최대 낙폭(Max Drawdown)을 정확히 계산하는 법: 이동 최고점, 회복 격차, 실전 대응
이동 최고점 방식으로 포트폴리오의 최대 낙폭을 계산하고, 회복 비대칭이 필요 수익률을 어떻게 높이는지 알아보며, 실전적인 리스크 관리 대응 방법을 확인하세요.
최대 낙폭(Max Drawdown)을 정확히 계산하는 법: 이동 최고점, 회복 격차, 실전 대응
최대 낙폭이란 포트폴리오가 새로운 고점을 회복하기 전까지 겪은, 최고점에서 최저점까지의 가장 큰 하락폭을 말합니다. 최대 낙폭을 올바르게 분석하면 백분율 수치를 실제로 체감할 수 있는 금액으로 바꿀 수 있고, 그 숫자는 당신의 전략이 당신의 심리적 감내 수준과 맞는지 알려줍니다. 40%의 낙폭을 회복하는 데 동일한 40%의 상승이 필요한 것은 아닙니다. 회복 비대칭성 때문에 훨씬 더 큰 폭의 상승이 필요합니다. 바로 이 비대칭성이야말로 다음 하락장이 오는 중이 아니라 오기 전에 이 지표에 주목해야 하는 이유입니다.
요약:
- 최대 낙폭 계산은 포트폴리오의 최고 가치를 추적하고, 각 시점의 하락폭을 측정하며, 최고점에서 최저점까지의 가장 큰 하락을 식별하는 과정을 포함합니다.
- 전략에 따라 전형적인 낙폭 수준이 다르며, 주식형 포트폴리오는 약세장에서 큰 손실을 겪는 반면 시장중립형 접근법은 더 작은 하락폭을 유지합니다.
- 짧은 기간의 데이터 표본에서 나온 작은 역사적 최대 낙폭은 오해를 부를 수 있으므로, 낮은 리스크라고 단정하기 전에 전체 사이클 데이터를 살펴보는 것이 중요합니다.
- Evibe와 같은 도구로 낙폭 추적을 자동화하면 실시간 리스크 관리, 알림, 그리고 포트폴리오의 실제 최악의 시나리오에 맞춘 분산투자 인사이트를 얻을 수 있습니다.
목차
- 최대 낙폭은 어떻게 계산할까요?
- 단계별 안내: 자신의 데이터로 낙폭 계산하기
- 수용 가능한 최대 낙폭의 기준은?
- MDD를 리스크 관리 결정으로 전환하기
- 실전 예제: 고점에서 저점, 그리고 회복까지
- 이 지표가 포트폴리오를 바라보는 방식을 바꾸는 이유
- Evibe로 최대 낙폭을 자동으로 추적하기
- 출처
최대 낙폭은 어떻게 계산할까요?
Investopedia에 따르면 최대 낙폭(MDD)은 포트폴리오가 새로운 고점을 형성하기 전, 고점에서 그 이후 저점까지 관찰된 가장 큰 하락으로 공식적으로 정의됩니다. 그 이면의 수학은 글로 풀어놓고 보면 단순합니다.
Wall Street Prep에 따른 핵심 공식은 다음과 같습니다:
MDD = (저점 값 − 고점 값) / 고점 값
이동 계산으로 표현하면, 시점 t까지 포트폴리오가 도달한 최고값인 이동 고점 P(t)를 추적하고, 각 시점의 낙폭을 D(t) = (P(t) − x(t)) / P(t)로 계산합니다. 여기서 x(t)는 현재 값입니다. 전체 이력에서 모든 D(t) 값 중 최댓값이 바로 당신의 MDD입니다.
몇 가지 변형이 사람들을 헷갈리게 만듭니다:
- 가격 대 누적 수익률. MathWorks에 따르면, 낙폭을 측정하기 전에 수익률 시계열을 누적 자산 지수로 변환해야 하며, 그렇지 않으면 시점이 왜곡됩니다.
- 산술 수익률 대 로그 수익률. 로그 수익률은 장기간에 걸쳐 더 깔끔하게 복리로 계산되지만, 중간 낙폭의 크기를 약간 다르게 만듭니다.
- 단순 고점-저점 오류. GlobalCalcs에 따르면, 데이터셋에서 최고점과 최저점을 단순히 빼는 방식은 이동 고점 규칙을 무시하며 실제 낙폭 구간을 과장하거나 잘못 배치할 수 있습니다.
기억해야 할 통계: 낙폭은 새로운 사상 최고치가 저점이 지나갔음을 확인해줄 때까지는 “최대”로 간주되지 않습니다. 그 전까지는 포트폴리오가 중간에 아무리 반등하더라도 여전히 같은 낙폭 이벤트 안에 있는 것입니다.
단계별 안내: 자신의 데이터로 낙폭 계산하기
자신의 포트폴리오에 대해 최대 낙폭을 분석하는 데 전용 소프트웨어가 필요한 것은 아닙니다. 데이터를 한 번만 제대로 훑으면 됩니다.
- 가격 시계열을 구축합니다. 일별 종가 또는 각 기간의 (1 + 수익률)을 곱해 만든 누적 자산 지수로 시작하세요. 원시 기간 수익률을 낙폭 공식에 직접 넣지 마세요.
- 이동 고점을 추적합니다. 시계열을 한 번 순회합니다. 각 시점에서 현재 값이 고점을 초과하면 고점을 갱신하고, 그렇지 않으면 고점을 그대로 유지합니다.
- 각 단계에서 낙폭을 계산합니다. 모든 데이터 시점에 D(t) = (P(t) − x(t)) / P(t)를 적용합니다.
- 최댓값을 기록합니다. 가장 큰 D(t) 값과 함께 고점의 날짜, 저점의 날짜를 저장합니다.
- 기간과 회복을 측정합니다. 고점에서 저점까지의 일수(낙폭 지속 기간)를 세고, 이어서 저점에서 다음 새 고점까지의 일수(회복 기간)를 셉니다.
이는 O(N) 알고리즘, 즉 데이터를 단 한 번만 순회하면 되는 방식입니다. MathWorks에 따르면 이것이 정확히 Matlab의 maxdrawdown 함수가 작동하는 방식이며, 낙폭의 크기뿐 아니라 낙폭 구간의 시작/종료 인덱스도 반환해서 최악의 구간의 정확한 달력 날짜를 짚어낼 때 유용합니다.
Excel에서는 한 열에 이동 MAX 수식을, 다음 열에 백분율 차이 수식을 넣는 방식으로 구현됩니다. Python에서는 단순한 루프나 벡터화된 cummax() 연산 후 나눗셈을 하면 됩니다.
| 단계 | 수식/도구 | 결과 |
|---|---|---|
| 이동 고점 | Excel에서 =MAX($A$1:A1) | 현재까지의 고점 값 |
| 시점 t의 낙폭 | =(고점−가격)/고점 | 하락 백분율 |
| 최대 낙폭 | =MAX(낙폭 열) | 단일 MDD 수치 |
| 지속 기간 | 저점 날짜 − 고점 날짜 | 원금 회복 미달 일수 |
수용 가능한 최대 낙폭의 기준은?
당신의 MDD가 “나쁜” 수준인지 아닌지는 전적으로 무엇을 보유하고 있느냐에 달려 있습니다. BestFolio의 낙폭 리서치에 따르면, 롱온리 주식 포트폴리오는 역사적으로 극심한 약세장에서 가파른 낙폭을 겪어온 반면, 멀티전략 또는 시장중립형 접근법은 설계상 훨씬 더 작은 낙폭을 목표로 합니다.
일반적인 자산배분에 대한 대략적인 맥락은 다음과 같습니다:
- 롱온리 주식 포트폴리오는 일반적으로 주요 약세장에서 상당한 규모의 낙폭을 경험합니다.
- 균형 잡힌 주식-채권 혼합 포트폴리오는 주식 매도세 속에서도 비교적 얕은 낙폭을 보이는 경향이 있습니다.
- 시장중립형 또는 멀티전략 접근법은 상대적으로 낮은 낙폭을 목표로 합니다.
- 단일 종목이나 암호화폐 보유는 극단적인 상황에서 매우 큰 낙폭을 겪을 수 있습니다.
구덩이가 깊을수록 회복은 기하급수적으로 어려워집니다. 그 수학을 풀어보면 다음과 같습니다:
낙폭을 회복하려면 점점 더 큰 폭의 상승률이 필요하며, 손실이 깊을수록 손익분기점에 도달하는 데 훨씬 더 높은 상승률이 요구됩니다.
FinancialToolset이 지적하듯, 이러한 회복 비대칭성이야말로 깊은 낙폭이 기하급수적으로 더 큰 상승을 요구하는 이유이며, 어떤 포지션이든 사이즈를 정하기 전에 반드시 체득해야 할 지점입니다.
바로 여기서 **칼마 비율(Calmar ratio)**이 당신의 도구함에서 제자리를 찾습니다. 이는 연환산 수익률을 최대 낙폭의 절댓값으로 나눈 값으로 계산됩니다. QuantOracle의 경험적 기준에 따르면 0.5 이상이면 괜찮은 수준, 1.0 이상이면 좋은 수준, 3.0 이상이면 드물게 뛰어난 수준으로 봅니다. GlobalCalcs에 따르면, 일상적인 변동성이 아니라 테일 리스크가 실제로 걱정거리일 때 칼마 비율은 샤프 비율보다 더 나은 주요 지표가 되는 경향이 있습니다. 표준편차는 상승 변동과 하락 변동을 동일하게 취급하기 때문에 실제 고통을 과소평가할 수 있는 반면, MDD는 계좌가 줄어들고 그 상태로 머무는 것을 지켜보는 실제 체험을 포착합니다.
MDD를 리스크 관리 결정으로 전환하기
낙폭 수치는 그것이 다음 행동을 바꿀 때에만 유용합니다. 이를 실전 행동으로 옮기는 방법은 다음과 같습니다.
- 포지션 사이징과 레버리지. 켈리 기준(Kelly criterion)은 우위와 확률을 바탕으로 얼마나 배분할지에 대한 수학적 출발점을 제공하지만, 이는 목표가 아니라 상한선으로 다뤄야 합니다. 완전한(Full) 켈리 사이징은 대부분의 투자자가 심리적으로 견딜 수 없는 낙폭을 만들어내는 경향이 있으며, 백테스트를 과거 MDD를 최소화하도록 과적합시키는 것은 리스크를 제거하기보다 그저 숨기는 경우가 많습니다.
- 상관관계를 고려한 분산투자. 단순히 자산을 더 추가하는 것이 아니라, 서로 독립적으로 움직이는 자산을 추가하는 것이 실제로 낙폭 프로파일을 좁히는 방법입니다. 상관관계 매트릭스는 당신의 보유 자산이 몰래 함께 움직이고 있는 지점을 보여줍니다.
- 손절매와 국면 필터. 이는 하방을 제한하지만 휩쏘(whipsaw) 리스크를 도입합니다. 때로는 바닥 근처에서 매도한 직후 시장이 곧바로 반등하는 것을 지켜보게 되며, 이는 일시적인 낙폭을 영구적인 손실로 바꿔버립니다.
- 스트레스 테스트. 과거 시나리오뿐 아니라 가상의 시나리오로도 포트폴리오를 테스트하세요. 2022년을 버텨낸 전략이라도 아직 겪어보지 못한 충격에는 여전히 노출되어 있을 수 있습니다.
프로 팁: 백테스트가 짧은 기간 동안 비정상적으로 작은 MDD를 보인다면, 안심하기보다 의심하세요. 깨끗한 다년간 또는 전체 사이클 표본은 거의 항상 더 나쁜 수치를 드러내며, 바로 그 더 나쁜 수치를 기준으로 계획을 세워야 합니다.
실전 예제: 고점에서 저점, 그리고 회복까지
당신의 포트폴리오가 1월에 $100,000로 정점을 찍은 뒤, 6월에 $72,000까지 하락했다가 회복을 시작한다고 가정해봅시다. 이 경로에서 최대 낙폭을 분석하는 방법은 다음과 같습니다.
- 고점을 식별합니다: $100,000.
- 저점을 식별합니다: $72,000, 새로운 고점에 도달하기 전 도달한 최저점.
- 공식을 적용합니다: ($72,000 − $100,000) / $100,000 = −28%. 당신의 MDD는 28%입니다.
- 필요한 회복 상승률을 계산합니다: $100,000 / $72,000 − 1 = 38.9%. 손익분기점에 도달하려면 잃은 28%가 아니라 저점에서 38.9%의 상승이 필요합니다.
- 기간을 측정합니다: 저점이 6월에 나타났고 포트폴리오가 이듬해 3월까지 $100,000를 회복하지 못했다면, 이는 9개월의 낙폭 및 회복 구간이며, 계좌가 이전 고점 아래에 머문 기간을 보여주는 “워터라인 아래 곡선(underwater curve)”으로 흔히 시각화됩니다.
| 지표 | 값 |
|---|---|
| 고점 값 | $100,000 |
| 저점 값 | $72,000 |
| 최대 낙폭 | 28% |
| 회복에 필요한 상승률 | 38.9% |
| 원금 회복 미달 기간 | 9개월 |
BestFolio의 계산기처럼 워터라인 아래 곡선, 주요 낙폭 이벤트, 회복까지 필요한 상승률 표를 제공하는 도구들을 이용하면, 직접 스프레드시트를 만들지 않고도 자신의 자산 곡선을 붙여넣어 동일한 분석 결과를 확인할 수 있습니다.
이 지표가 포트폴리오를 바라보는 방식을 바꾸는 이유
투자자들은 운전 중 아슬아슬했던 순간을 기억하듯 낙폭을 기억합니다. 이 숫자는 평균 수익률이 결코 그러지 못하는 방식으로 감정적으로 뇌리에 남으며, 바로 그 때문에 모든 진지한 리스크 점검에 포함되어야 합니다. 이는 단순한 역사적 흥밋거리가 아닙니다. 실제로 당신이 얼마나 큰 고통을 감내하기로 되어 있는지, 그리고 계좌가 다시 온전해졌다고 느끼기 전까지 얼마나 오래 물속에 잠겨 있어야 할지를 알려주는 미래 지향적인 척도입니다.
Evibe는 바로 그 발상을 바탕으로 만들어졌습니다. 주식, ETF, 암호화폐, 부동산 및 기타 자산을 하나의 대시보드로 통합한 다음, AI 기반 분석을 적용해 손으로 일일이 계산해야 했던 리스크 및 분산투자 패턴을 드러냅니다. 은행 및 증권 계좌를 자동으로 동기화하기 때문에, 낙폭 수치 뒤에 있는 이동 고점 추적이 분기에 한 번이 아니라 실시간으로 업데이트됩니다. 합리적인 워크플로: MDD를 계산하고, 감당할 수 있는 리스크 한도를 설정한 다음, 그 한도에 근접했을 때 자동 알림이 알려주도록 하세요.
— Vincent
Evibe로 최대 낙폭을 자동으로 추적하기
시장이 움직일 때마다 이동 고점 공식을 손으로 계산하는 것은 아무리 규율 있는 투자자라도 지속 가능한 습관이 아닙니다. Evibe는 증권 및 은행 계좌를 자동으로 동기화하고, 보유한 모든 자산군에 걸쳐 실시간으로 포트폴리오의 낙폭을 재계산함으로써 이 격차를 메워줍니다. 계좌 하나씩 따로 확인할 필요가 없습니다.
핵심적인 낙폭 추적을 넘어, Evibe는 설정한 리스크 임계값을 포트폴리오가 넘어설 때 알려주는 스마트 알림, 낙폭이 시장 전체적인 이벤트인지 아니면 당신의 자산배분에 특유한 것인지 확인할 수 있도록 주요 지수 대비 벤치마킹, 그리고 리스크 수치와 함께 그릭스(Greeks)와 수익률 데이터가 필요한 투자자를 위한 전용 배당 및 옵션 추적 기능을 제공합니다. 보유 자산이 ETF에 크게 치우쳐 있다면, ETF 포트폴리오 트래커는 펀드 기반 포트폴리오에 특화된 낙폭 및 분산투자 지표를 제공합니다. 무료로 시작하고(7일 Premium 포함), 다음번 시장이 실제 최악의 시나리오를 안겨줄 때 그 수치를 직접 확인해보세요.
출처
하나의 수치를 그대로 믿기 전에 여러 출처를 대조해 직접 계산해보세요. Investopedia와 Wall Street Prep 모두 명확한 공식 설명과 실전 예제를 제공합니다. 알고리즘적인 측면에서는 MathWorks의 문서가 이동 고점 스캔이 코드상에서 정확히 어떻게 동작해야 하는지를 보여줍니다. QuantOracle과 BestFolio 같은 실무자용 계산기를 이용하면 자산 곡선을 직접 붙여넣어 그 결과를 자신의 스프레드시트와 비교해볼 수 있습니다.
이 글은 일반적인 정보 제공을 목적으로 하며, 자격을 갖춘 재무 자문가의 조언을 대체하지 않습니다. 이 글의 내용에 따라 행동하기 전에 반드시 자격을 갖춘 금융 전문가와 자신의 상황에 대해 상담하시기 바랍니다.