7가지 최신 투자 방법론 —
우리 포트폴리오에 맞는 것과 아닌 것

2x/3x ETF를 오래 들고 있으면 "무조건 깨진다"는 상식은 틀렸습니다. 복리 효과의 방향은 시장 수익률의 자기상관(어제 오르면 오늘도 오르는 성향)이 결정합니다 — 추세장에선 레버리지가 수익을 증폭하고, 평균회귀장에선 손실을 키웁니다. 독립 수익률 시장에선 오히려 양(+)의 복리 효과가 있습니다.

CTA 규모에서 단일 지표(EMA 하나)가 추세 포착에 사실상 최적이고, 다중 지표 바스켓은 과최적화·체리피킹 위험만 늘립니다. 호라이즌을 겹쳐 쓰면 중기(125일)는 단기+장기에 흡수되는 중복일 뿐입니다.

"낙폭 −30% 넘으면 비중 축소" 같은 단일 임계치 룰은 데이터 스누핑과 반복 하락(줄인 후 다시 내려감)으로 실패합니다. 대신 포지션 사이즈 제한 + 레버리지 관리 + 변동성·신용 레짐 평가를 드로다운 지표와 결합해야 합니다.

레버리지 ETF는 매일 종가에 리밸런싱해야 하는데, 차익거래자들이 그 주문을 선매해 이득을 취합니다. 자기강화 루프로 8주간 연율화 변동성 +47%p, 소매 투자자 → 차익거래자 약 4조 원 부 이전 추정. 미국 LETF에도 동일 메커니즘 존재.

버퍼펀드(defined-outcome)를 전수 검토한 결과 이론·실증 모두 실패. 풋·풋스프레드도 COVID 크래시 전·중·후 실측에서 헤지 비용이 보호 편익을 상쇄해 실질 효과가 제한적이었습니다. "보험을 샀는데 보험료가 손실과 비슷"한 상황.

9개 딥러닝 아키텍처 × 918개 실험을 동일 조건으로 돌린 대규모 통제 비교: 모든 설정에서 방향 예측 정확도 ~50%(동전 던지기). 시간 단위 방향 예측은 어떤 모델로도 불가능함을 실증. 아키텍처 차이는 변동성 추정 등 다른 요소를 설명.

VIX·금리·신용·드로다운·재진입 상태를 보고 크래시 국면에서 캐시로 빠졌다가 회복 신호에 재진입하는 오버레이. 우리와 동일한 문제 설정(고레버리지, −38%급 V자 하락)에서 MDD −33.6% → −18.1%, 연수익도 상승을 실측했습니다.

최대낙폭이 −33.6%에서 −18.05%로 절반 수준(단위 % (최대낙폭))으로 줄면서 연수익 CAGR 16.62% → 18.83%로 동시 개선 — 방어와 수익이 상충하지 않았습니다.