"비용을 죽이는 AI(헤셋) vs 비용을 키우는 관세(윌리엄스)

1.서론 CES 2026에서 공개된 엔비디아와 메르세데스-벤츠의 협력 프로젝트인 ‘Alpamayo(알파마요)’에 관한 정리 내용입니다. 많은 미디어에서 지난 10여 년간 자율주행 산업이 봉착했던 한계를 돌파하기 위해 “AI가 텍스트와 이미지를 넘어 물리 세계(Physical World)를 이해하고 행동하는 단계”로 진입했음을 알리는 신호탄 이라고 합니다. 엔비디아(NVIDIA). (2026. 1. 5.). 「NVIDIA Announces Alpamayo Family of Open-Source AI Models and Tools to Accelerate Safe, Reasoning-Based Autonomous Vehicle Development」(보도자료). NVIDIA Newsroom. https://nvidianews.nvidia.com/news/alpamayo-autonomous-vehicle-development 업계 전문가들과 기술 분석에 따르면, 이번 발표의 핵심 의의는 단순한 자율주행 기능의 추가가 아니라, 개발 방법론 자체의 혁신에 있다고 합니다. 기존의 자율주행이 미리 정해진 규칙(Rule-based)이나 단순한 패턴 매칭에 의존했다면, Alpamayo는 인간처럼 상황을 언어로 ‘추론(Reasoning)’하고, 그에 맞춰 ‘행동(Action)’하는 새로운 표준을 제시하고 있습니다. 엔비디아의 젠슨 황 CEO가 이를 두고 “물리적 AI의 챗GPT 모멘트”라고 정의한 것은, 생성형 AI의 파급력이 이제 모니터 속을 벗어나 실제 도로 위를 달리는 거대한 기계 장치로 확장되었음을 의미합니다. 제가 이 분야에 정통한 식견을 갖춘 전문가는 아니오나, 평소 자동차 산업의 기술적 진보에 대해 관심을 기울여 온 한 사람으로서, 그저 이번 혁신이 가지는 의미를 조금 더 깊이 있게 탐구해보고자 합니다. 2. Alpamayo의 기술적 본질: VLA와 CoT의 결합 이 시스템을 이해하기 위해서는 기존 자율주행의 한계와 이를 극복하기 위한 새로운 아키텍처인 VLA(Vision-Language-Action) 모델, 그리고 CoT(Chain-of-Thought) 기술을 간단히 이해하여 함. 2.1 기존 ‘모듈식’ 접근의 한계와 붕괴 과거의 자율주행 시스템은 철저히 분업화된 모듈식 구조였음. 인지(Perception): 카메라가 "앞에 있는 물체는 사람이다"라고 식별함. 측위(Localization): GPS와 정밀지도로 "내 차는 현재 A도로 3차선에 있다"고 확인함. 예측(Prediction): "저 사람은 3초 뒤에 횡단보도로 진입할 것이다"라고 계산함. 제어(Control): "그러므로 브레이크를 밟아라"라고 명령함. 이 방식은 고속도로처럼 변수가 적은 환경에서는 잘 작동함. 그러나 각 단계가 분리되어 있어 앞 단계의 작은 오류가 뒤로 갈수록 눈덩이처럼 커지는(Error Propagation) 문제가 발생함. 특히 비정형적인 상황, 이른바 ‘롱테일(Long-tail)’ 시나리오에서 이 방식은 속수무책이었음. 예를 들어, 도로 공사로 차선이 지그재그로 엉켜 있거나, 수신호를 하는 경찰관의 손짓 같은 미묘한 상황을 규칙으로 다 정의할 수 없기 때문임. 2.2 VLA: 보고, 이해하고, 즉시 행동한다 Alpamayo는 이러한 모듈의 장벽을 허물고 엔드투엔드(End-to-End) 방식을 채택함. 여기서 핵심이 VLA(Vision-Language-Action)임. Vision: 시각 데이터를 받아들임. Language: 그 상황을 언어적 맥락으로 해석함. Action: 해석된 내용을 바탕으로 즉각적인 주행 궤적(Trajectory)을 생성함. 설명 : 그림은 "무조건 따라 하기(a)"에서 "말로만 이해하기(b)"를 거쳐, "이해한 대로 직접 운전하기(c)"로 기술이 완성되는 과정을 보여주는 것. 엔비디아의 Alpamayo는 바로 이 (c) 단계에 해당. (출처 : NVIDIA & Mercedes-Benz. (2026). Alpamayo: A Vision-Language-Action (VLA) Model for Autonomous Driving. NVIDIA Technical Report.) 최근 공개된 연구 논문(Alpamayo-R1 등)에 따르면, 이 모델은 단순한 모방 학습(Imitation Learning)을 넘어섬. 과거의 엔드투엔드 모델이 "사람이 여기서 핸들을 꺾었으니 나도 꺾는다"는 식으로 데이터의 겉모습만 흉내 냈다면, VLA 모델은 "왜 꺾어야 하는지"를 이해하는 구조임. 이는 자율주행뿐만 아니라 로봇, 드론 등 다양한 물리 AI 분야로 확장될 수 있는 강력한 기술적 기반이 됨. 2.3 CoT: AI가 내놓는 ‘생각의 꼬리 물기’ Alpamayo의 가장 큰 차별점은 CoT(Chain-of-Thought) 기술의 적용임. 이는 AI가 결론만 내는 것이 아니라, 결론에 도달하는 논리적 과정을 텍스트로 생성하는 기술임. 기존 AI: (전방 장애물 감지) → [급제동 수행] (이유 설명 없음) Alpamayo: "전방 30m 지점 갓길에 어린이가 서 있음." "어린이의 시선이 도로 반대편을 향하고 있어 갑자기 튀어나올 가능성이 높음." "현재 속도 50km/h는 위험하므로 30km/h로 사전 감속이 필요함." "차량을 차선 왼쪽으로 붙여 안전거리를 확보하겠음." [감속 및 조향 수행] 이러한 추론 과정의 노출은 연구 개발 관점에서 혁명적인 변화를 가져옴. 개발자들은 AI가 왜 실수를 했는지, 혹은 왜 잘했는지를 텍스트 로그를 통해 직관적으로 파악할 수 있게 됨. 엔비디아가 강조하는 "설명 가능한 자율주행(Explainable Autonomous Driving)"의 핵심이 바로 여기에 있음. 설명 : 이 표는 자율주행이 한 순간에 “무슨 결정을 했는지”를 사람도 AI도 같은 기준으로 기록하게 만드는 표준 메뉴판임. 운전 행동을 앞뒤(속도 결정)랑 좌우(차선/방향 결정) 두 축으로 나눔 각 주행 장면(클립)마다 종방향 1개 + 측면 1개를 정해진 목록에서 고르게 함 이렇게 하면 “감속했다/조심했다”처럼 사람마다 다른 표현이 아니라, 일관된 라벨(결정 의도)로 데이터가 쌓임 그 결과, CoC(인과 연쇄) 설명도 항상 같은 형태의 결론(결정 라벨)에 붙어서 정리 가능해짐 출처: Shi,...

들어가며: “누가 거래하고 있는가?”라는 근원적 질문 이번에 이야기 할 프로그램 매매나 알고리즘 트레이딩 자체는 새삼스러운 소재는 아닙니다. 예전에도 있었고, 더 예전에도 있었습니다. 다만 이번 변화는 “속도”나 “규모”만의 문제가 아니었습니다. 거래를 수행하는 존재의 성격이 달라지고 있다는 점이 핵심입니다. 과거의 자동매매는 대체로 인간이 룰을 적어 내려가는 구조였습니다. “A 조건이면 매수, B면 매도” 같은 형태였고, 기계는 그것을 빠르게 실행하는 역할에 가까웠습니다. 인간이 주체고, 기계는 대리인 느낌이 강했지요. 문제가 생기면 책임도 대체로 인간에게 돌아갔습니다. 룰을 만든 사람이 있고, 승인한 사람이 있고, 돌린 사람이 있었으니까요. 그런데 2025년의 AI 트레이딩 이야기는 그 구조에서 한 단계 더 넘어갑니다. 텍스트를 이해하고, 맥락을 만들어내고, 목표를 받아서 실행 계획을 세우고, 심지어 도구(API, 거래 시스템)를 붙여 행동까지 하는 형태가 흔해졌습니다. “기계가 인간의 버튼을 대신 눌러준다”가 아니라, 기계가 스스로 버튼을 눌러야 한다고 판단하는 구간이 늘어났습니다. 인간은 감독자처럼 보이지만, 실제로는 나중에 로그를 보며 “왜 저랬지?”를 해석하는 역할로 밀리기 쉽습니다. 주체가 옮겨가는 느낌이 바로 여기서 생깁니다. 출처 : Blocmates. (2025, October 20). nof1.ai introduces Alpha Arena, a platform for AI-powered trading competitions. Blocmates. https://www.blocmates.com/news-posts/nof1-ai-introduces-alpha-arena-a-platform-for-ai-powered-trading-competitions 이 변화가 가장 자극적으로 드러난 무대가 Nof1의 Alpha Arena였습니다. 가상의 머니로 장난치는 대회가 아니라, 실제 자본을 넣고 실제 시장에서 거래하게 만드는 구조로 알려졌습니다. 중요한 건 여기서 “누가 이겼냐”보다 “무엇이 드러났느냐”입니다. Alpha Arena는 미래의 축소판 같은 역할을 합니다. 시장이 사람 중심 광장에서, 서버실 속 알고리즘 충돌장으로 바뀌는 과정이 더 노골적으로 보이게 만들었습니다. 처음엔 관심이 단순했습니다. “미국 AI vs 중국 AI” 같은 국가 대항전 프레임이었지요. 하지만 최신 집계 화면을 포함해 흐름을 길게 보면, 그 프레임 자체가 어설프다는 게 드러납니다. 국가가 이기고 지는 이야기가 아니라, 모델과 운용 규율, 그리고 시장 레짐(Regime)이 맞물릴 때 결과가 얼마나 쉽게 뒤집히는지, 그리고 그 과정이 얼마나 위험한지 보여주는 사건이 되었습니다. 1. Alpha Arena의 의미: 기술 경연장이 아니라 ‘현실 경기장’ 실험 Alpha Arena 대회를 이해할 때 중요한 건 “벤치마크”라는 단어를 너무 쉽게 붙이면 안 된다는 점임. 일반 벤치마크는 정적 데이터, 고정된 정답, 반복 가능한 평가가 중심임. 근데 시장은 그 반대임. 정답이 없고, 누군가의 행동이 다른 누군가의 결과를 바꾸고, 관측 자체가 환경을 흔들어버림. 시장은 애초에 관측자와 행위자가 분리되지 않는 복잡계임. Alpha Arena가 흥미로웠던 이유는 바로 그 “복잡계의 잔혹함”을 실험 형태로 꺼내 보여줬다는 점임. 실자본이 들어가면 리스크 관리가 곧바로 성적이 됨 거래가 공개되면 따라하기와 쏠림이 빨라짐 모델이 “말”을 잘해도, 포지션 관리가 무너지면 계좌가 먼저 무너짐 그리고 같은 모델도 운용 모드(제약/목표)에 따라 성적이 천국과 지옥으로 갈라짐 같은 이름의 모델이 어떤 모드에서는 +수익 상단을 찍는데, 다른 모드에서는 -50%, -80%, 심지어 -90%대에 가까운 붕괴가 보임. 이건 “모델 지능”만으로는 설명이 안 됨. 사실상 다른 규칙을 가진 다른 봇이라고 봐야 함. 여기서 이미 중요한 결론 하나 나옴. AI 트레이딩의 핵심은 “모델이 무엇이냐”보다 “그 모델을 어떤 규율로 굴리느냐”에 더 가까워지고 있음. 그리고 규율은 공유되고 복제되기 쉬움. 이게 시장 안정성의 관점에서 굉장히 불길한 신호임. 2. 첫 번째 반전: “중국 모델 압승” 서사는 왜 오래 못 갔나 대회 초반(2025년 10월 전후)에는 “중국계 모델의 압승”이라는 이야기가 강하게 돌았음. DeepSeek이나 Qwen 같은 모델이 높은 수익률을 기록했다는 스냅샷이 퍼졌고, 반대로 서구 빅테크 모델들이 크게 손실을 냈다는 식의 요약이 돌아다녔음. 이 구간에서는 사람들 반응도 “이제 AI 패권도 중국으로 넘어간다” 같은 결론이 성급하게 붙었음. 근데 최신 집계 데이터는 그 서사를 아주 시원하게 뒤집어버림. https://nof1.ai/leaderboard 최신 화면을 보면, 종합 1위가 Grok-4.20(당시 ‘미스터리 모델’로 불리던 항목)로 올라와 있고, GPT-5.1도 상단에서 플러스 수익을 기록하는 항목이 보임. 반면 초반의 상징이었던 DeepSeek이나 Qwen 계열은 모드에 따라 성적이 흔들리거나, 마이너스 구간이 뚜렷하게 나타남. 이 데이터의 핵심은 승패 판정이 아니라, 판의 구조가 바뀌고 있다는 데 있음 2-1. 시장에 영원한 승자는 없다는 오래된 격언이 AI 시대에도 그대로.. 상승장에서 천재 소리 듣던 봇이 하락장에선 속절없이 무너지는 것도 같은 이치임. AI가 제아무리 연산을 빨리 돌린다 한들, 환경이 뒤집히면 그건 이미 룰이 바뀐 전혀 다른 게임이기 때문임. 이걸 좀 더 건조하게 말하면.. “좋은 예측”은 언제든 ‘구간 운’이 될 수 있음 “좋은 리스크 관리”는 구간 운이 아니라 생존 기술에 가까움 Alpha Arena가 보여준 건 결국 “예측 대결”이 아니라 “생존 대결”이었음 초반 스냅샷이 “중국 모델이 더 똑똑함”을 말한 게 아니라, 그때 그 환경에서 그 운용이 더 잘 맞았던 걸 수 있음. 최신 집계가 “서구 모델이 더 똑똑함”을 말하는 것도 아님. 다른 규칙과 다른 시장 구간에서 다른 방식이 더 오래 버텼다는 의미일 가능성이 큼. 2-2. 우리가 AI 지능을 과대평가하고 있던 건 아닌가 하는 질문 어떤 사람들은 종종 “데이터와 GPU만 있으면 시장을 정복할 수 있다”는 환상을 품음. 근데 시장은 정복 대상이 아니라, 적응 대상에 가깝다는 게 오래된 현실임. AI가 강해질수록 이 환상은 더 매혹적으로 보이는데, 그래서 더 위험해짐. Alpha Arena의 최신 흐름은 이런 질문을 던짐. 모델 성능이 좋아도, 왜 이렇게 쉽게 터질 수 있나 “말이 그럴듯한 분석”이 왜 실전 수익으로 이어지지 않나 인간이 망하는 방식(과매매, 손절 지연, 군중 심리)이 왜 AI에서도 반복되나 이 질문들의 답은 대체로 “시장 예측”이 아니라 “거래 행동”에 있음. 즉, 지능(IQ)이 아니라 규율(Discipline) 쪽임. 3. AI의 성격 테스트: 4가지 운용 모드가 드러낸 생존의 조건 Alpha Arena 최신 집계 화면에서 가장 눈에 띄는 건, 모델이 단순히 “한 번” 참가한 게 아니라 여러 운용 모드로 쪼개져 평가된다는 점임. 화면에서는 대략 이런 모드 구성이 보임. New Baseline Monk Mode Situational Awareness Max Leverage 이 4개는 사실 “AI에게 다른 성격을 주고, 같은 시장에서 어떻게 나타나는지 보는 실험”에 가까움. 그리고 최신 화면은 그 실험이 꽤 잔인한 결과를 뱉고 있음을 보여줌. 3-1. New Baseline: 통제 없는 자유가 부른 참사 New Baseline은 말 그대로 기본 모드임. “특별한 통제 없이 알아서 해봐”에 가까운 상태로 이해하면 됨. 결과는 직관과 다르게 나오는 경우 많음. 고성능 모델들이라고 해서 기본 모드에서 안정적으로 이기는 게 아님. 오히려 이 모드에서 처참하게 깨지는 항목들이 많아 보임. 왜 이런 일이 생기냐면, 통제가 없으면 AI도 인간 초보 투자자와 비슷한 오류를 반복하기 쉬움. 작은 소음에 과잉 반응함 포지션을 자주 뒤집음 거래 횟수가 늘고 수수료가 누적됨 손절은 빠른데, 손절을 너무 자주 해서 계좌가 닳아감 혹은 반대로 손절이 늦어져 큰 손실이 터짐 기본 모드의 실패가 말해주는 건 간단함. 지능이 높아도 원칙이 없으면 도박판이 됨. 이건 AI 시대에도 그대로임. 3-2. Monk Mode: 절제가 곧 능력임 Monk Mode는 이름부터 수도승 느낌임. “확실한 기회 아니면 움직이지 말라”에 가까운 제약을 걸어놓은 형태로 알려져 있음. 최신 화면에서도 상단에 ...

중국 부동산의 '마지막 보루'라 불리던 완커(Vanke)마저 흔들린다는 소식을 접했습니다. 많은 분들이 이 뉴스를 보며 "중국 부동산 회사가 또 하나 어려워졌구나" 혹은 "헝다(Evergrande) 때랑 비슷한 일인가?" 하고 무심코 넘기실 수 있습니다. 하지만 과거 개발 현장에서 자금 조달 비용(All-in Cost)을 단 0.1%라도 줄여보려 동분서주했던 기억때문인지.. 저에게 이번 뉴스는 단순한 파산 소식 이상의 내용으로 다가옵니다. 현장에서는 신뢰가 흔들리고 자금줄이 막히는 순간이 얼마나 공포스러운지 뼈저리게 알기 때문입니다. 이번 완커 사태는 헝다 때와는 결이 많이 다르게 보입니다. 헝다가 '방만 경영'의 결과였다면, 완커는 '시스템의 한계'를 보여주는 신호에 가깝습니다. 아마도 지난 30년간 중국 경제를 지탱해 온 거대한 성장 공식이 이제는 더 이상 작동하지 않는다는 것을 보여주는 결정적 순간일지 모릅니다. 단순히 자극적인 뉴스를 전달하기보다, 이 사태가 갖는 본질적인 의미를 짚어보고 싶었습니다. 왜 '모범생'이라 불리던 기업조차 이 파고를 넘기 힘겨워하는지, 그리고 중국 부동산이라는 거함이 어떻게 멈춰 서게 되었는지, 그 이면의 이야기를 조심스럽게 풀어보려 합니다. 0. 중국 부동산 개발의 역사: 욕망과 성장의 30년 중국 부동산은 단순한 주거 공간 공급 산업이 아님. 지난 30년간 중국 경제를 떠받친 거대한 '금융 순환 장치'였음. 핵심은 지방정부, 개발사, 가계라는 3대 플레이어의 이해관계가 완벽하게 맞아떨어졌던 시기임. 0.1 개발 엔진의 3대 축 지방정부 (토지재정): 중국 땅은 국가 소유임. 지방정부는 이 땅을 개발사에게 빌려주는 '토지사용권'을 팔아 재정의 40% 이상을 충당함. 땅값이 올라야 지방 공무원 월급도 주고 도로도 깔고 함. 개발사 (레버리지): 자기 자본이 거의 없어도 됨. 땅만 확보하면 아직 삽도 안 뜬 아파트를 팔아(선분양) 공사비를 마련하고, 그 돈으로 또 땅을 삼. 가계 (불패 신화): "공산당이 집값 폭락을 용인하겠어?"라는 강력한 믿음으로 전 재산을 부동산에 넣음. 이 세 가지가 맞물려 돌아갈 때는 무적의 엔진이었음. 하지만 지금은 그 엔진의 연료인 '신뢰'가 고갈된 상태임. 0.2 초압축 연표: 영광에서 붕괴까지 (1998~2024) 먼저 큰 흐름을 이해하기 위해 중국 부동산 시장의 11개의 핵심 변곡점으로 정리함. 1998년 (주택 제도 개혁): 국가가 집을 나눠주던 '배급제' 종료. 돈 내고 집을 사는 '상품방(주택)' 시대 개막. 현대 중국 부동산의 기원. 2000년대 (폭발적 성장): 도시화와 WTO 가입이 맞물림. 짓기만 하면 팔리던 황금기. 완커 등 1세대 개발사들이 전국구 기업으로 성장함. 2008~2009년 (금융위기와 4조 위안 부양): 글로벌 위기 방어를 위해 중국 정부가 돈을 풂. 이 돈이 대거 부동산과 인프라로 흘러가며 가격이 폭등함. 2010~2014년 (냉탕과 온탕): 과열을 잡으려는 규제와 경기 방어를 위한 완화가 반복됨. 시장은 "정부는 결국 집값을 잡지 않는다"는 학습 효과를 얻음. 2015~2017년 (재고 소진과 펑가이): 낙후 지역 재개발(펑가이)에 중앙은행 돈을 투입해 3~4선 지방 도시 집값까지 띄움. 마지막 불꽃이었음. 2016년 (방주불초 선언): 시진핑 주석이 "집은 살기 위한 것이지 투기 대상이 아니다"라고 선언. 정책 기조가 근본적으로 바뀜. 2020년 (3개 레드라인): 개발사들의 부채 비율을 강제로 낮추는 규제 도입. 돈줄이 막히기 시작함. 2021년 (헝다 쇼크): 거대 공룡 헝다의 디폴트. "대마불사(큰 기업은 죽지 않는다)" 신화 1차 붕괴. 2022년 (모기지 보이콧): 공사가 멈추자 분양자들이 대출 상환을 거부함. "미완공"이 실제 공포가 됨. 2023~2024년 (그림자금융 위기): 부동산 부실이 신탁사 등 비은행권으로 전이됨. 2025년 (완커 위기): 그리고 현재, 마지막 보루였던 국영 배경의 우량 기업 완커마저 흔들림. 개발사업은 본질적으로 '건설업'이 아니라 '현금흐름(Cashflow) 게임'임. 호황기에는 총부채(얼마나 빌렸나)가 중요하지 않음. 시행사들은 어차피 분양 대금 들어오면 갚으면 된다고 생각함. 하지만 위기 국면에서는 만기표(언제 갚나)와 자유현금(진짜 쓸 수 있는 돈인가)이 생사를 가름. 지금 중국 개발사들은 장부에 돈이 있어도 빚을 못 갚는 '유동성 함정'에 빠져 있음. 1. 중국 개발 엔진의 본체: 선분양-레버리지-토지재정-그림자금융 완커 사태를 이해하려면, 중국 부동산이 굴러가던 4개의 톱니바퀴를 완벽히 이해해야 함. 1.1 선분양 (미완공 판매): 전 국민이 건축주 중국 주택 판매의 80~90%(자료에서는 100%)는 선분양임. 한국의 선분양과 비슷해 보이지만 결정적 차이가 있음. 중국은 착공 직후부터 분양 대금을 거의 전액 납부해야 하는 경우가 많았음. 출처: Hanming Fang et al.(2024), "China's Real Estate Market...", NBER Working Paper No. 32013. 금융적 본질: 가계가 개발사에게 무이자로 막대한 사업비를 빌려주는 구조임. 치명적 약점: 집이 완성된다는 '신뢰'가 있을 때는 최고의 자금 조달 수단이지만, 신뢰가 깨지는 순간 '폰지 사기'와 비슷한 구조로 전락함. 구매자는 돈을 냈는데 물건(집)을 못 받는 상황이 발생함. 1.2 레버리지 (차입의 마법) 개발사는 자기 돈 10%만 있어도 사업을 벌임. 토지 경매 보증금만 내고 땅을 낙찰받음. 땅을 담보로 은행 대출을 받음 (토지 잔금 납부). 착공하자마자 선분양으로 소비자 돈을 받음 (공사비 충당). 이 돈을 빼서 다른 땅을 또 삼 (문어발 확장). 이 과정에서 헝다 같은 기업은 부채 비율이 500%, 800%까지 치솟음. 성장이 멈추면 이 레버리지는 흉기가 됨. 1.3 토지재정 (지방정부의 중독) 지방정부는 세금을 걷기보다 땅을 팔아 돈을 버는 데 익숙해짐. LGFV 페이퍼컴퍼니 개념 설명은 다음기회로 하겠음. 메커니즘: 농지를 헐값에 수용 → 용도 변경(상업/주거) → 개발사에 비싸게 매각 → 차익으로 인프라 건설. 문제점: 부동산 경기가 죽으면 지방 재정도 같이 파산함. 현재 지방정부가 적극적으로 개발사를 구해주지 못하는 이유도 본인들 코가 석 자이기 때문임. 1.4 그림자금융 (규제를 우회하는 파이프) 은행은 정부 규제로 대출을 조일 때가 많음. 이때 등장하는 것이 신탁(Trust)이나 자산관리상품(WMP)임. 구조: 은행이 고객에게 "연 7% 확정 수익" 상품을 팖 → 이 돈을 신탁사를 통해 개발사에게 고금리로 빌려줌. 위험성: '그림자'라는 말처럼 투명하지 않음. 부동산이 무너지면 이 상품에 가입한 일반 투자자(중산층)들이 직격탄을 맞음. 겨울이니 붕어빵으로 비유 해 봄. 손님(가계): 붕어빵이 다 구워지기도 전에 돈을 먼저 냄. (선분양) 가게 주인(개발사): 손님 돈을 받아서 밀가루 사고, 옆 동네에 2호점, 3호점 낼 땅을 계약함. (레버리지) 건물주(지방정부): 가게가 잘 되니 자릿세(땅값)를 올려받아 그 돈으로 건물 인테리어를 함. (토지재정) 대부업자(그림자금융): 은행에서 돈 안 빌려주면 급전을 빌려줌. 평소엔 붕어빵이 계속 나오니 문제가 없음. 그런데 어느 날, "재료가 없어서 붕어빵이 안 나온대"라는 소문이 돔. 손님들은 돈 돌려달라고 난리 치고, 2호점 공사는 중단되고, 건물주는 자릿세가 안 들어와 파산 위기에 몰림. 이게 지금 중국 상황임. 2. 헝다(Evergrande) 이후가 진짜 전환점: '회사 부실'이 아닌 '신뢰 프로토콜'의 붕괴 많은 사람들이 2021년 헝다 사태를 "빚 많은 회사가 망한 사건"으로 기억함. 하지만 전문가들은 이를 "중국 부동산의 신뢰 프로토콜(규약)이 깨진 사건"으로 정의함. 2.1 헝다가 깨뜨린 3가지 불문율 중국 인민들에게는 종교와 같은 3가지 믿음이 있었음. "어차피 완공된다": 늦어질 수는 있어도 내 집이 안 지어질 리는 없다. "집값은 떨어지지 않는다": 정부가 받쳐준다. "큰 사고는 결국 막아준다": 헝다 같은 대기업을 공산당이 죽게 두겠냐. 헝다 사태는 이 3가지를 모두 박살 냄. 공사는 멈췄고(흉물 아파트), 집값은 하락세로 돌아섰으며, 정부는 헝다 회장에게 사재를 털라고 압박할 뿐 회사를 살려주지 않음. 출처: 로이터통신(2024.02.02), "Uneven path ...

틈틈이 글을 써 내려가는 동안에도 환율 시장은 그야말로 롤러코스터 같더군요. 글을 처음 시작할 즈음엔 원·달러 환율이 1,480원을 넘나들더니, 오늘 아침에는 또 언제 그랬냐는 듯 큰 폭으로 내려앉았습니다. 이런 변덕스러운 숫자를 보면서, 단순히 "우리 경제가 위기라서 그래"라고 뭉뚱그려 말하기엔 설명되지 않는 부분들이 참 많아 보입니다. 한국은행 자료를 봐도 우리는 여전히 달러를 벌어들이고 있는 흑자국이니 말이죠. 문제는 예전처럼 '수출 흑자=원화 강세'라는 공식이 더 이상 통하지 않게 되었다는 점입니다. 기껏 벌어들인 달러가 국내에 머물지 않고, 투자를 위해 다시 해외로 빠져나가는 흐름이 이제는 완전히 자리를 잡았기 때문입니다. 출처 : 한국은행 '2025년 9월 국제수지(잠정) 내용이 다소 길고 복잡하게 느껴지실 수 있습니다. "살기도 바쁜데 환율의 구조적 원인까지 알아야 하나?" 싶은 생각이 드실지도 모르겠습니만... 지금의 경제 흐름을 제대로 읽어내기 위해, 조금은 딱딱하더라도 이 메커니즘을 한 번쯤 짚고 넘어가도 좋지 않을까 싶습니다. 이렇게 경제의 기초 체력이 아니라 '돈의 흐름' 자체가 꼬인 상황이 되면, 정책 당국의 눈길은 자연스레 시장의 '플레이어'들에게 쏠리기 마련입니다. 겉으로는 '자율적인 협조'나 '규제 완화'라는 당근을 내밀고 있지만, 그 이면을 가만히 들여다보면 기업과 은행을 향한 묵직한 심리적 압박이 깔려 있는 게 느껴집니다. "작은 이익을 좇지 말라"는 점잖은 훈계부터, 혜택을 주는 척하면서 성과를 요구하는 미묘한 줄다리기까지. 이 글에서는 '정당한 조치'라는 이름 뒤에 숨겨진, 외환시장의 '보이지 않는 압력'이 어떻게 작동하고 있는지 차근차근 풀어보려 합니다. 1부 1. ‘누가 달러를 움직였나’는 감정이 아니라 스케일 문제 정부와 언론에서 환율 상승의 원인으로 습관적으로 ‘서학개미’를 호명하는 건, 그게 가장 가시성이 크고 비난하기 쉬운 타깃이기 때문임. 하지만 냉정하게 말해서 서학개미 탓을 하는 건 명백히 번지수를 잘못 찾은 것이며, 본질을 가리는 매우 게으른 분석임. ① 스케일의 차이: 개미는 파도, 기관은 조류 환율의 레벨(Level)을 구조적으로 1,400원 위로 고정시키는 힘은 ‘규모(Scale)’와 ‘지속성’에서 나옴. 12/19 조치 전후 한국은행 분석에서도 원화 약세 배경으로 국민연금, 기업, 개인을 모두 언급했음. 중요한 건 ‘힘의 크기’임. 개인이 밤잠 설치며 스마트폰으로 누르는 매수 버튼이 단기적인 출렁임(변동성)은 만들 수 있어도, 시장의 거대한 물줄기(추세)를 바꾸지는 못함. 진짜 구조적 수급을 만드는 ‘고래’는 기계적으로 자산을 배분하는 국민연금, 해외 공장을 짓기 위해 뭉칫돈을 내보내는 기업의 직접투자(FDI), 그리고 기관들의 해외 운용임. 조 단위 자금이 오가는 이들의 움직임에 비하면 개인 자금은 후행적인 성격이 강함. ② 인과관계의 왜곡: '원인'이 아니라 '결과'다 더 큰 문제는 이 프레임이 ‘왜 떠나는가’에 대한 반성 없이 떠나는 사람만 탓한다는 점임. 개인이 달러를 바꿔 미국 주식을 사는 건, 원화 약세를 부추기려는 투기가 아니라 매력 없는 국내 증시(국장)에서 탈출하려는 합리적인 생존 본능의 결과임. ‘코리아 디스카운트’와 기업 거버넌스 문제를 방치해 자본을 쫓아내고 있는 구조적 환경이 근본 원인인데, 이를 두고 개인 투자자들에게 “너희 때문에 환율이 오른다”고 손가락질하는 건 정책 실패와 시장 경쟁력 저하의 책임을 개인의 도덕성 문제로 덮어버리는 비겁한 책임 전가임. 따라서 “누가 나쁘다”를 따지기 이전에, 서학개미를 주범으로 모는 건 팩트(규모)로서도 틀렸고 논리(인과관계)로서도 잘못됐음. 환율 방어의 책임을 져야 할 주체들이 오히려 피해자인 투자자들을 탓하는 적반하장 프레임부터 걷어내야 정확한 진단이 가능함. 2. 12/18 패키지의 본질: 정부가 달러를 직접 파는 대신 ‘민간 달러를 유도’한 설계 12/18에 나온 조치들을 핵심 요약해 보면 다음과 같음. 정부가 외환보유액을 크게 쓰는 직접개입을 전면에 세우기 어렵다 보니, 민간(은행·금융기관·연기금)의 달러 유입과 국내 체류를 유도하는 인센티브·규제 조합을 쓴 것 기재부 보도자료에는 대략 이런 내용이 포함돼 있었음. 외화부채 관련 부담(외환건전성 부담금 성격) 한시 면제 초과 외화지준(요건 초과 예치)에 이자 지급 선물환 관련 규제(캡) 완화 국민연금과의 스왑 연장 그리고 당국의 달러 매도 개입(스팟 개입) 언급도 포함 여기서 “직접개입을 최소화하려는 이유”도 같이 봐야 함. 미국 재무부 환율보고서의 감시 체계(모니터링 리스트 포함), 개입의 투명성·공유 강화 같은 흐름이 최근 더 강해진 편임. 실제로 2025년 6월 미 재무부 보고서 본문에서도 한국이 여전히 모니터링 리스트(관찰대상국)에 포함돼 있다는 점이 명확히 명시되었음. 출처 : (U.S. Department of the Treasury) 또 2025년 9월 30일 한·미 공동 성명에서는 외환정책 투명성과 개입 정보의 월별 공유 등 구체 조항이 공개된 바 있음. 정리하면, “대규모·지속적 스팟 개입”은 대외적으로 부담이 커질 수 있는 환경임. 그래서 이번 패키지는 명목상은 제도·유인·규제 완화로 우회효과를 노린 형태로 우선 읽힘. 3. 조치별 메커니즘 3-1) 외환건전성 부담금 면제: “단기 달러 조달의 통행료를 잠깐 0원으로 만든 것” 2008 글로벌 금융위기 때 한국은 “달러가 갑자기 마르는 상황”을 겪었고, 그때 충격이 시스템 위기처럼 번질 뻔한 기억이 있음. 그래서 정부·한은이 2010년대 초반에 자본 유출입 변동성을 줄이는 ‘선제적 관리 패키지’를 만들었고, 그 중 하나가 외환건전성 부담금이었음. 은행이 해외에서 달러를 빌려오는 구조는 평소에도 존재함. 문제는 단기 외화부채가 과도하게 늘면 위기 때 롤오버(만기 연장)가 막히면서 충격이 커질 수 있다는 점임. 빌리는 건 죄가 아니지만, 단기는 위험함 은행이 해외에서 달러를 조달하는 것 자체는 정상적인 자금조달 활동임. 문제는 갚아야 할 날짜가 짧은 '단기 외화부채'가 과도하게 쌓일 때 발생함. 평소에는 만기 연장(롤오버)이 잘 돼서 문제없지만, 글로벌 충격이 오면 스왑시장이 얼어붙으면서 "지금 당장 갚아라"는 상황이 닥침. 이때 은행이나 기업이 빚 갚으려고 현물시장에서 달러를 급하게 사들이면 환율이 미친 듯이 튀고, 금융시스템 전체가 흔들리게 됨. 이게 정책당국이 가장 우려했던 시나리오임. 제도 도입 (2011년): "짧게 빌리면 비싸게 걷는다" 이런 시스템 리스크를 막기 위해 2010년 말 발표 후, 2011년 8월부터 '외환건전성 부담금(Macroprudential Stability Levy)'을 도입함. 대상은 은행의 비예금성 외화부채(고객 예금 제외, 시장성 차입금 등)였음. 초기 설계(2011년)는 '최초 만기'를 기준으로 "만기가 짧을수록 요율을 세게, 길수록 싸게" 부과하는 방식이었음. 1년 미만: 0.20% 1~3년: 0.10% 3~5년: 0.05% 5년 초과: 0.02% 위기 시에는 한시적으로 요율을 올릴 수 있는 근거도 마련해 둠. 제도 개편 (2015년~현재): "잔존 만기 1년 이하 집중 관리" 제도 운영 과정에서 규제 단순화와 실효성을 위해 2015년 7월부로 룰이 바뀜. 변경 핵심: 기준이 '최초 만기'에서 '잔존 만기(남은 만기)'로 바뀌고, 요율도 단순화됨. 잔존 만기 1년 이하: 일률적으로 0.10% (단, 지방은행·증권 등은 0.05%) 잔존 만기 1년 초과: 부과 안 함 (0%) 즉, 예전엔 처음에 길게 빌려왔으면 만기가 다가와도 혜택을 줬지만, 지금은 만기가 1년 안쪽으로 들어오면 무조건 부담금을 내게 해서 상환이나 관리를 압박하는 구조임. 현황 (2025.12 기준): "지금은 비상시국, 빗장 푼다" 원래 취지는 "은행 너네 돈 좀 아끼겠다고 단기로 빌리다가 나라 전체 위험하게 만들지 마라"였음. 근데 2025년 말 상황이 역전됨. 시장에 달러가 씨가 마르고 환율이 불안하니까, 정부 입장이 바뀜. "지금은 가릴 때가 아니다. 단기든 뭐든 일단 달러가 들어오게 해야 한다." 그래서 부담금을 한시적으로 면제(0%) 시켜버림. 달러 조달 비용을 낮춰줄 테니 제발 달러 좀 많이 들여오라는 신호임. 급한 불은 끄겠지만, 기초 체력은? 당연히 이게 공짜 점심은 아님. 부작용이 있음. 장점: 은행들이 비용 부담 없이 달러를 빌려오니 당장 '달러 가뭄'은 해소되고 환율도 좀 진정될 수 있음. 단점: 빗장을 풀었으니 다시 '단기 외채' 비중이 늘어날 거임. 이건 나중에 또 위기가 왔을 때 대한민국 경제의맷집(내성)을 약하게 만듦. 결론: "장기적인 안전장치를 잠시 끄더라도, 당장 발등에 떨어진 환율 불부터 끄겠다"는 고육지책이라 보면 ...

증권사 리서치 보고서(Analyst Report)를 자주 접하다 보면 그 정형화된 형식에서 막연한 신뢰를 느낍니다. 문서 상단에 명시된 목표주가, 요약된 투자 포인트, 정연하게 배열된 실적 추정치 표, 그리고 후미의 이해상충 공시(Disclosure)에 이르는 일련의 구성 요소들은 우리에게 다음과 같은 무언의 메시지를 전달합니다. 본 문서는 객관적이고 과학적이며, 분석에 빈틈이 없다. 그러나 이 지점에서 우리는 형식적 완결성이 과연 분석의 포괄성을 담보하는지에 대해 근본적인 의문을 제기할 필요가 있습니다. 이번 글은 이러한 ‘형식의 착시’에 대한 문제 제기로부터 출발합니다. 우리가 마주하는 정돈된 보고서 양식은 ‘완벽한 분석’의 필연적 결과물이라기보다, 규정 준수(Compliance)와 업무 효율성을 위한 현실적 타협의 산물인 경우가 빈번합니다. 역설적으로 보고서의 외형이 정교하게 정리될수록, 그 규격화된 틀 내부에 포섭되지 못한 분석의 사각지대는 더욱 은폐될 가능성이 높습니다. 통상적으로 목표주가의 괴리나 밸류에이션의 오류가 발생할 때, 시장의 논의는 평가 모형의 적절성에 집중되는 경향이 있습니다. 즉, DCF(현금흐름할인법)와 PER(주가수익비율) 멀티플 중 무엇을 적용했는가와 같은 방법론적 차원을 따지는 것입니다. 그러나 이번 조사를 통해서 얻은 결론은 다릅니다. 기업 가치 산정의 결정적 요인은 수리적 모델 그 자체가 아니라, 해당 시점에 애널리스트가 무엇을 핵심 변수로 설정했는가, 즉 분석가의 ‘시선’이 존재합니다. 따라서 본문에서는 복잡한 금융 공학적 논의를 보다는, ‘동인(Driver)’과 ‘관심(Attention)’이라는 두 가지 핵심 개념을 통해 논의를 전개하고자 합니다. 동인(Driver): 기업 가치의 변동을 유발하는 근원적이고 핵심적인 원인은 무엇인가? 관심(Attention): 해당 보고서에서 애널리스트가 가장 많은 지면을 할애하여 천착하고 있는 주제는 무엇인가? 먼저 결론적으로는 주식 리서치 보고서의 독해는 단순한 수치 데이터의 습득을 넘어, 애널리스트의 ‘관심(Attention)’이 향하는 지점을 포착하고 그들이 가정한 ‘동인(Driver)’의 타당성을 검증하는 비판적 과정이어야 합니다. 1) 왜 리서치 보고서는 그렇게 ‘구조화’돼 있나: 객관성 이전에 ‘규정 준수’ 때문 리서치 보고서는 개인 블로그 글이 아님. 증권사는 금융업이고, 특히 리서치 문서는 투자자에게 영향을 주는 문서라서 법·규정·내부 컴플라이언스(준법)에 묶여 있음. 그래서 보고서는 “읽기 편하게 만들자” 이전에 “규정에 걸리지 않게 만들자”가 우선이 되는 구조가 됨. 대표적인 예로, 미국 시장에서는 리서치 보고서에 이해상충 공시를 눈에 띄게 넣도록 요구하는 규정들이 오래전부터 정리돼 있음(예: FINRA 리서치 규정 ) 이해상충 공시는 “이 증권사가 해당 기업과 거래 관계가 있는지, 애널리스트 보상 구조가 추천과 연동될 수 있는지” 같은 정보를 독자에게 알려주는 장치임 이런 요구는 단순히 “공시를 해라”에서 끝나지 않고, 문서 형식까지 일정하게 만들기 쉬움(관련 안내: FINRA Research Analyst Rules) 예를 들어 첫 페이지에 공시를 두거나, 첫 페이지에서 공시 위치로 안내하라는 식의 관행이 자리 잡으면, 자연스럽게 템플릿이 생기고 보고서는 점점 공장 라인처럼 정렬됨. 또 다른 축으로, 애널리스트가 “이 보고서 내용이 내 진짜 의견이다”라고 인증하는 체계도 존재함. 이런 장치가 있으면 회사는 내부적으로 더 촘촘한 검토 절차를 두게 되고, 그 절차는 결국 보고서 형식을 표준화시키는 방향으로 작동함. 요약은 어느 위치에, 리스크는 어느 위치에, 가정은 어느 위치에, 디스클로저는 어느 위치에, 이런 식으로 문서 구조가 굳어지는 이유가 여기 있음. 여기까지는 시장이 건강해진 결과라고 볼 수도 있음. 최소한 독자는 “이 문서가 어떤 조건에서 나온 건지”를 확인할 수 있게됐음. 다만 문제는 다음 단계에서 생김. · 구조화는 ‘무엇을 썼는지’는 보여주지만, ‘무엇을 안 썼는지’는 잘 안 보여줌 · 형식이 깔끔하면 내용도 꽉 찬 것처럼 느껴지는데, 사실은 빠진 핵심 변수가 있어도 겉으로는 티가 잘 안 남는다는 뜻임 예를 들어 리스크 섹션에 “환율 변동 가능”을 한 줄 적는 건 쉽고, 규정 준수 관점에서는 도움이 됨. 하지만 투자자에게 더 중요한 건 “환율이 바뀌면 매출이 얼마나, 원가가 얼마나, 결국 이익이 얼마나 바뀌고 그게 가치에 어떻게 반영되나” 같은 번역임. 리스크를 적었다고 해서 번역이 자동으로 이뤄지지는 않음. 형식은 채웠는데 핵심 연결이 비어 있는 순간, 보고서는 그럴듯하지만 실제로는 애매한 부분이 있음. 2) 구조화된 형식이 편향을 숨기는 방식: ‘거짓말’이 아니라 ‘시선 배분’이 핵심 편향이라고 하면 보통 “애널리스트가 일부러 좋게 말한다” 같은 도덕 문제로 생각하기 쉬움. 물론 그런 층도 완전히 없다고 말하긴 어려움. 다만 실무에서 더 흔한 편향은 시간이 부족해서 생기는 편향임. 리서치 보고서는 항상 제한된 시간 안에 나와야 하고, 독자도 제한된 시간 안에 읽어야 함. 그러면 보고서는 원래부터 “모든 걸 다 담는 문서”가 될 수 없고 결국 애널리스트는 선택을 해야 함. 이번 분기에는 무엇을 핵심으로 잡고, 무엇을 덜 쓰고, 무엇을 한 문장으로 처리할지 결정해야 함. 이때 편향은 ‘사실을 바꾸는 방식’보다 중요도를 배분하는 방식에서 더 자주 생김. 보고서는 대체로 서사 구조(이야기 흐름)를 가짐. 보통은 과거 실적(이번 분기 숫자)에서 시작해서, 다음 분기 전망(앞으로 어떻게 될지)을 말하고, 마지막에 목표주가(결론 숫자)를 제시함. 이 흐름은 독자에게 매우 자연스럽게 읽히는데, 동시에 위험한 착시를 만들기도 함. 독자는 이렇게 받아들이기 쉬움. 앞부분 숫자는 과거 실적이니 ‘팩트’ 중간 부분은 설명이 길게 나오니 ‘논리’ 마지막 목표주가는 숫자니까 ‘객관’ 근데 중간 부분은 사실상 가정임. 가정이 길게 적혀 있으면 논리처럼 느껴질 뿐, 실제로는 “이런 전제를 놓으면 이런 숫자가 나온다”는 구조임. 그리고 마지막 숫자는 객관이 아니라 가정의 압축본임. 즉, 보고서가 깔끔할수록 독자는 ‘팩트→논리→객관’의 느낌을 받는데, 그 느낌이 바로 편향을 가리기 쉬운 장치가 됨. 핵심 동인이 한쪽으로 쏠려 있어도, 구조가 깔끔하면 그 쏠림이 잘 안 보이기 때문. 여기에 업계의 현실적인 압력도 섞임. 애널리스트 개인의 성향만이 아니라, 시장 국면과 업무 구조가 “무엇을 길게 쓰게 할지”를 밀어줌. 금리가 크게 움직이는 시기면 비용과 할인율 이야기가 전면으로 나오고, 공급망이 흔들리는 시기면 물류·재고·원가가 전면으로 나오고, 성장주가 잘 나가는 시기면 시장 규모와 점유율 이야기가 전면으로 나옴. 이런 변화 자체는 자연스러움. 문제는 이런 경향이 반복되면서 보고서가 특정 렌즈에 과하게 적응하고, 그 결과 관심이 닿지 않는 영역은 계속 얇아진다는 점임. 이게 바로 ‘시선 배분’ 편향임. 3) 모형 선택보다 ‘동인 선택’이 밸류 변동을 더 잘 설명 중요한 건 “느낌”이 아니라 “패턴”임. 최근에는 아주 많은 리포트 텍스트를 모아 분석해서, 애널리스트들이 실제로 무엇을 반복해서 강조하는지, 그 강조가 목표주가 변화와 어떤 관계를 가지는지 살피는 연구들이 나와 있음(예: Mental Models and Financial Forecasts, SSRN). 첫째, 애널리스트 리포트가 생각보다 포괄적이라기보다 선택적이라는 점임 이 말은 실력이 부족하다는 뜻이 아니라, 리포트라는 산출물이 애초에 “요약형 문서”라서 그렇다는 뜻임 요약형 문서는 반드시 어떤 것을 버리고 어떤 것을 살림. 버려진 것과 살아남은 것의 조합이 곧 편향이 됨 애널리스트들이 어떤 주제에 과잉반응(Overreaction)하고 과소반응(Underreaction)하는지를 보여주는 그래프 둘째, 목표주가나 밸류에이션이 움직일 때, 평가모형 자체도 영향을 주지만 그보다 더 크게 작동하는 게 어떤 동인을 중심으로 잡았는지인 경우가 많다는 결론이 제시됨 같은 모형을 써도 “이번 분기는 마진이 핵심”으로 잡으면 결론 숫자가 한 방향으로 밀리고, “이번 분기는 금리와 자본비용이 핵심”으로 잡으면 결론 숫자가 다른 방향으로 밀림 중요한 건 계산기 종류보다 무슨 입력값을 크게 키우고, 무슨 입력값을 작게 두는지임 셋째, 거시 변수는 많은 사람이 공유하는 정보라서 상대적으로 덜 강조되는 반면, 기업 내부 변수는 차별화하기 쉬워서 더 길게 다뤄지는 경향이 나타남(관련해서 애널리스트 텍스트를 바탕으로 주제별 반응을 보는 연구: Analysts’ Belief ...