게시일: 2026-04-20
내재상관관계는 옵션 시장에서 특정 지수에 포함된 종목들이 미래 기간 동안 얼마나 강하게 함께 움직일 것으로 예상되는지를 추정하는 지표입니다. 이는 현물 시장에서 직접 관찰할 수 있는 지표는 아니며, 거래자들은 옵션 가격을 통해 추론합니다. 일반적으로 이는 지수의 내재변동성과 지수에 포함된 개별 종목들의 내재변동성을 비교하는 방식으로 이루어집니다.
간단히 말해, 내재적 상관관계는 다음 질문에 대한 답을 찾는 데 도움을 줍니다. 지수 구성 종목들이 함께 움직일 것으로 예상되는가, 아니면 더 독립적으로 움직일 것으로 예상되는가? 이는 중요한 질문인데, 지수 위험은 각 주식의 변동성뿐만 아니라 주가 움직임의 중복 정도에도 달려 있기 때문입니다.
내재적 상관관계는 옵션 가격을 기반으로 지수 구성 요소 간의 시장에서 예상되는 평균적인 동조성을 측정합니다.
이는 과거 가격 데이터에서 도출된 것이 아니라, 지수 내재 변동성과 구성 종목 내재 변동성 간의 관계에서 추론된 것입니다.
일반적으로 상관관계가 높을수록 해당 지수 내의 분산 투자 효과가 약하다는 것을 의미합니다.
트레이더들은 분산 거래, 상대 가치 변동성 거래, 그리고 광범위한 주식 헤징을 위해 이를 주시합니다.
이는 실현 상관관계, 내재 변동성, 유동성 및 이벤트 리스크와 함께 사용해야 하며, 단독으로 사용해서는 안 됩니다. 이는 거래소 방법론과 변동성 교육 자료에서 해당 개념을 설명하는 방식을 바탕으로 한 편집상의 추론입니다.
S&P 500과 같은 지수의 경우, 내재 상관관계는 시장이 옵션 기간 동안 기초 주식들이 얼마나 밀접하게 움직일 것으로 예상하는지를 반영합니다. 거래자들이 많은 주식이 거시 경제 뉴스에 같은 방향으로 반응할 것으로 예상하면 내재 상관관계는 상승하는 경향이 있습니다. 반대로 개별 주식의 움직임이 더 분산될 것으로 예상하면 내재 상관관계는 하락하는 경향이 있습니다.
이러한 이유로 예상 상관관계는 미래 분산 투자 효과를 측정하는 지표로 자주 사용됩니다. 예상 상관관계가 낮다는 것은 분산 투자가 더 효과적으로 작용하고 있음을 의미합니다. 반대로 예상 상관관계가 높다는 것은 더 많은 종목들이 함께 움직일 것으로 예상되므로 분산 투자의 보호 효과가 떨어진다는 것을 의미합니다.
내재상관관계는 지수의 내재변동성과 지수를 구성하는 개별 주식의 내재변동성 간의 관계에서 도출됩니다. 이러한 개념은 포트폴리오 분산에서 비롯됩니다. 지수의 분산은 각 구성 요소의 분산과 구성 요소 간의 공분산 모두에 따라 달라지기 때문입니다.
즉, 지수 위험은 두 가지 요소에 의해 결정됩니다. 하나는 각 주식의 개별적인 변동성이고, 다른 하나는 해당 주식들이 얼마나 함께 움직일 것으로 예상되는지입니다. Cboe는 SPX 지수와 그 구성 종목들의 내재 변동성을 이용하여 SPX의 내재 변동성과 개별 주식 바스켓의 평균 내재 변동성 간의 차이를 정량화한 내재 상관관계 지수를 설명합니다.
실제로 거래자들은 관찰된 옵션 내재 변동성에서 시작하여 이를 내재 분산으로 변환한 다음, 지수 분산이 구성 요소 분산과 일치하도록 하는 평균 상관관계를 계산합니다.
Cboe의 방법론에 따르면 상관관계 지수는 먼저 SPX 옵션의 내재 변동성과 상관관계가 없는 바스켓 포트폴리오의 내재 변동성 간의 차이를 구한 다음, 그 차이를 쌍별 가중 내재 변동성 곱의 합으로 나누어 계산합니다.
이 아이디어를 표현하는 실용적인 방법은 평균 상관관계 가정 하에서 포트폴리오 분산 관계부터 시작하는 것입니다.
어디:
σ(I) = 지수의 내재 변동성
w(i) = 지수 또는 추적 바스켓에서 주식 ii의 가중치
σ(i) = 주식 ii의 내재 변동성
ρ = 평균 암시적 쌍별 상관관계
n = 구성품 재고 수
이 공식은 상관관계가 지수 분산 계산에 어떻게 반영되는지 보여줍니다. 즉, 주식 간의 공분산 항을 통해 반영됩니다. Cboe의 백서 역시 동일한 논리를 따르며, 마코위츠 포트폴리오 모델에서 출발하여 쌍별 상관관계를 평균 상관관계 항으로 대체한 다음, 그 평균 상관관계를 분리해냅니다.
식을 재배열하면 내재적 상관관계 추정치를 얻을 수 있습니다.
이 공식은 종목별 가중치가 동일하거나 개별 종목의 변동성이 동일하다고 가정하지 않기 때문에 공개하기에 더 안전한 공식입니다. 실제 벤치마크의 경우 바스켓 구성, 만기, 변동성 입력값 등에 추가적인 방법론적 규칙이 적용될 수 있습니다.
지수 옵션은 개별 종목의 평균 변동성뿐만 아니라 해당 종목들이 얼마나 함께 움직일 것으로 예상되는지에도 의존하기 때문에 내재적 상관관계가 중요합니다. 구성 종목의 변동성을 일정하게 유지할 경우, 예상되는 동조성이 높을수록 지수 분산이 커지고 바스켓 내 분산 효과가 감소하는 경향이 있습니다.
이러한 이유로 내재 상관관계는 변동성 거래에서 특히 유용합니다. 이는 많은 구성 종목의 내재 변동성이 같은 폭으로 움직이지 않았더라도 지수의 내재 변동성이 상승할 수 있는 이유를 설명하는 데 도움이 됩니다. 또한 거래자들이 개별 종목 옵션 바스켓과 비교하여 지수 옵션이 고평가되었는지 저평가되었는지 판단하는 데에도 도움을 줍니다.
분산 거래는 대표적인 활용 사례입니다. 일반적인 롱 분산 전략에서 거래자는 지수 변동성을 매도하고 개별 구성 요소의 변동성을 매수하는데, 대개 등가격 구조를 이용합니다. 이러한 거래는 내재된 상관관계가 지나치게 높으며 하락할 가능성이 있다는 전망을 효과적으로 반영합니다.
일부 분석 부서에서는 지수 내재 변동성을 구성 종목들의 가중치 부여된 내재 변동성과 비교하여 상대적 가치 투자 기회를 파악합니다. 지수 변동성이 구성 종목 대비 비싸 보인다면, 내재 상관관계가 그 원인 중 하나일 수 있습니다.
포트폴리오 관리자들은 광범위한 주식 노출에 대한 헤지를 할 때 내재적 상관관계를 활용하기도 합니다. 지수 옵션으로 구축한 헤지는 주가가 일제히 움직이기 시작할 때 다르게 작용할 수 있는데, 이는 스트레스 상황에서 분산 투자의 가치가 급격히 감소할 수 있기 때문입니다.
내재 상관관계는 미래를 예측하는 지표입니다. 이는 옵션 시장이 미래의 자산 움직임에 대해 현재 얼마만큼의 가격을 책정하고 있는지를 반영합니다. 실현 상관관계는 과거를 예측하는 지표입니다. 이는 과거 기간 동안 자산들이 실제로 어떻게 함께 움직였는지를 측정합니다.
둘 사이의 차이는 중요할 수 있습니다. 내재 상관관계가 실제 상관관계보다 훨씬 높을 경우, 시장은 최근 가격 움직임만으로는 설명할 수 없는 시스템적 위험, 이벤트 위험 또는 지수 헤지 수요의 강세를 가격에 반영하고 있을 가능성이 있습니다. 이는 시장이 틀렸다는 것을 의미하는 것은 아니지만, 상관관계 위험이 더 공격적으로 가격에 반영되고 있음을 시사할 수 있습니다.
이러한 해석은 Cboe가 내재적 상관관계를 SPX 옵션과 개별 주식 옵션의 상대적 비용에 대한 통찰력으로 제시하는 방식과 일치합니다.
암시된 상관관계에 영향을 미칠 수 있는 요인은 여러 가지가 있습니다.
광범위한 거시적 불확실성과 시장 스트레스
지수 하락 헤지에 대한 수요가 높습니다.
실적 발표 시즌은 분산이 크거나 거시 경제와 강하게 일치하는 경우가 많습니다.
지수 내 부문 집중도
유동성 조건과 옵션 곡면 전반에 걸친 변동성 왜곡의 형태
간단한 경험 법칙은 다음과 같습니다. 시장이 안정적일 때는 주가가 기업별 특수성 여부에 따라 움직이는 경향이 있어 내재적 상관관계가 낮아질 수 있습니다. 반대로 위험 회피 심리가 강한 시기에는 거시 경제 요인이 지배적이며, 많은 주식이 함께 움직일 수 있어 내재적 상관관계가 높아질 수 있습니다.
그러한 해석은 Cboe가 내재적 상관관계를 예상되는 분산 투자 효과의 척도로 설명한 내용과 일치합니다.
내재적 상관관계는 유용하지만, 그 자체로 진실을 나타내는 신호는 아닙니다.
첫째, 방법론은 제공업체마다 다릅니다. 발표된 벤치마크는 특정 주식 집합, 특정 만기, 특정 내재 변동성 입력 규칙을 사용할 수 있습니다. 둘째, 이 수치는 지수 옵션, 구성 요소 옵션 또는 둘 다의 수요와 공급에 영향을 받을 수 있습니다. 셋째, 방향성을 알려주지 않습니다. 시장이 상승할지 하락할지가 아니라 예상되는 동조 움직임을 나타냅니다.
또한 내재 변동성, 변동성 왜곡, 실현 상관관계와 같은 관련 도구와 함께 사용할 때 가장 효과적입니다. 단독으로 사용할 경우 실제보다 더 정확해 보일 수 있습니다.
이는 옵션 시장에서 지수 구성 요소들이 옵션 기간 동안 얼마나 강하게 함께 움직일 것으로 예상되는지를 내재적으로 추정한 수치입니다.
주로 분산 거래, 상대 가치 변동성 분석 및 지수 헤징에 사용됩니다. 거래자들은 이를 통해 지수 옵션 가격과 개별 주식 옵션 가격을 비교합니다.
투자자들은 거시 경제 위험이 증가할 때 지수 헤지 상품을 매수하는 경향이 있는데, 이는 시장이 주식 전반에 걸쳐 더욱 동기화된 움직임을 반영하기 시작하면서 기대되는 분산 투자 효과를 감소시키기 때문입니다.
아니요. 과거 상관관계는 과거 수익률을 기반으로 계산됩니다. 내재 상관관계는 현재 옵션 가격을 통해 추론되며 미래를 예측하는 지표입니다.
네, 일반적으로 독립적인 거래보다는 분석 신호로 활용됩니다. 개인 투자자들은 발표된 내재상관 지수를 추적하고, 지수와 구성 종목의 내재변동성을 비교하여, 지수 헤지가 상대적으로 비용이 많이 드는 시점을 파악하는 데 이 신호를 사용할 수 있습니다.
내재상관관계는 지수 변동성과 해당 지수 내 개별 종목들의 예상 동조 움직임을 연결하는 지표입니다. 옵션 가격에서 추론할 수 있으며, 시장이 전반적인 동조성을 반영하는지 아니면 개별 종목별 분산을 반영하는지를 파악하는 데 도움을 줍니다. 따라서 내재상관관계는 변동성 거래, 헤지, 상대가치 분석에 유용하며, 특히 내재변동성, 실현상관관계, 변동성 왜곡과 함께 활용할 때 더욱 효과적입니다.
