교차자산 전이와 신호를 결합한 최적 할인요인

** 본 논문은 기업 수준 예측 신호와 자산 간 전이 효과를 동시에 고려한 새로운 확률 할인요인(SDF) 프레임워크를 제시한다. 기존 자산가격 이론은 주로 개별 기업 특성이 자기 자신의 미래 수익을 예측한다는 ‘자기예측(self‑predictability)’ 가정을 기반으로 한다. 그러나 최근 연구는 한 기업의 특성이나 수익이 다른 기업의 미래 수익을 예측할 수 있다는 ‘교차예측(cross‑predictability)’ 현상을 강조하고 있다. 이 두 흐름을 통합하기 위해 저자는 (1) 신호 가중치 Λ를 통해 M개의 기업 특성을 선형 결합하고, (2) 전이 행렬 Ψ를 도입해 한 기업의 신호가 다른 기업의 포지션에 미치는 영향을 모델링한다. 포트폴리오 가중치는 ωₜ = Λ′Sₜ′Ψ 로 정의되며, 여기서 Sₜ는 시점 t의 N×M 신호 행렬이다. 샤프 비율을 목표 함수로 삼아 Λ와 Ψ를 동시에 최적화한다. 제곱 샤프 비율은 Λ와 Φ(=vec(Ψ′)) 사이의 일반화 고유값 문제로 변환되며, L₂ 정규화 제약(Λ′Λ = 1, Φ′Φ = 1)과 리지형 페널티를 통해 고차원에서도 안정적인 추정이 가능하도록 설계되었다. 기대수익률을 직접 최대화하는 방식과는 달리, 샤프 비율 최적화는 신호 간 분산을 자연스럽게 촉진해 과도한 집중을 방지하고, 위험‑보상 효율성을 극대화한다. 실증 분석은 두 가지 투자 유니버스를 사용한다. 첫 번째는 Jensen et al. (2023) 데이터베이스에서 추출한 138개의 단일 특성 스프레드 포트폴리오이며, 두 번째는 규모와 보조 특성을 동시에 정렬한 544개의 이중 정렬 포트폴리오이다. 각 월마다 이전 10년(120개월) 데이터를 이용해 Λ와 Ψ를 리지 회귀(단일 튜닝 파라미터 λ)로 추정하고, 롤링 방식으로 전략을 재구성한다. 주요 성과는 다음과 같다. (1) 샤프 비율 최적화 전략은 스프레드 포트폴리오에서 연간 2.21, 이중 정렬 포트폴리오에서 3.32의 샤프 비율을 달성했으며, 이는 동일 데이터와 동일 추정 방식으로 만든 자기예측 샤프 비율(0.60) 및 기대수익률 최대화 전략(0.5~1.0)보다 현저히 높다. (2) 시장 상태별 테스트(투자자 심리, VIX 변동성)에서도 모든 서브샘플에서 샤프 비율이 2 이상을 유지, 기대수익률 기반 전략이 보이는 상태 의존적 성과와 대비된다. (3) 알파 테스트에서는 Fama‑French 5‑팩터, q‑팩터, 유동성 팩터, 행동 팩터 등 14개 베이스라인에 대해 월 0.25% 알파와 t‑통계 11 이상을 기록, 기존 팩터가 포착하지 못한 교차전이 정보를 SDF가 효과적으로 가격화함을 입증한다. 신호 가중치 Λ의 해석에서는 투자, 가치, 수익성 카테고리의 특성이 높은 가중치를 차지하고, 모멘텀·단기 반전·계절성 등 수익기반 신호는 거의 배제된다. 이는 교차예측 SDF가 근본적인 기업 펀더멘털에 기반함을 의미한다. 전이 행렬 Ψ의 평균 비대각 원소가 대각 원소를 초과한다는 결과는 ‘자기예측보다 타자산 예측이 더 풍부한 정보를 제공한다’는 핵심 메시지를 뒷받침한다. 네트워크 분석을 통해 대형 저회전 기업이 순전송자(net transmitter)로, 소형 고회전 기업이 순수신자(net receiver)로 구분되며, 이는 공급망, 산업 내 동료 효과, 기관투자자 포지션 등 실제 경제 메커니즘과 일치한다. 시간적 변화를 살펴보면 1990년대에 최고 성과(스프레드 포트폴리오 샤프 비율 >2, 이중 정렬 포트폴리오 >4)를 기록했으나 2000년 이후 점진적으로 감소한다. 이는 전반적인 자기예측 능력 감소와 anomaly 전략의 포화 현상과 일치한다. 그럼에도 2000‑2023년 구간에서는 여전히 전통 팩터 대비 3~5배 높은 샤프 비율을 유지한다. 결론적으로, 이 논문은 (1) 다중 신호와 교차전이를 통합한 확률 할인요인 모델을 제시하고, (2) 샤프 비율 최적화를 통해 실용적이면서도 해석 가능한 포트폴리오를 구축하며, (3) 실증적으로 기존 모델을 능가하는 성과와 경제적 의미를 입증한다는 점에서 학문적·실무적 기여가 크다. 향후 연구는 비선형 변환을 통한 신호 확장, 실시간 전이 행렬 추정, 그리고 국제 시장 적용 등을 통해 프레임워크를 확장할 여지가 있다. **