본문으로 이동
Financial Context Wiki

트레이너 비율: 초과수익률, 추정 Beta와 비교 가능한 위험 단위

일치하는 총수익률과 무위험수익률, 시장 대용치 회귀, Beta 불확실성, 명시적 연율화와 0에 가깝거나 음의 Beta에 대한 엄격한 처리로 사후 또는 사전 트레이너 비율을 계산하고 검증합니다.

업데이트

교육 목적으로만 제공되며 투자 자문이 아닙니다. 투자에는 손실이 발생할 수 있습니다.

직접 답변

트레이너 비율은 포트폴리오의 평균 또는 기대 초과수익률을 명시된 시장 대용치에 대한 추정 민감도로 나눕니다:

Treynor ratio = portfolio excess return ÷ portfolio beta

사후 주기자료에서는 portfolio excess return = mean(R_P,t − R_f,t)입니다. 사전 계산에서는 분자와 Beta 모두 같은 기간과 포트폴리오를 대상으로 하는 전망치여야 합니다. 이 비율은 Beta를 체계적 위험의 분모로 사용하므로 충분히 분산된 포트폴리오와 관련성 높은 시장 대용치에 가장 적합합니다. 수익률 단위를 가지므로 월간 비율과 연간 비율은 수치가 다른 관행입니다.

실제로 비교 가능한 두 양의 Beta 포트폴리오에서 더 높은 비율은 추정 시장 익스포저 단위당 측정 초과수익률이 더 많다는 뜻입니다. 운용능력을 입증하거나 수익률을 예측하거나 총위험을 포착하지는 않습니다. beta = 0이면 비율이 정의되지 않고 0에 가까우면 불안정하며 Beta가 음수면 부호와 순위에 통상적인 양의 Beta 해석을 적용할 수 없습니다.

재현 가능한 7단계 절차

  1. 평가 대상을 고정합니다. 포트폴리오, 계좌, 성과 복합체 또는 주식 종류, 운용범위와 분산, 지원할 의사결정, 통화, 총·순·세후 기준, 표본 또는 예측기간과 사후·사전 여부를 식별합니다. 같은 Beta 기반 질문이 경제적으로 관련된 포트폴리오만 비교합니다.
  2. 일치하는 수익률 입력을 구축합니다. 날짜, 빈도, 시간대, 분배, 기업행동, 외부 현금흐름 처리와 통화가 동기화된 총수익률을 사용합니다. 각 포트폴리오 관측치에는 같은 통화와 기간의 무위험수익률을 일치시킵니다. 표시된 연간 미국 국채금리가 자동으로 실현 1개월 무위험수익률이 되는 것은 아니며 만기, 수익률 관행과 보유기간 처리가 중요합니다.
  3. 시장 대용치를 선택하고 Beta를 추정합니다. y_t = R_P,t − R_f,t와 x_t = R_M,t − R_f,t를 정의한 뒤 y_t = alpha + beta × x_t + epsilon_t를 적합합니다. 절편을 포함하면 beta = Σ[(x_t − x̄)(y_t − ȳ)] ÷ Σ(x_t − x̄)²입니다. 정책 벤치마크와 CAPM 시장 대용치는 다를 수 있습니다. 이론적 시장 포트폴리오는 관측할 수 없으므로 성과 결론은 대용치 및 모델 선택과 결합되어 있습니다.
  4. Beta를 고정값으로 받아들이지 말고 회귀를 검증합니다. 표본 날짜, 관측치 수, Beta 표준오차와 신뢰구간, Alpha, 잔차, R-squared, 이상치와 이동창·빈도·합리적 대용치에 따른 안정성을 보고합니다. 최소제곱법은 이상치에 민감할 수 있으며 오래된 가격, 비동기 거래, 레버리지, 파생상품, 비선형 성과와 보유변화가 일정한 선형 Beta를 왜곡할 수 있습니다.
  5. 일치하는 분자를 구축합니다. 사후에는 다른 관행을 완전하게 정의하지 않는 한 Beta 회귀에 사용한 같은 주기 포트폴리오 초과수익률의 산술평균을 사용합니다. 사전에는 기대 포트폴리오 수익률에서 기간에 맞는 기대 무위험수익률을 빼고 예측 Beta와 짝짓습니다. 과거 초과수익률을 예측 Beta로 나누거나 예측 수익률을 과거 Beta로 나누지 않고 총수익과 순수익을 구분합니다.
  6. 계산하고 연율화하며 분모를 처리합니다. T_periodic = mean portfolio excess return ÷ beta를 계산합니다. Beta는 무차원이며 기간 수를 곱하지 않습니다. 산술 관행에서 연율 초과수익률은 q × periodic mean excess return일 수 있습니다. 기하 관행에서는 포트폴리오와 무위험 자산의 부를 따로 복리계산한 뒤 차감합니다. 단위를 밝히고 이 관행을 섞지 않습니다. 0인 Beta는 미정의로 처리하고 0에 가깝거나 음의 Beta에는 민감도를 제시하거나 순위화를 거부합니다.
  7. 보완 증거와 함께 해석합니다. 샤프 비율은 초과수익률을 총수익률 표준편차로 나누므로 트레이너 비율이 누락하는 잔여 변동성을 포함합니다. 젠센의 Alpha는 적합된 회귀 절편이지 초과수익률을 Beta로 나눈 값이 아닙니다. 같은 회귀에서 Beta가 0이 아니면 Treynor = mean market excess return + alpha ÷ beta입니다. 결론 전에 Alpha 불확실성, 샤프, 낙폭, 집중도, 꼬리손실, 유동성, 레버리지, 비용, 세금, 수용력과 포트폴리오의 헤지 역할을 검토합니다.

사후 트레이너 비율은 실현수익률, 무위험 대용치, 시장 대용치, 빈도와 추정 Beta를 조건으로 하는 표본 통계량입니다. 사전 비율은 기대수익률과 위험모델을 조건으로 하는 예측입니다. 어느 것도 보편적 점수가 아니며 체계적 위험만 가격에 반영된다는 CAPM 가정이 누락된 신용, 듀레이션, 유동성, 변동성, 통화 또는 비선형 위험을 사라지게 하지는 않습니다.

계산 예시

  • 기간 일치와 연율화. 포트폴리오는 한 분기에 3.0000%를 얻고 일치하는 분기 무위험수익률은 1.0000%, Beta는 0.8000입니다. 분기 트레이너 비율은 (3.0000% − 1.0000%) ÷ 0.8000 = 2.5000%입니다. 산술 연율화하면 (2.0000% × 4) ÷ 0.8000 = 10.0000%입니다. 이 분기수익률이 일정하고 따로 복리로 누적되면 포트폴리오 연간수익률은 1.03⁴ − 1 = 12.5509%, 무위험 연간수익률은 1.01⁴ − 1 = 4.0604%, 기하 연간 트레이너 비율은 (12.5509% − 4.0604%) ÷ 0.8000 = 10.6131%입니다. 연이율을 분기수익률에서 직접 빼면 기간이 맞지 않습니다.
  • 5기간 Beta 회귀. 시장 초과수익률은 −2.0000%, −1.0000%, 0.0000%, +1.0000%, +2.0000%이고 포트폴리오 초과수익률은 −2.1000%, −1.2000%, +0.4000%, +1.2000%, +2.7000%입니다. 평균은 x̄ = 0.0000%와 ȳ = 0.2000%이며 Σ[(x_t − x̄)(y_t − ȳ)] = 12.0000 percentage-points squared, Σ(x_t − x̄)² = 10.0000 percentage-points squared이므로 beta = 12.0000 ÷ 10.0000 = 1.2000입니다. 절편은 alpha = 0.2000%, 잔차는 +0.1000%, −0.2000%, +0.2000%, −0.2000%, +0.1000%이고 R-squared = 1 − 0.1400 ÷ 14.5400 = 0.9904입니다. 주기 트레이너 비율은 0.2000% ÷ 1.2000 = 0.1667%이며 높은 적합도가 5개 관측치의 Beta나 Alpha 불확실성을 없애지는 않습니다.
  • 0에 가까운 Beta와 음의 Beta. 초과수익률이 2.0000%일 때 Beta 0.0500이면 2.0000% ÷ 0.0500 = 40.0000%, Beta 0.0200이면 2.0000% ÷ 0.0200 = 100.0000%이고 0.0000에서는 미정의입니다. 별도로 초과수익률 −2.0000%를 Beta −0.2000으로 나누면 +10.0000%입니다. 양의 몫이 손실을 우수한 단독 성과로 바꾸지는 않습니다. 음의 Beta 포지션은 보험일 수 있으며 가치는 스트레스 상황의 행동과 포트폴리오 맥락에 달려 있습니다.
  • 수수료와 포트폴리오 합산. 포트폴리오는 A에 60.0000%, B에 40.0000%를 배분합니다. A의 총수익률은 10.0000%, Beta는 1.2000, B의 총수익률은 6.0000%, Beta는 0.3000이며 일치하는 무위험수익률은 3.0000%입니다. 명시한 선형·전액투자 가정에서 포트폴리오 총수익률은 60.0000% × 10.0000% + 40.0000% × 6.0000% = 8.4000%, 포트폴리오 Beta는 60.0000% × 1.2000 + 40.0000% × 0.3000 = 0.8400이므로 총 트레이너 비율은 (8.4000% − 3.0000%) ÷ 0.8400 = 6.4286%입니다. 0.8000 percentage-point의 수수료 부담은 순수익률을 7.6000%로 낮추고 순비율은 (7.6000% − 3.0000%) ÷ 0.8400 = 5.4762%입니다. 나눗셈은 비선형이므로 각 하위 비율의 가중평균은 포트폴리오 비율과 같지 않습니다.

계산과 증거 점검표

  • 포트폴리오, 계좌, 성과 복합체, 주식 종류, 운용범위와 측정할 투자자 경험을 식별합니다.
  • Beta 기반 비교가 포트폴리오의 분산과 목적에 적절한지 확인합니다.
  • 포트폴리오, 시장과 무위험 총수익률을 날짜, 빈도, 통화와 시간대별로 일치시킵니다.
  • 총수익, 상품비용 차감 후, 자문수수료 차감 후와 세후 수익률 기준을 구분합니다.
  • 무위험 대용치의 통화, 기간, 만기, 수익률 관행과 보유기간 처리를 일치시킵니다.
  • 포트폴리오의 정책 벤치마크와 CAPM Beta 추정에 사용하는 시장 대용치를 구분합니다.
  • 가격, 총수익률, 분배, 기업행동과 외부 현금흐름의 일관성을 유지합니다.
  • 동기화된 포트폴리오와 시장 초과수익률을 사용해 절편을 포함한 회귀로 Beta를 추정합니다.
  • 관측치 수, 회귀창, 빈도, Alpha, Beta, 표준오차, 신뢰구간과 R-squared를 보고합니다.
  • 잔차, 이상치, 이분산성, 자기상관과 비동기 가격을 검토합니다.
  • 이동창, 하위기간과 합리적인 대체 시장 대용치로 Beta 안정성을 검증합니다.
  • 레버리지, 파생상품, 옵션, 오래된 평가와 비선형 또는 국면의존 익스포저를 검토합니다.
  • 과거 사후 입력과 미래 사전 수익률 및 Beta 예측을 분리합니다.
  • 산술 또는 기하 분자 관행과 연율화를 명시적 수익률 단위로 표시합니다.
  • Beta를 연율화하거나 연간 무위험수익률을 단기수익률과 직접 섞지 않습니다.
  • 0인 Beta는 미정의, 0에 가까운 Beta는 수치적으로 불안정하다고 처리합니다.
  • 음의 Beta 포트폴리오를 양의 Beta에서 통용되는 높을수록 좋다는 규칙으로 순위화하지 않습니다.
  • 하위 비율을 평균하지 말고 포지션에서 포트폴리오 수익률과 Beta를 재계산합니다.
  • 트레이너 비율을 샤프 비율, 젠센의 Alpha, 낙폭, 꼬리위험, 유동성, 수수료, 세금과 수용력과 비교합니다.
  • 데이터 버전, 대용치 식별자, 공식, 코드, 반올림과 독립 재계산을 보존합니다.

흔한 오해

  • “트레이너 비율은 연간수익률 예측이다.” 수익률 단위를 가진 조건부 위험조정 통계량이며 약속된 수익률이 아닙니다.
  • “Beta는 고정되고 완전한 위험 지표다.” 선택한 대용치에 대한 추정 선형 민감도이며 잔여위험과 비선형 위험을 누락합니다.
  • “낮은 Beta에서 매우 높은 비율은 운용능력을 입증한다.” 작거나 불안정한 분모가 결과를 지배해 순위를 무의미하게 만들 수 있습니다.
  • “트레이너, 샤프와 젠센의 Alpha는 서로 바꿔 쓸 수 있다.” 각각 Beta, 총변동성과 회귀 절편을 사용합니다.
  • “포트폴리오 트레이너 비율은 하위 트레이너 비율의 가중평균이다.” 포트폴리오 수익률과 Beta를 먼저 합산한 뒤 비율을 계산합니다.

관련 주제

권위 있는 출처

탐색

위키 검색...