월가아재 시황칼럼 98편 | 유가 향방의 중요성

자명한 정보와, 자명하지 않은 정보로 나누어 생각. AI에 의한 영향을 automation과 augmentation으로 기계적으로 나누어 생각하는 연습. https://www.valley.town/wsaj-premium/market-column/67b18e1a73d9a8118562e8a2 정보 전파의 단계 정보의 원천 소스 정보를 처음 접한 스마트머니 정보를 액티브하게 찾는 상위 그룹 대중적으로 퍼진 정보를 수동적으로 습득하는 중간 그룹 정보가 퍼진 줄도 모르고 투자하는 하위 그룹 대부분의 개인 투자자는 3, 4, 5번에 속합니다. 1번은 내부자 거래 영역이고, 2번이 되기는 쉽지 않습니다. 그런데 정보의 전파도, 정보의 속성에 따라 그 속도가 천차만별이라는 점을 인식할 필요가 있습니다. A. 기업의 실적발표처럼 주가에 영향을 미치는 연결고리가 너무나 자명한 정보들은, 이미 발표된 직후 2번에 속하는 초고빈도매매(HFT) 헤지펀드나 프랍 트레이딩 데스크에서 밀리세컨드 수준으로 매매를 하게 됩니다. 따라서 아무리 개인이 3번에 속하더라도 기업 실적이라는 정보가 발표된 이후 이에 준하는 방향으로 매매하기는 쉽지 않습니다. 다만 기업 실적의 방향으로 오버슈팅이 될 경우, 개인 투자자도 오버슈팅에 대해 사후적으로 반대 매매를 하는 것은 가능합니다. B. 반면 정보가 이미 공개되었음에도 불구하고 주가에 미치는 연결고리가 자명하지는 않아 한동안 비효율성이 남아 있는 정보들도 있습니다. 그런 정보들의 종류는 크게 세 가지가 있습니다. 날 것의 정보를 여러 단계 분석해서 결론을 도출해야 하는 경우 정보의 임팩트에 대한 시간 지평이 명확하지 않은 경우 도메인에 대한 지식이 필요한 경우 많은 개인 투자자들이 하는 실수는 A의 정보를 찾아 헤매면서 4번 정도에서 진입하는 경우입니다. 그래서 무슨 종목 사야돼? 라는 의문을 해소하기 위해 여러 유튜브를 전전하는 행위가 정확히 A-4입니다. 초과수익이 나는 정보란? 그런 관점에서, 우리는 두 가지를 명심해야 합니다. 첫째, 이미 초고빈도 매매가 성행하면서 A 부류의 정보를 활용한 초단기적인 영역의 시장은 많이 효율적이 되었다는 점을 인지해야 합니다. 즉, 누구나 인지할 수 있는 정보는 추세 추종의 재료가 아닌, 과매수/과매도가 되었을 때 반대 매매의 재료로만 활용할 수 있다는 것입니다. 둘째, 초과수익이 나는 정보는 B, 즉 '얼핏 보면 주식 가격이나 종목과 크게 상관없을 듯한 정보'라는 점을 인지해야 합니다. 그리고 그러한 정보를 깊이 파면서 투자 아이디어를 도출해 내는 연습을 해야 합니다. 그러한 정보들은 보통 지루합니다. 주식 가격이나 종목과 크게 연관성이 없어 보입니다. 그래서 대중들이 읽어보지 않습니다. 그러니 비효율적으로 남아 있습니다. 오늘은 그러한 정보의 예시를 가져와 보겠습니다. Anthropic의 AI와 산업에 대한 분석 보고서 한국은행의 AI와 한국경제에 대한 보고서 들어가며 Anthropic의 연구 연구 소개 그러면 보고서의 내용을 간단히 살펴볼 텐데요. 먼저 이 연구의 핵심 목적은 AI가 각각의 특정 직업군에서 어떤 작업을 수행하고 있는지 확인하는 것입니다. 그리고 또 한 가지는 AI가 자동화(automation)와 증강(augmentation) 중에서 어떤 방식으로 사용되고 있는지를 확인하는 것이죠. 여기서 automation는 말 그대로 인간이 최소한의 개입만 하면서 AI가 업무를 자동적으로 처리하는 것을 말하는 반면, augmentation의 경우에는 AI가 활용은 되지만 인간의 역할을 보완해주는 용도로 활용되는 것을 말합니다.  AI는 인간 역량을 증강시킨다 이렇게 분석한 결과, 전체적으로 보면 AI는 인간의 노동을 대체하는 자동화보다는 인간의 작업을 지원하는 도구로 더 많이 활용되고 있다는 결론이 나왔다고 합니다. 자동화의 비율이 43%고, 증강의 비율이 57%라고 하는데, 자동화도 비율이 상당히 높기는 하지만 그래도 인간이 주가 되는 쪽이 조금 더 높은 비중이었다는 것이죠. 그래서 AI가 마냥 인간의 일을 대체하는 것이 아니라, 인간의 창의성과 문제 해결 능력을 지원하는 방식으로 사용되고 있다는 것이 확인 되었다고 할 수 있습니다. AI는 복잡한 논리적 사고와 데이터 분석을 요구하는 직군에서 두드러지게 활용되었다고 합니다. 주로 읽기, 글쓰기, 프로그래밍, 비판적 사고처럼 인지적 기술이 요구되는 작업에서 AI의 활용 비중이 높았다고 합니다. 이것은 쉽게 예상할 수 있는 부분이죠.  소득 상위 25%가 AI를 가장 많이 활용 흥미로운 점은 AI가 가장 많이 사용되는 소득구간인데요. 연구에 따르면 AI는 중/고임금 직업군에서 가장 많이 활용되고 있는 반면, 최저임금 직업과 최고임금 직업에서는 상대적으로 활용도가 낮았다고 하는데요. 그래서 AI 사용이 가장 활발한 직업군은 상위 25% 임금 구간에 해당하는 직업군이었다고 합니다.  이 점은 90년대의 변화와 흡사한 부분이 있다는 점에서 흥미로운 부분이 있는데요.  Valley Fellow분들은 글로벌 매크로 실전편 5회차에서 90년대를 배울 때 고용 없는 성장 현상에 대해 우리가 분석을 해 보았었습니다. 경제 성장이 일어나고 있는 상황에서 고용이 정체되는 현상이 시작된 부분이었죠. 그런데 여기서 모든 고용이 축소되었다거나 하는 것은 아니고, 일부 직종에서 고용이 축소되었는데, 80년대부터 시작된 PC의 보급이 보편화되면서, 주로 일반적인 사무직같은...

https://m.blog.naver.com/ranto28/223761683347 금값 바젤3 기준, 비서구권. 중국의 통제. 한국은 온누리상품권 영향 ㅡ 동네 금은방

https://www.valley.town/community/free/post/67b137a15284a173f8eb91bd World Model, Humanoid, Continual Learning ... (mental rehearsal, physical interaction, intellectual evolution...)

트럼프의 가자지구 발언은 유가 하락을 종용하기 위한 카드일 수 있다. 항상 트럼프의 협상 방식으로 생각해보자. 월가아재: 유가 숏쳐라. https://www.valley.town/wsaj-premium/market-column/67ad71b1e00f3ce4413e1985 Fellow분들은 글로벌 매크로 실전편 3회차에서 1970년대를 배우면서 공부하시게 되겠지만, Core Inflation이 강조되게 된 맥락은 1970년대입니다. 역대 최악의 연준의장이라 꼽히는 아서 번즈는 당시 대통령 닉슨의 압박을 받아 인플레이션 속에서도 완화적인 통화정책을 운용하기 위해, 고육지책으로 '에너지는 변동성이 크니 중요하지 않다'는 주장을 펼쳤습니다. 그러면서 로버드 고든이라는 저명한 경제학자가 만든 근원 물가지수 개념을 점차 강조하게 되었는데요. 당시 연준 내부에서도 반발이 있었음에도 불구하고 연준 내 반대 의견을 가진 위원들과 연구원들에게 불이익을 주고, 더 나아가 식음료까지 물가지표에서 제외해야 한다고 주장합니다. 이를 통해 1974년 2월, 인플레이션이 높은 상황에서도 금리를 인하하였고, 당연하게도 이로 인해 근원물가지수 뿐만 아니라 모든 물가지수가 가파르게 상승하게 되죠. 결국 이에 번스는 또다시 긴축적인 방향으로 통화정책을 전환해서 금리를 올리지만 이미 인플레이션은 더 올라가게 되고, 미국은 오랜 기간 스태그플레이션에 신음하게 됩니다. 그런 맥락에서 우리는 2가지를 유의할 필요가 있는데요. 첫째, CPI의 단기적인 등락과 변동성은 의미가 없지만, 여전히 CPI의 장기 추세는 중요합니다. 연준이 근원 인플레이션을 더 중시하는 이유는 유가가 단기적으로 변동성이 높기 때문에 이를 포함한 CPI에 맞춰 통화정책을 펴면 냉탕온탕을 너무 빠르게 엇박자로 갈 수 있기 때문입니다. 그러나 그건 단순히 단기등락에 일희일비하지 말자는 것이지, 장기적으로 CPI가 떨어지지 않아도 'Core CPI가 중요하니 무시해도 돼'라는 것은 아니라는 점입니다. 둘째, 이미 정책의 무게추가 통화정책에서 재정정책으로 ...

https://www.valley.town/wsaj-premium/economy-update/67ac4e90eed9dbaf045c6d54 그림 설명: 비트코인의 현재 유통량 중 이익 상태(Profit)와 손실 상태(Loss)에 있는 공급량의 비율 (출처: BCA 리서치) (그림 상단) 붉은 영역: 손실 상태에 있는 공급량 비율 (그림 상단) 초록 영역: 이익 상태에 있는 공급량 비율 (그림 하단) 검은선: 비트코인의 낙폭 그림 설명: 비트코인이 마지막으로 거래된 시점을 기준으로 전체 시가총액에서 차지하는 비율 붉은색 영역: 거래가 된지 얼마 안된 코인 녹색 영역: 거래 기간이 오래된 코인 검은선: 비트코인의 낙폭 펀더멘탈이 아닌 평균회귀 기반의 심리적인 근거들. <2001년~2002년: 장기적 하락과 회복의 시작> 2001년 초, 연준은 경기 둔화에 대응하기 위해 시장의 예상치를 뛰어넘는 ...