2024년 글로벌 경제는 기존 공식이 통하지 않는 뉴노멀 시대로 접어들었습니다. 신한 패스파인더의 오건영 단장은 정보의 비대칭 해소, 포트폴리오 심리학, AI 혁명의 이중성이라는 세 가지 렌즈로 이 복잡한 현실을 명쾌하게 조명했습니다.
매크로 예측 모델의 붕괴: 정보 대중화가 바꾼 시장의 법칙
경제학 교과서에는 오랫동안 불변의 법칙처럼 통용되던 공식들이 있었습니다. 그 대표적인 사례가 바로 장단기 금리차 역전과 경기 침체의 상관관계입니다. 1950년대 이후 장단기 금리가 역전된 일곱 번의 사례마다 어김없이 경기 침체가 뒤따랐습니다. 단기 금리가 장기 금리보다 높아지면 은행의 예대 마진이 사라지고, 대출이 위축되며, 결국 경기가 둔화된다는 논리는 견고해 보였습니다. 그러나 2023년과 2024년, 장단기 금리차가 역전되었음에도 불구하고 예상된 경기 침체는 오지 않았습니다.
오건영 단장이 지목한 핵심 원인은 바로 정보의 비대칭 해소입니다. 과거에는 소수의 전문가나 정책 당국만 알던 위험 시그널을 이제는 유튜브, 뉴스레터, SNS를 통해 일반 대중 모두가 실시간으로 공유합니다. 모두가 위험을 알면 정책 당국은 선제적으로 재정 지출을 늘려 경기를 부양합니다. 결과적으로 그 공식 자체가 무력화되는 역설이 발생하는 것입니다.
이는 단순한 통계적 이상 현상이 아닙니다. 투자자 수준의 비약적 향상도 같은 맥락에서 이해할 수 있습니다. 오건영 단장 스스로도 "투자자분들의 질문 레벨이 5년 전과 너무 달라졌다"고 인정했습니다. 거시경제 전문가인 그도 주식 세부 분야에서는 개인 투자자에게 오히려 뒤처질 수 있다고 고백할 정도입니다. 이는 정보 평준화가 단순히 지식의 확산을 넘어, 전문가와 비전문가의 경계 자체를 재정의하고 있음을 시사합니다.
뉴노멀 시대의 투자자에게 이 분석이 주는 교훈은 명확합니다. 과거 패턴이나 단일 공식에 의존하는 매크로 예측은 그 자체로 위험 요소가 될 수 있습니다. 시장 참가자 모두가 같은 공식을 알고 있다면, 그 공식은 이미 시장 가격에 선반영되거나, 집단적 대응으로 인해 무력화될 가능성이 높습니다. 진정한 경쟁력은 지식 그 자체가 아니라, 대중의 선반영 심리와 정책 당국의 대응이 만들어내는 상호작용을 읽어내는 유연한 해석 능력에 있습니다. 또한 AI가 정보 접근의 장벽을 더욱 낮추고 있는 현실을 감안하면, 특정 분야에만 천착하는 것이 오히려 위험해지는 세상이 이미 도래했다는 오 단장의 경고는 단순한 겸손함이 아닌 구조적 변화에 대한 날카로운 진단입니다.
위성 투자(Satellite Investment)와 포모(FOMO) 방어 전략
분산 투자는 오랫동안 투자의 기본 원칙으로 강조되어 왔지만, 많은 개인 투자자들이 그 진정한 가치를 체감하기는 쉽지 않습니다. 수익률이 가장 높은 단일 자산에 집중하고 싶다는 욕망은 지극히 자연스럽습니다. 오건영 단장은 이 오래된 딜레마에 새로운 시각을 제시합니다. 바로 분산 투자의 목적을 수익률 극대화가 아닌 심리적 안정과 포모(FOMO) 방어에서 찾는 것입니다.
대담에서 제시된 핵심 개념은 포트폴리오를 핵심(Core) 투자와 위성(Satellite) 투자로 나누는 구조입니다. S&P 500이나 장기 우량 자산처럼 안정적이고 꾸준히 오르는 자산이 핵심 투자의 역할을 맡습니다. 워런 버핏 역시 잘 모르겠다면 S&P 500 장기 투자를 권장하며, 이는 500개 기업에 대한 지수 분산 투자로서의 의미를 갖습니다. 반면 위성 투자는 변동성이 높지만 특정 국면에서 급등 가능성이 있는 자산들, 예컨대 코스피, 에너지, 원자재 등을 소규모 비중으로 담는 방식입니다.
이 구조가 왜 중요한가를 오 단장은 아주 직관적인 사례로 설명합니다. S&P 500만 보유하고 있을 때 코스피가 급등하면 어떤 일이 벌어질까요? 처음에는 무관심할 수 있지만, 주변 모든 사람이 수익을 내고 있다는 사실을 인식하는 순간 강력한 소외감, 즉 포모가 엄습합니다. 그리고 포모는 냉정한 판단 대신 감정적 추격 매수를 유도합니다. 이미 고점 부근에서 기존 핵심 자산을 청산하고 뒤늦게 진입하는 최악의 패턴이 반복되는 것입니다.
반면 코스피를 작은 비중의 위성 자산으로 미리 담아두었다면, 급등 국면에서 수익 일부를 함께 누리면서도 전체 포트폴리오의 안정성은 유지할 수 있습니다. 더 중요한 것은 그 움직임을 냉정하게 관찰하면서 자연스럽게 리밸런싱이 가능해진다는 점입니다. 빈집털이를 당하지 않기 위해 여기저기에 조금씩 담아두는 전략, 오 단장은 이를 "빈집털이를 막아주는 가장 좋은 방법"이라고 표현했습니다.
다만 이 전략을 소액 투자자나 비전문가가 실제로 실행할 때는 추가적인 고려가 필요합니다. 여러 위성 자산을 동시에 관리하면 포트폴리오의 복잡성과 추적 비용이 증가하기 때문입니다. 이를 해결하려면 자동 리밸런싱 규칙을 사전에 설정하거나, ETF처럼 단일 상품으로 특정 테마에 접근하는 방식을 병행하는 것이 현실적입니다. 오 단장이 강조한 "중고차 먼저 타보고 포르쉐 타시죠"라는 조언처럼, 소규모 자금으로 다양한 자산을 실제로 체험하는 과정 자체가 리스크 감내 수준을 파악하고 투자 근육을 기르는 최선의 훈련입니다.
AI 혁명의 이중성: '마에스트로' 그린스펀과 닷컴 버블 사이에서
AI는 오늘날 전 세계가 직면한 부채 위기를 해결할 수 있는 유일한 치트키로 주목받고 있습니다. 오건영 단장의 논리는 명쾌합니다. 미국을 비롯한 선진국과 신흥국 대부분이 막대한 부채 아래 신음하고 있는 현실에서, 이 위기를 탈출하는 경로는 두 가지뿐입니다. 일본처럼 긴축을 통해 부채를 줄이거나, 성장을 통해 부채 대비 GDP 비율을 낮추거나. 일본의 잃어버린 30년은 긴축 선택이 초래하는 결과를 전 세계 위정자들에게 강력히 각인시켰습니다.
그렇다면 성장을 택해야 하는데, 문제는 성장이 물가 상승과 금리 인상을 유발한다는 점입니다. 금리가 오르면 부채 이자 부담이 커져 다시 위기로 돌아오는 악순환이 시작됩니다. 이 딜레마를 유일하게 돌파할 수 있는 해법이 바로 물가를 올리지 않는 성장, 즉 생산성 혁명입니다. AI가 생산성을 극적으로 끌어올리면, 생산 원가는 낮아지고 가격은 하락하며, 수요는 늘어나고 성장은 가속화됩니다. 부채 비율은 낮아지되 금리는 상승하지 않는 이상적인 시나리오입니다.
오 단장은 이 구도를 1990년대의 역사적 선례와 대비시킵니다. 연준 의장 그린스펀은 1995, 1996년 당시 인터넷 혁명이 생산성 혁명으로 이어져 물가를 안정시킬 것이라는 확신 하에 금리를 올리지 않았습니다. 그의 판단은 옳았고, 미국은 강력한 성장과 낮은 물가, 낮은 금리의 황금기를 누렸습니다. 그래서 그를 마에스트로라 불렀습니다.
그러나 이야기는 거기서 끝나지 않습니다. 1999년, 인터넷 혁명의 생산성 잠재력을 에브리바디가 알게 되었을 때 상황은 완전히 달라졌습니다. 모두가 IT 혁명에 확신을 갖고 투자하기 시작했고, 주가는 수직 상승하며 닷컴 버블이 형성되었습니다. 자산 가격 상승은 수요를 자극했고, 물가가 오르기 시작하자 그린스펀은 결국 기준 금리를 4.75%에서 6.5%까지 급격히 인상했습니다. 그 충격이 닷컴 버블을 붕괴시켰습니다.
지금의 AI 국면이 정확히 이 역사적 패턴과 겹칩니다. 시카고 연준의 굴스비 총재가 지적했듯, 95년의 그린스펀과 달리 오늘날에는 AI의 생산성 혁명 가능성을 에브리바디가 알고 있습니다. 모두가 아는 순간, 설비 투자가 과열되고 데이터 센터 건설 비용이 먼저 올라가며, 생산성 향상 효과가 가시화되기도 전에 고물가·고금리 압력이 앞당겨 나타날 수 있습니다. AI의 장기적 당위성은 분명하지만, 그 경로는 결코 순탄하지 않습니다. 오 단장이 말한 범피 로드(Bumpy Road)가 바로 지금 우리가 걷고 있는 길입니다. 장기적 비전과 단기적 변동성 사이의 시간차를 견딜 수 있는 호흡과 포트폴리오 설계가 그 어느 때보다 중요한 이유입니다.
뉴노멀 시대의 투자는 "무엇을 맞출 것인가"보다 "어떻게 버틸 것인가"의 문제입니다. 매크로 예측 모델의 붕괴, 포모를 방어하는 위성 투자, AI 혁명의 범피 로드라는 세 가지 통찰은 결국 하나로 수렴합니다. 유연한 해석 능력과 분산된 포트폴리오, 그리고 긴 호흡의 심리 관리가 이 시대 진짜 투자의 핵심 경쟁력입니다.
[출처]
영상 채널: 지식인 초대석 (안석준) / 출연: 오건영 (신한 패스파인더 단장)
영상 링크: https://www.youtube.com/watch?v=txcTegDGens