투자 강의가 주는 위안과 함정

퇴사가 일상이 된 세상이지만, "내가 퇴사한 이유" 같은 글은 항상 인기가 많다. 그런데 그런 글에 회사를 그만두는 진짜 이유를 모두 솔직히 말했을까? 더 나은 커리어를 위해 혹은 업종을 바꾸기 위해서라면 일반적인 퇴사 사유다. 예를 들어 작은 스타트업에 신입으로 취직해서 몇 년 후, 토스나 쿠팡으로 이직하는 것. 게임회사를 다니다가 블록체인 쪽으로 전향하는 것. 피고용인 생활을 끝내고 창업하는 것 등이다. (나는 게임회사 경력 이후 스타트업에 다니고 싶어서 커리어 전환을 했고 에듀테크, 핀테크, AI, 블록체인, 3D등 다양하게 경험하고 있다) 그 외에는 결국 '돈' 혹은 '사람' 문제로 귀결되는 경우가 많지 않을까? 연봉 인상이 더디고 인센티브가 없거나 적다면 오래 버티기 힘들다. 특히 주니어 시절에는 이것이 매우 중요하다. 대기업에 취직해서 정해진 흐름으로 진행되는 것이 아니라면, 스타트업의 경우 이직을 통해 연봉을 크게 ...

저는 초장기 투자는 아니더라도 최소 수개월에서 1~2년 이상 보유하는 포지션 트레이딩을 해왔습니다. 대신 주식과 코인은 여유자금으로만 하기 때문에 큰 수익률을 달성해도 수익금이 크지는 않습니다. 그런데 요즘엔 기간을 더 짧게 하는 스윙 트레이딩을 해 보고 있습니다. 꼬마 빌딩을 매수하면서 남은 자금이 거의 없기에 시험 목적으로 하는 것입니다. 지난 4월 중하순, 시장이 하락했을 때 테슬라, 구글 주식을 매수했습니다. 제가 좋아하는 비트코인과 쿠팡은 미처 사지 못했습니다. 가격이 많이 떨어지면 사고, 적당히 오르면 파는 트레이딩을 연습 중입니다.  여기서 "적당히"가 중요합니다. 매도는 사람의 욕심을 다스려야 하는 영역이기에 확실한 목표 수익률이 있어야 합니다. 달성하면 뒤도 안 돌아보고 팔아야 합니다. 제가 계획한 수익률을 이미 넘었기 때문에 이제 모두 ...

격동의 시대가 불러올 화폐가치의 변화 다음은 환율 전쟁?...'100년짜리 무이자 국채' 공포 몇 달 전, 영구채를 언급한 적이 있다. 그리고 사람들이 뉴스, 심지어 국내 뉴스만 보고 트럼프나 일론 머스크를 비웃거나 비난할 때, 나는 그들이 본질을 보지 못하고 있다고 생각했다. 나는 매크로를 예측하는 사람도 아니고, 그 정보를 바탕으로 투자하는 트레이더도 아니다. 가장 확실한 투자를 선호하기에, 큰 그림의 방향만 보려고 노력한다. 매일 시장 상황을 체크하고 뉴스나 유튜브를 보다 보면, ‘관세가 수단이냐 목적이냐’ 같은 불필요한 논쟁에 빠지게 된다. 미국이 단지 제조업 부흥을 목표로 하고 있을까? 겨우 그 정도의 목표를 가지고 있을까? 트럼프는 단순히 예측 불가능한 지도자일 뿐일까? 우리는 지금 4차 산업혁명이라는 격동의 시대에 살고 있다. 미국은 이 흐름 속에서 어떤 역할을 하려 할까? 과거 제국의 흥망사나 산업혁명 이후의 역사를 공부하면, 그 답이 보이지 않을까. 또한 우크라이나의 재건이 어떻게 이루어질지 알고 싶다면, 우리나라가 종전 후 몇십 년간 걸어온 길을 되짚어보는 것도 도움이 될 것이다. 영구채나 초장기 국채의 발행은 항상 유동성을 폭발적으로 증가시켰고, 이는 화폐 가치의 하락, 즉 자산 가치의 상승으로 이어졌다. 지금부터 1~2년은 힘들고 혼란스러울 수 있지만, 그 후 응축된 힘이 폭발한다면 어떤 일이 벌어질지 상상해봐야 한다. AI는 이러한 혁명의 속도를 과거보다 수백, 수천 배 빠르게 가속화하고 있다. 내가 4차 산업혁명의 주인공이면 좋겠지만, 그런 능력이 없다면 역사를 공부해 보자. 그리고 그 시대에 다른 방식으로 부를 축적한 사람들을 지금의 시대에 맞게 벤치마킹하자. 그래서 나는 어설픈 실력으로 단기 매매하는 투자는 지양하고, 세상을 변화시킬 기업과 희소가치가 높은 부동산에만 투자하고 있다.

나에게 하는 말 -> (위로만 받고 끝나는 공부를 경계하자) 혼자서 SaaS 비즈니스를 해오고 있는 분의 글을 읽고 마음에 와닿는 문장이 있어서 공유합니다. Read a few books, and start building 그는 실수를 안 하려고 창업 초기부터 수십 권의 비즈니스 책을 읽었다고 합니다. 하지만 직접 경험해 보기 전엔 절대 알 수 없는 시행착오가 있다는 것을 알게 됩니다. ​ 저 같은 보통의 직장인도 이 교훈을 취업, 이직, 투자에 적용할 수 있습니다. 지나고 보면 준비했던 건 10% 이하고 대부분은 실행하면서 배운다는 것이 창업에만 해당되지 않을 것입니다. ​ 지금은 예전보다 나에게 도움을 준다는 책도 훨씬 많아졌고, 같이 공부할 수 있는 모임, 커뮤니티도 넘쳐납니다. 그런 도구를 활용하면서 기본기를 다지는 공부를 할 수는 있으나, 결국 세상에서 부딪히는 현실은 '나'라는 개체가 가진 특성에 따라 많이 좌우됩니다. ​ 취업 공부를 하면서 하드스킬 공부에만 집중하는 경우도 많은데 몇 번 탈락을 경험하다 보면, 신입 및 주니어는 거기에 어울리는 소프트스킬을 더 중요시하는 회사가 많다는 것을 알게 됩니다. 지금 내가 가진 기술을 취업 후 바로 사용할 수 있는 경우는 거의 없습니다. 결국 그 조직에 맞는 실무를 경험하면서 새로운 테크트리가 만들어지게 됩니다. 이직도 ...

알파고(Alphago), 알파제로(AlphaZero) 프로젝트를 주도했던 구글 딥마인드의 수석 연구 과학자 David Silver와 현대 강화학습의 창시자 중 한 명인 Richard S. Sutton. 최근 이들이 발표한 논문 Welcome to the Era of Experience에서는 인공지능이 이제 새로운 전환점을 맞이했다고 말합니다. ChatGPT에서 뽑은 요약본입니다. 🧠 요약: 새로운 AI 시대의 전환 – 경험의 시대(The Era of Experience) 이 논문은 AI 발전이 이제 인간 데이터 기반 학습에서 벗어나, ‘경험’을 통한 자율 학습 중심으로 전환되어야 한다고 주장합니다. 📌 핵심 주장 1. 인간 데이터의 한계 LLM(대형 언어 모델)들은 인간 데이터 기반 학습을 통해 광범위한 작업을 수행하게 되었지만, 수학, 코딩, 과학 등의 영역에서는 인간 지식만으로는 한계에 도달해가고 있음. 인간 지식 기반 학습만으로는 새로운 발견이나 초인간적 성능은 달성하기 어려움. 2. 경험의 시대 (The Era of Experience) 자율적인 상호작용을 통해 AI가 스스로 경험을 축적하고 학습하는 방식이 중요해짐. 예: AlphaProof는 기존 10만 개 수학 증명을 학습한 후, 스스로 1억 개 증명을 생성해 IMO 수상 수준에 도달. 🔄 경험 기반 AI의 특징 1. 스트림 기반 학습 (Streams) 인간처럼 긴 시간에 걸쳐 누적되는 경험을 기반으로 학습하고 개선. 예: 건강 모니터링 AI는 수개월 간 웨어러블 데이터를 분석해 맞춤형 피드백 제공. 2. 행동과 관찰의 확장 (Actions and Observations) 인간과의 텍스트 상호작용에 국한되지 않고, 디지털 및 물리 세계를 직접 조작함. 예: 원격 망원경 조작, 실험 장비 제어 등. 3. 보상의 변화 (Rewards) 기존에는 인간 평가자 기준으로 보상을 제공했지만, 이제는 실제 환경에서 측정된 수치(건강, 성능, 생산성 등) 기반 보상으로 대체. 보상 함수도 사용자 피드백을 반영해 적응 가능해야 함. 4. 계획과 추론 (Planning and Reasoning) 단순한 언어 추론에서 벗어나, 세계 모델(world model)을 구축해 행동의 결과를 예측하고 계획 수립. 예: 체력 향상을 위해 다양한 옵션의 미래 결과를 시뮬레이션. 🤖 왜 지금인가? 과거 시뮬레이션 기반 RL(알파고 등)은 뛰어난 성과를 보였지만, 실제 세계에는 적용하기 어려움. LLM의 부상은 일반화에는 성공했지만, 자율성 및 새로운 지식의 발견 능력은 부족. 최근에는 LLM과 RL을 융합하여 실제 환경과 상호작용하는 자율 에이전트의 기반이 마련됨. 🧩 향후 과제 및 영향 ✅ 기대효과 맞춤형 건강/교육/과학 에이전트의 출현. 자율적인 과학 실험을 통한 기술 및 의학의 급속한 발전. ⚠️ 잠재적 위험 일자리 대체, 해석 가능성 감소, 통제 어려움. 하지만, 경험 기반 AI는 변화 감지 및 자가 수정 가능성 등 안전 측면에서도 유리할 수 ...