2자산 포트폴리오

가중치와 상관관계를 슬라이드하여 포트폴리오 σ가 2자산 프론티어를 따라 움직이는 것을 관찰하세요. 분산투자가 작동하는 이유에 대한 가장 간단한 시연.

자산 A의 비중을 슬라이드하십시오. 포트폴리오 표준편차가 두 자산 프론티어를 따라 움직이는 것을 보십시오. 상관관계가 낮을수록 분산 효과가 커집니다.

두 자산 선택 — μ, σ, ρ 실시간 가져오기

자산 A

Mix any combination — e.g. NVDA + BTC-USD + GLD + AGG. Type a ticker not in the list to add it as a custom asset.

자산 B

Mix any combination — e.g. NVDA + BTC-USD + GLD + AGG. Type a ticker not in the list to add it as a custom asset.

자산 A — S&P 500 (stocks)

E[r] %

σ %

자산 B — US 10y T-Note (bonds)

E[r] %

σ %

상관관계 ρ

A의 비중: 60%

폐쇄형 MVP 비중 (w_A):10.47%

E[r_p]

7.60%

σ_p

11.42%

Sharpe (rf=0)

0.67

두 자산 프론티어는 A와 B의 모든 가중 혼합을 나타냅니다. MVP (주황) 는 σ가 가장 낮은 유일한 점입니다. 상관관계가 낮을수록 곡선이 왼쪽으로 더 밀려나는데, 이것이 분산 효과이며 금융계에서 유일한 "공짜 점심"입니다.

When you mix two assets, the portfolio return is just the weighted average of the two returns. But the volatility is NOT a simple average - it depends on correlation. When ρ < 1, you get diversification: the portfolio is less volatile than a weighted average would suggest. That's the magic Markowitz formalised.

모든 랩은 표준 교과서 수학에 근거합니다 (Bodie / Kane / Marcus, Fabozzi, Tandelilin). Read the full methodology in the How It Works panel above.