미국 대선 까지 옐런/재무부가 돈을 풀 유인이 충분하지만
대선 이후는 부채한도 장기채 비중 인플레 리스크 경기 침체등 여러 요인들로 리스크 높을 것
11월 대선 이후부터, 특히 12월 크리스마스 이후는 하락장의 리스크가 높아짐
1. 재무부 입장에서 유동성 풀어내기 위한 정치적 유인이 약화되는 시점
2. 24년 1월 1일 부터 다시 부채한도 이슈 재발
3. 유동성 환경이 약화되면, 여름부터 나타나기 시작한 경기둔화 조짐이 가시화될 수 있음
4. 재무부 국채 발행 비중이 단기채-> 장기채로 이동 중
5. 옐런이 5월부터 행한 재정지출이 6~9개월의 시차를 두고 인플레이션으로 나타날 수 있음
대선 이후를 바라봤을때
경기 침체 VS 인플레이션 재점화의 대결
귀납적 추론
1번 백조를 봤더니 하얗다, 2번 백조를 봤더니 하얗다 - > 모든 백조는 하얗다.
과거 사례를 통한 일반화 -> 미래를 추정
AI와 머신러닝의 근간 = 과거 데이터를 통한 패턴 인식
데이터에 기반한 귀납적 추론의 요건
1. 데이터의 개수가 충분
2. 각 데이터가 비슷한 환경에서 수집되어야 함
5분 기초 통계
한국인 1명 키 180cm -> 한국 인구의 평균키는 180cm다?
한국인 10명의 평균키 180cm -> 한국 인구의 평균키는 180cm?
한국인 100명, 1000명?
샘플 수가 많아질수록, 그 샘플의 평균키 = 전 인구의 평균키에 대한 확신 ↑
-> 법칙1 : 데이터의 개수가 많아질수록, 그 평균에 대한 신뢰도는 높아진다.
외계동 A, B가 존재
A 외계인 5명 : 143cm, 142cm, 145cm, 142cm, 143cm -> 평균 143cm
B 외계인 5명 : 45cm, 321cm, 140cm, 50cm, 159cm -> 평균 143cm
어떤 추정이 더 믿을만한가? B 외계인 샘플은 너무 들쭉날쭉
-> 법칙2 : 관측된 데이터가 들쭉날쭉할수록, 그 평균에 대한 확신은 낮아진다
어떤 샘플을 관측하고 그 샘플의 평균을 냈을 때,
그 평균값이 전체 인구의 실제 평균값과 비슷할 가능성은
1) 데이터가 많을수록, 2) 수치가 덜 들쭉날쭉할수록 높아진다
-> "신뢰구간" 혹은 "오차 범위" 라는 개념
-> 해리스와 트럼프의 지지율이 "오차 범위" 내에서 박빙이다
데이터가 많고, 수치가 덜 들쭉날쭉할수록 신뢰구간/오차범위는 좁아진다 = 더 정확해 진다
외계인 50명 평균 키 140cm, 표준편차 (들쭉날쭉함) 18cm - 95% 신뢰구간은 약 135 ~ 145cm
외계인 500명 평균 키 140cm, 표준편차 (들쭉날쭉함) 18cm - 95% 신뢰구간은 약 138.4 ~ 141.6cm
"대선 전 6개월의 기대수익률"의 어떠한 진리값 X
16번의 대선 샘플을 관찰한 결과 평균 수익률이 4.15% 표준 편차가 10.71%가 나왔다면
-> 실제 X는 95% 확률로 -1.56% ~ 9.86% 어딘가에 있다는 쓸모없는 결론
한국인의 평균키를 추정하고자 한다
1960년대에서 5명 / 70년대에서 5명 / 2020년대에서 5명을 뽑아 평균 내면?
시대별로 영양을 비롯한 다양한 환경들이 다르다.
매크로 데이터의 문제점
1960년대부터 2020년대까지 60년에 걸쳐 듬성듬성 뽑은 데이터
공통점이라고는 대선 밖에 없고 각기 다른 환경에서의 데이터를 평균 낸 값
마치 60년대 사람들과 2020년대 사람들을 섞어 놓고 평균을 재는 것과 똑같다.
매크로 지표들은 보통 분기/연단위 -> 10년치 데이터를 보아도 데이터 개수가 부족
- 이를 극복하기 위해 점점 더 과거의 데이터를 사용하면 할수록, 매크로 환경이 다른 샘플들이 뒤섞이는 문제발생
이런 오용을 전문가들이 모를까?
- 많은 경우에, 그게 할 수 있는 최선이라서
- 엄밀하지 않고 오용일 수 있더라도 그러한 데이터와 통계를 사용
매크로에서 데이터를 논할 때 명심할 점
1. 통게적 유의미성이 부족한 데이터를 사용한다면, 적어도 그 맹점을 인지하고 사용할 것
-> 예시 : 해리스 vs 트럼프 지지율을 논할 때 " 오차범위 내에서" 앞선다는 수식어를 부치는 것
2. 귀납적 평균은 참조만 할 뿐, 결국은 그 인과 관계에 집중해서 연역적 추론을 하기 위해 최선을 다할 것
연역적 추론
1. 재정지출이 과도
2. 인플레이션 발생
3. 연준이 금리 인상
4. 듀레이션 높은 미래산업이 하락
우리는 과거 사이클이나 패턴을 참고하기는 하되,
나이브한 결론보다는 반드시 왜 그랬는지, 논리에 기반해 풀어낼 필요
-> 과거 사례들은 해당 케이스 속 경제학적 명제를 공부하기 위해 활용
연습
우리가 걱정하는 부분 ; 재정지출에 뒤따르는 인플레
1. 과도한 재정지출로부터 6~9개월 후에 시차를 두고 인플레이션이 발생한다.
2. 인플레이션은 주가에 좋지 않다.
대선 6개월 전후에 CPI를 추가한다.
16번의 대선 중
6번은 대선 후 인플레 하락 -> 6번 주가 상승
10번은 대선 후 인플레 상승 -> 7번 주가 하락
대선 전보다 대선 후에 CPI가 높으면 주가가 나쁘고, CPI가 낮으면 주가가 좋다.
조금 더 논리적으로 정교한 명제를 도출
인과관계는 없으나 경향이 있다.
CPI말고, 재정지출 증가율도 같이 들여다 보자
<대선 전후 CPI 차이> 와
<대선 전 1년 재정지출 증가율의 추이>의 상관관계는 0.62
대선이 있는 해에 정부가 재정지출을 많이 한 경우,
대선 이후 CPI가 더 높아지는 결과로 이어지는 경향이 있다.
대선이 있는 해 재정지출 -> 대선 이후 CPI 상승 -> 주가 하락
이 논리가 적어도 이 데이터 상으로는 부합.
대선 이후 CPI가 높아지면, 정부는 재정지출을 줄이는 경향이 있다.
2024년의 재정지출 -> 대선 후 인플레 재점화 -> 재정지출 줄일 가능성 + 주가 하락
24년 11월 대선 이후에 CPI가 높게 나오는지 정말 주의깊게 봐야 한다.
25년에 재정지출을 줄이고 허리띠를 졸라맬 가능성이 높기 때문.
금융 AI 분야 : 많은 데이터 -> 머신러닝 및 다양한 통계기법, 귀납적 추론
심리학 분야 : 인간을 대상으로 해서 적은 데이터 -> 정성적 리서치, Case Study 등
-> 매크로는 전자보다는 후자에 더 가까운 영역
과거에 이랬으니까 미래도 이럴꺼다? X
경제사를 공부하는것은
연역적 추론에 필요한 경제학적 명제들을
점점 배경 지식에 쌓아가는 것이
매크로 실력을 올려가는 올바른 정도 이다.
결국 10,11월,12월뿐만 아니라
내년 상반기 까지
최근 재무부 QRA 국채 발행 계획을 들여다본 것처럼
국채 발행 추이, 재정지출 추이, Tga 잔고, CPI 등을 주시
다음 QRA + 부채한도 협상 모니터링
결국 경기침체 VS 인플레 어떤 압력이 강할지, 예측하는 것은 매우 힘든 일
적어도 오늘의 과정을 통해
무엇을 주시해야 할지 , 왜 주시해야할지 아는 사람과 그렇지 못한 사람간에는
그 대응에서 확연한 차이가 날 것.
