눈(雪)까지 검열하는 중국: 2026년 양회가 노출한 '권력의 불안증'

현대 경제와 투자 환경은 인간의 인지 능력을 아득히 초과하는 정보와 변수들로 가득 차 있다. 우리는 매일 쏟아지는 뉴스와 데이터를 분석하며 미래를 예측하고 통제하려 노력하지만 이 과정에서 우리는 종종 두 가지 거대한 착각에 빠진다. 첫째는 '인간의 직관과 서사적 사고로 복잡계의 확률을 계산할 수 있다'는 착각이며, 둘째는 '계산하고 고민하다 보면 통제할 수 없는 외부 변수조차 통제할 수 있게 될 것'이라는 착각이다. 이번 글은 2026년 호르무즈 해협 위기라는 극도로 복잡한 지정학적·경제적 리스크를 인공지능(AI)과 베이지안 네트워크(Bayesian Network)가 어떻게 정량화하는지 그 복잡한 메커니즘을 플어 보고자 한다. 나아가, AI가 아무리 완벽한 확률 분포를 제시하더라도 그 기저에 '정신적 에너지를 어디에 쏟아야 하는가'에 대한 철학적 사고가 선행되지 않으면 모든 계산이 무용지물이 된다는 점을 이야기 하고자 한다. 특히 퀄리티기업연구소 님이 올려주신 글이 너무 좋아서 대부분의 후반 내용은 그 내용을 토대로 작성 했다. 1. 서사적 사고의 한계와 복잡계 리스크 이번에도 어김없이 실시간내러티브에는 시나리오 확률에 대해 도전해 보라는 글이 올라 옴. 이미 많은 언론과 여러 글에서 본 것 처럼 호르무즈 해협 위기는 글로벌 에너지 공급망, 해운 운임, 보험료, 그리고 거시 경제의 인플레이션 우려가 한 번에 얽힌 거대한 복잡계(Complex System) 현상임. 하루 수천만 배럴의 원유가 지나는 길목이 막혔다는 단편적인 사실 너머에는 무수히 많은 하위 변수들이 작동하고 있음. 1.1 얽혀 있는 다중 변수의 실체 실제 시장의 가격 결정 메커니즘은 다음과 같은 수많은 요인들이 동시다발적으로 상호작용하며 이루어짐. 물리적 봉쇄의 강도와 기간: 해협이 전면 봉쇄되었는지, 아니면 특정 국적선만 나포 대상인지, 봉쇄가 며칠 내에 끝날지 혹은 수개월간 지속될지에 대한 시나리오. 산유국의 대응 여력: 사우디아라비아, 쿠웨이트, 이라크 등 주요 산유국들이 보유한 육상 및 해상 저장 탱크의 잔여 용량. 생산된 원유를 수출하지 못할 때 며칠 만에 탱크가 가득 차서 실제 물리적인 '생산 셧인(Shut-in, 생산 중단)'으로 이어질 것인가의 문제. 우회 인프라의 가동 상태: 호르무즈 해협을 우회할 수 있는 사우디의 동서 송유관(East-West Pipeline)이나 아랍에미리트의 ADCOP 송유관의 현재 유휴 생산능력(Spare Capacity)과 실제 수송 전환 가능 물량. 해운 및 금융 시장의 반응: 페르시아만 진입 선박에 부과되는 전쟁위험 할증료(War Risk Premium)의 폭등 수준, 선박을 구하지 못해 발생하는 용선료 급등, 그리고 화물 보험 인수의 거절 사태 등. 가장 중요한 것은 이 모든 악재와 변수들이 "현재 시점의 유가에 이미 얼마나 반영되어 있는가(Priced-in)"를 가려내는 일임. 최근 주요 경제 연구소의 리포트나 NBER(전미경제연구소) 등의 워킹페이퍼를 살펴보면, 이러한 원유 시장의 리스크는 정규분포를 따르지 않으며 '꼬리(Tail)에 모든 것이 달렸다'고 분석함. 즉, 극단적인 테일 리스크(Tail Risk) 시나리오가 전체 기대값을 크게 왜곡하는 비선형적 시장이라는 것임. 실제로 학계에서는 전통적인 선형 회귀 모형을 버리고, 베이지안 계량모형이나 머신러닝을 활용해 '극단 시나리오의 확률 분포'를 동적으로 추적하는 방향으로 연구를 고도화하고 있음. 공급망 전문가들 역시 단순히 재고 수준을 파악하는 것을 넘어, 석유·가스 공급망 전반의 리스크를 베이지안 네트워크(Bayesian Network)로 모델링하여 원인과 결과의 확률적 사슬을 평가하는 프레임워크를 속속 도입하고 있음. 1.2 인간 뇌의 구조적 결함 이토록 방대하고 상호의존적인 변수들 앞에서 인간의 뇌는 구조적인 한계를 드러냄. 인간은 진화론적으로 '확률'보다 '서사(Story)'를 이해하도록 설계되어 있음. 시장에 새로운 뉴스가 쏟아질 때, 투자자나 분석가들은 보통 다음과 같이 정보를 요약하고 소비함. 모 투자은행에서 이라크는 3일, 쿠웨이트는 2주 만에 원유 저장 탱크가 꽉 찬다고 분석했다더라." "페르시아만 진입 선박의 전쟁 보험료가 평소 대비 10배 이상 올랐다." "사우디가 홍해 쪽으로 원유를 빼돌릴 수 있는 우회 송유관을 최대치로 가동하기 시작했다더라. 이러한 서사들은 그럴싸한 스토리를 만들어내지만, 이를 실제 투자 의사결정이나 정량적 리스크 헤지(Hedge) 모델에 직접 넣을 수는 없음. 서사 중심의 사고방식은 치명적인 블라인드 스포트를 만들어냄. 첫째, 정보의 가격 반영도를 측정하지 못함. 방금 읽은 그 충격적인 뉴스가 이미 일주일 전 스마트머니에 의해 유가에 선반영된 구문인지, 아니면 시장의 컨센서스를 깨는 진정한 서프라이즈인지 직관만으로는 분별하기 어려움. 둘째, 정보의 중복을 걸러내지 못함. A 통신사가 보도한 내용을 B 언론사가 인용하고, C 애널리스트가 이를 다시 요약해 리포트를 냈을 때, 인간의 뇌는 이를 '세 개의 독립적인 악재'로 착각하여 공포를 증폭시킴. 사실은 하나의 소스에서 파생된 메아리일 뿐인데도 말임. 결국 "호르무즈 해협이 며칠 안에 풀릴지(단기 해소) vs 2주 이상 꽉 막힐지(장기 봉쇄) vs 외교적 협상으로 1주일 내 타결될지"와 같은 다중 시나리오의 발생 확률을 구하고, 그것이 다시 "한 달 뒤 브렌트유가 배럴당 90달러, 100달러, 혹은 110달러를 돌파할 확률"이라는 복잡한 수익 분포로 번역되는 과정을 사람의 머릿속에서 직관으로 계산하는 것은 물리적으로 불가능함. 그러니 직관에 의존할수록 확증 편향에 빠지거나 공포에 휩쓸려 최악의 의사결정을 내리게 됨. 2. 소음을 확률의 언어로 번역 이러한 복잡계 속에서 AI를 활용하여 수행하는 첫 번째 핵심 역할은 혼돈스러운 뉴스 플로우와 방대한 외부 연구 자료를 수집하고, 이를 '사건 레이어(Event Layer)'와 '수익 레이어(Revenue Layer)'로 분리한 뒤 정량화하는 작업임. AI는 인간이 서사로 소비하는 뉴스를 차가운 '확률 구조'로 해체함. 2.1 신뢰 가중치의 산출: 정보와 소음의 분리 AI는 시장에 쏟아지는 각 뉴스, 공식 브리핑, 투자은행의 리포트들을 개별적인 '증거(Evidence, 이하 EE)' 단위로 쪼갬. 그리고 이 증거들이 얼마나 가치 있는 정보인지 판단하기 위해 네 가지 독립적인 축을 기준으로 0에서 1 사이의 스코어를 부여함. S_event (Surprise, 서프라이즈 정도): 이 정보가 기존 시장의 기대치나 컨센서스와 비교하여 얼마나 놀랍고 이질적인가를 측정함. 뻔한 내용이면 0에 가깝고, 판을 뒤집는 내용이면 1에 가까움. Q_event (Quality, 출처의 신뢰도): 정보를 생산한 주체의 과거 적중률, 데이터 수집의 투명성, 기관의 공신력을 평가함. P_event (Priced-in, 가격 반영도): 옵션 시장의 내재변동성(IV) 스큐나 최근 선물 가격의 움직임 등을 역산하여, 이 뉴스의 내용이 이미 현재 가격에 얼마나 녹아들어 있는지를 평가함. 선반영되었다면 가치를 낮춤. R_event (Relevance/Independence, 독립성): 이 증거가 기존에 수집된 다른 증거들과 교집합을 가지지 않고 얼마나 독자적인 정보값을 제공하는지를 판단함. 중복된 뉴스 매체의 인용 보도라면 이 수치가 극도로 낮아짐. AI는 이 네 가지 스코어를 곱하여 하나의 압축된 '신뢰 가중치(w)'를 산출함. 이 방식은 실제 석유·가스 리스크 평가에서 베이지안 네트워크로 원인-결과 노드를 쌓고, 루트 확률과 조건부 확률을 입력해 결과 리스크를 계산하는 절차와 동일함. 2.2 베이즈 업데이트(Bayesian Update)의 자동화 증거의 신뢰도(w)가 산출되면, AI는 본격적으로 베이즈 정리를 활용하여 미래 시나리오의 확률을 업데이트함. 먼저 AI는 위기가 발생한 직후의 역사적 데이터와 기본 펀더멘털을 바탕으로 사전 확률(Prior Probability)을 설정함. 예를 들어 초기 세팅은 다음과 같을 수 있음. S0(며칠 내 부분 재개 및 완화): 약 0.45 ~ 0.60 S1 (2주 이상 전면 봉쇄 및...

프루팅 투자자문 이선철님 텔레그램에서 다음과 같은 글이 올라왔습니다. 호르무즈 봉쇄 시나리오에 대해 또다시 설왕설래가 많은데, 호르무즈 봉쇄 시나리오는 크게 세 가지로 나눌 수 있습니다. 1) 봉쇄 없음 2) 해군/해경 전력을 동원한 연성(soft) 통항금지 - #예멘 후티 반군이 해 왔던 것과 비슷한 방식 3) 무지성 기뢰 투하를 통한 경성(Hard) 통항금지 이 중 2)번 방식은, 지금 #중동 에 배치된 #미국 해상전력을 고려할 때, 설령 이란이 '선언'할 수는 있어도 이러한 작전을 '장기간 실시'하는 것은 무리가 있을 것입니다. 그렇다면, 결국 진정으로 우려해야 할 것은 3)번, 경성 봉쇄 시나리오입니다. 문제는, 경성 봉쇄 시나리오는 그 후폭풍이 감당할 수 없다는 것만 제외하면 그 난이도는 너무나도 쉽다는 것입니다. 그나마 특정 좌표를 정해두고 투하하는 거라면 그 좌표만 파악해서 소해하고 안전 항로를 만들어 항행하면 될 일이지만, 그냥 기뢰를 무지성으로 닥치는 대로 뿌리기 시작하면... 일단 완전히 소해하는 데만 몇 년이 걸릴 것이고, 그동안 중동 대부분의 국가들의 #석유 수출은 사실상 반토막나게 됩니다. 최근 #이란 문제를 두고 #OPEC+가 증산을 논의하고 있다는 기사가 나온 바 있는데, 석유를 백만 배 증산한들 그 석유를 실어나를 #탱커 가 해당 국가 항구에 입항을 못하면 그건 그저 공썩물에 불과할 뿐입니다. 다만, 그런 전략을 감행하는 것은 쉬워도 이를 되돌리는 것은 불가능합니다. 한 번 기뢰를 뿌리는 건 마음대로라도 거두는 것은 마음대로가 아니며, 어찌 됐든 역내 다른 국가들과 외교 관계를 유지해야 한다는 이성이 남아 있다면 이런 카드는 꺼낼 수 ...

원래는 Valley AI 관련 설문 & 라이브 사전 질문지: https://forms.gle/YjEBvjrVVZuwzpJQ7 에 편지를 쓰려고 했는데 닭고기요리님의 표현도 즐겁지만 매우 깊이 있는 글을 읽고 저도 숟가락 얹혀 보고자 합니다. 1. 공간구문 우리는 흔히 디지털 플랫폼을 ‘공간’이라 부르지만, 정작 그 공간을 설계할 때는 물리적 공간이 갖춰야 할 위계와 질서를 망각하곤 한다. 런던대학교(UCL)의 빌 힐리어(Bill Hillier)가 제창한 ‘스페이스 신택스(Space Syntax, 공간구문론)’ 이론을 이 디지털 공간에 대입해 보면, 현재 밸리의 문제는 운영의 미숙함이 아니라 ‘공간 구조적 필연’임이 명확하게 증명할 수 있다. 2. 공간은 어떻게 사람을 움직이는가 진단에 앞서, 우리는 공간이 인간의 행동을 제어하는 방식을 이해해야 한다. 스페이스 신택스는 공간의 연결 구조를 수학적으로 분석하여 사람들의 이동 패턴과 상호작용을 예측하는 이론이다. 실제로 이 이론을 적용해서 작은 건물도 지어 봤다. 아주 쉽고 직설적으로 설명하자면 문을 열 때마다 다음 공간이 얼마나 효율적으로 연결되는지에 대한 이론이다. 설명 1. 그림 a : 깊은 공간 (Deep) 구조: 방이 한 줄로 쭉 이어짐. (비엔나소시지 같음) 특징: 맨 안쪽(8번)에 가려면 앞의 방을 다 거쳐야 함. 의미: 통제가 강하고 프라이버시가 높음. 남이 쉽게 못 들어옴. 단점은 이동이 불편함. (예: 비밀 금고, 박물관) 2. 그림 b : 얕은 공간 (Shallow) 구조: 거실을 중심으로 방들이 부채꼴로 붙어 있음. 특징: 입구에서 한두 걸음이면 모든 방에 갈 수 있음. 의미: 효율적이지만 깊이가 없음. 문 열면 다 보임. (지금의 밸리 피드가 딱 이 모양임) 3. 그림 c : 순환 공간 (Ring) 구조: 방들이 서로 연결되어 빙글빙글 돌 수 있음. 특징: A방에서 B방으로 가는 길이 여러 개임. 의미: 선택권이 있고 융통성이 있음. 막힌 길이 아니라 흐르는 길임. 단점은 길을 잃을 수도 있고, 동선이 복잡할 수 있음 (예: 골목길, 쇼핑몰) 이 이론에서 가장 중요한 두 가지 개념은 ‘통합도’와 ‘깊이’다. 첫째, 통합도(Integration)는 특정 공간이 전체 공간 네트워크에서 얼마나 중심에 위치하며 접근하기 쉬운지를 나타낸다. 통합도가 높은 공간은 도시의 대로변이나 광장처럼, 의도하지 않아도 많은 사람이 지나치고 자연스러운 만남이 일어난다. 이곳은 개방적이고 활기차지만, 동시에 시끄럽고 노출되어 있다. 둘째, 깊이(Depth)는 외부에서 특정 공간에 도달하기 위해 거쳐야 하는 단계(Step)의 수다. 깊이가 얕은 공간은 길거리에서 바로 들어갈 수 있는 편의점과 같고, 깊이가 깊은 공간은 대문을 열고, 현관을 지나, 복도를 거쳐야 나오는 침실이나 서재와 같다. 깊이는 접근성을 떨어뜨리는 ‘비용’이지만, 역설적으로 그 비용 덕분에 프라이버시와 심리적 안정감을 제공한다. 건축가들은 이 두 가지 속성을 조절하여 공간의 성격을 규정한다. 백화점이나 쇼핑몰은 통합도를 극대화하여 소비를 유도하고, 도서관이나 ...

뉴런클럽의 일원이 된 것을 기념하며, 첫 글은 미국 경제의 기이한 풍경에 대한 개인적인 소회와 푸념을 적어보았습니다. 1. 서론 미국 경제를 바라보는 시선은 두 가지로 정리해 보면 주식 시장과 GDP 지표만 보는 사람들은 "역대급 호황"이라고 환호하지만, 실제 현장에서 월급을 받고 생활하는 사람들은 "체감 경기는 금융위기급"이라고 한다. 주가지수는 AI와 빅테크의 자본 지출(Capex) 덕분에 유지되고 있지만, 그 이면에는 10년 만에 최악의 해고 한파가 몰아치고 있다는 사실인 것이다. 뭔가 앞뒤가 이번에도 또 안맞는다. 왜 GDP는 4~5%씩 성장하는데 내 일자리는 사라지는지, 왜 기업들은 수천억 달러를 쏟아부으면서도 신규 채용은 0에 수렴하는지, 그 구조적인 모순을 보고자 한다. 2. 자본 중심 성장의 거대한 착시 2.1. GDP 성장률 5%의 함정 현재 트럼프 행정부는 3분기 GDP 성장률이 4%를 넘겼고, 4분기에는 5%에 육박할 것이라며 "경제는 강력하다"고 주장한다. 표면적으로만 보면 이는 엄청난 수치이다. 하지만 최근 분석에 따르면, AI 데이터센터 건설과 관련된 자본 지출(Capex)을 제외하면 실질 GDP 성장률은 0%에 수렴한다. 즉, 지금의 성장은 물건을 많이 팔거나 소비가 늘어서 생긴 '건강한 성장'이 아니라, 빅테크 기업들이 그래픽카드를 사고 서버실을 짓는 돈만으로 부풀려진 '거품 성장'이라는 뜻이다. 더 심각한 건, 이 성장의 나머지 축을 담당하는 것이 고령화 관련 헬스케어 지출과 정부 재정 지출뿐이라는 점이다. 민간 소비나 제조 생산이 늘어나는 게 아니라, 아픈 노인이 늘어서 병원비가 많이 나가고, 정부가 빚을 내서 돈을 뿌리니까 숫자가 올라가는 것일 뿐인 것이다. 이걸 두고 경제가 좋다고 말하는 건, 암 환자가 병원비 많이 쓴다고 "GDP 기여도가 높으니 건강하다"고 말하는 것과 다를 바 없다. 2.2. AI 투자의 역설: "사람을 지운다" Meta, Alphabet, Amazon 같은 빅테크들은 2026년에만 약 6,500억 달러(약 900조 원)를 쏟아붓겠다고 발표했다. 과거에는 이런 발표가 나오면 "우와, 투자가 늘어나니 일자리도 늘겠네?"라고 낙수 효과를 기대했다. 하지만 지금은 상황이 정반대로 시장은 이들의 투자 발표를 듣고 오히려 위기감을 느끼기 시작했다. 왜냐? AI 투자의 목적 자체가 '고용 없는 성장'을 넘어 '고용 줄이는 성장'을 지향하기 때문이다. 생산성(Productivity)의 정의를 다시 생각해 보자. 생산성은 '산출물(Output) / 투입물(Input)'이다. 생산성을 높이려면 산출물을 늘리거나 투입물을 줄여야 하는데 지금 기업들이 선택한 방식은 후자에 가깝다. 즉 AI라는 도구를 도입해서 가장 비싼 투입물인 '인간 노동력'을 극단적으로 줄이겠다는 것이다. 최근 Anthropic이 내놓은 AI 모델이 좋은 사례이다. 법률 분석, 금융 데이터 처리 같은 복잡한 사무직 업무를 순식간에 처리해버리는데 이건 단순히 공장 자동화 수준이 아니라 대졸 신입 사원들이 하던 '초급(Entry-level) 사무직' 업무 자체가 증발하고 있다는 사례로 볼 수 있다. 기업 입장에서는 굳이 주니어 직원을 뽑아서 가르칠 이유가 사라진 것이다. AI가 더 빠르고, 더 싸고, 불평도 안 하니까 말이다. 2.3. 소프트웨어 주식 투매와 그림자 금융의 위기 이러한 변화는 주식 시장에서도 감지된다. 최근 세일즈포스(Salesforce)나 먼데이닷컴(Monday.com) 같은 SaaS(서비스형 소프트웨어) 기업들의 주가가 급락하는 현상이 발생했다. AI가 코딩과 애플리케이션 개발을 수행함에 따라 고가의 SaaS 구독 필요성에 대한 의구심이 시장을 잠식했기 때문이다. 문제는 이 여파가 사모 신용 시장(Private Credit Market), 일명 '그림자 금융'으로 확산되고 있다는 점이다. 은행 규제 강화로 인해 많은 소프트웨어 기업들이 사모 펀드를 통해 자금을 조달해 왔으나, AI로 인해 소프트웨어 기업들의 가치가 하락하자 이들에게 자금을 대출해 준 금융 세력들마저 위태로워지고 있다. 자금 경색에 직면한 기업들은 구조조정을 최우선 과제로 삼게 되며, 이는 IT 업계의 지속적인 해고로 이어지고 있다. 3. "노동은 끝났다" 월스트리트 채권왕의 경고 3.1. 릭 리더가 진단한 경제의 실체 블랙록(BlackRock)에서 2.5조 달러 규모의 채권을 운용하는 얼마전 연준의장 지명에서 낙마한 릭 리더(Rick Rieder)의 분석에 주목할 필요가 있다. 거시 경제의 흐름을 읽는 채권 전문가인 그는 최근 매우 비관적인 진단을 내놓았다. 현재 미국 경제는 노동 중심(Labor Oriented)이 아니라 자산 중심(Asset Oriented)이다. 이말은 경제의 동력이 근로 소득이 아닌 자산 가격 상승으로 이동했음을 의미한다. 주식과 부동산 가격 상승으로 자산가들의 ...

일단 두 가지 모순된 실험의 상세한 스토리들을 이해하기 위해서 이참에 글매실 한 번 더 보기를 추천합니다.ㅎㅎ(90년대) 그래도 본론에 들어가기 전에 살짝 정리하고 글을 이어가 보겠습니다. 금융의 역사를 되짚어보면, 서로 다른 정책 수단을 섞어 쓰는 '이종 배합(Hybrid Mix)' 실험은 이번이 처음이 아님. 중앙은행과 행정부는 끊임없이 성장(부양)과 안정(긴축)이라는 두 마리 토끼를 잡기 위해 아슬아슬한 줄타기를 해왔음. 이 실험들의 결말을 미리 복기해보는 것은, 앞으로 다가올 '워시-트럼프 체제'의 미래를 점치는 데 중요한 단서가 됨. 성공의 추억: 클린턴-그린스펀의 황금기 (1993~2000) 가장 대표적인 성공 사례는 1990년대 빌 클린턴 행정부와 앨런 그린스펀 연준 의장의 조합임. 이들은 '재정 긴축(Tight Fiscal) + 통화 완화(Loose Money)'라는 교과서적인 정책 조합을 구사했음. 실행: 클린턴 정부는 증세와 지출 삭감으로 재정을 꽉 조였고, 그린스펀은 금리를 유연하게 운용하며 시장에 유동성을 공급함. 결과: 그야말로 '대성공'이었음. 4%대에 달하던 재정 적자는 2.4% 흑자로 돌아섰고, GDP 성장률은 4%를 넘나들었으며 실업률은 4%대로 떨어짐. 소위 '골디락스(Goldilocks)' 경제의 탄생임. 그림자: 그러나 빛이 강하면 그림자도 짙은 법. 장기간 이어진 유동성 완화는 결국 닷컴 버블(Dot-com Bubble)이라는 거품을 키웠고, 2000년 버블 붕괴와 함께 화려한 파티는 막을 내림. "단기 부양은 성공했으나, 장기 금융 불안정을 초래했다"는 비판이 뒤따르는 지점임. 반면, 정책의 방향이 어긋났을 때의 대가는 혹독했음. 2010년대 (QE + 재정 긴축): 금융위기 이후 연준은 돈을 풀었으나(QE), 의회는 재정 건전성을 이유로 지갑을 닫음. 부채 비용은 줄었으나 실물 경제 회복은 더뎠고, 풀린 돈이 자산 시장으로만 쏠리며 극심한 양극화와 자산 버블을 만듦. 한국 2021년 (금리 인상 + 재정 확대): 가까운 예로 한국의 경우, 한쪽에서는 금리를 올려 인플레를 잡으려는데 정부는 추경으로 돈을 푸는 엇박자를 냄. '브레이크와 액셀의 동시 조작'은 결국 물가(5%대)도 못 잡고 성장만 둔화시키는 효과 반감(Offset) 현상을 초래함. 1. 시장이 직면한 불확실성 최근 차기 연준 의장 후보로 거론되는 케빈 워시(Kevin Warsh)와 관련하여 금융시장의 변동성이 확대되고 있음. 시장 참여자들 사이에서는 기대와 우려가 교차하는 모습임. 특히 그가 과거부터 "연준의 비대해진 대차대조표"를 강하게 비판해온 인물이라는 점에서, 그가 등판할 경우 강력한 양적 긴축(QT)이 시행될 것이라는 우려가 채권 금리와 주가에 선반영되는 양상이 보였음. 그러나 동시에 그는 인터뷰 등을 통해 "금리 인하의 필요성" 또한 언급하고 있음. 일반적으로 '유동성 축소(긴축)'와 '금리 인하(완화)'는 상충되는 정책으로 인식됨. 이 두 가지를 동시에 추진하겠다는 입장은 시장에 혼란을 주기에 충분함. 이번 글은 케빈 워시가 주장하는 정책 조합이 이론적으로 어떻게 성립 가능한지, 그리고 이것이 시장이 우려하는 '쇼크'로 이어질지 아니면 '체질 개선'으로 이어질지에 대한 점검해 보고자 함. 2. 정책 조합의 논리적 배경: 가격(Price)과 수량(Quantity)의 분리 케빈 워시의 주장이 겉보기에는 모순처럼 보일 수 있으나, 통화정책의 도구를 '가격'과 '수량'으로 나누어 보면 일정한 논리적 체계가 보임. 2-1. 금리는 '가격', 대차대조표는 '수량' 통화정책은 크게 두 가지 경로로 작동함. 정책금리 (Price Mechanism) 역할: 단기 자금의 조달 비용을 조절하는 전통적인 도구. 파급 경로: 기준금리가 변하면 은행의 대출 금리와 예금 금리가 변하고, 이는 기업의 투자 의사결정과 가계의 소비 패턴에 즉각적인 영향을 줌. 워시의 관점: 현재 금리는 물가 대비 너무 높거나, 혹은 경기 둔화를 막기 위해 낮출 필요가 있음. 대차대조표/QT (Quantity Mechanism) 역할: 시중에 공급된 본원통화(Base Money)의 총량과 국채/MBS의 수급을 조절하는 비전통적 도구. 파급 경로: 중앙은행이 채권을 사거나 팔면서 장기 시장 금리(Term Premium)와 금융 시스템 전반의 유동성 환경을 결정함. 자산 가격(주식, 부동산)의 밸류에이션 형성에 결정적인 역할을 함. 워시의 관점: 연준의 장부는 비정상적으로 비대함. 이는 자산 거품을 만들고 금융 안정을 해침. 워시의 논리는 이 두 가지 도구가 서로 다른 목적을 수행할 수 있다는 점에 기반한 것으로 보임. 즉, "단기 금리(가격)는 인하하여 경기 둔화를 방어하되, 대차대조표(수량)는 축소하여 금융 불균형을 해소한다"는 이원화 전략임. 2-2. 실질금리 관점에서의 '재조정(Recalibration)' 또한 '금리 인하'를 반드시 '부양책'으로만 해석할 필요는 없음. 인플레이션이 하락하는 국면에서의 금리 정책을 고려해야 함. 만약 인플레이션이 3%에서 2%로 하락했는데 ...