투자는 특히 시장의 움직임을 예측할 때 어려운 작업이 될 수 있습니다. 그러나 시장 움직임의 무작위성을 이해하는 데 도움이 되는 수학적 개념이 있습니다. 그러한 두 가지 개념은 랜덤워크와 브라운 운동입니다. 이러한 개념이 투자 목적으로 어떻게 사용될 수 있는지 살펴보겠습니다.
1. 랜덤워크 이해하기
✅ Random Walk는 임의의 방식으로 입자의 움직임을 설명하는 수학적 개념입니다.
✅ 주식 가격이 무작위로 움직이는 주식 시장에도 동일한 개념을 적용할 수 있습니다.
✅ 즉, 주가는 뚜렷한 이유 없이 오르거나 내릴 수 있으며 그 움직임을 예측하기 어렵습니다.
✅ 이것은 인간 예측의 한계를 명백하게 알려주는 것입니다. 단기 주식가격의 변동은 예측하기 힘들고 같은 조건이라도 오르고 내릴 수 있다는 것을 수학적으로 증명해 주는 논거로 쓰입니다.
2. 브라운 운동이란?
✅ Brownian Motion은 유체 내 입자의 움직임을 설명하는 일종의 랜덤워크입니다.
✅ 이 개념은 주식의 가격이 유동체의 입자처럼 무작위로 움직이는 주식 시장에도 적용될 수 있습니다.
✅ 입자의 움직임에서 랜덤워크의 성격이 보인다는 것입니다. 세포 하나하나의 입자를 대상으로 한 특징이 만일 기업 하나하나를 대상으로 한 분석에서도 증명된다면 주식시장의 브라운 운동이 때로는 세포처럼 규칙성이 있는 듯 하지만 유동체의 그것처럼 결국은 랜덤 하게 움직인다는 의미입니다.
3. 랜덤워크 및 브라운 운동을 투자에 사용하는 방법
✅ 이제 Random Walk와 Brownian Motion에 대한 기본적인 이해를 마쳤으니 이를 투자 목적으로 어떻게 사용할 수 있는지 살펴보겠습니다.
✅ 이러한 개념을 사용하는 한 가지 방법은 랜덤 워크 및 브라운 운동을 기반으로 주가의 움직임을 시뮬레이션하는 모델을 만드는 것입니다.
✅ 이 모델은 주식 시장을 시뮬레이션하고 주가의 미래 움직임을 예측하는 데 사용할 수 있습니다.
✅ 즉, 주가의 과거 데이터를 분석하여 랜덤 워크 및 브라운 운동에 기인할 수 있는 패턴을 찾는 것입니다.
✅ 이러한 패턴을 식별함으로써 정보에 입각한 투자 결정을 내릴 수 있습니다.
✅ 무작위성으로 움직이는 가격흐름 안에서 아이러니하게도 패턴의 성격이 관찰된다면 신뢰도가 올라간다는 의미입니다.
✅ 여기에는 일반인들은 접근하기 힘든 수학적이거나 통계적인 방법이 사용됩니다.
✅ 시장변동에 의해 위아래로 마구 흔들리는 가격흐름은 랜덤 하게 움직이기 마련인데 특정 조건 혹은 특정 흐름 안에서 확률 높은 방향성을 보이는 것을 잡아낼 수 있다면 투자의 금맥을 발견한 것과 마찬가지입니다.
4. 위험 및 한계
✅ 랜덤워크와 브라운 운동은 시장 움직임의 무작위성을 이해하는 데 유용할 수 있지만 한계가 있습니다.
✅ 예를 들어, 그들은 자연재해나 정치적 혼란과 같은 예측하지 못한 사건으로 인한 시장의 갑작스러운 변화를 설명할 수 없습니다.
✅ 아울러 무작위로 움직이는데 그럼 어떻게 투자하라는 것이냐?에 대해 가치투자만큼 명확한 답을 내놓지도 못합니다.
✅ 다만, 수학적이고 확률적인 관점에서는 랜덤 하게 움직이기에 지나친 확신과 몰빵은 위험하고, 지나친 하락폭에는 분할 매수로 접근할 경우 어느 정도의 확률로 랜덤 하게 움직이는 주가의 흐름에서 수익을 얻어낼 수 있는지 계산할 수 있습니다.
✅ 랜덤한 움직임을 역으로 활용하는 방법입니다. 그러나 이 마저도 100%라는 것은 없기에 항상 전략의 적용에 있어 분산된 자금을 집행해야 할 것입니다.
결론: 시작을 해석하는 단편의 관점 랜덤워크와 브라운 운동
결론적으로 랜덤워크와 브라운 운동은 시장 움직임의 무작위성을 이해하려는 투자자에게 유용한 도구가 될 수 있습니다.
랜덤하게 움직이던 그 패턴 안에서 시장 예측 모델을 만들거나 과거 데이터를 분석함으로써 투자자는 정보에 입각한 투자 결정을 내릴 수 있습니다.
그러나 수학적이고 통계적인 접근과 개념의 한계를 염두에 두고 시장에 영향을 미칠 수 있는 다른 요인을 고려하는 것도 중요합니다.
랜덤워크와 브라운 운동은 주식시장을 바라보는 하나의 방법론적인 접근이지 절대적인 정답은 아니기 때문입니다.
💎 최적화 및 투자비율 관련 글
📌 비트코인, 금, 나스닥ETF, 미국채 포트폴리오 최적화
