AllocPilot — 멀티에셋 자산배분 최적화

📊

AllocPilot

멀티에셋 자산배분 최적화 · 대체투자 특화

자산군 가정 (연 %)▾

자산군	기대 수익	변동성	최소	최대	현재

기대수익·변동성·제약(최소/최대)·현재비중(리밸런싱용)을 직접 편집. 합계 100%는 자동.

상관계수 행렬▾

최적화 목표최대 샤프

무위험수익률 (rf) 2.5%

대체투자 모델링 🏢차별화

감정평가 지연으로 대체 변동성·상관이 과소평가됩니다. Geltner 언스무딩으로 실제 위험 복원(변동성+공모 동조성).

스무딩 계수 ρ (AR1) 0.30

유동성 프리미엄 (bp) 120bp 유동성 버퍼 (현금 최소) 2%

유동성 스트레스 ⚠️denominator

공모주식 충격 −30% 대체 NAV 반영률(지연) 15%

공모는 즉시 하락, 대체 NAV는 지연 반영 → 대체 비중이 목표 초과로 튀는 denominator effect를 결과에서 확인.

커밋먼트 페이싱 (사모 약정)▾

총 포트폴리오 (조원) 70 목표 사모 비중 20% 현재 사모 NAV 비중 12% Capital call 속도(연) 35% 분배 속도(연) 15% NAV 성장률(연) 8% 투영 기간(년) 12

AI 시장뷰 주입 (Black-Litterman lite)▾

LLM 확장 지점 — 뉴스·리서치를 LLM이 요약해 자산별 뷰(전망 수익률)와 확신도를 생성 → 사전기대수익을 조정. 지금은 수동 입력.

뷰 확신도 0%

자산군	뷰 수익률(연 %)

리밸런싱

거래비용 (bp, 편도) 15bp

위 표의 "현재" 비중이 있으면 목표까지 트레이드·회전율·비용을 아래에 산출합니다.

입력을 바꾸면 자동 재계산됩니다.

시장 데이터

최적 포트폴리오 요약

배분 · 리스크

최적 자산배분

목적함수·제약 하 최적 비중

리스크 기여도 vs 비중

각 자산군이 포트폴리오 위험에 기여하는 정도 (대체투자 위험 집중 확인)

효율적 투자선

Efficient Frontier

제약 하 달성 가능한 위험-수익 경계 · ★ 최적 · ◆ 현재

유동성 스트레스 · Denominator Effect

충격 시 자산가치 하락

대체 비중 변화

공모 급락 → 대체 NAV 지연 반영 → 대체 비중 기계적 상승(denominator effect)

공모 리츠 NAV 디스카운트 · 감정평가 갭

상장 리츠: 시가총액 vs 순자산(자본총계 = 감정평가 기반)

주가(실시간 재평가)와 감정평가 기반 NAV의 괴리 — 공모 REIT vs 사모 RE 스무딩 논리의 실증 (DART 공시)

커밋먼트 페이싱 (사모 약정 계획)

사모 NAV 경로 & 연간 약정 예산

목표 사모비중 유지를 위한 J-curve 기반 약정 페이싱 (Takahashi–Alexander 방식)