당신과 같은 논문을 읽는 시장

In Plain Terms

어떤 논문이 “이렇게 하면 시장을 이길 수 있다”는 신호를 발견했다고 해봐요. 그러면 자연스럽게 이런 질문이 따라옵니다. 세상 사람들이 그 논문을 다 읽은 뒤에도, 그 신호가 계속 통할까요? 이 논문은 바로 그 질문을 정면으로 다룬 연구예요.

저자들은 학술지에 실린 수많은 수익률 예측 신호(anomaly)를 한자리에 모아서, 논문에 실리기 전과 후의 성과를 비교했습니다. 결론은 불편합니다. 많은 신호가 공개된 뒤에 눈에 띄게 약해졌어요. 시장은 완벽하지 않지만, 학술 논문을 읽지 못할 만큼 둔하지도 않다는 이야기입니다.

The Strategy

이 논문은 스스로 새로운 전략을 제안하지 않아요. 대신 다른 사람들이 이미 발표한 전략 팩터 수십 개를 재현한 뒤, 그것들이 시간이 지나며 어떻게 변하는지를 추적하는 “메타 연구”입니다. 구체적으로는 횡단면 주식 수익률을 예측한다고 알려진 97개의 변수를 원 논문의 방법 그대로 복제했어요.

핵심은 각 신호의 수명을 세 구간으로 쪼갠 설계입니다. 첫째는 원 논문이 사용한 표본 구간(in-sample), 둘째는 그 표본이 끝난 뒤부터 논문이 출판되기 전까지의 구간(out-of-sample, 발표 전), 셋째는 논문이 출판된 이후 구간(post-publication)이에요. 각 신호는 상위 종목을 사고 하위 종목을 파는 롱-숏 포트폴리오로 만들어 세 구간의 평균 수익을 나란히 비교합니다.

이 3구간 설계가 영리한 이유는, 성과 하락의 원인을 분리해 볼 수 있기 때문이에요. 만약 원래 신호가 데이터 스누핑에 의한 착시였다면, 표본이 끝나는 순간(발표 전 구간)부터 이미 약해져야 합니다. 반대로 신호가 진짜였지만 사람들이 논문을 읽고 따라 해서 약해진 것이라면, 하락은 특히 출판 시점 이후에 집중되어야 하죠. 저자들은 이 둘을 구분하려고 했습니다.

Reality Test

숫자는 꽤 선명합니다. 97개 신호의 롱-숏 포트폴리오는 원 표본 구간에서 평균 월 약 0.58%(약 58.2 베이시스포인트, in-sample·거래비용 차감 전 총수익 기준)의 초과수익을 냈어요. 그런데 표본이 끝난 뒤 발표 전 구간에서는 **월 약 0.43%**로, 출판 이후에는 **월 약 0.24%**로 떨어졌습니다.

비율로 보면, 발표 전 out-of-sample에서 이미 원래 수익 대비 약 26% 하락했고, 출판 이후에는 약 58% 하락했어요. 저자들은 이 둘의 차이인 약 32%포인트를, 논문이 공개되면서 정보를 얻은 투자자들이 몰려든 결과(publication-informed trading)로 해석합니다. 즉 26%는 애초에 과최적화였을 수 있는 몫의 상한선이고, 나머지 32%는 “논문을 읽은 시장”이 만든 몫이라는 그림이에요. 실제로 저자들은 출판 이후 해당 종목들의 거래량과 공매도(short interest)가 늘어난 것도 함께 확인했습니다.

이 결과를 액면 그대로 받기 전에 붙일 단서도 분명합니다. 이 숫자들은 미국 시장·특정 표본 안에서(in-sample) 측정된 거래비용 차감 전 총수익이고, 하락 폭은 신호마다 크게 달라요. 원래 in-sample 수익이 컸던 신호일수록 출판 후 더 크게 무너졌고, 반대로 노이즈가 많고 payoff 구조가 애매한 신호는 상대적으로 오래 살아남는 경향이 있었습니다. 국제적으로는 결이 조금 다릅니다. Jacobs와 Müller(2020)는 39개 시장·241개 anomaly를 조사했는데, 출판 후 신뢰할 만한 하락이 나타난 곳은 미국뿐이었고(미국은 발표 전 약 38%, 출판 후 약 62% 하락, 동일가중 기준), 나머지 38개 해외 시장에서는 뚜렷한 출판 후 하락이 관측되지 않았어요. 이 대비는 “차익거래가 가장 발달한 미국일수록 신호가 빨리 소진된다”는 이 논문의 논리와 오히려 잘 맞물립니다.

Pain Points

개인 투자자에게 이 논문이 아픈 이유는, 우리가 신호를 만나는 시점이 거의 항상 **세 번째 구간(출판 후)**이기 때문이에요. 우리는 논문이 나오고, 블로그로 요약되고, 스크리너나 ETF가 생긴 뒤에야 접근합니다. 그런데 바로 그 구간에서 기대수익은 이미 원래의 약 42%(=1−58%) 수준으로 쪼그라들어 있을 수 있어요. 논문의 in-sample 수익률은 우리가 실제로 얻을 기대치가 아니라, 우리가 결코 살 수 없었던 과거의 가격표에 가깝습니다.

여기에 구현 마찰이 겹칩니다. 저자들은 출판 후에도 수익이 상대적으로 오래 남는 신호가 하필 유동성이 낮고 개별 변동성이 큰 소형주에 몰려 있다는 점을 지적했어요. 이런 종목은 거래비용과 매수-매도 호가차가 크고 공매도가 어려워서, 남아 있는 프리미엄을 실제로 뽑아내기가 특히 힘듭니다. 팩터를 자주 갈아끼우는 전략일수록 회전율이 높아져 이 비용은 더 커지고요. 남은 프리미엄이 월 0.24% 수준이라면, 개인 수준의 수수료·세금·호가차만으로도 순수익이 0에 수렴하거나 마이너스가 될 수 있어요.

마지막 함정은 백테스트의 착시입니다. 우리가 어떤 팩터를 직접 백테스트하면, 자료가 대개 원 논문의 in-sample 구간까지 포함하기 때문에 화면에는 여전히 좋은 숫자가 찍혀요. 하지만 그 숫자의 상당 부분은 이미 시장이 학습해 버린, 다시 오지 않을 과거일 가능성이 큽니다.

How It Connects Here

이 논문은 사이트 전체에 걸리는 브레이크예요. Gross Profitability, Piotroski F-score, Magic Formula, 모멘텀, 저변동성 같은 노트를 읽을 때마다 여기서 나온 “출판 후 약 58% 할인”을 머릿속 할인율로 얹어 보면, 각 신호가 오늘의 개인에게 얼마나 남는지를 훨씬 차갑게 가늠할 수 있습니다.

The Verdict

단순 인덱스펀드 매수 후 보유와 견줘 보면 이 논문의 메시지는 역설적으로 겸손을 권합니다. 어떤 팩터 전략이든, 우리가 그것을 알게 된 시점에는 이미 원래 프리미엄의 절반 안팎이 빠져나간 뒤일 수 있고, 남은 몫마저 개인의 비용 구조 안에서 대부분 사라질 수 있어요.

그래서 이 노트의 판정은 특정 전략에 대한 것이 아니라 태도에 대한 것입니다. 좋은 아이디어를 발견했다는 흥분이 들 때, 먼저 “이 아이디어가 이미 너무 유명해진 건 아닐까”를 의심하는 것. 논문의 숫자에 자동으로 큰 할인율을 적용하는 습관이야말로, 이미 붐비는 factor에 뒤늦게 뛰어드는 실수를 막아 주는 이 논문의 진짜 결론이에요.