'24.12.15 주간전망, Long Thinking

 

 

[키움 /한지영] 주간 한국 증시 전망 

한국 증시는 1) 주말 중 국내 탄핵안 가결 소식, 

2) 12월 FOMC, 

3) 마이크론 실적, 

4) BOJ 통화 정책 회의, 

5) 미국과 중국의 11월 소매판매 및 산업생산 등 대내외 매크로 및 펀더멘털 이슈에 영향을 받으면서 주가 회복력을 이어 나갈 전망(주간 코스피 예상 레인지 2,460~2,600pt). 

 

13일(금) 미국 증시는 어닝 서프라이즈를 기록한 브로드컴(+24.4%), 자율주행 규제 완화 기대감 에 따른 테슬라(+4.3%) 등 테크주 강세에도, 12월 FOMC 경계감에 따른 달러 및 금리 상승 부담 으로 혼조세(다우 -0.2%, S&P500 -0.0%, 나스닥 +0.1%). 이날 브로드컴이 제시한 긍정적인 가이던스는 AI가 주도 테마로서 유효할 것이라는 전망을 유지시켜준 것으로 보임. 

 

그렇지만 11일 (목) 발표된 11월 PPI 상승에 이어 11월 수입물가(+0.1%MoM, 컨센 -0.2%)도 상승하는 등 인플레 경계감이 재차 높아졌다는 점이 시장 참여자들로 하여금 12월 FOMC를 앞두고 관망 및 차 익실현 유인을 제공했던 것으로 판단. 주 후반 예정된 12월 FOMC는 시장에서 금리인하를 기정사실화하고 있으며(Fed Watch 상 인하 확률 96%), 내년 금리인하 폭이 얼마나 보수적으로 변하는지가 관전 포인트. 

1월 FOMC까지 가 봐야 알겠지만, 이미 시장은 1월 금리 동결도 유력시하고 있는 상황(동결확률 78%로 1개월전 58%대에서 약 20%p상승). 25년 연말 기준금리 상단도 4.0%가 될 것으로 컨센서스가 형성되는 등 연준이 9월 점도표에서 제시한 3.4%에 비해 괴리가 발생하고 있는 실정. 연준보다 시장이 더 매파적임을 시사하는 대목이지만, 1) 코어 인플레이션의 하향 안정화, 

2) 노동시장의 과열 완화, 

3) 미국 경기 모멘텀 정체 등이 나타나고 있음에 주목할 필요. 

 

이를 감안 시, 12월 FOMC 전후로 연준의 보수적인 스탠스 강화 여부를 둘러싼 불확실성으로 증시 변동성은 일시적으로 높아질 전 망이나, 차주부터는 안정을 되찾아갈 것으로 예상. 

 

FOMC 뿐만 아니라 BOJ회의도 간과할 수 없는 중요 이벤트로서, 엔-캐리 트레이드 청산 불안을 자극할 수 있기 때문. 그러나 이미 7월 이후 여러 차례 엔-캐리 청산 사태를 겪는 과정에서 주식 시장에 내성과 학습효과가 생겼다는 점을 상기해볼 필요. 최근 BOJ 내부에서 12월 인상보다는 내년 1월 트럼프 취임 이후 상황 변화를 지켜본 후 인상하자는 식의 신중론도 높아지고 있는 만큼, 향후 BOJ의 금리인상 기조는 급진적으로 진행되지 않을 전망. 한편, 주말 중 탄핵소추안이 가결됨에 따라, 12.3 계엄 사태 이후 국내 고유의 증시 불안으로 부 상했던 정치 리스크는 통제가능한 불확실성으로 레벨 다운된 상태. 

 

물론 헌재에서 180일 이내에 서 선고를 마쳐야 차기 대선 등과 같은 대안이 확정되기에, 많은 이들의 관심은 헌재 판결에 집 중될 것. 시장 역시 과거 탄핵 정국 당시의 탄핵안 가결 이후 헌재 판결까지의 기간 동안의 코스피의 변화를 향후 주가 경로에 적용시킬 것으로 보임(2004년 63일, 2016년 91일 소요). 

 

일단 2004년 탄핵 심판 기간(3월 12일~5월 10일)에 코스피는 9.4% 하락, 2006년 탄핵 심판 기 간(12월 9일~3월 10일)에 코스피는 3.5% 상승하는 등 상반된 모습이 나타났음. 각 시기별로 정 치적인 맥락이 상이했다는 점도 영향을 준 것도 있겠지만, 당시 증시 펀더멘털의 차이가 이 본질 적인 주가 흐름을 결정했던 것으로 판단(2004년 수출과 이익 부진 vs 2016년 수출 및 이익 호조). 

 

이는 이번 탄핵 심판 기간 동안의 예상 주가 경로에 과거 두 번의 탄핵 정국 사례를 대입하 는 것은 실효성이 크지 않을 수 있음을 시사. 이보다는 주중 예정된 12월 FOMC 이후 연준의 내년 통화정책 경로 변화, 마이크론 실적 발표 이후 삼성전자, SK하이닉스 등 국내 반도체주들의 이익추정치 및 외국인 수급 변화 등 매크로와 실적 이벤트에 주안점을 두고 가는 것이 적절. 

 

 

[유진 /강송철 ] [WSJ] Get Ready for ‘Long Thinking,’ AI’s Next Leap Forward (12/11)

 

- Nvidia CEO 젠슨 황은 최근 실적 발표에서 "생성형 AI 혁명의 초기 단계에 있으며, 추론과 "long thinking"이 가능한 새로운 세대의 기반 모델이 등장하고 있다"고 언급

- "long thinking"은 OpenAI의 ChatGPT가 2년 전 첫 등장 당시 널리 알려지지 않았지만, 이러한 개념은 AI 응답에서 빈번히 발생하는 오류를 줄이거나 제거할 가능성이 있음

- long thinking AI 모델은 결과를 생성할 때 더 많은 시간을 투자하여 사고 과정을 거치며, 진행 상황을 업데이트하거나 사용자에게 피드백을 요청하는 방식으로 작동할 수 있음

- 젠슨 황은 지난 6월 대만 타이베이에서 열린 Computex 무대에서 "100일 동안 실행되는 AI 애플리케이션 작업을 진행 중"이라고 밝혔음.

 

- AI 모델의 추론 능력이 발전하면서, AI는 현재 기술을 넘어 더욱 정교한 에이전트로 진화할 것으로 기대되고 있음

- OpenAI는 9월에 출시한 o-시리즈 모델로 long thinking 능력을 발전시켰으며, 이 모델은 응답 전에 더 많은 시간을 투자하여 복잡한 작업을 추론하고, 과학, 코딩, 수학에서 이전 모델보다 더 어려운 문제를 해결하도록 설계되었음

- 캐서린 브라운스타인, 보스턴 어린이병원 및 하버드 의대 조교수는 OpenAI의 새로운 추론 능력이 자신의 연구를 빠르게 하는 걸 도와주고 있다고 밝힘

- "내 작업에 필요한지 필요하지 않은지 알 수 없는 다른 연구를 요약하는 등 재미없는 작업 시간을 크게 줄이는 데 자주 사용하고 있다"

- 브라운스타인은 "o1 모델의 복잡한 유전학 개념을 쉽게 설명하는 능력 덕분에 이전에는 할 수 없었던 연결을 만들어낼 수 있었다"고 언급

 

- long thinking은 고(故) 대니얼 카너먼(Daniel Kahneman)이 제시한 인간 사고의 이분법, 즉 시스템 1과 시스템 2 개념에 기반을 두고 있음. 

- 노벨상 수상 심리학자인 카너먼은 그의 저서 '생각에 관한 생각(Thinking, Fast and Slow)'에서 "시스템 1은 자동적이고 빠르게 작동하며, 노력이나 자발적 통제 없이 이루어짐"이라고 설명

- "시스템 2는 복잡한 계산을 포함하여 더 많은 정신적 노력을 요구하는 활동에 주의를 할당함"이라고 정의했음

- 현재의 AI는 시스템 1과 유사한 방식으로 작동하고 있음. long thinking은 AI를 시스템 2로 확장하려는 노력임. 

- OpenAI의 엔지니어링 부사장 스리니바스 나라야난(Srinivas Narayanan)은 "새로운 모델의 추론 능력은 아직 초기 단계지만, 내년에 큰 진전을 이룰 것으로 보인다"고 전망

- 나라야난은 "AI 시스템이 우리와 더 유창하게 대화하고, 현실 세계를 시각화할 수 있게 될 것"이라며, "추론 능력과 멀티모달 기능의 결합이 내년에 더 강력한 에이전트(agent) 애플리케이션 개발을 가능하게 할 것"이라고 덧붙임

 

- 소프트웨어 서비스(SaaS) 선구자인 Salesforce는 10월에 일반 공개된 AI 에이전트의 핵심 기술인 Atlas Reasoning Engine에 대한 투자를 지속적으로 확대하고 있음.

- 실비오 사바레세(Silvio Savarese), Salesforce 최고 과학자 겸 AI 연구 부사장은 이를 언급

- 사바레세는 "우리는 에이전트와 우리의 Agentforce 제품을 시스템 2형 추론으로 발전시키고 있으며, 이를 통해 AI가 더 깊은 통찰력을 제공하고, 정교한 행동을 주도하며, 비즈니스 기능 전반에서 의미 있는 영향을 만들어낼 수 있도록 하고 있다"고 밝혔음 

 

- 시스템 2 모델 기반 애플리케이션의 확산은 AI에 대한 대규모 투자의 수익률을 높이는 데 기여할 수 있음. Sequoia Capital 파트너 데이비드 칸(David Cahn)은 지난 9월 Nvidia 인프라에 대한 1년간의 시스템 투자 비용을 정당화하려면 총 6,000억 달러의 lifetime 매출 창출이 필요하고, 현재로서는 목표 달성이 쉽지 않다고 지적한 바 있음

- 동시에, 추론 모델은 AI 인프라(칩, 소프트웨어, 데이터 센터 등)에 대한 수요를 증가시킬 가능성이 있음. 추론(inference)은 학습된 AI 모델이 사용자 요청에 응답할 때 수행하는 컴퓨팅이며, 이는 Nvidia 플랫폼이 강점을 보이는 영역임. Nvidia는 최근 콜에서 "long thinking를 활용한 추론 컴퓨팅은 기하급수적으로 확장된다"고 언급