로보어드바이저는 지난 10년 동안 핀테크 하위 부문이 젊은 투자자와 대중의 저축 및 투자에 보다 적극적으로 참여하도록 장려하면서 유명해졌습니다. Robo-advisors는 금융 조언을 민주화하고 이전에는 부유하고 세련된 투자자에게만 제공되었던 고품질 서비스를 제공하는 것을 목표로 합니다. 간단히 말해서 로보어드바이저는 포트폴리오 전략을 알고리즘에 아웃소싱하는 투자 관리의 한 형태입니다. 포트폴리오 구성 및 재조정은 컴퓨터의 도움으로 자동화되어 보다 저렴한 자산 관리 솔루션을 제공하고 인적 오류 및 편향을 잠재적으로 줄일 수 있습니다.
현장에 있는 많은 스타트업은 손익분기점을 넘고 브랜드 차별화를 보여주기 위해 고군분투합니다. 로보어드바이저가 포트폴리오의 진정한 위험을 전달하면서 투자를 계속 민주화하고 수익을 낼 수 있는 가장 좋은 방법은 무엇입니까?
Betterment와 Wealthfront는 가장 저명한 로보어드바이저 중 두 곳이며 전자는 2008년에 처음 출시되었습니다. 2019년까지 이 부문은 전 세계적으로 4,400억 달러의 자산을 관리하는 것으로 추정되며 시간이 지남에 따라 다음과 같은 전통적인 자산 관리자가 있습니다. 뱅가드는 이러한 기술도 채용하고 있습니다. 로빈후드와 같은 실행 전용 거래 플랫폼과는 완전히 다르지만 두 부문의 재정적 권한 부여에 대한 메시지는 전통적으로 나중에 은퇴할 때까지 은퇴 저축에 적극적으로 관심을 갖지 않은 젊은 투자자들에게 받아들여졌습니다.
인기 있는 로보어드바이저의 핵심 가치 제안 중 하나는 수익에만 초점을 맞추는 대신 고객이 포트폴리오와 관련된 위험과 비용을 이해하도록 돕는다는 것입니다. 전통적인 재정 고문 주도의 자산 관리에 대한 주장은 인센티브가 잘못 정렬되어 있다는 것인데, 여기에서 값비싸고 실적이 저조한 자산은 실적에 대한 시야를 확보하기 위해 수치를 객관적으로 분석할 수 없는 투자자에게 쏟아집니다. 이를 위해 로보어드바이저는 경제적인 인덱스 펀드와 상장지수펀드(ETF)를 위해 값비싼 액티브 펀드를 피하면서 수동적 투자를 지지해 왔습니다.
대부분의 로보어드바이저는 일반적으로 현대적인 포트폴리오 이론(때로는 잘 연구된 다른 방법론과 함께)을 사용하여 투자자 포트폴리오를 구성하지만 이러한 포트폴리오와 관련된 위험 수준을 표현하는 데 다른 방법을 사용합니다. 대부분의 투자 전문가들은 위험이 포트폴리오 선택의 수익률만큼 중요한 고려 사항이라는 데 동의합니다. 사실 대다수의 실무자들은 노벨상 수상자인 Harry Markowitz의 1952년 포트폴리오 선택에 대한 논문에서 설명한 평균-분산 최적화 프레임워크에서 계속 영감을 받고 있습니다.
그러나 일반적으로 일반 투자자는 위험을 예상 수익만큼 잘 이해하지 못합니다. 개인의 위험 감수성은 과거의 성과와 합리적인 기대뿐만 아니라 고유한 개인 상황과 희망, 두려움과 같은 기타 감정적 요인에 의해 좌우되기 때문입니다. 또한 개인의 위험 감수성은 정적인 척도가 아닙니다. 대부분의 개인은 지난 10년 동안 어느 때보다 COVID-19로 인한 불확실성으로 인해 2020년에 자신의 위험 허용 범위가 더 낮다고 확실히 인식할 것입니다. 추천 포트폴리오의 적합성은 부분적으로 포트폴리오의 위험도에 대한 투자자 자신의 인식에 의해 평가됩니다. 그렇기 때문에 로보어드바이저가 위험을 명확하게 설명하여 투자자가 위험을 이해하고 이를 자신의 내성, 목표 및 감정적 선호도와 연관시킬 수 있도록 하는 것이 중요합니다.
로보어드바이저는 고객이 위험을 이해하도록 돕기 위해 정량적 또는 정성적 측정을 사용합니다. 각 조치에는 장단점이 있습니다.
대부분의 로보어드바이저는 투자자가 사전 정의된 심리 측정 질문 목록에 응답하는 방식을 기반으로 정성적 위험 등급을 지정합니다. 이는 일반적으로 "매우 보수적"에서 "매우 공격적"까지 숫자 척도로 표시됩니다.
질적 위험 등급은 투자자가 다양한 포트폴리오의 상대적 위험도를 쉽게 인식할 수 있다는 점에서 분명한 장점이 있습니다. 예를 들어, "적극적" 등급이 지정된 포트폴리오는 "보수적" 등급이 지정된 포트폴리오보다 본질적으로 더 위험할 수 있습니다. 심리 측정 질문은 손실에 대한 투자자의 허용 범위를 좁히고 적절한 위험 수준을 식별하는 데 도움이 됩니다.
그러나 정성적 평가는 포트폴리오의 예상 변동성과 관련하여 명확한 이해를 제공하지 못할 수 있습니다. 보통의 포트폴리오에 비해 공격적인 포트폴리오가 얼마나 변동성이 큰지 명확하지 않을 수 있습니다. 대부분의 경우 위험 등급이 6이라고 해서 포트폴리오가 등급이 3인 것보다 두 배 더 위험하다는 의미는 아닐 수 있습니다. 또한 위험에 대한 인식은 위험 등급을 말로 표현하는 방법에 따라 달라질 수 있습니다. 투자자는 "고성장" 또는 "매우 공격적"으로 분류되었는지 여부에 따라 고위험 포트폴리오를 다르게 볼 수 있습니다. 따라서 이러한 분류는 포트폴리오의 인지된 매력에 주관적인 층을 도입합니다.
정성적 위험을 지나치게 강조하는 로보어드바이저에 대한 나의 우려는 투자자에게 포트폴리오의 지속적인 성과에 대한 잘못된 보안 감각을 줄 수 있다는 것입니다. 공격적/보수적 범위에 걸친 임의의 위험 점수는 너무 광범위할 수 있으며 궁극적으로 상황이 이전에 생각했던 것보다 더 복잡할 수 있는 투자자의 차선책 자금 조달 계획 결정으로 귀결될 수 있습니다. 지나치게 단순화된 위험에 대한 우려는 로보어드바이저가 제품의 진정한 본질을 이해하지 못하는 투자자와 함께 체계적인 오판매에 관여한다는 규제 요구에 반영됩니다.
고객 교육과 함께 제도적 정량적 위험 측정(은행, 펀드, 패밀리 오피스에서 사용)의 채택을 늘리는 것이 로보어드바이저의 다음 단계로 가는 열쇠가 될 수 있습니다. 이는 실제로 업계를 발전시키고 금융 지식 교육의 증가를 위한 국가적 움직임에 부합할 수 있습니다.
투자 포트폴리오에 대한 정량적 위험 측정
위험 가치(VaR)는 포트폴리오의 변동성을 측정하는 가장 널리 사용되는 척도입니다. 간단히 말해서 VaR은 특정 확률 수준(신뢰 수준 또는 백분위수라고도 함)으로 최소 예상 손실을 측정한 것입니다. 예를 들어, 포트폴리오의 99% VaR가 12%인 경우 포트폴리오의 손실이 주어진 기간 동안 12%를 초과하지 않을 확률이 99%임을 의미합니다. 즉, 포트폴리오 손실이 12% 이상일 확률은 1%입니다. VaR은 이미 일부 로보어드바이저에 의해 적용되고 있으며 싱가포르의 StashAway에서 이러한 사용 사례를 들 수 있습니다. StashAway는 99% 가이드라인을 "위험 지수"라는 측정 단위로 브랜드화합니다.
VaR은 다른 방법을 사용하여 계산할 수 있습니다. 역사적 방법은 포트폴리오의 역사적 수익을 규모별로 분류하고 특정 백분위수(일반적으로 95% 또는 99%)에서 관찰된 수익을 식별합니다. 분산-공분산 방법은 수익률이 정규 분포를 따른다고 가정하고 포트폴리오의 표준 편차를 사용하여 최악의 5% 또는 1% 수익률이 종형 곡선에 놓일 위치를 추정합니다. VaR는 몬테카를로 시뮬레이션을 사용하여 추정할 수도 있습니다. 이 시뮬레이션은 확률적 결과에 따라 최악의 5% 또는 1% 수익률을 생성합니다.
VaR의 인기는 투자자가 포트폴리오의 변동성을 쉽게 이해하고 손실에 대한 개인의 허용 오차와 관련시키기 쉽기 때문에 발생합니다. 그러나 VaR 계산에 사용된 입력 및 방법론에 따라 다른 결과를 얻을 수 있으므로 측정의 신뢰성에 영향을 미칩니다. 또한 VaR는 수익률이 정규 분포를 따르고 역사적 수익률과 일치한다는 것과 같은 수많은 가정에 크게 의존합니다. 마지막으로, 12%의 99% VaR(위에 설명됨)은 최악의 시나리오에서 예상할 수 있는 손실 금액에 대해 투자자에게 알리지 않습니다.
VaR 이면의 다양한 주의 사항은 사용자가 이해하기에 복잡한 지표로 간주되어 로보어드바이저 플랫폼에서의 중요성을 제한할 수 있습니다. StashAway가 이를 보다 이해하기 쉬운 메트릭으로 브랜딩한 예는 이러한 장벽을 보다 강력하게 무너뜨릴 수 있는 방법을 보여줍니다.
VaR의 단점 중 하나인 위험 조건부 가치 또는 CVaR을 해결하면 최악의 시나리오에서 투자자에게 예상되는 손실을 제공합니다. 99%의 신뢰 수준에서 CVaR은 최악의 시나리오 1%에서 평균 포트폴리오 수익률로 계산됩니다. CVaR은 VaR과 유사한 방법을 사용하여 추정됩니다. VaR과 비교하여 최악의 시나리오를 보다 명확하게 파악하는 데 도움이 될 수 있지만 추정에 사용된 가정 및 방법론으로 인해 유사한 단점을 겪을 수 있습니다.
2020년의 시장 단절은 정규 분포 패턴을 찢어버리는 경향이 있어 CVar와 같은 더 많은 "3차원" 포트폴리오 위험 측정을 추가하는 것이 유리할 수 있음을 보여줍니다. 표준 VaR 측정과 함께 CVaR 데이터는 로보어드바이저의 위험 관리 제공을 강화하고 로보 자산의 대부분이 인덱스 펀드(주식 바구니)라는 점을 고려할 때 적합합니다.
최고의 수익률과 최악의 수익률은 주어진 기간 동안 증권 또는 포트폴리오의 주기적 수익률과 관련이 있습니다. 수익률은 투자자의 시간대에 따라 일별, 월별 또는 연 단위로 계산할 수 있습니다. 기간은 일반적으로 데이터의 가용성에 따라 결정되지만 충분히 긴 기간을 사용하지 않으면 관측된 최고 및 최악의 수익에 영향을 미칠 수 있습니다.
미국 자산의 최고 및 최저 수익:1973-2016
이 측정은 역사적 수익을 사용하여 투자자에게 최상의 시나리오와 최악의 시나리오를 제공합니다. 한 가지 분명한 이점은 VaR과 달리 정규 분포를 가정하는 대신 양수 수익률과 음수 수익률을 구분한다는 것입니다. 투자자들은 긍정적인 변동성을 개의치 않고 절대적인 하방 위험에 대해 걱정하는 경향이 있습니다. 또한 CVaR과 달리 수익률의 평균을 취하는 대신 절대 최악의 관측 수익률을 보여 최악의 시나리오를 과소 평가할 수 있습니다. 그러나 다른 정량적 측정과 마찬가지로 이는 과거를 바라보는 경향이 있으며 관찰된 결과의 데이터 세트에 의존하기도 합니다.
최고 및 최악의 수익 위험 측정은 위협적인 재무 비율에 의존하지 않고 투자자와 명확하게 의사 소통하기 때문에 로보 어드바이저 플랫폼에 매우 적합합니다. 그러나 그러한 위험 중 하나는 비합리적인 편향을 이용하여 하락하는 시장에 공황 판매를 조장하거나 완고하게 패자를 붙들 수 있다는 것입니다.
단일 자산 포트폴리오에 대해 VaR, CVaR, 최고 및 최저 수익을 계산하는 방법을 살펴보겠습니다. 고려 대상 자산은 미국 대형주를 추종하는 ETF인 SPY입니다.
아래 계산에 사용된 데이터는 2007년 7월부터 2020년 6월까지 SPY의 NAV 및 월별 수익률에 대한 것입니다. 계산은 Excel 또는 Google Sheets 기능을 사용하여 수행할 수 있습니다.
VaR - 11.8% VaR는 SPY가 특정 월에 11.8% 이상 손실을 입을 확률이 1%임을 의미합니다. 즉, SPY는 99%에서 11.8%의 손실보다 더 나은 월별 수익을 제공했습니다. 단계(Google 스프레드시트/Excel):
CVaR - 14.5% CVaR은 1% 최악의 결과 동안 SPY의 예상 월별 손실이 14.5%임을 의미합니다. 이는 AVERAGEIF 함수를 사용하여 VaR 결과보다 적은 수익의 평균을 계산하여 Google 스프레드시트/Excel에서 결정할 수 있습니다.
최고 및 최악의 수익 - 표에서 볼 수 있듯이 2007-2020 기간 동안 SPY에서 관찰된 최고 및 최악의 월별 수익률은 각각 +13% 및 -16%였습니다. MIN을(를) 사용하여 빠르게 계산할 수 있습니다. 및 MAX 기능.
언급했듯이 이러한 측정은 방법과 관찰 기간에 따라 다른 값을 산출할 수 있다는 점에 유의하는 것이 중요합니다. 방법론 및 기간 선택은 데이터 가용성, 예상 투자 기간 및 개인 판단과 같은 요소를 기반으로 해야 합니다.
전통적인 자산 관리의 근간은 포트폴리오를 개인의 필요에 맞게 조정하는 것입니다. 기간, 윤리적, 위험 선호도, 소득 기반 필요 등입니다. 이를 위해 모든 접근 방식은 맞춤형입니다. 로보어드바이저가 매력적인 이유는 자동화된 방법이 다양한 고객 기반에서 작동할 수 있다는 점입니다.
그러나 로보어드바이저는 고객이 포트폴리오 오퍼링의 위험 수익 트레이드오프를 명확하게 이해하여 개인 요구에 맞는 올바른 포트폴리오를 선택할 수 있도록 도와야 합니다. 정성적 위험 측정은 로보 어드바이저에 대한 이해하기 쉬운 "램프"이지만 시간이 지남에 따라 매개변수가 중복될 수 있습니다. 그러나 여기에 설명된 정량적 위험 측정과 함께 사용하면 보다 전체적인 위험 관리 지침과 포트폴리오 성과에 대한 인식을 제공하는 데 도움이 됩니다.