샤프 지수 vs 소르티노 지수: 투자자는 어떤 비율을 써야 할까?
샤프 지수와 소르티노 지수를 비교해 나의 투자 전략에 맞는 위험조정수익률 지표를 찾아보세요. 두 지표가 위험과 수익을 평가하는 방식의 차이를 자세히 설명하고, 프라이버시 중심의 애플 네이티브 앱 Evibe로 포트폴리오 성과를 안전하게 추적하는 방법도 소개합니다.
샤프 지수 vs 소르티노 지수: 투자자는 어떤 비율을 써야 할까?
전체 위험 단위당 수익률을 빠르고 표준화된 방식으로 측정하고 싶다면 샤프 지수를 사용하세요. 하방 위험에 특히 관심이 있고, 옵션 매도나 추세추종처럼 비대칭적인 수익 패턴을 가진 전략을 운용한다면 소르티노 지수를 사용하세요. CAIA Association의 연구에 따르면, 대부분의 분산된 인덱스형 포트폴리오에서는 두 지표가 서로 매우 비슷하게 움직이기 때문에 어떤 것을 선택하든 결론이 거의 바뀌지 않습니다. 두 지표가 갈라지는 지점이 바로 가장 중요한 부분입니다: 테일 리스크 전략과 비대칭적인 수익 흐름입니다.
- 분산된 인덱스 포트폴리오: 일반적으로 샤프 지수로 충분합니다.
- 옵션 비중이 크거나 테일 리스크가 있는 전략: 소르티노 지수는 샤프 지수가 놓치는 부분을 포착합니다.
- 매니저 팩트시트 스크리닝: William F. Sharpe의 원래 프레임워크와 현대적인 하방 위험 측정 방식은 서로 다른 질문에 답하므로, 두 지표를 모두 계산하세요.
빠른 사실: CAIA의 분석에 따르면 대부분의 데이터셋에서 매니저 간 샤프 지수와 소르티노 지수 순위는 높은 상관관계를 보이지만, 비대칭적인 전략은 이 패턴을 깨는 예외입니다. Evibe처럼 수익률 이력을 하나로 통합해주는 도구를 사용하면 어느 쪽 계산이든 오류 가능성이 훨씬 줄어듭니다.
핵심 요약
샤프 지수와 소르티노 지수는 보통 서로 비슷한 결과를 보이지만, 비대칭적이거나 테일 리스크가 있는 전략의 경우에는 오해의 소지가 있는 샤프 지수 결과를 피하기 위해 하방만을 보는 소르티노 지수의 관점이 필요합니다.
| 항목 | 세부 내용 |
|---|---|
| 기본값은 샤프 지수 | 단순함과 비교 가능성이 중요한, 분산되고 대체로 대칭적인 수익 흐름에 사용하세요. |
| 비대칭일 때는 소르티노 지수로 전환 | 옵션 비중이 크거나 테일 리스크가 있거나 비대칭적인 전략은 숨겨진 위험을 드러내기 위해 하방 편차가 필요합니다. |
| 연율화 시 빈도를 일치시키기 | 예를 들어 일별 데이터라면 sqrt(252)처럼, 분자와 분모를 항상 동일한 변환 방식으로 조정하세요. |
| 지표 하나만으로 판단하지 않기 | 어느 지표든 실제로 활용하기 전에 최대낙폭(maximum drawdown)과 분포 확인을 함께 진행하세요. |
목차
- 샤프 지수와 소르티노 지수 비교: 공식과 입력값
- 샤프 지수와 소르티노 지수는 실제로 무엇을 측정할까?
- 각 지표의 강점과 한계
- 샤프 지수와 소르티노 지수는 실제로 어떻게 달라질까?
- 내 전략에는 샤프 지수와 소르티노 지수 중 무엇을 써야 할까?
- Excel, Python, R에서 샤프 지수와 소르티노 지수 계산하는 법
- 포트폴리오 데이터로 더 많은 것을 하기
- 샤프 지수 vs 소르티노 지수: 투자자는 어떤 위험조정 비율을 써야 할까?
- 출처
샤프 지수와 소르티노 지수 비교: 공식과 입력값
Investopedia의 두 지표 비교에 따르면, 샤프 지수는 초과수익률을 전체 표준편차로 나눈 값입니다: (Rp − Rf) ÷ σp. 여기서 Rp는 포트폴리오 수익률, Rf는 무위험 이자율, σp는 모든 수익률의 표준편차입니다. 이때는 이익과 손실을 포함한 모든 데이터 포인트가 반영됩니다.
소르티노 지수는 분모를 바꿉니다: (Rp − MAR) ÷ 하방 편차. MAR은 최소허용수익률(minimum acceptable return)을 의미하며, 사용자가 직접 설정하는 기준값(흔히 0% 또는 무위험 이자율)으로, 이보다 낮은 수익률에서 발생하는 변동성이 실제로 손해가 된다고 보는 기준선입니다. 하방 편차는 MAR보다 낮은 수익률만 계산에 포함하며, 그 부족분을 제곱한 뒤 제곱근을 취합니다. 이는 하위부분모멘트(lower partial moment)라고도 불리는 방식입니다.
공식 자체보다 연율화 과정에서 더 많은 분석가들이 실수를 저지릅니다.
- 일별 수익률: 평균에 252를 곱하고, 표준편차에는 252의 제곱근을 곱합니다.
- 월별 수익률: 평균에 12를 곱하고, 표준편차에는 12의 제곱근을 곱합니다.
- 분자와 분모의 빈도를 일치시키세요. 한쪽만 연율화하고 다른 쪽은 월별 원시 값으로 남겨두지 마세요.
- 표본표준편차(분모에 n-1을 사용)를 사용하세요. 이는 Excel의 STDEV.S와 대부분의 금융 라이브러리에서 기본값이며, 모표준편차가 아닙니다.
- 두 지표 모두 산술평균 수익률을 표준으로 사용합니다. 기하평균 수익률은 변동성의 분자 값을 과소평가하며, 이를 혼용하면 결과가 왜곡됩니다.
샤프 지수와 소르티노 지수는 실제로 무엇을 측정할까?
샤프 본인의 저술에서 명확히 밝히듯, 샤프 지수는 하나의 질문에 답합니다: 상승 변동과 하락 변동을 똑같이 위험으로 취급했을 때, 전체 변동성 단위당 얼마나 초과수익을 얻었는가? 이러한 가정은 샤프가 처음 이 지수를 차등적이고 투자금이 들지 않는(zero-investment) 수익률용으로 공식화했을 때는 타당했지만, 반드시 단일 펀드의 실적을 단독으로 평가하는 데 적합한 것은 아닙니다.
소르티노 지수는 더 좁지만 어쩌면 더 직관적인 질문에 답합니다: 투자자들이 실제로 신경 쓰지 않는 상승 변동을 무시했을 때, 하방 변동성 단위당 얼마나 초과수익을 얻었는가?
두 지표 모두 항상 성립하지는 않는 통계적 가정에 의존합니다:
- 샤프 지수는 수익률이 대체로 정규분포를 따르며, 상승 편차와 하락 편차가 동등한 가중치를 받아야 한다고 암묵적으로 가정합니다.
- 소르티노 지수는 MAR 기준선이 “허용 가능한” 변동성과 “해로운” 변동성을 의미 있게 구분한다고 가정합니다.
- 왜도(비대칭적인 수익 분포)와 첨도(뚱뚱한 꼬리)는 두 지표를 모두 왜곡하지만, 방향은 서로 다릅니다.
- 짧은 실적 기간은 어느 계산에서든 노이즈를 부풀리지만, 소르티노 지수는 더 적은 데이터 포인트를 사용하기 때문에 특히 더 심합니다.
전문가 팁: 어느 지표든 신뢰하기 전에 수익률의 히스토그램을 그려보세요. 눈에 띄게 비대칭적이거나 꼬리가 두꺼운 분포가 나타난다면, 두 지표 중 어느 것도 단독으로 전체 이야기를 말해주지 않는다는 신호입니다.
각 지표의 강점과 한계
샤프 지수의 가장 큰 강점은 동시에 가장 흔한 비판이기도 합니다: 평균으로부터의 모든 편차를 위험으로 취급하며, 여기에는 상승 편차도 포함됩니다. 이 단순함 덕분에 보고와 매니저 간 비교가 쉬워지지만, 우연히 큰 수익을 낸 달이 있는 전략에는 불리하게 작용하며, 정규분포를 따르지 않는 수익 분포나 이상치에 의해 왜곡되기도 합니다.
소르티노 지수의 장점은 직관적인 매력입니다. Schwab의 관련 교육 자료에 따르면, 이 지표는 투자자들이 실제로 싫어하는 변동성만을 계산에 포함시키므로, 대부분의 사람들이 스스로 표현하는 위험 성향과 더 잘 맞아떨어집니다. 단점은 통계적입니다: Wikipedia의 샤프 지수 계열 개요에 따르면, 데이터셋의 약 절반(상승 부분)을 버리기 때문에 정보 밀도가 낮아지고, 손실이 짧거나 드물게 발생하는 수익률 시계열에서는 신뢰도가 떨어집니다.
- 샤프 지수: 단순하고 널리 보고되며 전체 데이터셋을 사용합니다. 다만 상승분에 불리하며 두꺼운 꼬리에 의해 왜곡됩니다.
- 소르티노 지수: 투자자 심리에 부합하며 실제 위험을 분리해냅니다. 다만 표본이 적을 때 노이즈가 많고 상승분 정보를 반영하지 못합니다.
- 어느 지표도 단독 의사결정 기준이 되어서는 안 됩니다.
통계적 경고: (사모펀드 같은 유동성이 낮은 자산에서 흔한) 시뮬레이션되거나 평활화된 수익률 시계열은 변동성을 인위적으로 축소시켜 두 지표 모두를 부풀립니다. 헤드라인 숫자를 신뢰하기 전에 어느 지표든 최대낙폭과 분포 확인을 함께 진행하세요.
샤프 지수와 소르티노 지수는 실제로 어떻게 달라질까?
샤프 지수 = (8−2)/6 = 1.0. 소르티노 지수 = (8−2)/4 = 1.5. 두 지표 모두 일관된 이야기를 들려줍니다: 견고하고 중간 정도의 위험 수준입니다.
샤프 지수 = (12−2)/10 = 1.0. 소르티노 지수 = (12−2)/15 = 0.67. 여기서 소르티노 지수는 샤프 지수의 혼합된 변동성 측정 방식이 숨기는 테일 리스크를 드러냅니다. 이는 Creget Research의 비대칭 분포 분석에서 직접적으로 지적하는 패턴입니다.
Investopedia의 지침에 따르면, 일반적인 벤치마크로 샤프 지수가 1에 가까우면 양호, 2에 가까우면 매우 양호, 3 이상이면 훌륭하다고 여겨지지만, 자산군에 따른 맥락은 항상 중요합니다. 소르티노 지수는 높은데 샤프 지수는 평범한 경우, 추가 배분을 결정하기 전에 수익 분포를 더 깊이 살펴봐야 한다는 신호입니다.
내 전략에는 샤프 지수와 소르티노 지수 중 무엇을 써야 할까?
지표를 선택하기 전에 다음 질문들을 던져보세요:
- 이 전략은 의미 있는 수익 왜도(작은 이익이 잦고 큰 손실이 드물거나, 그 반대인 경우)를 가지고 있는가?
- 실적 기간은 얼마나 되는가? 월별 데이터가 2~3년 미만이라면 소르티노 지수 결과는 신중하게 다루세요.
- 대상은 누구인가? 기관 스크리닝에서는 비교 가능성 때문에 흔히 샤프 지수를 기본값으로 사용하며, 고객 대상 위험 논의에서는 소르티노 지수의 직관적인 설명 방식을 선호하는 경우가 많습니다.
성과 지표를 비교하는 업계 설명 자료에서도 반복되는 일반적인 대응 관계는 다음과 같습니다: 롱온리 분산형 펀드는 샤프 지수에 의존하고, 옵션 오버레이나 테일 익스포저를 가진 헤지펀드는 소르티노 지수에 의존하며, 리테일 펀드 스크리닝에서는 흔히 둘 다 보고합니다.
- 수익률 이력이 허용하는 한 두 지표를 모두 계산하세요.
- 파생상품 익스포저가 있는 전략에는 최대낙폭과 변동성 국면(volatility-regime) 점검을 추가하세요.
- 배분 결정을 승인할 때 단일 지표에만 의존하지 마세요.
Excel, Python, R에서 샤프 지수와 소르티노 지수 계산하는 법
Excel에서는 =AVERAGE(returns)-Rf로 평균 초과수익을 계산한 뒤, 샤프 지수를 구하려면 =STDEV.S(returns)로 나눕니다. 소르티노 지수를 구하려면 =MIN(0,return-MAR)로 보조 열을 만들고, 이를 제곱한 뒤 그 제곱값들의 평균을 구하고, 제곱근을 취한 다음, 초과수익을 그 값으로 나눕니다.
- Python: 초과수익과 연율화 계산에는
pandas와numpy를 사용하세요.empyrical이나pyfolio에는 하방 편차를 자동으로 처리하는 샤프 지수와 소르티노 지수 내장 함수가 있습니다. - R:
PerformanceAnalytics패키지에는SharpeRatio()와SortinoRatio()함수가 바로 포함되어 있어, 하위부분모멘트를 수동으로 코딩할 필요가 없습니다. - 흔한 실수: 로그 수익률과 단순 수익률을 혼용하거나, 분모의 빈도를 맞추지 않은 채 분자만 연율화하는 경우입니다.
브로커 내보내기 파일을 이어붙이는 대신, 주식과 ETF 수익률 이력을 한 곳에 통합하면 이러한 계산을 조용히 망가뜨리는 빈도 불일치 오류의 대부분을 없앨 수 있습니다.
포트폴리오 데이터로 더 많은 것을 하기
샤프 지수와 소르티노 지수를 수작업으로 계산하는 방법은 모든 계좌에 걸쳐 수익률 데이터가 깨끗하고 완전하며 일관되게 타임스탬프가 찍혀 있을 때만 제대로 작동합니다. 하지만 대부분의 포트폴리오가 증권사 계좌, 암호화폐 지갑, 그리고 부동산이나 비상장 자산을 위한 몇 가지 수동 입력에 걸쳐 있는 현실에서는 이런 상황이 거의 일어나지 않습니다.
Evibe는 주식, ETF, 옵션, 암호화폐, 부동산 등 다양한 자산을 하나의 대시보드에 통합하고 은행 및 증권사와 자동 동기화를 제공하므로, 위험 지표에 반영되는 수익률 시계열이 근사치가 아니라 실제 포트폴리오를 그대로 반영합니다. AI 기반 분석은 주요 지수와의 벤치마킹과 함께 위험 및 분산 신호를 드러내주어, 스프레드시트를 처음부터 만드는 것보다 더 빠르게 성과를 파악할 수 있게 해줍니다. Evibe의 추적 도구는 무료로 사용할 수 있으며, 모든 신규 계정에 7일간의 Premium이 제공됩니다.
샤프 지수 vs 소르티노 지수: 투자자는 어떤 위험조정 비율을 써야 할까?
일반적인 조언은 이를 이분법적인 선택으로 다룹니다: 단순함을 원하면 샤프 지수, 정교함을 원하면 소르티노 지수를 선택하라는 식입니다. 하지만 이러한 프레이밍은 데이터가 주는 진짜 교훈을 놓치고 있습니다. 두 지표는 대부분의 매니저 사이에서 매우 강한 상관관계를 보이기 때문에, 어느 쪽이 “더 나은지”를 두고 벌이는 논쟁은 종종 더 유용한 습관, 즉 어느 숫자든 신뢰하기 전에 수익 분포를 확인하는 습관에서 주의를 흩뜨리는 것일 뿐입니다.
과소평가되고 있는 부분은 두 지표 모두 짧은 실적 기간과 평활화된 수익률 시계열에서 얼마나 형편없이 작동하는지입니다. 18개월치 월별 데이터와 운 좋은 한 분기만 가진 펀드도 인상적인 샤프 지수나 소르티노 지수를 낼 수 있지만, 이는 미래의 위험에 대해 거의 아무것도 말해주지 않습니다. 저라면 투자자가 지표 철학을 두고 한 시간 동안 논쟁하는 것보다, 두 지표를 모두 계산하고 왜도를 살펴본 뒤 최대낙폭을 확인하는 편을 택하겠습니다. 지표 자체보다 중요한 것은 그 지표를 실제 수익의 형태와 대조해 검증하는 규율입니다.
이 글은 일반적인 정보 제공을 목적으로 하며, 자격을 갖춘 재무 자문가의 조언을 대체하지 않습니다. 여기에 담긴 내용을 바탕으로 행동하기 전에 본인의 상황에 대해 자격을 갖춘 금융 전문가와 상담하세요.
출처
샤프 지수와 소르티노 지수의 순위는 함께 움직이는 경우가 매우 잦아서, 많은 분석가들이 예외를 찾는 것을 그만두게 되는데, 바로 그 순간이 비대칭적인 수익 흐름이 눈치채지 못한 채 빠져나가는 시점입니다.