자산운용 수필 (12) 펀드
펀드는 지금까지 언급한 그리고 언급할 모든 투자 안에 투자가 가능합니다.
그러다 보니 별도로 언급하기도 애매하고,
또 굳이 언급할 필요도 없을 것 같습니다.
이 중 Hedge Funds는 별도로 정의하는 경향이 많은데
가장 큰 특징은 절대수익률을 추구한다는 점입니다.
헤지펀드가 나오기 전 기존 펀드들은 대부분
Bench Mark 대비 초과수익률을 추구하는 형태였습니다.
헤지펀드는 일단 대안투자 쪽에서 다시 말씀드리고
펀드 일반에 대한 몇가지만 언급하고자 합니다.
회사형과 계약형.
국내 펀드의 경우 관련 규정등에 의해 비교적 쉽게 구분이 됩니다.
수익증권이 일반적이며,
관련 규정에 의해 주식회사의 형식인 뮤추얼펀드 등이 있습니다.
그러나 해외 펀드의 경우 구분이 어려운 경우가 많습니다.
일반적인 뮤추얼펀드 구조를 제외하고 가장 많이 보았던 해외펀드의 형태는
미국과 조세회피지역 두군데를 근거로 하는 회사를 설립하고,
두 종류이상의 share를 co-issue 형태로 발행하는 회사형입니다.
실체는 같지만
미국을 근거로 하는 share는 미국내 투자자에게만 판매하고
조세회피지역의 share는 미국외 투자자에게 판매하게 됩니다.
이런 구조를 택하는 이유는 미국 국내법 및 세금 문제로 인한 부분입니다.
그러나 회사형만 있는 것은 아니고 계약형도 존재합니다.
일부 운용자들은 돈만 벌면 됐지
그런 형식적 구분이 뭐 그리 중요하냐라고 하지만...
사실 중요합니다.
경제적 실질 때문이 아니라 여러가지 관련 규정들 때문입니다.
국내 회계기준상 계약형은 기타유가증권(수익증권), 주식회사는 주식,
유한회사는 출자금으로 구분하여야 합니다.
그리고 회사형의 경우 한국은행에 역외금융회사로 신고해야 합니다.
그런데 한국은행 담당자가 어떤 사람이냐에 따라
계약형은 역외금융회사가 아니라는 담당자와
계약형도 계약형 회사이므로 역외금융회사라는 담당자로 나뉩니다.
역외금융회사로 분류되면…
각종 신고 및 사후 보고사항, 그리고 내부 승인절차 등에서
일반 투자안 보다 훨씬 까다로운 내외부 규정을 적용받게 됩니다.
구분을 하려고 해도 그 자체가 쉽지 않은 것도 고민해야 하는 부분입니다.
펀드의 명칭에 따라
Ltd로 끝나면 회사형, trust로 끝나면 계약형으로 나누는 것이 일반적이나
Ltd로 끝나는 회사형 중에서 다시 주식회사와 유한회사로 나누는 것은 쉽지 않습니다.
또한 Trust로 끝나도 모두 수익증권이 아니라
그 안에서도 계약형 회사와 수익증권으로 나뉜다는 설도 있습니다.
투자대상의 선택
투자대상 자산과 운용사를 선정하는 것은 중요한 부분입니다만
운용사 선정의 경우, 개별투자안을 분석하는 것보다 정성적 요인 더 많이 작용하게 됩니다.
감독당국은 운용사 선정의 자의성을 막기 위해
내부기준을 수립하도록 권장하고 있으나 참 어려운 부분이기도 합니다.
내부기준을 너무 빡빡하게 설정할 경우 투자하고 싶은 운용사를 투자 못하는 경우가 발생합니다.
반대로 여유를 많이 두고 수립할 경우 내부기준은 형식적이고
운용자의 자의적인 판단에 움직이게 됩니다.
이렇다 보니 개개인의 도덕성이 뒷받침되지 못할 경우에는
접대에 대한 유혹에 넘어가기 쉽습니다.
펀드 뿐만 아니라 Structured Finance 분석시 들어가는 가정 중 하나는
투자자산의 부도율입니다.
이때 많은 기관들이 자체 분석보다는 외국계 IB의 자료를 받아 분석을 합니다.
그런 사람들은 Raw data 자체가 운용사에서 나온 걸 IB에서 전해주는 거니
굳이 그 데이터로 다시 분석하는 건 의미가 없다고 말합니다.
계량적 분석은 IB에 맡긴 채
투자시 정성적인 요인이 중요하다지만 지나치게 정성적 요인만 고려하는 경우입니다.
IB에서 기본적으로 주는 건 Marketing Material 이고,
요청하면 엑셀화일을 주지만 계산식은 모두 없앤 값만 들어있습니다.
제대로 분석을 하려면 처음부터 Cash flow를 다시 만들어야 하는데 만드는 것은 귀찮습니다.
시간도 많이 걸리고 때로는 노가다 하고 있다는 느낌도 듭니다.
Fund는 좀 낫지만 CDO 같은 경우는 Tranche 별 안정성을 위해 각종 test가 들어갑니다.
여기보다는 CDO 쪽에서 말씀을 드렸어야 했지만….
원금 잘 갚을 건지에 대한 O/C(Over Collateralized) test와
이자 잘 갚을 건지에 대한 I/C(Interest Coverage Test) 등이 대표적입니다.
각 트랜치별 test가 들어가고 건마다 조금씩 다르기 때문에…
계약내용을 아주 자세히 들여다 보며 따라가야 합니다.
잘못하다가는 엑셀에서 순환참조에 걸리는 경우도 많습니다.
그러나 그럼에도 그렇게 해야하는 이유….
추가적으로 요청을 해도 기본적으로 IB에서 주는 자료는 민감도 분석입니다.
부도율 가정을 0%, 0.5%, 1%, 1.5%, 2%로 했다면
보통은 투자기간 10년이면 10년 동일한 부도율을 가정합니다.
그러나 만약 10년간 평균부도율이 2%였다고 하면
매년 2% 발생하는 경우는 없습니다.
매년 1%씩 발생하다가 특정 2개년 6%씩 발생하는 형태죠.
그리고 그 시점에 따라 동일한 연평균 부도율이어도
손실율 여부가 달라집니다.
Raw data는 IB에서 주는 걸 믿어야죠.
그것까지 속인다면… 그건 사기행위니… 믿어도 될 겁니다.
그러나 동일한 raw data라도 분석방법에 따라
결과와 해석이 달라질 수 있습니다.
이를 측정하기 위해서는 시뮬레이션을 해야하고…
그러기 위해선 Matlab이든 엑셀 VBA(Visual Basic Application)이든
필요하게 됩니다.
이런 것까지 다른 사람을 시킬 수 없으니까요.
그런 이유로 원든 원치않든…
최소한 간단한 프로그래밍을 익혀야 하는 거고요.
저는 펀드나 CDO 분석시에는 Visual Basic을 선호합니다.
아무래도 VBA가 데이터를 읽고 쓰기 편하니까요.
그럼 제가 Matlab과 VBA를 잘 아느냐?
아닙니다…
VBA라기 보다는 Macro에 가깝죠.
그래서 엑셀 VBA를 선호하는 거겠지만….
엑셀 VBA가 더 좋다는 건 아닙니다.
Matlab도 엑셀 데이터를 읽어와서 다시 엑셀에 쓰는게 가능합니다.
매트릭스 개념을 활용하면,
여러가지 부도율 케이스를 동시에 계산하여
보다 빠르게 할 수 있다는 장점이 있습니다.
5종류의 부도율을 10,000번씩 시뮬레이션 한다고 할 때..
매트랩을 쓰면 10,000번이면 되지만
아니라면 50,000번을 돌려야 하니…
속도의 차이가 크죠.
시장 Data
펀드 분석시 데이터는 크게 운용사 및 펀드 관련 데이터와 시장 데이터로 나뉩니다.
운용사 및 펀드 관련 데이터는 운용사 내부 데이터로서 다른 경로를 통해 얻기 어렵습니다.
IB를 통하거나 직접 운용사에게 요청하는 수 밖에 없습니다.
시장 데이터 역시 IB에게 달라고 하면
안 바쁠 땐 기꺼이 줍니다.
바쁠 땐? 투덜대겠지만 주긴 줍니다.
그런 것까지 뭐 직접 찾냐는 운용자나 심사담당자들이 있습니다.
그런 사람들은 직접 찾으려는 사람들을 보며 왜 IB를 못믿느냐고 합니다.
저요?
당연히 믿습니다.
만약 시장데이터를 속인다?
그런 브로커가 있다면 그건 사기꾼도 아닌 바보입니다.
맘만 먹으면 조회할 수 있는 자료를 속이지는 않겠죠.
그러나 IB는 자신이 유리한 데이터를 주게 됩니다.
그리고 IB 입장에서는 그래야 합니다.
그렇기 때문에 직접 찾아봐야 하죠.
시장 데이터는 펀드, CDO, 파생결합상품 등 여러 투자안을 분석할 때 필요합니다.
그 중 한 예를 들면…
예전에 미국의 장단기 금리 차이와 연결된 파생결합상품이 나왔었습니다.
IB에서 준 데이터로는 역전된 적이 기간 중 4일인가 밖에 없었습니다.
당연히 안정적이라 보겠죠. 상식적으로도 역전 가능성은 낮고….
그러나 기간을 확대해 보거나, 미국 이외의 다른 나라 데이터를 보면…
장단기 금리의 역전이 생각보다 흔한 일이며,
역전이 안되다가도 한번 역전되면
그 추세가 몇 년씩 지속되는 모습을 보였습니다.
그 자료를 봐도 물론 투자하기는 했습니다만…
안 본 사람은 해당 투자안을 무위험투자안 처럼 생각하고 마음 놓고 투자합니다.
그러나 그렇게 한번 본 사람은 헤지방안이 있는지,
아니면 해당 구조에 대한 익스포저를 어떻게 할 것인지 고민하게 됩니다.
그리고 적정 프리미엄과 이론가격이 어떨지를…
단기적으로야 차이가 없겠지만…
그런 태도들이 모이면… 어떤 충격이 올 때 분명 다른 결과가 나올 겁니다.
데이터는 주로 데이터스트림, 로이터, 블룸버그 등에서 받습니다.
사람마다 선호도가 다르고,
그에 따라 회사에서 사용하는 것도 다르게 됩니다.
대체적으로 데이터는 데이터스트림이 제일 좋다고 합니다.
그러나 비싸기도 하다죠. 저는 사용해본 적은 없습니다.
복합파생상품이나 파생결합상품 등에서는 로이터를 많이 씁니다.
제가 본 계약서들은 모두 다 로이터의 값으로
이자를 결정하는 구조였습니다.
저희 회사는 블룸버그를 씁니다.
예전에는 해외쪽에서 주식은 로이터 – 채권은 블룸버그에서 강점이 있었다고 합니다.
그땐 저도 이 일을 안해서 잘 모릅니다만…
Data 수집에 있어서 기간에 의해 영향을 미치는 요인을
Time period bias라고 합니다.
David, Faman and French는
3 factor model의 실증검증에서
1929년에서 1997년 간 monthly data를 사용하였습니다.
그래서 small company와 big company 간 유의미한 스프레드가 있다고 보았습니다.
분석기간 동안 small company의 수익률이 좋았고,
혹자는 그 부분을 유동성 프리미엄이다, survivorship bias다,
신용위험 스프레드다라고 해석합니다만.. 그것을 떠나서…
Siegel(2002)에 의하면 1926년에서 2001년까지 보았을 때
1975년에서 1983년 간의 기간을 제외하고 분석하면
Large cap stocks이 small cap stocks 보다 수익률이 좋게 나온 답니다.
이렇듯 데이터 해석은 기간에 따라 달라지게 됩니다.
그러므로 데이터만 아는게 아니라 시장을 알아야 하고,
데이터를 맡기지만 말고 직접 봐야 합니다.
지금은 모 투신사의 내부 전략 담당자로 거액에 스카우트되며
시장에서 사라진 모 채권애널리스트가 있었습니다.
그 사람의 가장 큰 강점은? 시장 데이터를 찾아내는 능력이었다고 합니다.
아니 능력이 아닌 노력이라고 하는 편이 맞을 겁니다.
유의미한 데이터를 찾아내기 위해 밤을 세우는 일도 다반사였다고 하니까요.
여담입니다만…
앞에 말한 분이 스카우트되어 시장에서 사라지는 것을 보고
일부에서 말했습니다.
아무리 돈을 많이 줘도… 시장을 직접 못보는데… 좋을까라고….
그러자 그 분과 친하던 어느 분 왈… 몸값을 알면 그런 말 못할 거라더군요.
얼마정도인지 조차 알려주지는 않았지만….
Image: Metresili, Dominican loa associated with love and wealth from Playground.AI