데이터, '하락 시 매수' 전략에 의문 제기

경영 요약

정량적 분석은 오랫동안 유지되어 온 "하락 시 매수"라는 투자 지혜에 의문을 제기하고 있습니다. AQR 캐피탈 매니지먼트 및 트리배리에이트 리서치와 같은 기업의 데이터에 따르면, 주식을 52주 최저가 근처에서 매수하는 것이 52주 최고가 근처에서 매수하는 것과 같은 모멘텀 기반 전략보다 역사적으로 성과가 저조했습니다. 이러한 시장 전략의 재평가는 인공지능(AI) 붐이 시장 역학을 재편하고 메가캡 기술 기업의 재무 구조를 변화시키며, 과도하게 늘어난 가치 평가와 잠재적 자산 버블에 대한 우려를 야기하는 가운데 이루어지고 있습니다.

상세 내용

최근 연구는 인기 있는 "하락 시 매수" 전략에 대한 데이터 기반의 반대 주장을 제시합니다. AQR 캐피탈 매니지먼트의 제프 카오(Jeff Cao)는 이 전략의 효용성이 통계적 검토에서 입증되지 않으며, 종종 표준적인 바이앤홀드 접근 방식을 능가하지 못한다고 주장합니다. 이 점을 뒷받침하며 트리배리에이트 리서치의 아담 파커(Adam Parker)는 1999년 이후 수집된 성과 데이터를 제시했으며, 이는 투자자들이 최저가보다는 52주 최고가 근처에서 거래되는 주식을 매수하는 것이 더 나았을 것이라고 지적합니다. 이는 시장 모멘텀이 명백한 할인율보다 미래 수익률의 더 신뢰할 수 있는 지표임을 시사합니다.

시장 영향

이 논쟁은 투자자 행동과 시장 구조에 중대한 영향을 미칩니다. 하락 시 매수에서 벗어나려는 움직임은 자본이 저평가된 자산보다는 고성능 자산으로 흐르면서 시장 모멘텀을 변화시킬 수 있습니다. 이러한 추세는 현재 AI 주도 시장에 의해 증폭되고 있으며, 소수의 메가캡 주식이 지수 상승의 불균형적인 부분을 차지하고 있습니다. 슈로더스의 주식 최고 투자 책임자 알렉스 테더(Alex Tedder)에 따르면, 이들 기업이 최근 자본 지출 급증의 70% 이상을 차지하므로 미국 주식 시장의 운명은 이제 "AI의 미래에 대한 지속적인 신뢰"에 크게 달려 있다고 합니다.

전문가 의견

금융 전문가들은 AI 붐을 고려하여 전통적인 투자 프레임워크를 재고할 필요성에 대해 점점 더 목소리를 높이고 있습니다.

칼라일의 투자 전략가 제이슨 토마스(Jason Thomas)는 데이터 센터 및 물리적 인프라에 대한 막대한 투자가 마이크로소프트 (MSFT), 메타 (META), 아마존 (AMZN), 알파벳 (GOOGL), **오라클 (ORCL)**과 같은 자산 경량 기술 리더들을 자산 중량의 산업형 기업으로 변화시키고 있다고 언급합니다. 그는 가치 평가 모델이 적응해야 한다고 주장하며, 2008년 이전에는 수익률을 매우 잘 예측했던 주가순자산비율(P/B)이 그 이후로 역전되었다고 지적합니다. 새로운 자산 중량 대차대조표를 기준으로 평가한다면, 토마스는 이들 기업의 시가총액이 상당히 낮아질 수 있다고 추정합니다.

뱅크 오브 아메리카 전략가들도 의견을 제시하며, 고전적인 60/40 주식-채권 포트폴리오가 향후 10년 동안 0.1%의 예상 실질 손실과 함께 "암울한 10년"을 향하고 있다고 예측했습니다. 은행은 투자자들에게 국제 소형 및 중형 가치주, 우량 미국 주식, 고수익 채권, 신흥 시장 채권, 그리고 온스당 4,538달러까지 상승할 수 있다고 예상하는 금과 같은 상품을 포함한 "위성" 배분을 고려할 것을 조언합니다.

광범위한 맥락

이 논의는 2026년에 성장이 3%를 넘고 기업 수익 성장률이 두 자릿수를 기록할 것으로 예상되는 등 밝은 글로벌 경제 전망을 배경으로 합니다. 그러나 시장은 AI 버블에 대한 불안감으로 가려져 있습니다. S&P 500은 2025년에 20% 상승했으며, 이는 주로 AI 열광에 힘입은 바가 큽니다. 월스트리트 저널이 보도한 바와 같이, 이는 일부 투자자들이 기술 보유를 매각하고 금과 같은 안전 자산으로 이동함으로써 잠재적인 하락에 대비하도록 이끌었습니다. AI 개발에 필요한 막대한 자본 투자는 AI에 대한 투자가 지속 가능한 이익 풀인지 아니면 돈 먹는 하마인지 의문을 제기하게 만들며, 단일하고 강력한 주제가 지배하는 시장에서 하락 시 매수와 같은 전통적인 투자 전략을 더욱 복잡하게 만듭니다.