개요

주식에서의 factor 투자를 알아봅니다.

주식 시장의 factor들은 매우 다양하고 많습니다. Fama French의 Market, Size, Value 3 factor, 그 이후 확장된 Momentum, Profitability, Investment 등이 가장 널리 알려져 있고, 그 외에도 Low-Vol (Low-Beta, Betting Against Beta), Quality (Quality Minus Junk) 등도 유명하며 스마트 베타 ETF 상품으로도 출시되어 있습니다. 가격(Momentum)이나 펀더멘탈에 관련된 것이 아닌 seasonality effect (11-4 Halloween Effect, Overnight Effect 등)들도 있습니다.

Fama French 3 factor 논문은 1992년에 출판되었고, 이러한 모형이 아닌 개별적인 anomaly 형태로는 1968년에 출판된 Ball & Brown의 Post Earnings Announcement Drift (PEAD: earning surprise 등의 이익 발표 후에도 시장이 그 정보를 즉각 반영하지 못하고 일정 기간 동안은 주가가 과반응을 보임) 까지 거슬러 올라갈 수 있을 것입니다. 예전에 쓴 논문들이라 해도 최고의 학자들이 쓴 최고 저널에 출판된 논문들이지만, 데이터 처리 기술, 통계적 기법, 장비들은 지금에 미치지 못해 근래의 연구에서는 당시에 제시한 factor들이 현재는 작동하지 않는다고 (심지어 factor 구현이 잘못되었다고) 알려진 것들도 있습니다.

이런 방향에서 매우 많은(452개) factor를 테스트한 사람들이 있습니다. Kewei Hou, Chen Xue, Lu Zhang은 Review of Financial Studies에 실린 Replicating Anomalies (2018)에서 452개의 factor를 테스트합니다. Factor는 Momentum 관련 57개, Value 관련 69개, Investment 관련 38개, Profitability 관련 79개, Intangible 관련 103개, Trading Frictions 관련 106개로 구성됩니다.

Momentum 분류에서는 Analyst 예측 상향 조정, 이전 11개월 수익률 (역추세적 성향이 있는 최근 1개월 제외 1년. 일종의 상대 모멘텀), 산업 12개월 수익률 (산업 기준 상대 모멘텀), Analyst 예측 변경 factor가 괜찮은 성능을 가진 것으로 나옵니다.

Value 분류에서는 분기 PER, 분기 PCR (cash flow = income before extraordinary item + depreciation), 배당성향, EV/EBIT, 분기 EV/EBIT, 분기 POCR (영업 현금 흐름) factor가 괜찮은 성능을 가진 것으로 나옵니다.

Investment 분류에서는 분기 자산 증가율(낮아야 좋음), 유형자산/재고자산 증가율 (낮아야 좋음), 순영업자산 증가율 (낮아야 좋음), 주식발행률 (낮아야 좋음) factor가 괜찮은 성능을 가진 것으로 나옵니다.

Profitability 분류에서는 ROE, ROE 증가율, 분기 자산회전율(Sales/Asset), GP/A, 분기 영업이익/자기자본, 현금형 영업이익률, 현금형 GP/A factor가 괜찮은 성능을 가진 것으로 나옵니다.

Intangible 분류에서는 분기 시가총액 대비 R&D 지출, 총 자산 대비 유동성자산비율, 6~10년 전 수익률 factor가 괜찮은 성능을 가진 것으로 나옵니다.

Trading Friction 분류에서는 변동성, 베타, 거래량, 유동성 등을 다루는데 괜찮은 성능을 가지는 것으로 보이는 factor는 없었습니다.

그들의 주장에 따르면 65%의 factor는 t-test (1.96 기준)에서 유의하지 않다고 나왔고, 82%의 factor는 t-test (2.78 기준) 에서 유의하지 않다고 합니다. 과거 결과를 replication했을 때 유의하게 나왔다 하더라도, 과거에 보고된 만큼의 성과보다 현저히 낮은 성과를 낸다고 합니다. 이를 통해 그들은 자본 시장이 알려진 것보다 더 효율적이라고 주장합니다. 그들은 이런 결과가 나온 이유에 대하여 코딩 오류나 잘못된 통계로 factor들을 복제할 수 없거나 약간의 방법론 차이로 주요 결과를 복제할 수 없는 점에서 대부분의 factor는 유의하지 않다는 주장을 합니다. 그리고, 여러 가설을 테스트하면서 데이터가 잘 나오는 방향으로 방향을 설정하는 점도 영향을 주었다는 주장을 하며 논문을 끝맺습니다.

이후 Lu Zhang은 Alpha Architect와의 인터뷰에서 지금도 살아있는 factor는 Momentum, Value, Investment (Asset Growth Rate), Profitability (ROE), Intangible (R&D / MarketCap) 이라고 주장했습니다. 그 중에서도 최근 순이익과 최근 순자산으로 계산된 ROE를 최고로 쳤습니다. 아예 factor 전략으로 미국 기준 중간값 이하의 시가 총액을(최하위 20% 제외) 가지고, Asset Growth Rate 하위 30%, ROE 상위 30% 조건에 맞는 주식을 매달 리밸런싱해서 50년 동안 복리 21% 수익을 낸 전략을 제시하기도 했습니다. 컴퓨터가 없는 상황에서 모든 데이터 처리를 하여 50년 전부터 저 전략을 발견해 그대로 실행했으면 워렌 버핏과 동급의 실력자가 됩니다.

자산배분으로 주식 자산군을 편입할 때 인덱스 ETF 위주로 구성하고, 소량을 factor 투자 등의 고수익이 가능하다고 알려진 전략으로 하여 수익을 더 내보려는 의도에서 시작한 일인데, factor 거의 안 된다는 내용을 보니 마음이 아픕니다. 이번에는 factor 전략이 아직도 잘 된다는 주장을 보겠습니다.

세계 최대 퀀트 헤지펀드인 AQR에서 한 논문을 발표했습니다. 지난달에 나온 논문으로, Is there a replication crisis in Finance? 라는 제목입니다. Factor Investing 관련 연구를 가장 활발히 하고, Factor Investing으로 회사를 키워왔고, 세계 최대 퀀트 헤지펀드이니 이 회사의 정체성을 건 문제입니다. 그래서인지 AQR의 수장인 Cliff Asness가 직접 코멘트를 해 줍니다. Cliff Asness는 Fama의 제자로, 정통성에서도 최강자입니다.

AQR의 직원인 Theis Ingerslev Jensen, Bryan Kelly, Lasse Heje Pedersen은 위의 Replicating Anomalies에서 주장하는 내용에 정면으로 도전합니다. 그들은 93개 국가에 걸쳐 153개 factor의 글로벌 dataset을 구축한 후 factor replication을 검증합니다. 그들은 153개 factor를 알고리즘에 의해 범주별 상관관계가 낮아지도록 Accruals, Debt Issuance, Investment, Leverage, Low Risk, Momentum, Profit Growth, Profitability, Quality, Seasonality, Size, Skewness, Value로 분류합니다.

위 그림은 그들이 Replication Anomalies 논문을 반박하는 과정입니다. Replication Anomalies와 다른 방식으로 데이터를 구축하고, Replication Anomalies와 달리 raw return이 아니라 alpha에 대해서 테스트를 하여 factor가 risk exposure에 대한 보상의 형태가 아니라 진정한 anomaly의 형태로 측정되도록 하였고, 각종 통계적 장치를 추가했더니 factor 중 85%는 미국과 글로벌 데이터 모두에서 여전히 잘 작동한다고 주장합니다.

미국에서는 Seasonality, Leverage, Size를 제외한 10개 테마 factor는 75% 이상 replication이 가능했다고 합니다. 또한, 모든 시가총액 구간에서 복제되었기 때문에 시가총액이나 유동성에 의한 문제점도 없습니다.

미국이 아니라도 거의 비슷한 replication rate을 보여줍니다.

시가총액에 따라 나누었을 때도 비슷한 경향성을 가지고 잘 작동하는데, 신흥 시장에서는 size factor가 강력했고, micro-cap과 nano-cap에서도 size factor가 강력하게 나타났다고 합니다.

시가총액 기준으로 나누어도, 지역 기준으로 나누어도 alpha의 크기 차이는 있지만 그런대로 비슷한 경향을 보입니다. 신흥국에서는 size factor가 강력한 alpha를 보여주는데, 한국 시장에서 소형주 전략이 잘 통하던 것과 일맥상통합니다.

위 그림은 대각선의 숫자들은 그 factor 테마 안에 속하는 factor 끼리의 pairwise correlation 평균치이고, 대각선 아닌 숫자들은 다른 factor 테마에 속하는 factor 끼리의 pairwise correlation 평균치를 나타냅니다. 같은 테마로 묶인 factor들은 대체로 상관관계가 높고, 다른 테마에 속하는 factor들은 상관관계가 낮거나 음수이기도 합니다.

다른 테마와는 상관관계가 낮거나 음수이기 때문에 훌륭한 다각화 성능을 보여주고, 서로에 대하여 alpha를 가진다고 할 수 있습니다. 그래서 최적화시킨 portfolio에 다수의 테마가 비중을 나누어 가지는 결과가 나왔습니다. Value factor는 Momentum, Quality, Leverage와 음의 상관관계를 가지기 때문에 이들과 같이 사용할 때 더 강력한 효과를 낼 것입니다. Leverage factor가 큰 음의 상관관계를 많이 가지고 있어서 최적화시킨 portfolio에서 비중이 대체로 높게 나옵니다. 이런 결과들로, 그들은 미국 및 전세계에서 알려진 factor들은 대부분 작동한다고 주장합니다.

어느 쪽이든 각자의 판단에 따라 결정하겠지만, 저는 최소한 한국 시장에 대해서는 AQR의 손을 들어주고 싶습니다. 미국은 별의 별 ETF가 다 있고, 스마트 베타 ETF도 매우 다양하고, 소형주를 추적하는 ETF들도 있어 기관의 입김에서 자유롭지 못한 경우가 많습니다. 그러나, 한국은 미국에 비해 ETF 종류도 다양하지 않고, 한국의 소형주는 유동성 문제로 기관들이 잘 들어가지 않는 것으로 알려져 있습니다. 특히 코스닥 시장은 개인 비중이 매우 높다고 알려져 있습니다. 개인 투자자들은 전문성을 가진 사람들도 있으나, 그렇지 않은 사람들이 더 많습니다. AQR을 따르기로 한 이상, factor는 여전히 작동하고, factor가 사라지려면 시장 참여자들이 그 factor를 과도하게 사용해야 합니다. 지금까지의 한국 시장이라면 그런 일이 발생하기는 어려워 보입니다 (미래는 모릅니다). 그렇다면, 알려진 factor들을 조합해 종목을 선정하고 투자를 하는 전략이 승산이 있다고 생각합니다. 자산배분 전략의 주식 비중에서 인덱스 ETF를 기본으로 구성하되 일부는 factor 기반 전략으로 가져가는 것도 괜찮을 것 같습니다.

참고

Kewei Hou, Chen Xue, Lu Zhang, Replicating Anomalies, The Review of Financial Studies, Volume 33, Issue 5, May 2020, Pages 2019–2133

Jensen, Theis Ingerslev and Kelly, Bryan T. and Pedersen, Lasse Heje, Is There a Replication Crisis in Finance? (January 30, 2021). Available at SSRN: https://ssrn.com/abstract=3774514 or http://dx.doi.org/10.2139/ssrn.3774514