1.
목적기반투자. 영어로 Goal Based Investing입니다. Goal-based investing에서는 아래와 같이 정의합니다.
GBI implements dedicated investment solutions to generate the highest possible probability of achieving investors’ goals, with a reasonably low expected shortfall in case of adverse market conditions.
목적기반투자라는 단어가 눈에 들어온 것은 ‘두물머리와 관련한 기사’때문입니다.
물머리투자자문은 최근 개인별 목표기반투자(GBI) 솔루션에 대한 특허를 출원했다. 해당 솔루션을 활용하면 로보어드바이저 서비스가 실제 프라이빗뱅커(PB)처럼 개인 맞춤형 자산관리 서비스를 제공하는 데 한걸음 더 다가갈 수 있게 된다.두물머리투자자문이 개인형 목표기반투자 방식을 고안한 건 기존의 모델포트폴리오(MP) 방식의 로보어드바이저 자산관리서비스가 한계를 지니고 있다고 느꼈기 때문이었다. MP방식이 여러 투자자를 같은 유형으로 묶어 자금을 운용하는 형태이다 보니 개인별로 만족도가 다르게 나타났다.
이승규 두물머리투자자문 이사은 투자자별로 자금 사용 목적에 따라 자금을 운용하는 방식도 달라져야 한다는 고민을 갖고 솔루션 개발을 시작했다. 그는 현재 두물머리투자자문의 퀀트테크놀로지팀을 이끌고 있으며 특허를 출원한 솔루션 개발을 주도한 인물이다.이 이사는 기존의 로보어드바이저 자산관리 서비스를 경험해본 투자자들의 만족도가 확연히 갈린다는 걸 깨닫고 서비스 개발을 해야겠다고 마음을 먹었다. 그는 “10명의 투자자가 있으면 그 중에 6명은 목표로 했던 수익률이 나와 만족한다면 나머지 4명은 만족하지 못하는 것 같았다”고 말했다.투자자별로 금액, 투자 시작 시점, 자금 납입 방식, 시장 환경이 다 달랐기 때문에 같은 자산에 투자하더라도 도출되는 수익률이 천차만별이었다. 기존의 로보어드바이저 자산관리 서비스는 대부분 MP방식으로 투자자를 적극투자형, 안정추구형 등으로 묶어 자금을 운용한다.
그는 “같은 100만원을 투자하더라도 기대하는 수익률이 다르기 때문에 오늘 주식 비중을 줄여야 하는 투자자도 있고 늘려야 하는 투자자도 있다”며 “같은 투자 유형이라는 이유로 동일한 형태의 서비스를 받아왔던 셈이다”라고 말했다.
두물머리투자자문이 특허를 출원한 개인별 목표기반투자 방식은 목표로 정한 수익률과 투자 기간 등을 입력하면 그것에 맞게 자산을 운용해주는 알고리즘이 도출된다. 예를 들어 투자자가 5% 목표 수익률로 1년간 자금을 운용하겠다고 한다면 해당 목표에 맞게 자금을 운용하는 방식이다. 만일 목표 수익률이 조기에 달성된다면 위험자산 비중을 줄여 목표를 유지할 수 있도록 하는 방식으로 알고리즘이 작동한다.
로보어드바이저 개인 맞춤형 자산관리 시대 열겠다중에서
개인별 목표기반투자(GBI). 저는 생소한 개념입니다. 검색을 해보니까 2017년 박사논문이면서 보험연구에 실렸던 확률지배를 활용한 DC형 퇴직연금의 목표연계 투자전략 -을 목적기반투자(GBI)의 흐름을 아래와 같이 정리하고 있습니다.
합리적 자산배분 전략에 관한 전통적인 이론은 Markowitz(1952a)에 의해 정립된 MVT이론이다. MVT 이론에서는 각 투자자산들의 기대 수익과 분산을 측정하여 지배원리에 따라 위험 대비 기대수익이 우월한 자산들을 효율적 투자선상에 표시한다. 이 과정은 시장에 존재하는 전체 자산 중에서 최적자산군을 선별하는 단계로 이해할 수 있다. 그 다음 단계는 투자자가 감내할 수 있는 위험수준을 설정한 후, 효율적 투자선상에 제시된 최적 자산군 중에서 그에 대응되는 자산을 선택하는 과정이다. 아울러 Tobin(1958)은 효율적 투자선에 무위험자산 개념을 도입하여 무위험자산이 존재하고 무위험이자율로 무제한 차입이 가능하다면 무위험자산과 완전 분산된 위험자산에 나누어 투자할 때 더욱 우월한 투자 성과를 가능하게 한다는 것을 보여 주었다. 이후 자본시장이 균형 상태를 이룰 때 기대수익과 리스크와의 관계를 예측하는 모형인 자본자산가격결정모형(CAPM)에 대한 이론적 분석은 Treynor(1961), Sharpe(1964),Lintner(1965), Mossin(1966) 등에 의해 연구되었다.
이와 같이 그동안 MVT가 논리적인 기반을 갖춘 실용적인 투자의사결정 방법론의 역할을 해 왔다는 점은 논란의 여지가 없다. 그러나, MVT에서는 개인투자자가 복수의 투자목표를 가질 경우 이를 달성하기 위해 최적 포트폴리오를 어떻게 구성하는지,그 포트폴리오는 효율적인 것인지, 투자자의 위험성향은 구체적으로 어떻게 측정하는지 등에 대한 명확한 답을 제시해 주지는 못했다. MVT 이론이 많은 장점에도 불구하고 개인에게 적용할 경우 다양한 한계점이 노출되는 이유는, 개인의 의사결정 행동에는 비합리성이 내재되어 있는데 비해 MVT이론은 합리적 투자자를 전제로 하기 때문이다. 이러한 이유로 GBI 전략의 개념적 연구는 투자주체로서 개인의 의사결정 행동 을 연구하는 데서부터 출발하게 되었다.
같은 해인 2017년 삼성자산운용에서 발표한 자료가 눈에 들어옵니다. 2017년부터 목적기반투자라는 개념이 회자하기 시작한 듯 합니다. 2017년이면 로보어드바이저가 태동할 때인데 대부분의 시스템이 근간으로 한 마르코츠의 포트폴리오 이론 (Modern portfolio theory)과 다른 방법론을 현실에서는 고민하고 있었네요. 이런 고민의 결과가 로보어드바이저에 나타나기까지 4년정도 걸렸습니다.
2.
그러면 해외의 동향은 어떤지 찾아보았습니다. 관련학계에서 무슨 논의를 하는지 제가 알 필요는 없고 로보어드바이저와 관련한 논의와 어떤 연관이 있는지 살펴보았습니다. 그러니까 한 사람의 이름이 등장합니다. 먼저 2015년 IBM의
FINance & TECHnology Robo-advisors and Goal-based Investing자료중 일부입니다.
위 발표자는 Paolo Sironi입니다. 직함을 보면 Risk Analytics를 담당하고 있고 Director Wealth Management Risk Analytics and Thought Leadership이라고 합니다. 조직내에서 어떤 의미로 사용하는지 모르지만 무척이나 멋진 직함(^^)입니다. 직함에 걸맞게 2015년에 이미 GBI를 주장합니다.
“Thought Leadership”
그리고 2017년 Financial investing gets personal in the digital age에서 WealthTech의 미래에 대해 다음과 같이 주자합니다.
FinTech Innovation: From Robo-Advisors to Goal Based Investing and Gamification은 이상의 내용을 책으로 정리해서 내놓은 결과입니다. 제목만 보더라도 멋집니다. 이 책보다 3년전에 지은 Modern Portfolio Management: From Markowitz to Probabilistic Scenario Optimisation: Goal-based and Long-term Portfolio Choice은 여기서 구할 수 있습니다. 참고하세요.
PART THREE Goal Based Investing is the Spirit of the Industry
CHAPTER 6 The Principles of Goal Based Investing: Personalize the Investment Experience
CHAPTER 7 The Investment Journey: From Model Asset Allocations to Goal Based Operational Portfolios
CHAPTER 8 Goal Based Investing and Gamification
그러면 현재는 어떨까요? 누구나 예상할 수 있듯이 GBI와 Machine Learning을 결합한 방법을 고민하는 듯 합니다. 예를 들면 아래는 대학교 과정에서 나온 산출물들입니다.
Combining (deep) reinforcement learning and goals-based investing
Combining (deep) Reinforcement Learning and Goals Based Investing
아래는 위 프로젝트의 산출물입니다. 두 프로젝트 모두 Bank of America에서 일하는 Cristian Homescu가 지도하였네요.
산타클라라 대학 Sanjiv R. Das 교수가 있는데 이 분이 기계학습과 GBI를 결합한 논문을 계속 발표하시네요.
Dynamic Goals-Based Wealth Management using REINFORCEMENT LEARNING
Dynamic Optimization for Multi-Goals Wealth Management
