샤프비율이란

샤프비율(Sharpe Ratio)은 위험 1단위당 초과수익이 얼마인지를 나타내는 위험조정수익률 지표다. 1966년 윌리엄 샤프가 발표했고, 그는 자본자산가격결정모형(CAPM) 연구로 1990년 노벨 경제학상을 받았다. 단순한 공식이지만 수익률과 위험을 한 숫자로 비교할 수 있어 펀드 평가, 자산배분 결정, 트레이딩 전략 비교 등 광범위하게 사용된다.

같은 12% 수익률을 낸 두 펀드가 있다고 하자. 한 펀드는 변동성 10%, 다른 펀드는 변동성 20%다. 단순 수익률로는 동률이지만, 위험 대비로 보면 첫 번째 펀드가 더 효율적이다. 샤프비율은 이런 비교를 수치화한다.

핵심 아이디어는 세 가지다.

1. 무위험 수익률 차감 같은 12% 수익도 무위험 수익률이 3%면 9% 초과수익, 무위험 수익률이 8%면 4% 초과수익이다. 시점별 비교를 위해 무위험 수익률을 뺀다.

2. 변동성으로 나누기 초과수익을 변동성(표준편차)으로 나눈다. 위험 1단위당 받은 보상이 된다.

3. 단일 숫자로 표준화 다른 자산, 다른 시기, 다른 전략을 같은 척도로 비교할 수 있다.

계산 공식

샤프비율은 다음과 같이 계산한다.

무위험 수익률 한국에서는 보통 3년 또는 10년 국고채 금리를 사용한다. 미국 시장 분석에서는 3개월 T-Bill 금리를 사용하는 게 일반적이다.

변동성 수익률 표준편차. 보통 월별 또는 일별 수익률로 계산한 후 연환산한다.

연환산 월별 데이터로 계산한 경우 √12를 곱해 연 단위로 변환한다.

예를 들어 어떤 포트폴리오의 연 수익률이 10%, 변동성이 15%, 무위험 수익률이 3%라면 샤프비율은 (10% - 3%) / 15% = 0.47이다.

샤프비율 수치 해석

샤프비율은 절대 기준보다 비교 기준으로 사용된다. 일반적인 해석은 다음과 같다.

0 미만 무위험 수익률보다 낮은 수익. 차라리 예적금이 나았다.

0 - 0.5 평범한 위험 대비 수익. 시장 평균보다 낮은 수준.

0.5 - 1.0 양호한 위험 대비 수익. 잘 분산된 일반 포트폴리오 수준.

1.0 - 2.0 우수한 위험 대비 수익. 헤지펀드, 우수 액티브 펀드 수준.

2.0 이상 매우 뛰어남. 다만 단기 데이터로는 과장될 수 있어 신중한 해석이 필요하다.

장기 데이터로 보면 다음과 같은 참고 수치가 있다.

미국 S&P 500 장기 샤프비율: 약 0.4-0.5
60/40 포트폴리오 장기 샤프비율: 약 0.5-0.6
글로벌 헤지펀드 평균: 약 0.7-1.0
르네상스 메달리온 펀드(역대 최고급): 약 2.5 이상

실제 비교 예시

세 포트폴리오를 비교해보자.

A. 코스피 100% (2014-2023)

연 수익률: 약 5%
연 변동성: 약 18%
무위험 수익률: 2%
샤프비율: (5 - 2) / 18 = 0.17

B. S&P 500 100% (2014-2023)

연 수익률: 약 12%
연 변동성: 약 16%
무위험 수익률: 2%
샤프비율: (12 - 2) / 16 = 0.63

C. 글로벌 60/40 포트폴리오 (2014-2023)

연 수익률: 약 7%
연 변동성: 약 10%
무위험 수익률: 2%
샤프비율: (7 - 2) / 10 = 0.50

같은 기간에도 자산에 따라 샤프비율이 크게 갈린다. 수익률이 높은 게 항상 위험 대비로도 우수한 건 아니라는 점이 확인된다.

샤프비율의 한계

샤프비율은 직관적이고 강력하지만 명확한 한계가 있다.

상방·하방 변동 동등 취급 표준편차는 평균에서 위로 벗어난 수익과 아래로 벗어난 손실을 같은 위험으로 본다. 그러나 투자자에게 상방은 보상이고 하방만 위험이다. 큰 폭의 상승이 잦은 자산은 변동성이 커지지만, 그게 위험이라 보기 어렵다.

정규분포 가정의 한계 변동성은 정규분포 환경에서 의미가 명확하다. 실제 시장은 꼬리가 두꺼운 분포라 표준편차가 진짜 위험을 충분히 표현하지 못한다.

시점·기간 의존성 같은 자산도 측정 기간에 따라 샤프비율이 크게 달라진다. 1년 데이터 샤프비율과 10년 데이터 샤프비율은 다른 숫자가 나온다.

무위험 수익률 선택 어떤 금리를 쓰느냐에 따라 결과가 바뀐다. 비교할 때 같은 무위험 수익률을 적용해야 한다.

조작 가능성 옵션 매도 같은 전략은 정상 시장에서 안정적 수익을 낸다. 변동성이 낮아 샤프비율이 매우 높게 측정되지만, 실제로는 극단 시기에 대규모 손실 위험을 안고 있다. “샤프비율 사냥”이라 불리는 문제다.

상관관계 무시 단일 자산의 샤프비율만 보면 분산 효과가 반영되지 않는다. 포트폴리오 맥락에서 상관관계가 낮은 자산은 개별 샤프비율이 낮아도 가치가 클 수 있다.

변형 지표

샤프비율의 한계를 보완하는 여러 변형이 있다.

소르티노 비율(Sortino Ratio) 분모를 전체 표준편차가 아니라 하방 표준편차로 바꾼다. 상방 변동은 위험으로 보지 않는다. 손실 회피 성향이 강한 투자자에게 더 적합하다.

칼마 비율(Calmar Ratio) 분모를 최대낙폭(MDD)으로 바꾼다. “최악 시점 손실 대비 수익률”을 측정한다. 극단 위험에 민감한 투자자가 선호한다.

정보 비율(Information Ratio) 무위험 수익률 대신 벤치마크 수익률을 차감한다. 분모는 액티브 리스크(트래킹 에러)다. 액티브 펀드의 초과 성과를 평가할 때 쓴다.

트레이너 비율(Treynor Ratio) 분모를 표준편차가 아니라 베타로 바꾼다. 시장 위험(체계적 위험)만 고려한다. 잘 분산된 포트폴리오에서 의미가 있다.

각 지표는 같은 자산을 다른 각도에서 본다. 단일 지표에 의존하지 않고 여러 지표를 함께 보는 것이 일반적이다.

실무 활용

샤프비율을 자산배분과 투자 의사결정에 어떻게 활용할 수 있는가.

자산배분 비교 같은 자산군 안에서 다른 비중 조합의 샤프비율을 비교한다. 효율적 프론티어 위에서 최대 샤프비율 점이 “탄젠시 포트폴리오”다.

펀드 선택 같은 카테고리 펀드(예: 미국 대형주 펀드)들의 샤프비율을 비교한다. 수익률만 보면 운에 좌우될 수 있지만, 샤프비율은 위험까지 본다.

전략 평가 백테스트 결과를 평가할 때 수익률뿐 아니라 샤프비율을 본다. 같은 수익이라도 변동성이 작은 전략이 실제 운용에서 더 견딜만하다.

리밸런싱 의사결정 기존 포트폴리오에 새 자산을 추가했을 때 전체 샤프비율이 올라가는지로 추가 가치를 판단한다.

무위험 수익률 비교 기준 현재 무위험 수익률(국고채 금리)이 3%일 때 위험 자산의 기대수익률이 4%면 굳이 위험을 감수할 이유가 약하다. 샤프비율 관점에서 매력도가 낮은 시기다.

샤프비율을 볼 때 주의할 점

샤프비율 단일 숫자에 의존하면 함정에 빠지기 쉽다.

측정 기간 확인 강세장 1년 데이터로는 거의 모든 주식 펀드 샤프비율이 1.0을 넘는다. 최소 5년 이상 데이터를 보는 것이 안전하다.

위기 시기 포함 여부 2008년, 2020년 같은 위기 시기가 포함된 데이터인지 확인한다. 위기를 거치지 않은 샤프비율은 과대평가될 수 있다.

비교 대상 통일 같은 무위험 수익률, 같은 측정 기간, 같은 환산 방식(연환산 여부)으로 비교해야 한다.

MDD와 병행 샤프비율 1.5짜리 전략도 한 번의 -50% 낙폭이 있다면 실제 운용은 어렵다. 샤프비율과 MDD를 함께 보는 게 안전하다.

극단 수익률 영향 한두 번의 큰 수익이 평균을 끌어올려 샤프비율이 좋아 보일 수 있다. 수익률 분포 자체를 확인해야 한다.

PFSE 도구로 시뮬레이션하기

PFSE 도구에서는 샤프비율을 다음 방식으로 활용할 수 있다.

현재 포트폴리오의 샤프비율 계산과 시각화
효율적 프론티어상 최대 샤프비율 점(탄젠시 포트폴리오) 도출
자산배분 변경 시 샤프비율 변화 확인
백테스트 결과의 샤프비율과 소르티노 비율 동시 분석

도구는 PFSE 웹 애플리케이션에서 이용할 수 있다.

본 글은 샤프비율 개념을 정리한 정보 제공용이다. 특정 투자 전략의 매수·매도를 권유하지 않으며, 실제 투자 결정은 본인의 판단과 책임 하에 이루어져야 한다. 위험조정수익률 지표는 과거 데이터 기반 추정이며 미래 성과를 보장하지 않는다.