은 성과를 냈다고 볼 수 있습니다.
그러나 벤치마크를 앞섰다는 사실만으로 진정한 알파가 존재한다고 단정할 수는 없습니다. 전략이 시장 위험, 소형주 위험, 가치주 편향, 유동성 위험 또는 레버리지를 더 많이 부담했기 때문에 높은 수익을 얻었을 수도 있기 때문입니다. 보다 엄격한 의미에서 알파는 알려진 위험 요인으로 설명되는 부분을 총수익에서 제거한 뒤에도 남아 있는 성과입니다.
알파와 베타의 차이
알파와 베타는 투자 성과의 서로 다른 측면을 측정합니다.
베타는 자산이나 포트폴리오가 전체 시장의 움직임에 얼마나 민감하게 반응하는지를 나타냅니다. 반면 알파는 이러한 시장 노출만으로 설명할 수 없는 수익을 측정합니다.
베타가 높은 포트폴리오는 상승장에서 큰 수익을 올릴 수 있습니다. 하지만 그 결과의 상당 부분은 고유한 투자 경쟁력이 아니라 더 많은 체계적 위험을 부담한 대가일 수 있습니다.
젠센의 알파는 자본자산가격결정모형을 이용해 실제 수익률과 포트폴리오의 시장 위험에 따라 기대되는 수익률을 비교합니다.
α = Rp − [Rf + β(Rm − Rf)]
여기서 Rp는 포트폴리오 수익률, Rf는 무위험 수익률, Rm은 시장 수익률이며, β는 시장 움직임에 대한 포트폴리오의 민감도를 의미합니다.
무위험 수익률이 2%, 시장 수익률이 8%, 포트폴리오의 베타가 1.2라고 가정하면 기대수익률은 약 9.2%가 됩니다. 실제 포트폴리오 수익률이 11%라면 젠센의 알파는 약 1.8%입니다.
이러한 위험 조정 방식은 단순히 포트폴리오 수익률에서 시장 수익률을 빼는 것보다 운용 성과를 더 정확하게 평가할 수 있도록 해줍니다.
퀀트 트레이더는 알파를 어떻게 찾는가?
퀀트 트레이딩에서 알파는 미래 가격 움직임을 예측하는 능력을 지닌 신호, 모델 또는 규칙을 의미하기도 합니다. 연구자는 가격, 거래량, 기업의 재무 정보, 거시경제 지표, 뉴스, 주문 흐름과 대체 데이터 등을 분석해 반복될 가능성이 있는 패턴을 찾습니다.
예를 들어 이익 전망이 개선되고, 밸류에이션이 합리적이며, 가격 모멘텀이 강해지는 종목이 일정 기간 동안 유사한 자산보다 높은 성과를 낼 가능성이 있다는 사실을 모델이 발견할 수 있습니다. 이런 조건을 하나의 알파 신호로 결합하면 종목의 순위를 정하고, 롱·숏 포지션을 선택하거나, 포지션 규모를 조정하는 데 활용할 수 있습니다.
일반적인 알파 연구 과정은 가설 수립, 데이터 수집과 정제, 특징 생성, 모델 설계, 백테스트, 미사용 데이터 검증, 위험 통제, 실전 성과 모니터링으로 이어집니다.
중요한 것은 과거 시뮬레이션에서 높은 수익을 기록한 전략을 발견하는 데 그치지 않는 것입니다. 그 우위가 새로운 데이터, 변화하는 시장 환경, 현실적인 거래 비용과 다른 시장 참여자의 경쟁 속에서도 유지될 수 있는지를 확인해야 합니다.
벤치마크 선택이 중요한 이유
모든 알파 계산은 어떤 벤치마크를 선택하느냐에 따라 달라집니다. 전환사채 전략을 일반 채권지수와 비교하면 자산의 위험 특성 차이가 운용자의 능력으로 잘못 해석될 수 있습니다. 마찬가지로 소형주 포트폴리오를 대형주 중심 지수와 비교하는 것도 오해를 불러올 수 있습니다.
적절한 벤치마크는 전략의 투자 대상, 활용 가능한 기회와 주요 위험 특성을 반영해야 합니다. 복잡한 퀀트 포트폴리오에서는 하나의 시장지수만으로 충분하지 않을 수 있습니다. 이 경우 시장, 기업 규모, 가치, 모멘텀, 퀄리티, 변동성 등 여러 체계적 요인의 영향을 분리하기 위해 다요인 모형을 사용할 수 있습니다.
따라서 알파는 맥락과 분리해 해석할 수 있는 절대적인 숫자가 아닙니다. 동일한 알파를 제시하는 두 전략도 변동성, 레버리지, 유동성, 최대 낙폭과 극단적인 시장 충격에 대한 노출은 전혀 다를 수 있습니다.
알파를 지속적으로 유지하기 어려운 이유
금융시장은 경쟁이 치열합니다. 수익성 있는 패턴이 널리 알려지면 더 많은 투자자가 같은 기회를 거래하기 시작합니다. 그 결과 가격 왜곡이 빠르게 해소되고 전략이 앞으로 얻을 수 있는 수익은 줄어들 수 있습니다.
시장 구조, 규제, 참여자의 행동이나 거래 기술이 달라질 때도 알파는 약해질 수 있습니다. 특정 환경에서 효과가 있었던 신호가 다른 시장 국면에서는 예측력을 잃을 수 있습니다.
과적합 역시 중요한 위험입니다. 연구자가 수많은 지표, 매개변수, 자산과 기간을 반복해서 시험하면 우연히 뛰어난 성과를 보이는 조합을 발견할 수 있습니다. 데이터 누출, 미래 정보의 사용, 생존자 편향과 상장 폐지 종목의 제외도 백테스트 결과를 실제보다 훨씬 좋아 보이게 만듭니다.
수수료, 매수·매도 호가 차이, 시장 충격, 자금 조달 비용, 공매도 주식 차입 비용과 세금도 고려해야 합니다. 특히 회전율이 높거나 운용 가능한 자금 규모가 제한적인 전략에서는 이러한 비용이 이론적으로 계산된 알파를 모두 소진할 수 있습니다.
신뢰할 수 있는 알파를 평가하는 방법
신뢰할 수 있는 알파에는 단순한 통계적 일치를 넘어 명확한 경제적 또는 행동적 근거가 있어야 합니다. 서로 다른 기간과 시장, 합리적인 매개변수 범위에서도 신호가 안정적으로 작동하는지 확인해야 합니다.
모델 개발에 사용하지 않은 데이터로 엄격한 표본 외 검증을 수행하면 새로운 환경에서도 결과가 재현되는지 평가할 수 있습니다. 또한 수익의 지속성, 변동성, 최대 낙폭, 포트폴리오 회전율, 운용 용량, 꼬리 위험과 다른 전략과의 상관관계도 함께 살펴야 합니다.
수익률이 다소 낮더라도 안정적이고 비용을 통제할 수 있으며 분산 효과까지 제공하는 신호는 화려한 백테스트 결과를 보여주지만 취약한 가정에 의존하는 전략보다 더 가치가 있을 수 있습니다.
실전 배치 이후에도 모니터링은 계속되어야 합니다. 신호의 강도가 약해지거나 체결 비용이 상승하고 위험 노출이 달라진다면, 일시적인 변동인지, 새로운 시장 국면으로의 전환인지, 아니면 모델이 더 이상 작동하지 않는지를 판단해야 합니다.
알파는 결과이자 연구 과정이다
알파는 보장된 이익을 뜻하지 않습니다. 적절한 벤치마크와 비교하고 관련 위험과 실제 비용을 반영한 뒤에도 남아 있는 수익입니다.
따라서 알파가 양수라는 사실만으로는 충분하지 않습니다. 벤치마크가 적절했는지, 어떤 위험을 조정했는지, 모든 비용을 차감했는지, 표본 외 데이터에서도 결과가 반복됐는지, 그리고 그 우위가 지속될 합리적인 이유가 있는지를 확인해야 합니다.
이러한 질문에 설득력 있는 답을 제시할 수 있을 때 알파는 매력적인 과거 수치에서 현실적인 투자 경쟁력으로 발전할 수 있습니다.