
주식 시장에도 '파도'가 있다 — 순위 기반 진입·퇴출로 본 자본분포의 비밀
매일 수십 개의 기업이 상장하고, 또 수십 개가 퇴출되는 주식 시장. 이 끝없는 순환이 시장 전체의 모양을 만들어낸다면?
들어가며
바닷가에서 파도를 본 적이 있을 겁니다. 밀려왔다가 빠지고, 또 밀려옵니다. 파도의 모양은 대체로 비슷하지만, 그 위치는 계속 앞으로 전진하지요. 주식 시장도 이와 비슷하다는 흥미로운 연구 결과가 나왔습니다.
우리는 흔히 주식 시장을 '올라가는 것' 또는 '내려가는 것'으로 생각합니다. 하지만 케임브리지 대학의 Graeme Baker와 Caroline Smyth는 시장을 전혀 다른 관점에서 바라봤습니다. 시장을 이루는 개별 기업들을 '입자'로 보고, 이 입자들이 순위에 따라 태어나고 사라지는 과정을 수학적으로 모델링한 것이죠.
무엇이 문제였나
기존의 시장 모델들은 대체로 이런 질문에 답하려 했습니다: "전체 시장이 앞으로 얼마나 성장할까?" 드리프트(drift), 즉 평균 수익률에 초점을 맞춘 거죠.
하지만 이런 접근에는 한 가지 큰 맹점이 있습니다. 실제 시장을 보면, 1975년에 존재하던 기업 중 상당수가 지금은 사라졌습니다. 반면 그때는 없었던 기업(예: 애플, 아마존)이 시장의 상당 부분을 차지하고 있죠. 기업의 진입과 퇴출이라는 동학을 무시하면, 시장의 실제 모습을 제대로 이해할 수 없습니다.
더 구체적으로 말하면, 시장에서 가장 작은 기업들은 생존 확률이 낮고, 중간 크기 기업들은 새로 진입하는 비율이 높습니다. 이 불균형이 시장 전체의 '모양'을 어떻게 형성하는지, 기존 이론은 충분히 설명하지 못했습니다.
핵심 아이디어
이 논문의 핵심 아이디어는 놀랍도록 직관적입니다.
시장을 물리학의 '반응-확산 시스템'으로 본 것입니다.
쉽게 말하면 이렇습니다. 주식 시장의 각 기업을 물속의 입자라고 상상해 보세요. 각 입자는 자신이 속한 '순위'에 따라 다른 속도로 움직입니다(확산). 그리고 순위에 따라 새로운 입자가 나타나거나(진입), 기존 입자가 사라집니다(퇴출). 이때 '진입-퇴출'이 일으키는 변화가 바로 '반응항'입니다.
수학적으로, 기업 수가 매우 많아지면(n→∞), 이 입자들의 분포는 반응-확산 편미분방정식의 해로 수렴합니다. 이 방정식의 해가 바로 traveling wave, 즉 '이동하는 파도'입니다.
쌍안정성: 시장의 두 가지 '끌개'
캘리브레이션 결과가 특히 흥미롭습니다. CRSP 데이터(1975-2024, 26,100개 기업, 375만 기업-월)로 추정한 반응항 f̃(q)은 쌍안정(bistable)입니다.
쉽게 말하면, 시장에 두 개의 '안정 상태'가 있다는 뜻입니다:
- 모든 기업이 사라지는 상태 (q=0): 하위 순위 기업의 사망률이 출생률을 초과하므로, 이 상태로 끌려갑니다
- 모든 기업이 살아있는 상태 (q=1): 상위 순위 기업의 진입이 퇴출을 초과하므로, 이 상태로도 끌려갑니다
중간 지점(q*≈0.63)이 불안정 평형점입니다. 시장이 이 지점의 어느 쪽에 있느냐에 따라 완전히 다른 behavior를 보입니다.
Turnover가 핵심이다
가장 놀라운 발견은 이것입니다: 드리프트(평균 수익률)가 아니라 turnover(진입/퇴출)가 시장을 안정시킨다는 것입니다.
측정된 드리프트는 drift-stabilized 평형에 필요한 수학적 조건(chord condition)을 위반합니다. 즉, 드리프트만으로는 시장이 안정될 수 없습니다. 대신, 기업의 끊임없는 진입과 퇴출이 시장의 모양을 유지하는 본질적인 메커니즘입니다.
결과 — 무엇을 알아냈나
Traveling wave의 존재와 유일성
논문은 순위 의존 계수 하에서 traveling wave의 존재와 유일성을 엄밀하게 증명했습니다(정리4.2). 그리고 상수 계수의 경우, 임의의 초기 분포가 이 wave로 지수적으로 수렴한다는 것도 보였습니다.
파레토 꼬리: α ≈ 1.11
wave의 형태를 분석하면, 자본분포가 파레토 꼬리를 가짐을 보여줍니다. 캘리브레이션된 꼬리 지수는 α ≈ 1.11(부트스트랩90% 밴드: [1.08, 1.14])입니다.
쉽게 말하면, 시장에서 가장 큰 기업들의 크기 분포가 '두꺼운 꼬리'를 가진다는 뜻입니다. α가 1에 가까울수록 시장 집중도가 높고, 클수록 분산됩니다. 1.11은 시장이 다양성의 경계 바로 안쪽에 위치함을 의미합니다.
성장 분해: 한 세기의 시장
1920년대부터 현재까지, 총 시가총액은 연평균 8.3% 성장했습니다. 이 성장을 세 가지 요소로 분해하면:
- Wave 번역 (중위 성장): 4.3% — 파도가 앞으로 이동한 것
- 기업 수 성장: 2.6% — 새로운 기업의 진입
- 형태 변형: 1.4% — wave 형태 자체의 변화
2020년대의 집중도 증가(빅테크 쏠림)는 wave의 선두 부분에서 형태 변형이 일어났기 때문입니다.
Turnover와 리밸런싱
논문의 가장 실용적인 발견 중 하나: turnover가 리밸런싱 이익의 대부분을 상쇄한다는 것입니다.
소형주에 투자하고 주기적으로 리밸런싱하면 초과 수익을 얻을 수 있다는 것은 잘 알려진 사실입니다. 하지만 이 논문은 turnover(기업의 진입/퇴출)가 그 이익의 상당 부분을 가져간다는 것을 보여줍니다. 즉, 리밸런싱으로 얻는 이익을 시장의 자연스러운 순환이 이미 '회수'하고 있다는 뜻입니다.
한계와 주의점
이 연구는 물론 몇 가지 가정 위에 서 있습니다:
- 기하 브라운 운동 가정: 실제 기업의 자본화 변동은 더 복잡한 동학을 가질 수 있습니다
- CRSP 기반 캘리브레이션: 미국 시장 데이터에 기반하므로, 신흥국이나 다른 시장으로의 일반화에는 주의가 필요합니다
- 다수-기업 극한: traveling wave 수렴은 기업 수가 무한히 많을 때 성립합니다. 실제 유한한 기업 수에서는 편차가 있을 수 있습니다
- 드리프트 추정 불확실성: wave 형태가 드리프트 추정에 민감할 수 있습니다
그래서 투자/실무엔?
이 논문이 자기자본 운용에 주는 시사점을 정리하면:
- 기업 생존·퇴출 모델링: CRSP 기반 보정 결과를 활용해 포트폴리오의 기업 생존 리스크를 정량화할 수 있습니다
- Diversity-weighted 포트폴리오: wave로부터 diversity-weighted 포트폴리오의 자본화 성장률을 직접 예측 가능합니다
- 소형주 리밸런싱 비용: turnover가 리밸런싱 이익의 대부분을 상쇄한다는 발견은, 소형주 전략의 비용-효과 분석에 직접 참고할 수 있습니다
- 시장 집중도 모니터링: α ≈ 1.11이라는 꼬리 지수는 시장의 다양성 상태를 모니터링하는 지표로 활용 가능합니다
더 알아보기
- 📄 원 논문 (arXiv:2608.27156)
- 5차원 점수: novelty 78 · applicability 58 · rigor 82 · reproducibility 35 · insight 82 (composite 68.4)
- 분과: B4 (시계열 계량경제학) | 등급: A
관련 글
🤖 AI 연구포트폴리오에 숨어든 '변덕스러운 위험'을 찾아라 — 랜덤 행렬 이론으로 상관관계 붕괴를 조기 감지하는 방법
랜덤 행렬 이론을 활용해 포트폴리오의 표본 외 초과위험을 탐지하는 새로운 방법을 소개합니다. 상관구조가 바뀌는 순간을 포착하는 '플리팅 모드' 개념과 실전 적용 가능성을 쉽게 풀어봅니다.
🤖 AI 연구강화학습 포트폴리오는 왜 돈을 잃을까? — 마이opic 최적화의 역습
강화학습(RL) 기반 포트폴리오 전략이 실전에서 손실로 이어지는 이유를 이론적으로 분석한 논문을 소개합니다. 실행 비용과 청산 마찰을 무시한 RL이 마이opic 최적화에 왜 뒤처지는지, 그리고 투자자에게 어떤 시사점을 주는지 설명합니다.
🤖 AI 연구모형 없이도 최적 결정을 내릴 수 있을까? — 확산과정의 최적정지와 강화학습
2024년 8월 arXiv 금융 AI 논문 분석. 확산과정 최적정지를 RL로 푸는 새 프레임워크, 수익률 분포 예측, 극단 손실 헤지, 금융 특화 기반모델 등 주목할 연구 5가지를 살펴봅니다.