위험 자산의 값을 매기는 규칙

In Plain Terms

앞선 이론은 여러 자산을 잘 섞으면 위험이 줄어든다고 말했어요. 그렇다면 아무리 섞어도 사라지지 않는 위험은 무엇이고, 시장은 거기에 얼마의 값을 매길까요. 이 논문은 바로 그 질문에 수식으로 답을 세운 초기 연구예요.

핵심 결론은 단순합니다. 분산으로 지울 수 있는 위험에는 값이 붙지 않고, 시장 전체와 함께 흔들려 피할 수 없는 부분에만 보상이 붙는다는 것입니다. 비슷한 시기 Sharpe(1964)와 Lintner(1965), 이후 Mossin(1966) 등이 각자 도달한 결론이 하나로 묶이면서, 오늘날 자본자산가격결정모형(CAPM)이라 부르는 표준 틀이 되었어요.

The Strategy

이 논문이 “제안”하는 것은 매매 전략이라기보다 자산의 값을 매기는 규칙입니다. Lintner는 투자자들이 위험을 싫어하고 잘 분산하며, 모두가 무위험 이자율로 빌리고 빌려줄 수 있다고 가정한 뒤, 균형에서 가격이 어떻게 정해지는지를 풀어냅니다.

결론은 이렇습니다. 어떤 자산의 기대수익은 무위험 수준에, 그 자산이 시장 전체와 함께 움직이는 정도만큼의 여분을 더한 값이 됩니다. 이 “함께 움직이는 정도”가 베타이고, 여분이 시장이 위험을 진 대가로 주는 위험 프리미엄이에요. 개별 종목이 홀로 얼마나 출렁이는지가 아니라, 시장과 얼마나 발맞춰 움직이는지가 값을 정한다는 것이 이 규칙의 핵심입니다.

그래서 실전에서 이 모형은 두 가지로 쓰여요. 하나는 어떤 자산의 “마땅한” 기대수익을 계산하는 잣대이고, 다른 하나는 그 잣대를 넘는 초과 성과, 즉 알파를 정의하는 기준선입니다. “이만큼 시장 위험을 졌으니 이 정도 수익은 당연하다”는 기준이 있어야, 어떤 투자가 정말로 무언가를 더했는지 물을 수 있으니까요.

Reality Test

이 논문 자체는 데이터로 무언가를 확인했다기보다, 가정에서 결론을 끌어내는 이론 작업에 가깝습니다. 그래서 “검증”은 대부분 이후 수십 년의 실증 연구 몫이었어요.

초기 검증부터 모형의 정확한 형태는 흔들렸습니다. Black·Jensen·Scholes(1972)는 약 1931년부터 1965년까지의 미국 주식 자료로 베타별 포트폴리오를 살폈는데, 실제 증권시장선이 CAPM이 예측한 것보다 더 완만하고(flat) 절편은 더 높게 나타났어요. 즉 저(低)베타 종목은 이론보다 높은 수익을, 고(高)베타 종목은 이론보다 낮은 수익을 냈습니다. Fama·French(1992)는 더 나아가, 베타와 평균수익의 관계가 통계적으로 의미 있게 양(+)이라고 보기 어려울 만큼 평평하다고 보고했고, 이들의 정리 논문(2004)은 “Sharpe–Lintner CAPM은 초기 검증에서 사실상 기각된다”고 요약했어요. 베타 하나만으로는 종목 간 수익 차이를 다 설명하지 못한다는 이 빈틈이, 뒤이어 크기·가치 같은 추가 요인이 등장하는 배경이 되었습니다.

다만 유의할 점은, 이 결과들이 특정 시장(주로 미국)·특정 표본 안에서(in-sample) 측정된 값이라는 것입니다. 또 “시장 전체”를 무엇으로 잡느냐에 따라 검증 결과가 달라진다는 지적(Roll’s critique, 1977)도 있어, 완전히 깔끔한 판정은 애초에 어렵다는 점을 함께 기억해 두는 게 좋아요.

Pain Points

(1) 예측선이 현실에서 너무 평평합니다. 모형은 위험을 더 지면 보상도 그만큼 가파르게 커진다고 말하지만, 실제 데이터의 관계는 훨씬 완만했어요. 이 간극은 단순한 통계 잡음이 아니라 꾸준히 관측되는 이례 현상입니다. Frazzini·Pedersen(2014)의 “Betting Against Beta”는 이를 정면으로 다뤘는데, 저베타 자산을 레버리지로 사고 고베타 자산을 파는 팩터가 약 1926년부터 2012년 3월까지 샤프지수 약 0.78을 기록했고, 조사한 20개국 주식·채권·선물 시장에 걸쳐 이 완만함이 폭넓게 나타났다고 보고했어요(19개 국제 주식시장 중 18개). 이는 모형의 뼈대가 되는 위험–보상 관계 자체가 개인이 기대하는 만큼 곧게 서 있지 않다는 뜻입니다. 다만 이 숫자들 역시 특정 표본·롱-숏 팩터 구조에서 나온 값이고, 개인이 저베타에 레버리지를 거는 실행 자체가 만만치 않다는 단서가 붙습니다.

(2) “시장 전체”를 그대로 담기 어렵습니다. 모형이 말하는 시장 묶음은 위험 자산 전부를 시가총액대로 담은 이상적 대상인데, 현실의 인덱스 펀드나 벤치마크는 그 근사치일 뿐이에요. 여기에 세금, 정보 격차, 거래 마찰, 무위험 이자율로 마음껏 빌릴 수 없는 제약 같은 가정과 현실의 틈이 겹칩니다. 위험 프리미엄이라는 개념 자체도 사후 데이터로만 어렴풋이 잡히는데, 장기 미국 주식의 채권 대비 초과수익은 대략 연 4.4%(장기 평균, Dimson·Marsh·Staunton 추정)로 알려져 있지만 구간과 측정 방식에 따라 흔들리는 값이에요.

(3) 정밀하게 조율할수록 비용이 먼저 늘어납니다. 개인이 베타를 정교하게 겨냥해 포트폴리오를 짜려 하면, 백테스트 위에서는 매끈해 보여도 실제로는 잦은 조정에 따르는 비용과 세금, 그리고 과거에 맞춰 고른 값이 미래엔 어긋나는 데이터 스누핑 위험을 떠안게 됩니다. 모형이 주는 실질적 교훈은 오히려 소박해요. 잘 섞으면 사라지는, 보상 없는 위험을 굳이 잔뜩 짊어질 이유가 없다는 것입니다.

How It Connects Here

이 모형이 세운 “시장만큼의 위험에 대한 기대수익”이라는 기준선은, 이 사이트가 벤치마크 대비 알파를 말할 때의 바탕이 됩니다. 동시에 이 모형이 다 설명하지 못한 평평한 증권시장선의 빈틈은, 이후 노트들이 다루는 크기·가치·저변동성 같은 팩터 논쟁으로 자연스럽게 이어져요.

The Verdict

Lintner의 규칙은 위험과 보상을 하나의 축으로 잇는, 지금도 가장 널리 쓰이는 사고의 뼈대입니다. 하지만 그 뼈대의 정확한 형태(가파른 위험–보상 선)는 실제 데이터에서 반복적으로 어긋났고, 그 어긋남이 도리어 반세기의 후속 연구를 낳았어요.

개인에게 남는 결론은 겸손 쪽입니다. 피할 수 있는 위험에는 값이 붙지 않으니 굳이 떠안을 이유가 없고, 위험을 정교하게 조율하려는 시도는 대개 확신보다 비용을 먼저 늘립니다. 그래서 이 모형이 가리키는 방향은 결국, 넓게 분산된 시장을 낮은 비용으로 담고 가만히 두는 단순 보유와 크게 다르지 않아요.