리밸런싱 주기 비교 — 월·분기·밴드 11년 실측

1. 무엇을 어떻게 돌렸나 — 조건 전부 공개

조건을 먼저 전부 적습니다. 아래를 그대로 쓰면 이 글의 표가 재현됩니다.

국내주식·미국주식·국채·금으로 성격이 다른 넷을 골랐습니다. 리밸런싱은 서로 다르게 움직이는 자산 사이에서만 차이가 나기 때문입니다.

같은 기간 개별 자산 성적

먼저 재료가 어땠는지부터 봐야 조합의 숫자를 읽을 수 있습니다.

2. 결과표 — 8가지 규칙

여덟 가지를 돌렸습니다. 캘린더형 셋(매월말·분기말·연말), 밴드형 넷(±3%p·±5%p·±10%p·5/25 룰), 그리고 대조군인 매수후보유입니다.

누적 매매금액 = 11년 동안 발생한 매도금액과 매수금액의 합계를 그 시점 평가액으로 나눈 값의 누적. 378.7%는 "평가액의 3.8배만큼 사고팔았다"는 뜻입니다.

3. 발견 ① 수익률로는 아무것도 못 고른다

여덟 규칙의 CAGR 최댓값과 최솟값 차이가 0.51%p(10.41% - 9.90%)입니다. 11년 넘는 기간에 이 정도면 규칙 선택이 아니라 시작일 하루 차이로도 뒤집힐 폭입니다.

그리고 CAGR 1등은 "리밸런싱 안 함"(10.41%)이었습니다. 이유는 표의 개별 자산 성적에 그대로 나와 있습니다 — KODEX 200이 CAGR 15.69%로 가장 높았고, 리밸런싱은 오른 자산을 팔아 덜 오른 자산을 사는 규칙이라 가장 많이 오른 자산의 비중을 계속 깎았습니다. 리밸런싱이 수익을 만든다는 설명은 이 데이터에서 성립하지 않습니다.

대신 위험 축에서는 방향이 뚜렷했습니다.

• MDD: 안 함 -22.46% → 리밸런싱한 일곱 규칙 전부 -19.73% ~ -20.57%
• 연변동성: 안 함 13.24% → 리밸런싱군 10.94% ~ 11.46%
• 샤프지수: 안 함 0.835 → 리밸런싱군 0.888 ~ 0.951

4. 발견 ② 짧게 할수록 좋아지지 않는다

가장 자주 나오는 오해가 "자주 맞춰 줄수록 원래 비중에 가까우니 더 좋을 것"입니다. 표를 보면 반대에 가깝습니다.

손이 3배 더 가는데 얻은 것은 MDD 0.10%p입니다. 샤프지수는 소수점 셋째 자리에서 갈리는 수준이고 CAGR은 분기 쪽이 높습니다. 이 조건에서 매월말은 비용이 아니라 "덜 오를 자산을 더 자주 사들이는 효과"로 손해를 봤습니다(비용을 0으로 놓고 다시 돌려도 매월 9.99% vs 분기 10.23%로 순서가 그대로입니다 — 6절 참조).

가장 인상적인 자리는 밴드 ±10%p입니다. 11년에 단 4회 리밸런싱했는데 CAGR 10.21%로 분기말과 같고 MDD도 -20.57%로 크게 나쁘지 않습니다. 횟수를 34분의 1로 줄여도(139회 → 4회) 결과가 거의 같다는 뜻입니다.

5. 발견 ③ 5/25 룰 = ±5%p 밴드 (동일비중일 때)

표에서 5/25 룰과 밴드 ±5%p가 리밸런싱 12회, CAGR 10.12%, MDD -19.89%, 샤프 0.951까지 소수점 전부 같습니다. 우연이 아니라 산수입니다.

5/25 룰은 "목표 비중에서 절대 5%p 벗어나거나 상대 25% 벗어나면 리밸런싱"이라는 규칙입니다. 그런데 목표가 25%면 —

절대 조건 : |현재비중 - 25%|   >= 5%p     → 20% 또는 30%에서 발동
상대 조건 : |현재비중/25% - 1| >= 25%     → 25% x 0.25 = 6.25%p
                                          → 18.75% 또는 31.25%에서 발동

5%p가 6.25%p보다 항상 먼저 걸립니다. 그래서 상대 조건은 11년 동안 한 번도 단독으로 발동하지 않았습니다. 동일비중 4자산에서 5/25 룰을 쓰는 것은 ±5%p 밴드를 이름만 바꿔 부르는 것과 같습니다.

6. 발견 ④ 매매비용은 이 조건에서 결정 요인이 아니었다

편도 0.1%를 0%로 바꿔 전부 다시 돌렸습니다.

가장 많이 매매한 매월말조차 11년 동안 0.03%p입니다. 비용을 0으로 놓아도 매월말이 분기말을 못 이깁니다(9.99% vs 10.23%). 즉 이 실측에서 매월말이 뒤처진 원인은 수수료가 아니라 리밸런싱 자체의 성격입니다.

7. 재현 코드 전문

아래를 그대로 실행하면 위 표가 나옵니다. ASOF를 고정한 이유는 고정하지 않으면 실행하는 날마다 마지막 거래일이 달라져 숫자가 바뀌기 때문입니다. 최신 기준으로 보고 싶으면 ASOF를 오늘 날짜로 바꾸십시오.

# pip install finance-datareader pandas numpy
# 검증 환경: FinanceDataReader 0.9.202 / pandas 2.2.3 / numpy 2.0.2
import FinanceDataReader as fdr
import pandas as pd, numpy as np

ASOF   = "2026-08-31"      # 기준일 고정 — 풀면 실행일마다 숫자가 달라진다
START  = "2015-01-02"
COST   = 0.001             # 편도 0.1% (수수료+슬리피지 통합 가정)
ASSETS = {"069500": "KODEX 200",
          "143850": "TIGER 미국S&P500선물(H)",
          "148070": "KOSEF 국고채10년",
          "132030": "KODEX 골드선물(H)"}
TARGET = pd.Series({k: 0.25 for k in ASSETS})

px  = pd.DataFrame({c: fdr.DataReader(c, START, ASOF)["Close"] for c in ASSETS}).dropna()
ret = px.pct_change().fillna(0)

def run(mode, param=None):
    w, navs, n_rb, turn = TARGET.copy(), [], 0, 0.0
    idx = px.index
    if mode in ("M", "Q", "A"):
        rule  = {"M": "ME", "Q": "QE", "A": "YE"}[mode]
        marks = set(pd.Series(idx, index=idx).resample(rule).last().dropna())
    for i, dt in enumerate(idx):
        w   = w * (1 + ret.loc[dt])          # 자산별 평가액 갱신
        tot = w.sum()
        navs.append(tot)
        wn  = w / tot                        # 현재 비중
        if   mode in ("M", "Q", "A"): do = dt in marks
        elif mode == "BAND":          do = bool((wn - TARGET).abs().max() >= param)
        elif mode == "BAND525":       do = bool(((wn - TARGET).abs() >= 0.05).any()
                                            or ((wn / TARGET - 1).abs() >= 0.25).any())
        else:                         do = False
        if do and i < len(idx) - 1:
            t     = float((TARGET * tot - w).abs().sum()) / tot   # 매도+매수 금액 비율
            turn += t; n_rb += 1
            tot   = tot * (1 - t * COST)
            w     = TARGET * tot
    s    = pd.Series(navs, index=idx); s = s / s.iloc[0]
    yrs  = (idx[-1] - idx[0]).days / 365.25
    r    = s.pct_change().dropna()
    return dict(cagr   = s.iloc[-1] ** (1 / yrs) - 1,
                mdd    = (s / s.cummax() - 1).min(),
                sharpe = r.mean() / r.std() * np.sqrt(252),
                vol    = r.std() * np.sqrt(252),
                n      = n_rb, turn = turn)

for name, mode, p in [("리밸런싱 안 함", "NONE", None), ("매월말", "M", None),
                      ("분기말", "Q", None),           ("연말", "A", None),
                      ("밴드 ±3%p", "BAND", 0.03),     ("밴드 ±5%p", "BAND", 0.05),
                      ("밴드 ±10%p", "BAND", 0.10),    ("5/25 룰", "BAND525", None)]:
    x = run(mode, p)
    print(f"{name:14s} CAGR {x['cagr']*100:6.2f}%  MDD {x['mdd']*100:7.2f}%  "
          f"샤프 {x['sharpe']:.3f}  리밸 {x['n']:4d}회  누적매매 {x['turn']*100:6.1f}%")

샤프지수는 무위험수익률 0 가정(일간 평균 ÷ 표준편차 × √252)입니다. quantstats는 처리 방식이 달라 값이 조금 다르게 나옵니다 — 정의 차이는 샤프지수·MDD 계산 방법에 정리해 두었습니다.

8. 봇으로 옮길 때 달라지는 것 3가지

위 코드는 종가로 판정하고 종가로 체결합니다. 실제 계좌에서는 그럴 수 없습니다. 자동매매로 옮길 때 반드시 다시 설계해야 하는 세 자리가 있습니다.

① 판정 시각과 주문 시각을 분리한다

종가를 확인한 뒤에는 그 가격에 살 수 없습니다. 판정은 종가, 주문은 다음 거래일로 나누는 것이 기본형입니다. 이 시차를 무시하고 짠 코드가 백테스트에서만 좋아 보이는 전형적인 이유이고, 미래참조 편향의 가장 흔한 형태이기도 합니다.

# 판정(장 마감 후) → 주문(다음 거래일 시가 근처)
weights_now = evaluate_positions()                  # 잔고 조회로 현재 비중
if (weights_now - TARGET).abs().max() >= 0.05:      # 밴드 ±5%p
    plan = build_orders(weights_now, TARGET)        # 종목별 매수/매도 수량
    schedule_next_open(plan)                        # 다음 거래일 시가에 집행

② 부분체결을 전제로 짠다

목표 비중을 맞추려고 낸 주문이 절반만 체결되면 비중이 어정쩡하게 남습니다. 백테스트에는 없는 상태입니다. 주문을 낸 것으로 끝내지 말고 실제 체결 수량을 받아 다시 계산해야 합니다.

• KIS API — 주식주문 TTTC0802U(현금매수)로 낸 뒤 주식일별주문체결조회로 체결 수량 확인
• 키움 REST API — 주식 매수주문 kt10000 이후 계좌별주문체결내역 kt00009, 남은 물량은 미체결 ka10075로 확인
• 업비트 — 주문 후 GET /v1/order로 executed_volume 확인 (코인은 소수점 수량이라 비중 오차가 주식보다 작습니다)

③ 최소 주문 단위가 밴드보다 클 수 있다

국내주식은 1주 미만을 살 수 없습니다. KODEX 200 1주가 10만원대라면 1,000만원 계좌에서 1주는 이미 1%입니다. 계좌가 작을수록 이 오차가 밴드 폭에 근접하므로, 밴드는 최소 주문 단위 오차보다 충분히 크게 잡아야 합니다.

9. 이 실측의 한계

결과를 그대로 일반화하면 안 되는 지점을 접지 않고 적습니다.

• 조합 하나·기간 하나입니다. 네 자산 동일비중, 2015~2026 한 구간의 결과입니다. 자산이 둘뿐이거나 주식 비중이 80%인 조합에서는 순서가 바뀔 수 있습니다.
• 기간이 특정 국면에 묶여 있습니다. 이 11년의 KODEX 200 CAGR은 15.69%였습니다. 주도 자산의 성적이 이만큼 좋은 구간에서는 "안 파는 쪽"이 유리하게 나오는 경향이 있습니다. 다른 국면에서는 반대로 나올 수 있습니다.
• 세금이 빠져 있습니다. 과세 계좌와 연금계좌는 같은 규칙이라도 세후 결과가 다릅니다.
• 거래는 종가 체결로 가정했습니다. 실제 체결가·부분체결·호가 스프레드는 반영되지 않았습니다.
• 데이터 제공처의 수정 방식에 의존합니다. 절대 수익률을 인용하려면 공식 자료로 확인하십시오.
• 과거 결과가 미래를 보장하지 않습니다. 이 글은 특정 자산배분이나 특정 주기를 권하지 않습니다.

10. FAQ

리밸런싱 주기는 월·분기·연 중 뭐가 제일 낫나요?

수익률로 고를 근거가 없었습니다. CAGR이 9.90~10.41%에 다 들어왔고 바뀐 것은 MDD(-22.46% → -19.73%)와 샤프(0.835 → 0.946)입니다. 과거 결과이며 미래를 보장하지 않습니다.

리밸런싱을 자주 하면 비용 때문에 손해인가요?

비용이 원인이 아니었습니다. 매월말 139회·누적 매매금액 378.7%인데도 비용이 깎은 폭은 0.03%p였고, 비용 0으로 놓아도 매월말(9.99%)이 분기말(10.23%)을 못 이겼습니다. 단 증권거래세·환전 스프레드·넓은 호가가 끼면 달라집니다.

5/25 룰과 ±5%p 밴드는 뭐가 다른가요?

동일비중 네 자산에서는 완전히 같습니다. 목표 25%의 상대 25%가 6.25%p라 절대 5%p가 항상 먼저 걸립니다(12회·10.12%·-19.89%·0.951로 동일). 목표 20% 미만 자산이 있어야 갈립니다.

이 계산을 그대로 재현하려면 무엇이 필요한가요?

FinanceDataReader 0.9.202 · pandas 2.2.3 · numpy 2.0.2, 그리고 ASOF = "2026-08-31" 고정입니다. 7절 코드를 그대로 붙여 넣으면 표의 숫자가 나옵니다. ASOF를 풀면 실행하는 날마다 결과가 달라집니다.

봇에 넣을 때 가장 많이 틀리는 곳은 어디인가요?

판정 시각과 주문 시각을 같게 둔 코드입니다. 종가를 보고 종가에 체결하는 백테스트를 그대로 옮기면 실계좌에서 재현되지 않습니다. 그다음이 부분체결 처리(TTTC0802U·kt10000 이후 체결 확인)와 최소 주문 단위 오차입니다.

마무리

리밸런싱 주기를 정하는 일은 "어느 쪽이 더 버나"를 고르는 문제가 아니었습니다. 11년 실측에서 수익률은 규칙을 무엇으로 바꿔도 0.51%p 안에서 놀았고, 뚜렷하게 갈린 것은 낙폭과 손이 가는 횟수였습니다. 그렇다면 실무적인 질문은 하나로 좁혀집니다 — "나는 이 규칙을 11년 동안 몇 번이나 지킬 수 있는가." 139회를 놓치지 않고 지킬 자신이 없다면, 같은 결과를 4회로 내는 규칙이 이미 표 안에 있습니다.