[퀀트] 포트폴리오 분산 수식 유도과정
포트폴리오 분산은 왜 이렇게 생겼을까? — 정의에서 출발하는 완전한 유도 많은 금융·퀀트 책에서 포트폴리오 분산은 갑자기 다음과 같이 등장한다. σ p 2 = w T Σ w \sigma_p^2 = w^T \Sigma w 하지만 이 식은 기억해야 할 공식이 아니라 , 아주 기본적인 분산의 정의에서 기계적으로 따라 나온 결과 다. 이번 글의 목표는 단 하나다. “이 식이 어디서 나왔는지, 단 한 줄도 점프하지 않고 이해하기” 1️⃣ 출발점: 분산의 정의 모든 것은 이 정의 하나에서 시작한다. V a r ( X ) = E [ ( X − E [ X ] ) 2 ] \mathrm{Var}(X) = \mathbb{E}\left[(X - \mathbb{E}[X])^2\right] 이 식이 말하는 것은 단순하다. “X가 자기 평균에서 얼마나 흔들리는지를 제곱해서 평균 낸 값” 여기서: X X : 확률변수 (예: 자산 수익률) E [ X ] \mathbb{E}[X] : 그 확률변수의 평균(기대값) 2️⃣ 자산 수익률은 왜 확률변수인가? 자산의 미래 수익률은 확정된 숫자가 아니다. 오를 수도 있고 내릴 수도 있고 그 크기도 매번 다르다 그래서 우리는 자산 수익률을 이렇게 둔다. X = 자산 X의 수익률 (확률변수) X = \text{자산 X의 수익률 (확률변수)} 그리고 과거 데이터로 평균을 추정한다. E [ X ] ≈ 1 T ∑ t = 1 T r t \mathbb{E}[X] \approx \frac{1}{T}\sum_{t=1}^{T} r_t 3️⃣ 포트폴리오 수익률 정의 이제 자산 2개짜리 포트폴리오 를 보자. 자산 X 비중: w 1 w_1 자산 Y 비중: w 2 w_2 포트폴리오 수익률은 정의상 R p = w 1 X + w 2 Y R_p = w_1 X + w_2 Y 👉 이건 모델이 아니라 정의다 (“돈을 이렇...