배당주 투자 방법 - 변동성 Volatility 이란?

좋은 배당주란 주가와 배당이 둘 다 서서히 오르는 종목일 것이다. 배당이 서서히 증가할지를 예상하는 것은 과거의 실적에 기댈 수밖에 없다. 그래서 배당귀족과 배당왕이라는 말이 생겨났을 것이다. 최대한 배당을 오래 늘려온 종목에 투자하는 것이 그나마 마음의 위안을 얻을 유일한 방법이다. 배당을 받기 위해 매수한 종목의 주가가 크게 하락하는 것이 배당주 투자의 가장 큰 리스크이다. 그래서 배당주는 급등락을 하는 것보다는 서서히 주가가 오르는 것이 가장 좋다는 생각인데, 주가의 변화를 평가하는 용어인 변동성 Volatility 에 대해서 다시 한번 정리를 해보려고 한다.

과거 변동성 평가 지수인 베타 Beta 에 대한 포스팅을 올린 적이 있다.
배당주 투자 방법 - 주가의 변동성을 예측할 수 있는 수치는? 베타(beta)!

배당주 투자 방법 - 주가의 변동성을 예측할 수 있는 수치는? 베타(beta)!

1. 변동성 Volatility 이란?

(1) 의미

변동성이란 해당 종목의 수익률(return)의 분산(dispersion) - 주가의 분산이 아니다 - , 즉 해당 종목의 수익률이 얼마나 넓게 혹은 좁게 퍼져 있느냐를 의미한다. 변동성이 높다면 리스크가 커진다. 변동성이 작다면 리스크는 작지만 수익도 같이 작아질지 모른다. 변동성은 주로 표준편차나 분산을 이용해 표시된다. 그리고 변동성은 주가가 오르는 것과 내리는 것을 모두 의미한다.

변동성은 표시하는 수치로는 "베타(Beta)", 그리고 "수익률의 표준편차(주가의 표준편차가 아니다)" 등이 있다.

변동성이란 주가의 변화와 관련된 불확실성의 정도라고 볼 수 있다. 변동성이 높다는 것은 주가가 넓은 범위에 펼쳐져 있다는 것을 의미한다. 이는 비교적 단시간 내에 주가의 변화가 극적으로 나타날 수 있음을 의미한다.

변동성을 측정하는 가장 흔한 방법 중 한 가지는 % 형태로 주가의 변화율(return)을 매일 계산하고 이를 정량화하는 것이다. 역사적 변동성 Historical Volatility 는 수익률의 변화의 정도를 의미하며 다른 단위 없이 %로 표시된다.

분산은 평균을 중심으로 값이 얼마나 퍼져 있는지를 측정한 값이다. 반면 변동성은 특정한 기간 동안의 변화의 정도를 의미한다. 따라서 변동성은 일 변동성, 주 변동성, 월 변동성, 연 변동성 등과 같이 기간이 함께 명시되어야 한다. 그래서 가장 흔하게 쓰이는 값은 연 수익률의 표준편차이다.

(2) 실제 사용하는 수치

분산과 표준편차를 구하는 방법은 따로 정리할 필요는 없을 것 같다. 다만 아래 변동성 수치로서의 표준편차의 한계에 대해서 짧은 설명이 이루어질 것이다.

위에 첨부한 링크에서 설명한 베타 Beta 는 벤치마크(주로 S&P500)의 수익률과 비교한 해당 종목의 변동성을 의미한다. 정의 상 마켓 전체 - 대부분 S&P500 - 는 1이라는 베타를 가진다. 따라서 베타가 1.1이라면 S&P500보다 변동성이 큰 것이다. 벤치마크인 S&P500이 100% 움직일 때 베타 1.1의 종목 110%를 움직인다는 의미이다. 0.9라면 90%만 움직인다.

배당주 투자 방법 - 주가의 변동성을 예측할 수 있는 수치는? 베타(beta)!

배당주 투자 방법 - 주가의 변동성을 예측할 수 있는 수치는? 베타(beta)!

3. 실제 적용의 예와 한계

(1) 실례

베타가 0.78인 A종목과 1.45인 B종목이 있다고 하자. A는 S&P500에 비해 더 변동성이 크다. B는 작다. 은퇴자금을 투자하려고 한다면 어느 종목이 좋을까. A가 나을 것이다. 가격 변화가 적고, 단기간 내에서라면 B에 비해 더 예측하기 쉽기 때문이다.

(2) 한계

위의 예는 아주 단순한 예시이다. 그렇다면 변동성 수치들에 대한 비판은 없을까.

가장 흔히 쓰인다고 했던 연 수익률의 표준편차를 기준으로 생각해보자. 표준편차라는 것은 평균으로부터 얼마나 떨어져 있느냐를 측정한 편차들의 제곱의 합을 표본 전체 개수로 나눈 값인 분산의 제곱근이다. 기술적인 이해를 떠나서 표준편차라는 것은 데이터들이 종모양 정규분포를 따른다는 가정 하에만 성립하는 값이다. 그래서 평균을 기준으로 +/- 1표준편차에는 데이터 전체 중 68%가, +/- 2 표준편차에는 95%, +/- 3 표준편차에는 99.7%가 분포한다.

예륻 들어 1979년부터 2009년까지 S&P500의 연 수익률은 약 9.5%, 표준편차는 10% 정도였다. 그 분포가 정규분포를 따른다면, S&P500의 수익률 중 68%는 -0.5%~19.5%(9.5% +- 10%) 에 있을 것이다.

하지만 현실은 이와 다르다. 현실에서 투자수익률이 정규분포를 따르지 않는 이유는 아래와 같다.

첫 번째로, 투자 수익률은 늘 비대칭이다. 결과적으로 투자자들은 매우 높은 수익률이나 매우 낮은 수익률을 거둔다.
두 번째로, kurtosis 때문이다. Kurtosis란 매우 높은 수익률과 매우 낮은 수익률에 분포된 데이터의 갯수가 많음을 의미한다. 즉 극단적인 값들이 많다는 의미이다. Kurtosis를 보이는 경우 정규분포와 다르게 양쪽 꼬리 - 5 표준편차를 넘는 범위 - 에 많은 데이터가 분포한다.
세 번째로, heteroskedasticity라는 용어가 있다. 이는 수익률의 분산이 시간의 흐름 속에서 일정하지 않다는 의미이다. 결과적으로 표준편차는 측정 시간이 길어지면 더 많이 출렁인다.

4. 마무리

사실 투자와 관련된 모든 데이터는 과거에서 나온다. 지난 100년 간 이랬으니 내일도 이럴 것이라는 가정을 하고 있는 것인데, 사실 그게 아니라는 것은 누구나 알고 있다. 그럼에도 불구하고 과거를 통해서 미래를 예측하는 것 말고는 개인투자자로서 딱히 할 수 있는 것이 없다. 그래서 이런저런 통계치들에 대해서 조금이나마 이해하고 있어야만 하는 것도 사실이다. 모든 개인투자자분들께 미약하나마 도움이 되길 빈다.




https://www.investopedia.com/terms/v/volatility.asp

Volatility

https://www.investopedia.com/articles/basics/09/simplified-measuring-interpreting-volatility.asp

Calculating Volatility: A Simplified Approach