크리스마스에 한 번 — 단순한 연 1회 리밸런싱이 레버리지 ETF의 장기 성과를 결정한다
"꽃을 빨리 꺾지 말고, 비료도 충분할 때 줘라"
본 연구는 3배 레버리지 Nasdaq-100 ETF (TQQQ)와 현금을 50:50으로 배분하고, 매년 크리스마스에 한 번씩만 50:50 비율로 재조정하는 단순한 전략 — 이하 Christmas Rebalancing Strategy — 을 1995년부터 2024년까지 30년에 걸쳐 백테스트했다. 이 전략은 30년 누적 수익률 +617× ($100k → $61.8M), CAGR +23.9%, MDD −87.9%로, 동일 자산의 단순 보유(B&H, $15.1M / +18.2% / −99.97%) 대비 절대 수익 4.1배·MDD 12%p 개선의 결과를 냈다. 또한 동일 전략을 QQQ (1×)에 적용하면 단순 Buy & Hold에 패배하며, 이는 리밸런싱의 이득이 자산의 변동성에 비례한다는 학술적 발견과 일치한다.
Keywords: leveraged ETF, annual rebalancing, lifecycle investing, volatility decay, backtest, TQQQ, QQQ
레버리지 ETF는 두 가지 상반된 평가를 받아왔다. 한편으로는 변동성 잠식(volatility decay)으로 인해 장기 보유에 부적합하다는 통념이 있으며, 다른 한편으로는 일부 투자자들 — 특히 Bogleheads의 HFEA (Hedgefundie's Excellent Adventure) 사례 — 에서 적절한 리밸런싱과 결합 시 시장을 압도할 수 있다는 실증적 사례가 보고됐다.
본 연구는 단일 결정 변수에 집중한다: 레버리지 ETF + 현금 50:50 배분에서 리밸런싱 빈도가 장기 성과를 어떻게 결정하는가? 특히 연 1회 리밸런싱이 다른 빈도(월간, 분기, 이벤트 기반) 대비 어떤 위치에 있는지를 30년 데이터로 검증한다.
전략의 이름을 Christmas Rebalancing Strategy로 명명하는 이유는 (1) 매년 한 번 자연스럽게 잊지 않는 시점인 크리스마스(12/27, 연말 마지막 거래일 부근)에 실행하고, (2) 시장 신호가 아닌 달력 기반이라 행동편향(timing bias)을 차단하며, (3) 단순함이 핵심이기 때문이다 — 30년 동안 한 줄의 룰을 지키는 게 가능한 이유.
Christmas Rebalancing Strategy 룰 (단 한 줄):
매년 크리스마스에 포트폴리오를 TQQQ 50% / 현금 50%로 다시 맞춘다.
Ayres (Yale Law)와 Nalebuff (Yale SOM)는 1871년부터의 미국 주식 데이터로 젊을 때 2:1 마진 레버리지 후 점진적으로 줄여가는 time diversification 전략을 제안했다. 100% 주식 전략 대비 +19% 더 높은 기대 은퇴 자산, Target Date Fund 대비 +90% 더 높은 결과를 보고했다. Christmas Rebalancing Strategy은 Ayres-Nalebuff의 생애주기 시점별 변경을 포기하는 대신 고정 50:50 비율 + 연 1회 재조정으로 단순화한다.
Bogleheads 포럼의 익명 게시자가 제안한 전략. UPRO(S&P 3×) 55% + TMF(장기국채 3×) 45%, 분기별 리밸런싱. Risk parity 사상에 기반. Christmas Rebalancing Strategy과의 차이는 안전자산(TMF vs 현금), 빈도(분기 vs 연 1회), 자산(S&P 3× vs Nasdaq 3×). HFEA는 2022년 인플레이션 환경에서 TMF가 −70% 폭락하며 큰 시험대에 올랐다.
Fischer Black과 Robert Jones가 1987년 제안한 Constant Proportion Portfolio Insurance. Floor를 정해 그 아래로는 떨어지지 않게 위험자산 비중을 동적으로 조정. Christmas Rebalancing Strategy은 CPPI multiplier=1, floor=0의 특수 경우와 수학적으로 매우 유사하나 동적 조정이 아닌 고정 50:50 + 연 1회 리셋으로 단순화한다.
최근 arXiv preprint "Compounding Effects in Leveraged ETFs: Beyond the Volatility Drag Paradigm"는 레버리지 ETF의 장기 수익이 단순한 변동성 드래그가 아니라 수익률의 자기상관(return autocorrelation)에 의해 결정됨을 수학적으로 증명한다. 추세시장(positive autocorrelation)에선 레버리지가 수익을 증폭, 평균회귀시장(negative autocorrelation)에선 손해. 본 연구의 결과 — 닷컴 거품·붕괴·회복기에 50:50 리밸런싱이 압승하는 패턴 — 은 이 이론적 예측과 일치한다.
Day 0:
자산 = $100,000
TQQQ 매수 = $50,000 worth (분수 주식)
현금 보유 = $50,000
Day t (매년 12/27, ≈ 크리스마스 부근):
total = TQQQ_value + cash
target_TQQQ = total × 0.5
if TQQQ_value > target_TQQQ:
sell (TQQQ_value − target_TQQQ) → cash
else:
buy (target_TQQQ − TQQQ_value) ← cash
수수료: 0.03% per trade
현금 이자: 0% (보수적)
| 순위 | 전략 | 30년 최종 | 30년 CAGR | 30년 MDD | Calmar |
|---|
A 구간 (1995-2010, 닷컴 거품·붕괴 + 금융위기): Christmas Rebalancing Strategy이 모든 전략을 압도. TQQQ B&H는 16년 보유에도 자본 18% 손실.
B 구간 (2010-2024, 강세장 + 단일 폭락): 단순 보유가 압도. Christmas Rebalancing Strategy은 절대수익은 밀려도 MDD가 −42%로 가장 견고.
동일 전략들을 1배 QQQ에 적용한 30년 결과는 정반대. QQQ 1배 자산에서는 단순 B&H가 모든 전략을 압도 ($4.81M vs Christmas Rebalancing Strategy $1.04M). 50:50의 현금 절반이 30년간 0%로 묶여 큰 기회비용.
TQQQ 30년 결과(Christmas Rebalancing Strategy $61.8M vs B&H $15.1M, 4.1배 우월)와 QQQ 30년 결과(Christmas Rebalancing Strategy $1.04M vs B&H $4.8M, 0.22배)의 극명한 대비는 다음 관계를 시사한다:
리밸런싱의 가치는 자산의 변동성에 비선형적으로 비례한다.
이는 Section 2.4의 자기상관 이론과 부합한다. 추세 + 평균회귀가 모두 강한 자산(높은 변동성)에서 리밸런싱은 거품 정점 자동 현금화 + 폭락 후 자동 매수의 선순환 사이클을 캡처. 변동성이 부족한 자산에서는 단순 보유가 우월.
리밸런싱 빈도별 30년 CAGR을 비교하면 "덜 자주 = 더 좋다" 원칙이 두 시대 모두 성립. 1995-2000 닷컴 거품(5년 지속) 동안 월간 리밸런싱은 매월 거품을 잘라내며 누적 손해, 연 1회는 거품의 대부분을 캡처.
자기상관 관점에서 단기(일~주)는 평균회귀 우세 → 잦은 리밸런싱 손해, 장기(분기~연)는 추세 우세 → 잦은 리밸런싱 손해, 사이클 단위(1~3년)는 거품 ↔ 폭락 사이클이 작동 → 연 1회 리밸런싱이 최적 캡처. 매년 1회는 우연이 아니라 금융 사이클의 자연스러운 단위와 일치하는 빈도일 가능성.
본 연구의 핵심 발견:
본 연구가 검증한 두 가지 한국 커뮤니티 발 전략:
두 전략 모두 단일 시대(2010-2024)에선 작동했으나, 30년 통합으로 보면 단순한 Christmas Rebalancing Strategy에 크게 미치지 못함.
본 연구는 Christmas Rebalancing Strategy — 매년 크리스마스에 한 번 TQQQ 50% / 현금 50%로 재조정이라는 단일 룰의 30년 백테스트를 보고했다. 핵심 발견:
전략의 매력은 단순함이다 — 한 줄의 룰, 연 1회의 행동, 시장 신호 무시, 30년 흔들림 없는 실행 가능성. 그러나 동시에 그것이 가장 어려운 부분이기도 하다. 자본의 80%가 사라진 시점에 룰을 지키는 것은 종이 위에서는 단순하지만 실제로는 거의 불가능에 가깝다. 이 행동적 위험이 본 전략의 진짜 비용이며, 학계나 실무 어떤 연구도 정량화하기 어려운 차원이다.
향후 연구 방향: 다양한 자산(SOXL, SPXL, FNGU 등)에서의 성과 비교, 생애주기 변형(나이에 따라 50:50 비율 동적 조정), 베어 구간 보호 추가, 다국적 검증, 시작일 민감도 통계 분석.