소득대체율을 고려한 사적연금 목표기반 동적자산배분 연구

무엇을 다룬 연구인가요?#

개인이 사적연금으로 노후 생활비를 충당할 수 있는지를 판단하고, 그 목표에 맞춰 자산을 어떻게 배분해야 하는지를 다룬 연구입니다.

핵심은 목표를 먼저 정하고 거기서부터 거꾸로 배분을 설계한다는 점입니다. 수익률을 최대화하는 것이 아니라, 정해진 목표에 도달할 확률을 높이는 방향으로 자산을 배분합니다. 이런 접근을 목표기반투자(Goal-based Investment)라고 합니다.

왜 이 문제가 중요한가요?#

사적연금 운용에 널리 쓰이는 평균분산(MVO) 모형에는 세 가지 한계가 있습니다.

첫째, 한 시점의 국소 최적화를 기반으로 설계되어 있어 다기간 투자에 적합하지 않습니다. 연금 투자는 여러 시점의 자산배분이 서로 연결되고, 장기 소득 흐름과 인출 전략, 자산-부채 관리까지 함께 고려해야 하는데 MVO는 이를 반영하지 못합니다.

둘째, 기대수익률·표준편차·상관계수 같은 모수에 크게 의존하는데 그 모수의 가변성을 반영하지 않습니다. 추정값이 조금만 달라져도 최적 해가 크게 흔들리고, 특정 자산에 집중 투자하는 코너해(corner solution)가 나오기 쉽습니다.

셋째, 수학적·통계적 최적화라 개인 투자자가 직관적으로 이해하기 어렵습니다. 단기 수익성을 추구하는 경향이 있어 연금 투자자가 필요로 하는 장기 안정성과 어긋날 수 있습니다.

기존의 동적자산배분 연구도 대부분 기업 관점에서 퇴직연금 운용을 다뤄 개인 투자자가 그대로 쓰기 어려웠습니다.

어떻게 접근했나요?#

목표 소득대체율을 먼저 설정했습니다. 국내 선행연구를 참고했는데, 강성호와 김대환은 65~74세 중산층의 필요 소득대체율을 64.7%로, 성주호 외는 중위소득 가구의 목표 소득대체율을 64%로 추정했습니다. OECD 권고 수준과도 크게 다르지 않습니다.

한국의 노후소득 보장체계는 공적연금·퇴직연금·개인연금의 3층 구조입니다. 이 연구는 근로자 대다수가 가입한 국민연금을 공적연금으로 놓고, 나머지를 사적연금이 채워야 할 몫으로 봅니다.

그다음 동적계획법(dynamic programming)으로 생애주기 단계별 자산배분을 최적화했습니다. 한 시점씩 따로 푸는 대신 전체 기간을 하나의 문제로 놓고 푸는 방식입니다. 실제 데이터를 사용한 실증 분석으로 효과를 검증했습니다.

무엇을 발견했나요?#

사회초년생은 어렵지 않았습니다. 근로 기간이 길고 시간적 여유가 있어, 특별한 추가 준비 없이 국민연금을 꾸준히 납부하고 세액공제 한도 안에서 소득 수준에 맞는 개인연금을 넣는 것만으로 노후 적정 생활비 목표를 달성할 수 있었습니다. 긴 투자 기간의 복리 효과와 동적 자산배분이 결합한 결과입니다.

평균 직장인은 달랐습니다. 투자 기간이 짧고 근속 기간이 부족해 목표 달성이 쉽지 않았습니다. 이 경우를 세 단계로 나눠 분석했는데, 무엇을 바꿔야 하는지가 단계마다 드러납니다.

첫 번째, 확정급여형(DB) 퇴직연금을 그대로 두고 개인연금만으로 노후 자금을 마련하려 한 경우입니다. 목표 달성 확률이 낮게 나왔습니다. 근속 기간이 짧으면 소득대체율 50%를 맞추는 것조차 쉽지 않았습니다.

두 번째, 퇴직연금을 확정기여형(DC)으로 전환해 자산 운용에 활용한 경우입니다. 목표 달성 확률이 올라갔습니다. 다만 높은 소득대체율까지 도달하기에는 여전히 부족했습니다.

세 번째, 투자 기간을 기대수명까지 연장하고 은퇴 이후에도 자산을 운용하면서 필요한 생활비를 인출한 경우입니다. 목표 달성 확률이 크게 높아져 노후 적정 생활비를 충족할 수 있었습니다.

결론은 분명합니다. 투자 기간의 연장과 자산 운용의 지속성이 목표 달성을 좌우합니다. 은퇴는 자산 운용의 끝이 아니라 국면의 전환입니다.

실무에 어떤 의미가 있나요?#

개인 투자자가 자신의 재정 상황에 따라 노후 준비 상태를 직관적으로 점검하고, 목표에 맞춰 자산을 능동적으로 운용할 수 있는 방법을 제시했습니다.

실행 가능성도 함께 고려했습니다. 실험 결과를 벤치마크를 추종하는 ETF에 그대로 적용할 수 있도록 설계해, 이론에 머무르지 않고 바로 투자에 옮길 수 있습니다.

모형이 로보어드바이저와 결합될 수 있다는 점도 확인했습니다. 사례별 사전 최적화 없이 규칙으로 작동하므로 자동화된 재무설계에 적용할 수 있습니다.

한계와 남은 과제#

세 가지 한계가 있습니다.

첫째, 과거 시계열 데이터를 기반으로 분석했기 때문에 미래 시장의 변동성을 완전히 반영하지 못합니다. 기대수익률을 산출하는 방법에는 빌딩 블록(building block) 방식을 비롯해 여러 가지가 있지만, 자산군 간 공분산과의 일관성을 유지하기 위해 동일한 데이터를 사용했습니다. 모형의 내적 일관성을 얻는 대신 추정 방법의 다양성을 포기한 선택입니다.

둘째, 개인별 상황과 위험 선호도를 충분히 반영하지 못했습니다. 육아휴직이나 경력 단절 같은 근로 기간의 변동, 재정 상태의 변화는 맞춤 전략을 세울 때 중요한 요소입니다. 특히 초고령 시기에는 자녀 지원이나 예상치 못한 의료비처럼 급격한 자금 유출이 생길 수 있습니다. 은퇴 후 기대수명까지 동적 자산배분으로 운용하는 방식은 현실과 차이가 있을 수 있고, 초고령자의 위험 회피 성향과 맞지 않을 수도 있습니다.

셋째, 세제와 법규의 변화, 경제 환경의 변화 같은 외부 요인을 반영하지 않았습니다. 연금 세액공제 한도, 인플레이션 상승, 소득 증가율 변동 같은 시나리오가 목표 달성에 영향을 줄 수 있습니다.

향후에는 빌딩 블록 방식을 결합해 분석의 정밀성을 높이고, 고령화 시대의 자금 유출 특성과 외부 요인 시나리오를 함께 반영하는 방향으로 확장할 계획입니다.

핵심 용어#

이 논문을 인용하려면#

이창훈. (2024). 소득대체율을 고려한 사적연금 목표기반 동적자산배분 연구. 경영과학, 41(4), 41–59. https://doi.org/10.7737/KMSR.2024.41.4.041

원문 보기#

이 페이지는 논문의 요약이며 전문이 아닙니다.

경영과학 41권 4호 (2024년 12월), pp.41–59. 한국경영과학회.

DOI: 10.7737/KMSR.2024.41.4.041

Abstract (English)#

Mean-Variance Optimization is built on single-period local optimization. Pension investing is not a single-period problem: allocations across time are interdependent, and long-horizon income flows, withdrawal strategy, and asset-liability management all bear on the decision.

This paper proposes a goal-based dynamic asset allocation model that incorporates the income replacement rate. Rather than maximizing return, the model maximizes the probability of reaching a defined retirement income goal, using dynamic programming to optimize allocation across career stages.

Target replacement rates draw on Korean evidence: prior studies estimate a required rate of roughly 64 to 65 percent for middle-income households, consistent with OECD guidance.

Simulation results show that early-career workers can offset the shortfall left by public pensions through steady private pension contributions alone, benefiting from compounding. Mid-career employees improve financial stability by transitioning from defined benefit to defined contribution plans and continuing to manage assets after retirement.

The model is designed for practical application: results map directly onto benchmark-tracking ETFs, and the rule-based structure requires no case-by-case pre-optimization, making it suitable for robo-advisor deployment.

Lee, C. (2024). A Study on Goal-Based Dynamic Asset Allocation for Private Pensions Considering Income Replacement Rates. Korean Management Science Review, 41(4), 41–59.