로보어드바이저란 포트폴리오 구축 및 관리를 자동화한 시스템을 의미한다. 로보어드바이저는 사람의 실수로부터 자유롭고 수많은 포트폴리오를 병렬적으로 짧은 시간 내에 처리할 수 있기 때문에 비용이 낮다. 로보어드바이저에 대한 전반적인 이해를 위하여 "Robo-Advisory: From Investing Principles and Algorithms to Future Developments [1]" 라는 글을 정리하였다.

Robo-Advisory 과정

로보어드바이저가 클라이언트에게 제공해주는 서비스를 일반적으로 3단계로 나눌 수 있다. 첫 단계는 클라이언트의 성향 파악을 위한 온보딩, 두 번째 단계는 설정된 투자 전략에 기반한 포트폴리오 구축, 그리고 세 번째 단계는 지속적인 포트폴리오 관리이다. 

1단계 : 온보딩

증권사에 계좌를 개설한 적이 있다면 온보딩 개념이 익숙할 것이다. 보통 증권 계좌를 개설하기에 앞서 투자자의 투자 성향, 투자 경험, 보유 자산, 소득 수준 등에 대한 설문 조사를 실시한다. 로보어드바이저는 서비스를 시작하기 전에 온라인 설문 조사를 실시하여 클라이언트의 성향을 신속하고 간편하게 파악하게끔 되어있다.

설문을 통해 로보어드바이저는 클라이언트의 현재 자산 현황을 파악하고 용인할 수 있는 리스크 수준, 희망하는 포트폴리오 기간(investment horizon), 투자 목적(ex. 노후 자금, 주택 마련, etc.), 목표 금액, 매달 입금할 금액 등을 질문한다. 이 과정에서 가상의 포트폴리오를 이용한 시뮬레이션을 통해 유저의 반응에 대한 데이터를 얻기도 한다. 가령 로보어드바이저의 결정에 많이 개입하는 유저의 경우 포트폴리오의 성과를 저하시킬 수도 있기 때문에 유저의 상호작용 방식을 미리 파악하는 것도 중요하다. 

이렇게 얻은 유저의 정보를 바탕으로 로보어드바이저는 각종 정보와 조언을 제공한다. 예를 들면 시장 상황을 불황, 보통, 호황으로 각각 가정한 시나리오를 제공하여 investment horizon 동안 클라이언트가 얻을 수 있는 수익의 분포를 알려줄 수 있다. 만약 포트폴리오 수익을 시장에 대한 multivariate Gaussian으로 모델링하면 간단한 계산으로 수익 분포 예측이 가능하다. 하지만 더 복잡한 시장을 모델링한 경우 수익 분포를 closed-form으로 계산하기 어렵기 때문에 몬테카를로 시뮬레이션을 통해 미래 수익을 예측하기도 한다. 다만 몬테카를로 시뮬레이션은 계산량이 많아 실시간 요청에 어려움이 있다고 한다. 이 외에도 로보어드바이저는 만기 후에 목표 금액을 달성할 확률, 예상되는 리스크에 대한 정보를 제공하고 이에 따라 월별 저축 금액과 investment horizon을 수정하도록 조언할 수 있다.

2단계 : 포트폴리오 구성

로보어드바이저들은 많은 경우 포트폴리오를 인덱스 펀드, 그 중에서도 ETF로 구성하며 평균-분산 최적화 기법으로 구성 비율을 결정한다. 다만 보다 개인화된 포트폴리오를 위해 개별 주식으로 포트폴리오를 채우기도 한다.

ETF를 사용하는 이유는 수수료가 낮고 대체로 액티브 펀드(active fund)보다 좋은 성과를 보이기 때문이다. 조사 결과 2005년에서 2019년까지 15년 동안 액티브 펀드의 수익률은 글로벌 인덱스에 비해 0.5프로 낮았고 83%의 펀드는 그저 인덱스를 추적하는데 그쳤다고 한다.

포트폴리오에 추가할 ETF를 선택할 때 클러스터링, 분류 등의 머신러닝 기법이 자주 사용된다. 저자들이 제공한 예시를 한 번 보자.

위 그림은 Support Vector Machine(SVM)을 이용하여 채권 ETF들을 고신용(High Quality), 중신용(Medium Quality), 저신용(Low Quality)으로 분류한 결과를 나타낸다. 분류에 이용된 피처는 ETF를 구성하는 채권의 신용도와 만기까지 남은 기간 각각의 (각 채권이 차지하는 비중에 따른) 가중치 평균이다. 그림에서 x축이 만기까지 남은 기간의 가중치 평균을 나타내고 y축이 신용도 가중치 평균에 해당된다.

같은 신용 등급으로 분류된 채권 ETF들은 서로 유사하다고 판단할 수 있다. 따라서 기존에 포트폴리오에 있던 ETF를 유사한 상품으로 대체하고 싶을 때 기존 ETF와 등급 같은 ETF들 중에서 선택할 수 있다.

3단계 : 지속적 관리

Investment horizon 동안 로보어드바이저는 클라이언트의 포트폴리오를 지속적으로 모니터링하고 필요하면 rebalancing을 한다. Rebalancing이란 상황 변화에 맞게 포트폴리오를 조정하는 것을 의미한다.  Rebalancing을 야기하는 상황 변화에는 시장 변동, 클라이언트의 개입, 계획 수정, 입출금으로 인한 투자 금액의 변화 등이 있다. 또한, investment horizon의 끝무렵에서 리스크를 줄이기 위한 rebalancing이 발생하는 경우가 많다.

지속적 관리 능력이 아마 로보어드바이저가 보유한 최고의 장점일 것이다. 사람은 포트폴리오를 지속적으로 모니터링할 수 없다. 보통 주기적으로 한 번씩 체크하는데 그친다. 반면 로보어드바이저는 여러 포트폴리오를 지속적으로 모니터링할 수 있다. 또한, 로보어드바이저는 rebalancing을 사람보다 효율적으로 수행할 수 있다. Rebalancing은 반드시 필요하지만 너무 잦을 경우 거래 비용이 많이 발생하여 수익이 오히려 감소하게 된다. 로보어드바이저로는 rebalancing할 최적의 시점을 계산하는 것이 가능하다.

참고 문헌

[1] Grealish, Adam and Petter N. Kolm, "Robo-Advisory: From Investing Principles and Algorithms to Future Developments" in Machine Learning in Financial Markets: A Guide to Contemporary Practice (2021). Edited by A. Capponi and C.A. Lehalle. Cambridge University Press.