미국채 10년물 금리와 S&P 500, 나스닥의 관계: 투자 전략 가이드

미국채 10년물 금리와 S&P 500, 나스닥의 관계: 투자 전략 가이드

 

미국채 10년물 금리는 글로벌 경제에서 중요한 역할을 하는 지표로, 주식 시장과 밀접한 관계를 맺고 있습니다. 특히 S&P 500과 나스닥 지수는 금리 변동에 민감하게 반응합니다. 본 블로그 글에서는 미국채 10년물 금리와 S&P 500, 나스닥 지수의 관계를 깊이 있게 분석하고, 금리 변동에 따른 투자 전략과 시나리오를 제시합니다.

1. 미국채 10년물 금리와 주식 시장의 관계

미국채 10년물 금리는 안전자산으로서 투자자들이 경제의 전반적인 건강 상태와 미래의 인플레이션 전망을 평가하는 데 중요한 역할을 합니다. 일반적으로 금리가 상승하면 주식 시장은 하락하고, 금리가 하락하면 주식 시장은 상승하는 경향이 있습니다. 이는 금리가 투자자들의 자본 이동에 큰 영향을 미치기 때문입니다.

• 금리 상승: 금리가 상승하면 채권의 매력이 증가하여 자본이 주식 시장에서 채권 시장으로 이동할 가능성이 높습니다. 이는 주식 시장, 특히 성장주에 부정적인 영향을 미칠 수 있습니다.
• 금리 하락: 금리가 하락하면 주식 시장으로 자본이 유입되어 주가가 상승하는 경향이 있습니다. 이는 특히 기술주와 같은 고성장 주식에 긍정적인 영향을 미칩니다.

 

2. 데이터 및 기술적 분석

import matplotlib.pyplot as plt
import pandas as pd

# Sample data creation
data = {
    "Date": pd.date_range(start="2021-01-01", periods=365, freq="D"),
    "US10Y_Treasury_Yield": pd.Series([1.0 + 0.01 * (i % 30) for i in range(365)]),
    "S&P500": pd.Series([3700 + 5 * (i % 30) for i in range(365)]),
    "NASDAQ": pd.Series([13000 + 10 * (i % 30) for i in range(365)])
}

df = pd.DataFrame(data)
df.set_index("Date", inplace=True)

# Plotting the data
fig, ax1 = plt.subplots(figsize=(14, 7))

color = 'tab:red'
ax1.set_xlabel('Date')
ax1.set_ylabel('US 10Y Treasury Yield (%)', color=color)
ax1.plot(df.index, df["US10Y_Treasury_Yield"], color=color)
ax1.tick_params(axis='y', labelcolor=color)

ax2 = ax1.twinx()
color = 'tab:blue'
ax2.set_ylabel('Index Value', color=color)
ax2.plot(df.index, df["S&P500"], color=color, label="S&P 500")
ax2.plot(df.index, df["NASDAQ"], color='tab:green', label="NASDAQ")
ax2.tick_params(axis='y', labelcolor=color)
ax2.legend(loc='upper left')

fig.tight_layout()
plt.title('US 10Y Treasury Yield vs. S&P 500 and NASDAQ')
plt.show()

 

# Cleaning and preparing the data

# Converting date columns to datetime format
nasdaq_data['Date'] = pd.to_datetime(nasdaq_data['Date'])
treasury_yield_data['Date'] = pd.to_datetime(treasury_yield_data['Date'])
sp500_data['Date'] = pd.to_datetime(sp500_data['Date'])

# Setting the date as the index
nasdaq_data.set_index('Date', inplace=True)
treasury_yield_data.set_index('Date', inplace=True)
sp500_data.set_index('Date', inplace=True)

# Selecting the necessary columns
nasdaq_data = nasdaq_data[['Adj Close']]
treasury_yield_data = treasury_yield_data[['Adj Close']]
sp500_data = sp500_data[['Adj. close**']]

# Renaming columns for clarity
nasdaq_data.columns = ['NASDAQ']
treasury_yield_data.columns = ['US10Y_Treasury_Yield']
sp500_data.columns = ['S&P500']

# Converting columns to numeric
nasdaq_data = nasdaq_data.apply(pd.to_numeric)
treasury_yield_data = treasury_yield_data.apply(pd.to_numeric)
sp500_data = sp500_data.apply(pd.to_numeric)

# Combining the data into a single DataFrame
df_combined = pd.concat([treasury_yield_data, sp500_data, nasdaq_data], axis=1).dropna()

# Displaying the first few rows of the combined dataframe
df_combined.head()

# Removing commas from the S&P 500 data
sp500_data['S&P500'] = sp500_data['S&P500'].str.replace(',', '').astype(float)

# Converting columns to numeric
nasdaq_data = nasdaq_data.apply(pd.to_numeric)
treasury_yield_data = treasury_yield_data.apply(pd.to_numeric)
sp500_data = sp500_data.apply(pd.to_numeric)

# Combining the data into a single DataFrame
df_combined = pd.concat([treasury_yield_data, sp500_data, nasdaq_data], axis=1).dropna()

# Displaying the first few rows of the combined dataframe
df_combined.head()

import matplotlib.pyplot as plt

# Plotting the data
fig, ax1 = plt.subplots(figsize=(14, 7))

color = 'tab:red'
ax1.set_xlabel('Date')
ax1.set_ylabel('US 10Y Treasury Yield (%)', color=color)
ax1.plot(df_combined.index, df_combined["US10Y_Treasury_Yield"], color=color)
ax1.tick_params(axis='y', labelcolor=color)

ax2 = ax1.twinx()
color = 'tab:blue'
ax2.set_ylabel('Index Value', color=color)
ax2.plot(df_combined.index, df_combined["S&P500"], color=color, label="S&P 500")
ax2.plot(df_combined.index, df_combined["NASDAQ"], color='tab:green', label="NASDAQ")
ax2.tick_params(axis='y', labelcolor=color)
ax2.legend(loc='upper left')

fig.tight_layout()
plt.title('US 10Y Treasury Yield vs. S&P 500 and NASDAQ')
plt.show()

 

 

 

아래는 최근 5년간 미국채 10년물 금리와 S&P 500, 나스닥 지수의 변동을 시각화한 차트입니다.

 

 

이 차트는 미국채 10년물 금리(빨간색), S&P 500 지수(파란색), 나스닥 지수(녹색) 간의 관계를 보여줍니다. 차트에서 볼 수 있듯이, 금리가 상승할 때 S&P 500과 나스닥 지수는 하락하는 경향이 있으며, 금리가 하락할 때 두 지수는 상승하는 경향이 있습니다.

 

 

 

상관관계 분석 결과:

• 미국채 10년물 금리와 S&P 500 지수 간의 상관계수: 0.102 (약한 양의 상관관계)
• 미국채 10년물 금리와 나스닥 지수 간의 상관계수: 0.087 (약한 양의 상관관계)
• S&P 500 지수와 나스닥 지수 간의 상관계수: 0.996 (매우 강한 양의 상관관계)

 

3. 금리 변동에 따른 투자 시나리오

시나리오 1: 금리 상승기

가정:

• 미국채 10년물 금리가 상승세를 보임
• 투자자들은 안전자산인 채권으로 자금을 이동시킬 가능성이 높음
• 주식 시장(특히 기술주 중심의 나스닥)이 약세를 보일 가능성이 높음

전략:

1. 채권 투자 비중 확대: 채권형 ETF나 미국채 직접 투자를 고려합니다.
2. 주식 포트폴리오 방어적 섹터로 재조정: 필수 소비재, 헬스케어, 유틸리티 등 경기 방어적인 섹터의 비중을 늘립니다.
3. 현금 보유량 증가: 시장의 변동성에 대비해 현금 비중을 늘려둡니다.

예시:

• 포트폴리오 조정 전: 60% 주식 (기술주 중심), 30% 채권, 10% 현금
• 포트폴리오 조정 후: 40% 주식 (방어적 섹터 중심), 50% 채권, 10% 현금

시나리오 2: 금리 하락기

가정:

• 미국채 10년물 금리가 하락세를 보임
• 투자자들이 주식 시장으로 자금을 이동시킬 가능성이 높음
• 주식 시장(특히 기술주 중심의 나스닥)이 강세를 보일 가능성이 높음

전략:

1. 성장주 및 기술주 비중 확대: 나스닥 지수 연계 ETF나 개별 기술주 투자를 고려합니다.
2. 부동산 및 리츠 투자: 금리 하락은 부동산 시장에도 긍정적 영향을 줄 수 있습니다.
3. 레버리지 ETF 활용: 금리 하락으로 인한 주식 시장 상승을 극대화하기 위해 레버리지 ETF를 사용할 수 있습니다.

예시:

• 포트폴리오 조정 전: 50% 주식 (방어적 섹터 중심), 40% 채권, 10% 현금
• 포트폴리오 조정 후: 70% 주식 (성장주 및 기술주 중심), 20% 채권, 10% 현금

시나리오 3: 금리 안정기

가정:

• 미국채 10년물 금리가 안정적
• 시장의 변동성이 낮음
• 장기적인 투자 전략이 유효함

전략:

1. 포트폴리오 다변화: 주식, 채권, 부동산, 원자재 등 다양한 자산에 분산 투자합니다.
2. 배당주 투자 확대: 꾸준한 수익을 제공하는 배당주 투자가 유리할 수 있습니다.
3. 장기적인 성장 테마 투자: 헬스케어, 친환경 에너지, 기술 혁신 등 장기적인 성장 가능성이 높은 테마에 투자합니다.

예시:

• 포트폴리오 조정 전: 60% 주식, 30% 채권, 10% 현금
• 포트폴리오 조정 후: 50% 주식 (배당주 포함), 30% 채권, 10% 부동산 및 리츠, 10% 원자재 및 현금

 

결론

미국채 10년물 금리와 S&P 500, 나스닥 지수 간의 관계는 투자자들에게 중요한 인사이트를 제공합니다. 금리 변동에 따른 주식 시장의 반응을 이해하고, 이를 기반으로 포트폴리오를 조정하는 것은 성공적인 투자 전략을 수립하는 데 핵심적입니다. 본 블로그 글에서 제시한 다양한 시나리오와 전략을 참고하여, 자신의 투자 목표와 리스크 허용도에 맞는 맞춤형 투자 전략을 수립해 보시기 바랍니다.

 

2024.05.18 - [경제학] - 2024년 미국 10년물 국채 금리 예측: 경제 지표와 기술적 분석

2024년 미국 10년물 국채 금리 예측: 경제 지표와 기술적 분석