Tracking Error — 운용 의도를 측정하는 숨겨진 잣대
"이 펀드는 변동성이 너무 큽니다" 라는 평가는 절반만 맞습니다. 같은 변동성도 인덱스 추종 펀드에서는 사고, 액티브 운용 펀드에서는 기능입니다. Tracking Error (TE) 는 이 차이를 정확히 가려주는 위험 척도 — "벤치마크와 얼마나 다른 길로 갔는가" 의 표준편차. 본 글은 TE 의 정의, 계산, 수준별 해석, 그리고 4 가지 흔한 함정까지 정리합니다.
1. 정의 — 차이의 표준편차
TE 의 정의는 한 줄입니다.
Rp = 포트폴리오 수익률, Rm = 벤치마크 수익률, N = 연율화 계수 (일별 데이터면 252, 월별이면 12).
핵심은 "차이 자체의 변동성". 단순히 두 수익률의 표준편차를 빼는 게 아니라, 매 시점 차이를 먼저 계산한 후 그 시계열의 표준편차를 구합니다.
예시 — 1년간 매월 (포트폴리오 − 벤치마크):
이 12 개 값의 표준편차 × √12 ≈ 4.5%p. 즉 연율 TE = 4.5%p — "벤치마크 대비 매년 약 4.5%p 변동" 의미.
2. 직관 — 같은 변동성, 다른 평가
두 펀드의 절대 변동성 (수익률 표준편차) 이 모두 15% 라고 합시다. 같은 위험 수준일까요?
| 구분 | 절대 변동성 | 벤치마크 변동성 | TE | 해석 |
|---|---|---|---|---|
| A — S&P 500 인덱스 | 15% | 15% | 0.5%p | 벤치마크에 거의 일치 (정상) |
| B — 집중 액티브 | 15% | 15% | 12%p | 매년 ±12%p 다른 길 (의도된 베팅) |
둘 다 절대 변동성은 같지만, A 는 벤치마크와 함께 움직이고 B 는 벤치마크와 독립적으로 움직입니다. TE 는 "다른 정도" 의 측정이지 절대 위험의 측정이 아님 — 이게 핵심 차이입니다.
3. TE 수준 — 의도와 비교
TE 자체에 좋고 나쁨은 없습니다. 의도와 비교해야 의미가 산다는 것이 핵심.
| TE | 유형 | 의도 일치 시 | 의도 불일치 시 |
|---|---|---|---|
| < 2%p | 인덱스 / 스마트베타 | 정상 | 액티브 펀드인데 베팅 부재 (무위) |
| 2–6%p | 온건한 액티브 | 대형주 액티브 펀드 표준 | — |
| > 6%p | 강한 액티브 / 집중 | 테마 / 헤지펀드 정상 | 인덱스 의도인데 사고 |
이 표는 측정 데이터가 아니라 업계에서 통용되는 대략적 분류 기준입니다. 특정 조사·기간·표본의 집계가 아니며, 구간 경계도 기관마다 다르게 씁니다. TE 를 의도와 견줘 읽는 틀로만 참고해 주세요.
"S&P 500 따라가는 게 목표" 인데 TE 가 10%p 인 펀드는 운용이 의도와 어긋난 사고. 반대로 "차세대 AI 기업에 집중 베팅" 이 목표인데 TE 가 1%p 면 그냥 벤치마크 따라간 무위.
4. 알파 / IR 와의 관계
TE 는 단독으로 보기보다 알파(α) 와 Information Ratio (IR) 과 함께 봐야 의미가 살아납니다.
| 지표 | 분자 | 분모 | 측정 대상 |
|---|---|---|---|
| 알파 (α) | — | — | 벤치마크 대비 초과수익 (베타 조정) |
| Tracking Error | — | — | 벤치마크 대비 차이의 변동성 |
| Information Ratio | α | TE | "변동성을 감수할 만큼 알파가 큰가" |
예: 알파 +6%, TE 3%p → IR = 2.0 (탁월). 같은 알파라도 TE 가 15%p 면 IR = 0.4 (운에 가까움).
자세한 알파 정의는 알파의 정확한 의미, IR 활용은 Information Ratio 참고.
5. 4가지 실무 함정
① 측정 빈도 — 일/월/연
일별 데이터로 계산한 TE 와 월별 데이터로 계산한 TE 는 단위가 다릅니다. 보통 일별 → √252, 월별 → √12 곱해 연율화. 펀드 비교 시 반드시 같은 빈도로 정렬.
② 측정 기간 — 짧으면 노이즈
1년 데이터로 계산한 TE 는 통계적 신뢰가 약함. 학계는 5년+ 권장. 한 해 TE 8% 펀드가 다음 해 TE 3% 가 되는 경우 흔함.
③ 시장 환경 의존성
변동성이 큰 시기 (2020 코로나, 2022 인플레이션) 의 TE 는 평상시보다 부풀려짐. 같은 운용 스타일이라도 측정 시점에 따라 TE 가 2-3배 차이.
④ 벤치마크 일치
대형주 펀드를 KOSDAQ 으로 비교하면 TE 가 자연스럽게 큼 — 이건 운용 의도 차이가 아니라 벤치마크 선택 오류. 알파 글 5절 참고.
6. 개인 투자자가 TE 를 보는 법
TE 는 다음 상황에서 실용적입니다.
- 액티브 펀드 선택 — 마케팅 자료에 "수익률 +X%" 만 있다면 보고서에서 TE 를 찾아 확인. 의도와 일치하는지 점검.
- 인덱스 ETF 비교 — 같은 S&P 500 추종 ETF 라도 TE 가 다름. 낮을수록 추종 정확.
- 본인 포트폴리오 평가 — 시장 추종이 목표인데 본인 TE 가 8%p 이면 분산이 부족. 집중 베팅이 목표인데 본인 TE 가 2%p 면 베팅 못 하는 셈.
- 리밸런싱 빈도 결정 — TE 가 갑자기 늘면 (예: 특정 종목 비중 과도) 리밸런싱 신호.
요약
- TE = (포트폴리오 − 벤치마크) 의 표준편차. "다른 길로 간 정도" 의 변동성.
- 절대 변동성과 다른 차원. 같은 변동성이라도 TE 는 정 반대.
- TE 자체에 좋고 나쁨은 없다 — 의도와 비교 해야 의미가 산다.
- 알파 / IR 과 함께 봐야 정직한 평가가 된다.
- 4가지 함정: 빈도 / 기간 / 시장 환경 / 벤치마크 일치.