Most of previous work on robust portfolio optimization has been focusing on its formulation and perfor-mance. In this paper, we analyze the behavior aspect by performing regression to explain how robust portfo-lios behave compared with Markowitz’s mean-variance model. We find that robust portfolios consistently show higher correlation with fundamental factors proposed by Fama and French. Furthermore, more robust-ness results in higher correlation with fundamental factors. These results show that robust models are betting on these factors instead of individual asset movements.
포트폴리오의 기대수익률과 분산이 주어졌을 때 평균- 분산 기준에 의하여 효율적 경계선을 도출해 최적 포트폴리오를 선택하는 평균-분산 모델은 현대 포트폴리오 이론의 핵심적인 이론이다. 그러나 이 모델은 입력변수에 매우 민감한 담점을 갖고 있으며 이를 해결하기 위해 그간 다양한 해법들이 제시되었다. 본 연구에서는 펀더멘탈 회귀분석 방법론을 이용하여 실제로 로버스트 옵티마이제이션이 어떠한 원리로 로버스트를 달성하며 어떠한 부수적인 효과를 가져오지 않는지 알아보고자 하였다. 회귀분석 결과 중 팬터가 얼마나 포트폴리오의 수익률을 설명해주는 정도를 나타내는 R^2 값을 통해 기존의 평균-분산 모델보다 로버스트 포트폴리오가 펀더멘탈 팩터에 더 많은 비중을 두는 것을 볼 수 있었다. 덧붙여 로버스트 포트폴리오 내에서도 컨피던스 레벨이 커질수록 펀더멘탈 팩터에 더 많은 비중을 둔다는 것을 알 수 있었다. 이것을 통해 로버스트 포트폴리오는 단순히 민감도를 줄이는 것 외에도 펀더멘탈 팩터에 치중함을 알 수 있었다. 앞으로 이점을 염두에 두고 로버스트 포트폴리오를 연구해야 할 것이다.
