Information Ratio — 알파가 운인지 실력인지 구분하는 지표
두 펀드가 모두 벤치마크 대비 알파(α) +6% 를 기록했다고 합시다. 하나는 매년 +5%, +6%, +7% 처럼 차곡차곡 알파를 쌓아왔고, 다른 하나는 +25%, −15%, +8% 처럼 출렁이며 우연히 평균이 같아진 결과입니다. 어느 쪽이 진짜 실력일까요? Information Ratio (IR) 는 정확히 이 질문에 답하기 위해 설계된 지표입니다. 본 글은 IR 의 정의, 직관, 실제 0.5 / 1.0 / 2.0 의 의미, 그리고 Sharpe Ratio 와의 차이까지 정리합니다.
1. 정의 — 알파를 변동성으로 나눈다
IR 의 정의는 한 줄입니다.
여기서 두 항목을 정확히 짚고 가야 합니다.
알파(α)
벤치마크 대비 (베타 조정 후) 초과수익. 단순한 수익률 차이가 아니라 "당신의 베타로 설명할 수 없는 잉여 수익" 입니다. 자세한 정의는 알파의 정확한 의미 참고.
Tracking Error(TE)
(포트폴리오 수익률 − 벤치마크 수익률) 차이의 표준편차. "벤치마크와 얼마나 다른 길로 갔는가" 의 변동성. 일별 수익률 1년치로 계산하는 게 일반적이며, 단위는 %p.
즉 IR 은 "알파가 그 변동성을 감수할 만큼 큰가" 를 묻는 지표입니다. 같은 알파라도 변동성이 작으면 IR ↑, 변동성이 크면 IR ↓.
2. 직관 — 사례로 보기
설명을 위해 만든 가상의 두 펀드입니다. 3년간 연도별 알파가 다음과 같다고 가정합니다.
| 구분 | 2024 알파 | 2025 알파 | 2026 알파 | 평균 | TE (표준편차) | IR |
|---|---|---|---|---|---|---|
| A — 안정형 | +5% | +6% | +7% | +6% | 0.82%p | 7.32 |
| B — 변동형 | +25% | −15% | +8% | +6% | 16.65%p | 0.36 |
표의 수치는 IR 의 계산 방식을 보여주려고 지어낸 가상 예시입니다. 실제 펀드의 실적이 아니며 2024~2026 이라는 연도 표기도 편의상 붙인 것입니다.
두 펀드 모두 평균 알파 +6%. 그런데 IR 은 7.32 vs 0.36 — 약 20 배 차이.
- A 는 매년 비슷한 알파 (5–7%) — 일관된 운용 능력. 다음 해에도 +6% 근처가 기대됨.
- B 는 한 해 대박, 한 해 대손실 — 평균은 같지만 다음 해를 전혀 예측 불가. 운에 가까움.
3. IR 수준 해석
업계에서 통상 사용하는 IR 해석 가이드:
| IR | 해석 | 예시 |
|---|---|---|
| < 0 | 벤치마크에 일관되게 뒤짐 | 인덱스 추종이 낫다 |
| 0.0–0.5 | 알파가 노이즈에 묻힘 | 대부분의 액티브 펀드 (90%+) |
| 0.5–1.0 | 의미 있는 액티브 운용 | 좋은 펀드매니저 |
| 1.0–2.0 | 탁월한 운용 | 상위 5% 펀드매니저 |
| > 2.0 | 전설급 / 의심급 | 버나드 매도프 케이스 검증 권장 |
실제로 시장 전체 액티브 펀드 중 IR > 0.5 인 비율은 약 10–20% 라는 연구가 다수. 즉 대부분의 액티브 운용은 사실상 "랜덤 + 비싼 수수료" 라는 비판의 근거입니다.
4. Sharpe Ratio 와의 차이
Sharpe 와 IR 은 형식이 비슷하지만 비교 대상이 다릅니다.
| 지표 | 분자 | 분모 | 측정 대상 |
|---|---|---|---|
| Sharpe | 수익률 − 무위험금리 | 수익률의 표준편차 | 절대 수익률의 위험 효율 |
| IR | 알파 (수익률 − 벤치마크) | (수익률 − 벤치마크) 표준편차 | 벤치마크 대비 초과수익의 위험 효율 |
Sharpe 는 "이 펀드의 절대 성과가 좋은가" 를, IR 은 "벤치마크 대비 추가 가치가 있는가" 를 묻습니다.
- 인덱스 ETF (S&P 500 등) 는 Sharpe 는 의미 있지만 IR 은 정의상 0 에 가까움 (벤치마크 = 자기자신).
- 액티브 펀드는 둘 다 봐야 정직. Sharpe 만 좋은 펀드는 시장 상승기에 큰 베타로 부풀려진 것일 수 있고, IR 만 좋고 Sharpe 가 평범한 펀드는 안정적이지만 시장 자체가 부진한 경우.
자세한 Sharpe 의 한계와 Sortino / Calmar 대안은 Sharpe Ratio 의 함정 참고.
5. IR 계산의 실무 함정
① 측정 기간 — 짧으면 노이즈
1–3 년 데이터로 계산한 IR 은 통계적 신뢰가 약함. 학계는 보통 최소 5 년 이상을 권장. 한 해 IR 3.0 펀드가 다음 해 IR −0.5 가 되는 경우 흔함.
② 벤치마크 선택 — 잘못 골라도 알파/TE 가 왜곡
대형주 펀드를 코스피 200 으로 비교하면 적절하지만 KOSDAQ 으로 비교하면 둘 다 무의미. 알파의 정확한 의미 5절 참고.
③ 수익률 빈도 — 일/월/연 어느 단위인가
일별 수익률로 계산한 TE 와 월별로 계산한 TE 는 단위가 달라 IR 도 다른 값이 나옴. 보통 일별 계산 후 √252 곱해 연율화. 펀드 비교 시 반드시 같은 빈도/연율화로 정렬해야 함.
④ 수수료 — 비용 차감 전/후
마케팅 자료의 IR 은 종종 수수료 차감 전. 투자자 입장에선 수수료 차감 후 IR (net IR) 이 진짜 가치. 운용보수 1%/년 은 IR 약 0.2–0.5 만큼 깎아냄.
6. 개인 투자자가 실전에서 IR 을 보는 법
개인 투자자에게 IR 계산은 다소 무겁지만 다음 상황에서 실용적입니다.
- 액티브 펀드 / 로보어드바이저 선택 — 마케팅 수치(연 평균 수익률) 만 보지 말고 IR (또는 보고서 부록의 TE) 을 같이 확인.
- 본인 포트폴리오 평가 — 최소 2–3 년 데이터가 쌓이면 본인 IR 을 계산해보는 게 정직. 인덱스보다 일관된 알파가 있는지.
- 전략 비교 — 모멘텀 vs 밸류 vs 배당주 같은 전략을 백테스트할 때, 알파만 보지 말고 IR 로 일관성을 봐야 변동성 함정 (특정 시기 베팅 성공) 을 피함.
현재 Multifolios 는 시각적 벤치마크 비교 (수익률 모드 + SPY/KOSPI 라인) 만 제공. IR 자동 계산은 향후 추가 예정 (개인용 알파 분석 카드).
요약
- IR = 알파 / Tracking Error. "내년에도 비슷한 알파를 기대할 수 있는가" 를 측정.
- 같은 알파라도 변동성에 따라 IR 은 20배 차이 가 날 수 있다.
- IR 0.5 = 의미 있음, 1.0 = 우수, 2.0 = 검증 대상.
- Sharpe 는 절대 수익 효율, IR 은 벤치마크 대비 효율 — 둘 다 봐야 정직.
- 기간 / 벤치마크 / 빈도 / 수수료 4가지 함정 을 확인해야 신뢰할 수 있음.