잡담

단기자금시장에 다시 등장한 대규모 레포 최근 본적 없는 큰 규모의 레포공급, 출처: FRED 2025년 10월 31일, 연준은 단기 자금시장에 294억 달러의 대규모 레포 자금을 공급했다. 이는 2019년 레포 발작과 2020년 코로나19 위기 이후 가장 큰 규모의 일일 유동성 공급이다. 10월 한 달간 소규모 레포 공급이 간헐적으로 이어졌지만, 월말에 이르러 시장 개입 규모가 급격히 확대됐다는 점에서 연준의 우려를 엿볼 수 있다. 과거 2019년 레포사태와 2020년 코로나 이후로 가장 큰 규모의 임시 유동성 공급, 출처: FRED 가장 주목할 지표는 SOFR-IORB 스프레드의 역전이다. SOFR(Secured Overnight Financing Rate)은 비은행 금융기관이 단기 자금을 차입할 때 적용되는 금리이고, IORB(Interest on Reserve Balances)는 은행이 연준에 예치한 지급준비에 대해 받는 금리다. 정상적인 유동성 환경에서는 SOFR < IORB 관계가 유지된다. MMF의 잉여유동성과 은행의 초과지준이 충분하면 레포 시장에 자금 공급이 원활해 높은 금리를 지불할 필요가 없고, SOFR이 낮게 형성되기 때문이다. 그러나 현재는 SOFR > IORB 상황이 지속되고 있다. 물론 분기말, 월말, 국채 결제일 등 현금수요가 일시적으로 증가하는 기간에는 간헐적으로 SOFR가 위로 튀는 spike 현상은 흔하지만, 이번달에는 기조적으로 SOFR이 상승하여 연방기금금리의 상단인 IORB를 초과하고 있다. 이는 단순한 월말 효과가 아닌 구조적 유동성 압박의 가능성을 시사한다. 분기말, 월말, 결제일 등 일시적 스파이크는 늘 있어왔으나 이번달에는 유독 기조적인 상승, 출처: MacroMicro SOFR > IORB 역전은 단기 자금시장의 수급 불균형을 의미한다. 비은행 금융기관(NBFI)들이 단기 자금을 빌리려 할 때 연준의 정책금리보다 높은 이자를 지불해야 하는 것이다. 이론적으론 MMF만으로 시장의 단기자금 수요를 커버하지 못하여도, 은행의 초과지준금이 충분하면 은행이 IORB대신 더 높아진 SOFR로 단기자금시장에 빌려주면서 SOFR이 내려가야 하지만, QT로 인해 줄어든 RRP(MMF의 초과유동성)와 초과지준(은행의 초과유동성) 혹은 규제로 인해 SOFR이 매력적인 금리를 제공함에도 불구하고 은행이 단기 자금을 공급해줄 여력이 없다는 신호다. 출처: New York Fed 물론 연준 연구에 따르면 규제나 실무적인 요소로 인해 10-20 bps의 market friction은 있을 수 있고, 현재의 SOFR-IORB 스프레드는 그 시장마찰 언저리에 속해 당장 2019년의 레포위기가 재발한다 단정짓기는 이르다. 또한 Dellas Fed 로건 총재도 이런 환경에서 SRF(상설 레포 창구, Standing Repo Facility)를 적극 활용하라 한 바 있다. 그러나 더 주목할 점은 연준의 정책 기조 변화다. 2022년 6월부터 지속해온 QT를 이번 FOMC에서 다가오는 12월 1일부로 중단하기로 결정했다. 이는 지급준비금이 수준이 충분한(Ample) 수준으로 감소했다는 판단과 함께, 단기 자금시장의 스트레스 징후를 사전에 차단하려는 의도로 해석된다. 일각에서는 2026년 상반기 중 QE(양적완화) 재개 가능성까지 거론된다. 재무부의 국채 발행 일정이 계속 증가하는 가운데, 민간 부문의 흡수 여력만으로는 부족할 수 있다는 우려 때문이다. 2019년 연준의 실패와 교훈 FF Target Range의 하단은 ON RRP이고 상단은 IORB다, 출처: FED 2019년 9월, 레포시장 금리가 갑자기 폭등하며 시장이 마비될 뻔했다. 당시 연준은 긴급히 개입해 수천억 달러의 단기유동성을 공급해야 했다. 연준의 정책 오류와 시장 구조적 취약성이 드러난 사건으로, 그 배경에는 모든 위기가 항상 그렇듯 여러 요인이 복합적으로 작용했다: 1) 법인세 납부일: 대규모 현금이 시장에서 재무부로 이동, 2) 국채 발행 급증: 정부가 대량의 국채를 발행하면서 1차 딜러들이 현금을 묶어둠, 3) QT 지속: 연준의 대차대조표 축소로 시장의 지준금이 감소, 4) 규제 강화: 은행들이 LCR 등 규제로 인해 분기말에 대차대조표를 확장하는 것을 꺼림. 한두가지 요인었으면 일시적 SOFR 스파이크에 그칠 요인들이었지만 이들이 한데 결합하면서 예상치 못한 유동성 쇼크가 되었다. SOFR이 폭등하자 연준은 뒤늦게 긴급 대응에 나섰다. 9월 17일 하루만에 75억 달러의 긴급 유동성이 공급되었고, 이후 일주일에 걸쳐 270억 달러가 추가되었다. 이후 수개월에 걸쳐 총 수천억 달러 규모의 레포 공급이 계속되었다. 하지만 이는 사후 응급 처방에 불과했고 문제의 근원이었던 부족한 지준금에 대한 근본적 해결이 아니였다. 2014년엔 테이퍼링 2017년엔 QT 시작, 출처: FRED 2019년 레포 위기의 근본적 원인은 ...

후견지명은 누구나 가능하다. 인터넷이 세상의 모든 질서를 바꿀 것이라던 1999년, 월스트리트와 세계 대부분의 주식시장은 연일 새로운 신기록을 써 내려갔다. 전통 산업의 위기는 어느새 "뉴 이코노미" 의 영광에 가려졌고, "닷컴"이 붙은 어느 회사든 상장만 하면 주가가 천정부지로 치솟았다. 거품의 냄새를 맡은 소수 이성적 경고들은 "불경한" 회의론자로 치부되었고, "이번엔 다르다"는 내러티브가 시장을 지배했다. 출처: 이베이, 이베이 통념적으로 받아들여지는 닷컴버블 시기에 대한 묘사지만, 역설적으로 생각해보자. 그 시대를 살아간 대부분의 사람들은 단순히 "집단적 광기"에 휩쓸렸던 걸까? 오늘날의 시선으로, 혹은 버블 붕괴의 역사를 이미 알고 있는 우리의 눈으로, 닷컴 버블 시기의 투자자들을 너무 쉽게 멍청하거나 탐욕스럽다고 평가하는 것은 아닐까? 그들은 정말로 아무런 "버블"에 대한 의식도 없이 한 방향으로만 질주했을까? 2020년대의 AI, 클라우드 등 새로운 기술 붐을 바라보는 우리의 모습은 과연 얼마나 다를까? 지금의 열광과 그때의 "광기"는 얼마나 닮았고, 무엇이 다를까? 이번 글에서는 그 시절과 오늘날을 비교하며, 투자자 심리와 버블인식―그리고 역사적 평가를 둘러싼 후견지명 편향에 대해 다시 생각해보고자 한다. 당시는 어땠는가? 출처: TIME 미국 증시(전세계적인 열풍이었지만 참고할 자료가 가장 많은 미국시장을 중심으로 서술)는 뉴 이코노미라는 내러티브 속에서 뜨거운 낙관론에 휩싸였다. 인터넷 혁명이 곧 기존 산업을 압도할것이기에 전통적 밸류에이션 지표(P/E, P/BV)는 더 이상 의미없다는 논리는 주요 언론과 월가에서 반복적으로 강조됐다. 주요 비즈니스 매체와 투자전문가들은 "이제 성장과 트래픽이 가장 중요한 가치 척도"라며 "수익성은 일시적으로 희생해도 시장지배력만 확보하면 결국 승리한다"는 인식을 대중에 퍼뜨렸다. The Department of Commerce reported that last year profits fell 2%." "Is a 16% earnings gain in the cards? A more probable scenario is a single-digit gain." "Right now Standard & Poor's is reporting $36 in trailing earnings for its 500-stock index. This puts it at a P/E of 38, an all-time high. Unless we are in a new paradigm, a large dollop of profits is necessary to sustain -- let alone increase -- the index's current valuation. 이익 없는 번영, 출처: Forbes 그렇다고 경고의 목소리가 없었던 것은 아니다. "닷컴" 기업들이 수익을 전혀 내지 못하는 상황에서 이익 없는 번영(Profitless Prosperity)라는 신조어는 언론과 일부 전문가들이 당시의 위험을 경고하는 비판적 논조에서 사용되었다. 1996년 앨런 그린스펀 연준 의장은 "How do we know when irrational exuberance has unduly ...

"Can Generative AI Generate Cash? — How Much Does AI Need to Earn to Break Even?" 최근 쏟아지는 거액의 AI 투자 소식을 접할 때마다 머릿속에 의문이 맴돈다. 하루가 멀다 하고, 수십억에서 수백억 달러 규모의 투자 뉴스가 연이어 나오고 있다. 원화여도 큰 금액인데, 달러로? 2025년 기준, Microsoft, Amazon, Alphabet, Meta 등 글로벌 빅테크 기업의 데이터센터 자본적지출(capex)은 연간 3,000억~3,600억 달러에 달한다. 이는 단일 산업군에서 관측된 투자 규모 중 역대 최대치에 속한다. IEA, McKinsey 등 다수의 글로벌 컨설팅기관은 향후 수 년간 누적 투자액이 1조 달러를 가볍게 넘어설 것으로 전망한다. 이러한 투자 열풍의 바탕에는 생성형 AI·초거대 AI가 인간의 생산성을 대체하고, 새로운 경제적 패러다임을 끌어낼 것이라는 기대가 자리잡고 있다. 실제로 미국·아시아 주요 지역에서는 AI 인프라 건설이 사상 최고치로 증가하며, 데이터센터의 전력 사용량과 토지·냉각 등에 대한 수요도 폭증하고 있다. OpenAI, Oracle, SoftBank 등은 수십에서 수백억 달러 규모의 파트너십을 연이어 발표하며 "AI 슈퍼팜" 구축 경쟁에 나서고 있다. 메타(Meta)는 단일 데이터센터인 ‘Hyperion’ 프로젝트에만 500억 달러 이상을 투입하겠다고 밝혔고, 블랙록 등 투자금융도 400억 달러 이상 규모의 AI 인프라 딜에 직접 참여하고 있고, 급기야 Nvidia와 Open AI를 중심으로 기존의 ‘판매자-구매자’ 관계를 넘어, ‘금융공급자-매출순환’이라는 새로운 구조가 형성되고 있다. 이러한 변화는 과거 IT 버블 시기에 나타났던 리스크, 즉 매출 과대계상과 실질 수익의 불확실성을 다시 떠올리게 하며 동시에 AI 하드웨어 공급사와 서비스사 간의 산업 경계를 약화시키고 있다. 앞으로는 AI 인프라 투자 지속 가능성과 수익 구조를 점검하는 것이 더욱 중요해질 것이다. AI 산업의 "Circular" financing 구조, 출처: Bloomberg AI 산업이 실제로 돈을 번다면 문제될 것이 없다. '벤더파이낸싱(vendor financing, 선급·투자·보증금 등 형태)'의 대표적인 사례로는, 애플이 LG디스플레이에 선지급하여 OLED 공장 투자와 운영자금 부족을 해소하고 회사가 생존할 수 있게 만든 예가 있다. 관건은 이처럼 막대한 자본이 투입되는 AI 인프라 투자가 실제로 얼마나 많은 현금을 창출할 수 있느냐는 점이다. 생성형 AI를 위해 얼마가 투자되는가? 생성형 AI를 위한 데이터센터 투자에 대한 회의론은 늘 있어왔다. 대표적으로 Sequoia Capital에선 엔비디아의 데이터센터 매출 X 2 X 2 라는 간단한 멀티플로 생성형 AI 시장의 요구 매출액을 추정했다. "Nvidia 매출 × 2 (TCO) × 2 (50% gross margin)"라는 단순 공식을 사용했는데, 이는 클라우드를 사용하는 최종 사용자(AI 앱 기업)가 50% gross margin으로 수익을 내야 한다는 가정이다. 출처: Sequoia Capital 이와 비슷하게 생성형 AI를 위한 데이터센터의 초기 투자비용과 운영비용을 산출하고, 이를 기반으로 러프하게 최소 요구 매출액(Minimum Required Revenue, BEP)을 추정해보았다. 본 글의 분석 모델은 간편함을 위해 시간가치의 할인이나 요구수익률은 0으로 설정하여, 오직 적자가 발생하지 않는 손익분기점(Break-Even Point) 매출액만을 빠르게 계산하는 것을 목표로 했다. 즉, AI 데이터센터 산업이 투자한 비용을 회수하기 위해 최소로 달성해야 하는 매출 수준을 보수적으로 추정하고자 한다. 이를 위해 다음과 같은 BE 매출액을 최소로 요구하는 보수적 가정을 적용했다: 1) AI 데이터센터 투자금액 추정 주요 AI 반도체 기업인 Nvidia, AMD, Broadcom의 CY 기준 데이터센터 매출액과 애널리스트 추정치를 기반으로 전체 AI 데이터센터 투자금액을 산출했다. 애널리스트 전망이 제한적인 2028년 이후에는 매출액이 더 이상 증가하지 않는다는 매우 보수적인 가정을 적용했다. 2) GPU/AI 가속기 비중 조사기관에 따라 GPU와 AI 가속기가 전체 AI 데이터센터 투자금액에서 차지하는 비중은 33%~50%로 추정되지만, 본 분석에서는 보수적으로 50%를 적용했다. 3) 데이터센터 운영비(OpEx) 연간 데이터센터 운영비는 일반적으로 전체 설립비의 25%~40% 수준이나, 추후 운영 효율화에 성공한다는 낙관적 가정을 위해 15%로 설정했다. 또한 데이터센터의 평균 건설기간인 2~3년을 감안하여 운영비는 3년차부터 발생하는 것으로 적용했다. 4) GPU 감가상각 GPU 감가상각은 구매 직후(1년 후)부터 5년에 걸쳐 선형으로 인식했다. 일반적으로 GPU의 실제 감가상각 기간은 용도에 따라 추론/학습용 2~3년, 배치 처리용 3~5년, 레거시용 7~9년이지만, 본 분석에서는 보수적으로 중간값인 5년을 적용했다. 5) 데이터센터 인프라 감가상각 데이터센터 인프라(건물, 전력설비, 냉각시스템 등)는 2~3년의 ...

나름 프랑스와 연이 깊은데, 요새 너무 뒤숭숭하네요... 요즘 프랑스는 그야말로 어수선하다 못해 흔들리고 있다는 인상을 지울 수 없습니다. 그래서 이번 사태를 좀 더 깊이 있게 바라보고자 AI의 도움을 받아 관련 데이터를 찾아봤습니다. (AI가 찾아준 내용을 최대한 교차검증하려고 했지만, 일부 세부 수치가 다를 수 있습니다) 개인의 정치성향이 반영되었을 수 있습니다. 시위의 배경: 국가채무 위기와 정치적 혼란 출처: FT 최근 프랑스는 ‘정치적 붕괴’라는 표현이 무색하지 않을 정도의 혼란을 겪고 있다. 불과 4주 만에 총리가 두 번이나 연속 사임하는 사태가 벌어졌다. 지난 9월, 바이루 총리는 국민·의회로부터 개혁 예산 지지를 얻지 못해 사임했고, 뒤이은 세바스티앵 르코르뉴 역시 취임 27일 만에 사임하는 '역대 최단명 총리'라는 오명을 남겼다. 대통령 마크롱은 임시 총리에게 “국가의 안정 전략을 이틀 내로 제시하라”고 긴급 요청했으나, 각 정파의 협상 거부와 정치적 일방주의로 정부 공백이 장기화되고 있다. 출처: ING 이런 정치적 마비는 프랑스 경제·금융 역시 강하게 흔들고 있다. 국채 시장에서는 위험 프리미엄이 9개월 만의 최고치까지 치솟았다. 10년물 프랑스 국채와 독일 국채 간의 금리 스프레드는 80~91bp(1bp=0.01%)로, 2024년 말 이후 최고치를 기록했다. CDS역시 10월 8일 기준 39~41bp로 확대되어 시장은 "프랑스 국가부도 위험이 과거보다 더 실질적으로 반영되는 상황"이다. 이에 따라 국가 신용등급 하락 경고가 잇따르고, 유로화와 주식시장(CAC 40)은 수직 하락했다. 출처: ING 시위의 배경: 국가채무 위기와 정치적 혼란 프랑스의 국가채무는 이미 GDP의 110%를 상회한다. 2026년 예산안의 목적은 “재정적자를 2024년 5.8%에서 2026년 4.6%로 축소”(바이루 전 총리안과 동일)하는 것이다. 심지어 세바스티앵 르코르뉴 신임 총리는 “IMF의 개입 가능성은 없다”고 강조하며, 재정건전성이 더 이상 ‘선택 사항’이 아닌 ‘불가피한 조치’임을 인정했다. 정부가 내놓은 방안은 명확하다. “모두가 기여해야 하며, 부채는 미래 세대의 짐이 될 것”이라는 입장 아래 연금, 각종 수당, 공무원 급여 동결, 의료보험 본인부담금 인상, 공공부문 감축, 탈세 단속, 일부 고소득 계층에 대한 연대 기여금 신설 등의 지출 축소다. 이 중 연금, 의료 등 공공지출 구조의 방만함은 프랑스 재정 위기의 근본적 원인 중 하나다. 프랑스는 OECD 회원국 가운데 GDP 대비 공공지출 비율이 가장 높고, 연금 지출만 해도 GDP의 15%에 근접한다. 관대한 수급 기준과 고정된 복지·의료 예산, 그리고 방대한 공공부문 인건비가 결합되어 국가 재정은 구조적 압박에 시달리고 있다. 출처: ...

빈티지 데이터란? : 빈티지 데이터는 통계가 “처음 공표된 시점 그대로”의 값, 즉 개정 전 값을 시점별로 보존한 실시간 데이터 묶음을 뜻한다. 사이트에서 일반적으로 조회 가능한 데이터는 수정된 수치로 실제 과거 시점에서 사용 가능한 데이터가 아니다. 전략 백테스트와 예측 평가에서 미래 개정 정보를 몰랐던 당시 상황을 재현해 개정 전 값으로 의사결정을 검증하는 데 사용된다. Vintage 데이터와 Revised 데이터를 활용한 의사결정의 차이 예시: 자산군 수익률 분포 ================================================================================ 📊 CLI REGIME별 자산 수익률 통계 분석, 기준: USA CLI, Vintage ================================================================================ 🔹 2-regime (Level) ---------------------------------------------------------------------- 📈 Above 100: Asset Count Mean (%) Median (%) Std Skew Kurtosis S&P 500 152 0.65 1.21 0.0350 -0.419 0.423 Comm. Services 152 0.24 0.78 0.0456 -0.646 0.731 Consumer Disc. 152 0.62 0.72 0.0447 -0.183 0.626 Consumer Staples 152 0.89 1.08 0.0308 0.297 0.554 Energy 152 1.22 1.42 0.0589 -0.069 1.088 Financials 152 0.70 1.27 0.0458 -0.241 0.392 Health Care 152 0.89 1.12 0.0345 -0.159 -0.226 Industrials 152 0.74 0.96 0.0415 -0.023 0.524 Info Tech 152 0.45 1.21 0.0569 -0.699 1.160 Materials 152 0.60 0.70 0.0506 -0.108 1.384 Real Estate 143 0.98 1.33 0.0490 -0.279 0.291 Utilities 152 0.98 1.27 0.0384 -0.205 0.473 KOSPI200 152 0.33 0.26 0.0546 -0.256 0.680 📈 Below 100: Asset Count Mean (%) Median (%) Std Skew Kurtosis S&P 500 153 0.54 1.07 0.0510 -0.533 0.440 Comm. Services 153 0.32 0.66 0.0675 0.358 2.281 Consumer Disc. 153 0.95 0.85 0.0654 0.042 0.792 Consumer Staples 153 0.29 0.73 0.0366 -0.563 0.425 Energy 153 0.03 -0.14 0.0785 0.113 4.167 Financials 153 0.36 0.12 0.0724 -0.658 2.261 Health Care 153 0.27 0.67 0.0437 -0.288 0.125 Industrials 153 0.56 0.81 0.0626 -0.463 1.178 Info Tech 153 1.25 1.84 0.0779 -0.464 1.201 Materials 153 0.71 0.77 0.0653 -0.263 0.590 Real Estate 141 0.15 0.83 0.0724 -0.502 6.956 Utilities 153 -0.13 0.80 0.0515 -0.516 0.138 KOSPI200 153 1.11 1.09 0.0665 0.061 1.002 🔹 2-regime (Direction) ---------------------------------------------------------------------- 📈 Increasing: Asset Count Mean (%) Median (%) Std Skew Kurtosis S&P 500 141 0.60 1.11 0.0405 -0.354 0.827 Comm. Services 141 0.10 -0.08 0.0545 -0.374 0.214 Consumer Disc. 141 0.67 0.75 0.0536 -0.023 1.198 Consumer Staples 141 0.42 0.70 0.0309 -0.143 -0.239 Energy 141 0.60 0.48 0.0768 -0.047 4.731 Financials 141 0.63 0.47 0.0546 -0.279 1.444 Health Care 141 0.53 0.86 0.0368 0.019 0.216 Industrials 141 0.45 0.85 0.0486 -0.484 1.850 Info Tech 141 0.97 1.37 0.0553 -0.406 0.196 Materials 141 0.43 0.56 0.0555 -0.278 0.723 Real Estate 137 0.69 0.83 0.0474 -0.165 0.324 Utilities 141 0.26 0.82 0.0437 -0.516 0.580 KOSPI200 141 0.91 1.38 0.0558 -0.080 0.190 📈 Decreasing: Asset Count Mean (%) Median (%) Std Skew Kurtosis S&P 500 164 0.59 1.14 0.0464 -0.645 0.838 Comm. Services 164 0.44 1.14 0.0602 0.446 4.014 Consumer Disc. 164 0.88 0.93 0.0581 0.041 1.266 Consumer Staples 164 0.74 1.08 0.0364 -0.396 1.074 Energy 164 0.63 0.87 0.0630 0.047 1.451 Financials 164 0.44 1.49 0.0654 -0.810 3.325 Health Care 164 0.61 1.04 0.0417 -0.496 0.190 Industrials 164 0.82 1.05 0.0567 -0.384 1.523 Info Tech 164 0.75 1.59 0.0778 -0.473 1.286 Materials 164 0.85 0.87 0.0608 -0.185 1.163 Real Estate 147 0.45 1.12 0.0728 -0.575 6.512 Utilities 164 0.57 1.14 0.0475 -0.558 0.633 KOSPI200 164 0.55 0.31 0.0651 0.043 1.359 🔹 4-regime ---------------------------------------------------------------------- 📈 Expansion: Asset Count Mean (%) Median (%) Std Skew Kurtosis S&P 500 69 0.33 0.94 0.0342 -0.663 0.436 Comm. Services 69 -0.19 -0.39 0.0459 -0.471 0.910 Consumer Disc. 69 0.33 0.61 0.0493 -0.280 0.660 Consumer Staples 69 -0.01 -0.35 0.0287 0.088 -0.620 Energy 69 ...