변동성이란 무엇인가

투자에서 **변동성(Volatility)**은 수익률이 얼마나 크게 흔들리는가를 숫자로 나타낸 것이다. 쉽게 말해 **“롤러코스터의 높낮이 차이”**다.

변동성이 크면 하루에 +5%도 가능하지만 -5%도 가능하다. 변동성이 작으면 움직임이 완만하다.

변동성 = 위험의 크기를 재는 자(ruler)

---

변동성 측정: 표준편차

표준편차란

**표준편차(Standard Deviation, σ)**는 수익률이 평균으로부터 얼마나 퍼져 있는가를 나타내는 값이다.

자산	연간 수익률 표준편차	해석
정기예금	약 0%	변동 없음 (원금 보장)
국채 (10년)	약 4~6%	매우 안정적
KOSPI 200	약 18~25%	상당한 변동
개별 중소형주	약 40~80%	매우 큰 변동
비트코인	약 60~100%	극심한 변동

정규분포와 68-95-99.7 규칙

수익률이 정규분포를 따른다고 가정하면:

• 68% 확률로 평균 ± 1σ 안에 들어온다
• 95% 확률로 평균 ± 2σ 안에 들어온다
• 99.7% 확률로 평균 ± 3σ 안에 들어온다

구체적 예시: KOSPI 200

KOSPI 200 가정:
  연평균 수익률: +8%
  연간 표준편차: 20%

68% 확률 범위: +8% ± 20% = -12% ~ +28%
95% 확률 범위: +8% ± 40% = -32% ~ +48%
99.7% 확률 범위: +8% ± 60% = -52% ~ +68%

즉, KOSPI 200에 1,000만원을 투자하면:

• 보통(68%): -120만원 ~ +280만원 범위
• 극단적(95%): -320만원 ~ +480만원 범위
• 최악(99.7%): -520만원까지 손실 가능

---

역사적 변동성 vs 내재 변동성

변동성에는 두 종류가 있다:

역사적 변동성 (Historical Volatility, HV)

과거 데이터로 계산한 변동성. “지난 20일간 수익률의 표준편차”처럼 실제 일어난 일을 바탕으로 한다.

계산 방법 (단순화):
1. 최근 20일간 일별 수익률을 구한다
2. 수익률의 표준편차를 계산한다 (일간 변동성)
3. 연간 변동성 = 일간 변동성 × √252 (1년 거래일 수)

내재 변동성 (Implied Volatility, IV)

옵션 가격에서 역산해서 구하는 변동성. 시장 참여자들이 미래에 예상하는 변동성이다.

구분	역사적 변동성 (HV)	내재 변동성 (IV)
방향	과거를 본다 (백미러)	미래를 본다 (전방)
데이터	과거 주가	현재 옵션 가격
용도	과거 위험 측정	시장의 공포/기대 측정

실전 예시: KOSPI 200 V-KOSPI 지수

V-KOSPI는 KOSPI 200 옵션의 내재 변동성을 지수화한 것으로, 미국의 VIX(공포지수)와 같은 역할을 한다.

V-KOSPI 수준	시장 상태
15 이하	매우 안정적 (자만 구간)
15~25	보통
25~35	불안 확대
35 이상	극단적 공포 (역사적으로 매수 기회인 경우 다수)

2020년 3월 코로나 폭락 시 V-KOSPI는 65까지 치솟았다. 이때 용기 있게 매수한 투자자들은 이후 6개월간 80% 이상의 수익을 거뒀다.

---

VaR: 최대 손실을 숫자로 말하기

VaR(Value at Risk)란

VaR는 **“일정 기간 동안 일정 신뢰도 하에서 예상되는 최대 손실금액”**이다.

예를 들어:

“95% VaR(1일) = 500만원”

이 말의 뜻: “내일 하루 동안 95% 확률로 손실이 500만원을 넘지 않을 것”

바꿔 말하면, 5% 확률로 500만원 이상 잃을 수 있다는 뜻이기도 하다.

VaR 계산 방법: 분산-공분산법

가장 기본적인 VaR 계산법:

변수	의미	값
σ	일간 수익률 표준편차	과거 데이터로 계산
z	신뢰수준에 해당하는 z값	95% → 1.65, 99% → 2.33
t	보유 기간(일 수)	1일, 10일 등

구체적 계산 예시

포트폴리오: KOSPI 200 ETF에 5,000만원 투자
일간 표준편차(σ): 1.3% (연간 20% ÷ √252)
신뢰수준: 95% (z = 1.65)
보유 기간: 1일

VaR(95%, 1일) = 50,000,000 × 0.013 × 1.65 × √1
             = 50,000,000 × 0.02145
             = 1,072,500원

해석: "내일 하루 95% 확률로 손실이 107만원을 넘지 않을 것"

10일 VaR로 확장하면:

VaR(95%, 10일) = 1,072,500 × √10 = 약 339만원

---

VaR의 3가지 계산 방법 비교

1. 분산-공분산법 (Parametric)

• 방법: 정규분포를 가정하고 σ와 z값으로 계산
• 장점: 계산이 간단
• 단점: 꼬리 위험을 과소평가 (정규분포 가정의 한계)

2. 역사적 시뮬레이션법 (Historical Simulation)

• 방법: 과거 N일간의 실제 수익률 데이터를 정렬하여 하위 5%(또는 1%) 값을 VaR로 사용
• 장점: 정규분포 가정이 필요 없음, 꼬리 위험 반영
• 단점: 과거에 없었던 극단적 사건은 반영 불가

예시: 과거 500일 데이터에서
  5번째로 큰 손실 = -3.2% (하위 1%)

  99% VaR(1일) = 투자금 × 3.2%
  5,000만원 → 160만원

3. 몬테카를로 시뮬레이션 (Monte Carlo)

• 방법: 수만~수십만 개의 가상 시나리오를 생성하여 손실 분포를 구함
• 장점: 가장 유연하고 정교함
• 단점: 계산 비용이 큼, 모델 설정에 따라 결과 차이

방법	난이도	정확도	꼬리 위험 반영
분산-공분산	쉬움	보통	약함
역사적 시뮬레이션	보통	양호	양호
몬테카를로	어려움	우수	우수

---

CVaR: VaR의 사각지대를 메우다

VaR의 결정적 한계

VaR는 **“최대 손실이 얼마인가”**를 알려주지만, **“그 최대 손실을 넘으면 얼마나 더 잃는가”**는 말해주지 않는다.

95% VaR가 500만원이라면, 나머지 5%의 경우 손실이 600만원일 수도 있고 2,000만원일 수도 있다. VaR는 이 차이를 구분하지 못한다.

CVaR(Conditional VaR)란

**CVaR(Expected Shortfall)**은 VaR를 초과하는 손실의 평균값이다.

“최악의 5% 상황에서 평균적으로 얼마나 잃는가”

예시:
  95% VaR(1일) = 500만원
  95% CVaR(1일) = 720만원

  해석: "95% 확률로 500만원 이내 손실이지만,
         최악의 5% 상황에서는 평균 720만원 손실"

CVaR는 VaR보다 보수적이고 꼬리 위험을 더 잘 반영하므로, 최근에는 금융기관에서도 CVaR를 더 많이 사용하는 추세다.

---

실전 활용: 내 포트폴리오의 위험 점검

간이 리스크 체크리스트

자신의 포트폴리오를 점검할 때 아래 질문에 답해보자:

질문	점검 방법
내 포트폴리오의 연간 변동성은?	각 종목 비중 × 종목별 변동성 (상관관계 고려)
최악의 1개월 손실은 얼마까지 가능한가?	월간 VaR 계산
그 손실을 감당할 수 있는가?	생활비, 비상자금과 비교
2008년 수준의 폭락이 오면?	과거 최대 낙폭(-50%) 적용 시뮬레이션

포트폴리오 분산의 효과 (수치 예시)

단일 종목 투자 (삼성전자 100%):
  연간 변동성: 약 30%
  95% 연간 VaR: 약 -42% (1,000만원 → -420만원)

분산 포트폴리오 (주식 60% + 채권 30% + 현금 10%):
  연간 변동성: 약 12%
  95% 연간 VaR: 약 -12% (1,000만원 → -120만원)

같은 1,000만원이지만, 분산만으로 최대 예상 손실이 420만원 → 120만원으로 줄어든다.

---

초보자가 흔히 하는 실수

1. 변동성이 큰 종목 = 나쁜 종목이라고 생각: 변동성은 위험이지만 동시에 기회이기도 하다. 중요한 건 변동성의 크기를 인지하고 포지션을 조절하는 것이다
2. VaR를 “최대 손실”로 오해: VaR는 “이 금액 이상 잃을 확률이 X%“라는 뜻이지, “절대 이 이상 잃지 않는다”가 아니다
3. 과거 변동성이 미래에도 유지된다고 가정: 변동성은 시간에 따라 크게 변한다. 안정적이던 시장이 갑자기 폭발적으로 변동성이 커질 수 있다 (변동성 클러스터링)
4. 하나의 VaR 숫자만 보기: 95% VaR와 99% VaR를 함께 보고, CVaR도 확인해야 꼬리 위험을 파악할 수 있다

---