Research Process on Korea Invest Insights

이익 버블에서는 추정치가 먼저 깎이지 않는다: AI 인프라 쏠림과 딥다이브의 가치

Sun, 31 May 2026 14:00:00 +0900

이 글은 방법론 노트다. 분석의 재료가 된 글로는 AI 기판·PCB 투자 논거(시스템 BOM 공통 병목), 골드만 토큰 수요 vs JP모간 메모리 ASP 피크아웃, 그리고 이 모든 작업을 굴리는 구조를 설명한 Thesis OS 공개 노트를 함께 읽으면 좋다.

TL;DR

BCA 리서치는 최근 보고서에서 AI 버블은 밸류에이션 버블이 아니라 이익(earnings) 버블이라고 본다. PER이 부푸는 게 아니라 이익 자체가 부푸는 형태다. 그리고 모든 버블처럼 언젠가 꺼지지만, 자기들의 AI 수요 지표상 임박 신호는 아직 아니라고 덧붙인다.
이익 버블의 핵심 특징은 시차다. BCA의 표현을 빌리면, 거의 모든 사례에서 “주가는 이익 추정치가 깎이기 한참 전에 먼저 빠지기 시작했다.” 컨센서스 추정치는 후행 신호다.
그래서 AI 인프라에 돈이 이렇게 쏠리는 국면일수록, 컨센서스 EPS를 기다리는 대신 시스템 구조와 수요 선행지표를 직접 읽는 딥다이브가 중요해진다. 추정치가 깎인 뒤엔 이미 늦다.
이 글은 그 딥다이브가 실제로 무엇을 보는지, 그리고 우리가 그것을 Thesis OS라는 구조로 어떻게 굴려 왔는지를 과장 없이 정리한다.

1. AI 버블이 “이익 버블"이라는 말의 의미

버블이라고 하면 보통 PER이 치솟는 그림을 떠올린다. 가격이 이익보다 훨씬 빠르게 오르는 밸류에이션 버블이다. 그런데 BCA 리서치는 AI를 조금 다른 종류로 본다. 가격이 아니라 이익 자체가 부푸는 이익 버블이라는 것이다.

이건 새로운 패턴이 아니다. 금융위기 직전 주택건설업체와 은행이 그랬다. 그들의 PER은 낮아 보였는데, 그건 지속 불가능한 이익이 분모(E)를 키워 멀티플을 싸 보이게 만들었기 때문이다. 경기 호황과 불황을 크게 타는 산업, 즉 천연자원·항공·해운, 그리고 오늘의 반도체가 이런 이익 버블에 취약하다.

지금 반도체 매출 곡선이 그 그림을 닮아 있다.

출처: 공개 WSTS 연간 집계를 바탕으로 재구성한 개략치이며 2025-2026년은 추정이다. 설명용이며 투자 권유가 아니다. 원자료의 형태는 BCA 리서치 보고서(2026-05-28)가 제시한 “반도체 매출의 포물선화” 도표와 같은 맥락이다.

매출이 포물선을 그린다는 건 좋은 소식이면서 동시에 경고다. 이익이 빠르게 늘 때 PER은 낮아 보인다. 하지만 그 이익이 사이클의 산물이라면, 멀티플이 싸 보인다는 사실 자체가 함정이 될 수 있다. “이익이 최대일 때가 가장 위험하다”는 사이클 산업의 오래된 경고가 여기에 적용된다.

오해는 말자. BCA도, 우리도 “지금 꺼진다"고 말하는 게 아니다. BCA의 AI 수요 지표(채택률, 토큰 지출, AI 코딩 도구 다운로드, GPU·메모리 가격)는 대체로 아직 안심할 만한 수준이라고 본다. 요점은 타이밍이 아니라 이 버블이 어떤 방식으로 움직이는가다.

2. 이익 버블의 진짜 함정은 “시차"다

이익 버블이 위험한 건 터지기 때문이 아니라, 터지는 순서 때문이다.

BCA가 짚는 핵심은 이것이다. 월스트리트 애널리스트는 이익 버블이 언제 꺼질지 잘 맞히지 못한다. 그리고 거의 모든 사례에서 “주가는 이익 추정치가 깎이기 한참 전에 먼저 빠지기 시작했다”(BCA Research, 2026-05-28).

이 문장이 실전에서 무엇을 뜻하는지 그림으로 보면 이렇다.

개념도이며 실제 데이터가 아니다. BCA가 설명한 “주가 선행, 추정치 후행"이라는 시차 구조를 단순화해 보여주기 위한 그림이다.

빨간선(주가)이 먼저 꺾인다. 파란 점선(컨센서스 이익 추정치)은 한참 뒤에야 깎인다. 그 사이의 회색 구간이 시차다. 만약 당신이 “애널리스트가 목표주가나 추정치를 내릴 때 팔겠다"는 규칙을 갖고 있다면, 당신은 항상 이 시차만큼 늦게 움직이게 된다.

여기서 결론이 나온다. 컨센서스 추정치는 후행 신호다. 이익이 정점일 때 가장 비싸 보이지 않고, 추정치가 깎일 때쯤이면 주가는 이미 빠진 뒤다. 그러니 추정치만 보고 있으면 버블의 정점도, 변곡점도 놓친다.

3. 그래서 딥다이브가 필요하다 — 무엇을 보는가

추정치가 후행이라면, 무엇을 봐야 선행할 수 있나. 딥다이브 리서치는 헤드라인 EPS 대신 그 EPS를 만드는 구조와 선행지표를 본다. 구체적으로 네 가지다.

① 시스템 구조를 본다. “GPU 다음은 메모리, 그다음은 기판"이라는 선형 서사는 거래하기 쉽지만 절반만 맞다. 실제 AI 인프라는 GPU·CPU·DPU·NIC·스위치 ASIC·메모리 모듈·전원 보드가 함께 늘어나는 랙 단위 시스템이다. 우리가 AI 기판·PCB 투자 논거에서 정리한 것처럼, 기판·PCB는 다음 순환매 종착지가 아니라 시스템 전체 자재명세서(BOM)의 공통 분모다. 구조를 알면 “어디가 진짜 병목인가"가 보인다.

② 변수를 분리한다. 같은 AI 수요를 두고도 골드만은 토큰 사용량(Q)과 토큰당 비용(C)을, JP모간은 메모리 가격(P)의 상승률을 본다. 두 전망을 P·Q·C로 분리하면, 충돌처럼 보이던 두 견해가 사실은 서로 다른 변수를 말하고 있고 동시에 성립한다는 게 드러난다. 헤드라인 숫자 하나로 뭉뚱그리면 보이지 않는 것이다.

③ 선행지표를 직접 추적한다. 컨센서스 EPS가 깎이기를 기다리는 대신, 그보다 먼저 움직이는 것을 본다. HBM 장기계약 가격과 물량, 서버 DRAM 계약가, 토큰 지출, GPU·메모리 현물가, 채택률 같은 것이다. 이것들은 추정치보다 앞서 방향을 바꾼다.

④ 사실과 추론과 추측을 분리한다. “공식 확인된 사실"과 “합리적 추론"과 “단순 추측"을 같은 칸에 넣지 않는다. 고객사 이름, 채택 여부, 계약 조건처럼 검증되지 않은 것은 추론·추측으로 명확히 표시한다. 이 분리가 없으면 매력적인 이야기에 휩쓸려 추측을 사실처럼 매수하게 된다.

이 네 가지는 추정치가 깎이기를 기다리지 않는다. 그래서 시차에 덜 당한다.

4. Thesis OS — 이 딥다이브를 체계로 굴리는 구조

위 네 가지를 한두 번 잘하는 건 어렵지 않다. 어려운 건 매번, 같은 규율로 하는 것이다. 그래서 우리는 이 작업을 사람의 그날 컨디션이 아니라 구조에 맡긴다. 그 구조가 Thesis OS다.

Thesis OS는 세 가지 역할로 나뉜다.

역할	하는 일
Alpha (알파)	증거 수집 — 시장 데이터, 스크리너, 크롤러, 사실 확인 파이프라인
Lattice (격자)	판단 — 증거를 테제로 엮고, 예측을 세우고, 반대 논리로 검증
Arki (아키)	거버넌스 — 스키마, 작업 흐름, 건강성 점검으로 전체를 일관되게 유지

핵심은 화려한 자동화가 아니라 규율의 반복 가능성이다. 증거(Alpha)와 판단(Lattice)을 분리하면, 좋은 이야기가 증거를 앞서가는 일을 줄일 수 있다. 거버넌스(Arki)가 있으면, 매번 같은 기준으로 사실·추론·추측을 나누고 선행지표를 추적하게 된다. Thesis OS는 오픈소스로 공개돼 있어, 관심 있는 독자는 구조 자체를 직접 들여다볼 수 있다.

5. 우리 블로그의 작업 — 담담하게

자랑이 아니라 기록으로 적는다. 위 방법론이 실제로 어떤 글로 나왔는지가 가장 정직한 증거다.

시스템 구조 매핑: AI 기판·PCB 투자 논거 — AI를 랙 단위 시스템으로 보고 기판을 공통 병목으로 재정의.
변수 분리: 골드만 vs JP모간 — 상반돼 보이는 두 전망을 P·Q·C로 분해.
실적 읽기(read-through): 마벨 Q1 FY2027, 델 Q1 FY2027 — 미국 실적을 한국 부품·소재 병목으로 번역.
비용 구조 추적: AI 토큰 선물과 토큰당 비용 — 성능 경쟁에서 비용 경쟁으로의 축 이동.

이 글들의 공통점은 “사라/팔라"는 결론을 서두르지 않는다는 것이다. 대신 구조를 그리고, 변수를 나누고, 선행지표를 제시하고, 종목은 추천이 아니라 관찰 포인트로 둔다. 독자가 스스로 판단할 재료를 주는 것이 목적이다. 우리가 시장의 정점이나 버블의 붕괴 시점을 맞힐 수 있다고 주장하지 않는다. BCA의 결론대로 그건 애널리스트도 잘 못 한다. 우리가 하려는 건 더 소박하다. 추정치가 깎이기 전에 구조를 이해하고, 후행이 아니라 선행 신호를 보게 만드는 것이다.

6. 마무리

AI 인프라에 이만큼 자금이 쏠린 국면에서, 가장 위험한 태도는 컨센서스가 방향을 바꿔 주기를 기다리는 것이다. 이익 버블에서는 그 신호가 항상 늦게 온다. 주가는 추정치가 깎이기 전에 먼저 움직인다.

그래서 딥다이브는 화려한 예측이 아니라 덜 늦기 위한 준비다. 시스템을 이해하고, 변수를 나누고, 선행지표를 직접 보고, 사실과 추측을 구분하는 것. 그 작업을 한 번이 아니라 매번 같은 규율로 반복하기 위해 우리는 Thesis OS라는 구조를 쓴다. 관심이 있다면, 결론만이 아니라 그 구조와 과정을 함께 보아 주길 권한다.

이 글은 BCA 리서치 “Earnings Bubbles Are Still Bubbles”(Global Investment Strategy, 2026-05-28)의 공개된 핵심 논지를 출처를 밝혀 짧게 인용하고, 도표는 공개 데이터와 개념을 바탕으로 자체 제작했다. 특정 종목의 매수·매도 권유가 아니며, 투자 판단과 책임은 투자자 본인에게 있다.

Korea Invest Insights 투자 테시스 중간점검: 207개 글의 종목 성과가 말하는 것

Tue, 26 May 2026 12:30:00 +0900

이 글은 한국 데일리 마켓 허브와 Why Korea 5편: 한국 시총 세계 6위의 메타 점검편이다. 개별 추천 성과를 주장하려는 글이 아니라, Korea Invest Insights가 반복해서 제시한 투자 논거가 실제 가격 움직임과 얼마나 맞았는지 중간 점검한다.

TL;DR

KII 한국어 아티클 207개 전체를 사이트맵 기준으로 수집해, 종목 연결 593개 pair의 발행일 시초가 대비 성과를 계산했다. 가격 최신일은 2026년 5월 22일이며, 2026년 5월 23일 이후 발행글은 최신 가격 DB 이후라 성과 계산에서 [Blocked] 처리했다.
Primary mention 기준 성과 계산 성공 pair는 527개, 종목 수는 166개다. 승률은 54.1%, +10% 이상은 29.4%, +20% 이상은 21.1%, -10% 이하는 24.3%였다.
성과가 가장 강했던 축은 AI 인프라·반도체·HBM·기판이었다. 이 클러스터는 305개 primary pair 기준 평균 수익률 +15.5%, 중앙값 +7.8%, 승률 67.9%였다.
별도 테시스 맵으로 보면 206개 글은 14개 투자 테시스 + 53개 운영 로그로 압축된다. 비-운영 글 약 150개 중 59개, 약 39%가 AI·반도체 중심 risk-on 클러스터와 강하게 연결되어 있었다. 성과의 원천인 동시에 상관 리스크다.
반대로 게임, 일부 바이오·메드테크, K-뷰티·소비, 상장 VC, 개별 소외주 딥다이브는 편차가 컸다. 특히 펄어비스는 첫 언급 시초가 대비 -28.1%로 가장 큰 음의 사례다.
결론은 단순하다. KII의 강점은 테마 확산 + 수급 + 병목 논리가 동시에 붙는 구간이었다. 약점은 개별 이벤트·소외주·후행 테마를 구조적 thesis로 너무 빨리 확장한 구간이었다.

이 글은 투자 조언이 아니다. 또한 이 결과는 실제 포트폴리오 수익률이 아니다. 비중, 매수 가능 가격, 손절·익절, 세금, 거래비용, 글 발행 시각과 장중 가격 차이를 반영하지 않은 리서치 신호의 사후 점검이다.

1. 무엇을 측정했나

이번 점검의 목적은 “좋은 글이었나”가 아니라 반복된 투자 논거가 실제 가격과 맞았는가를 보는 것이다.

측정 방식은 다음과 같다.

항목	기준
아티클 원천	Korea Invest Insights 한국어 사이트맵, 한국어 index.json, LLM guide
전체 아티클	207개
종목 연결 pair	593개
성과 계산 성공	557개
Primary mention 성과 계산 성공	527개
Primary mention 기준 종목 수	166개
가격 원천	Research OS local DB, KR prices_daily + Kiwoom 시초가 fallback, US_Crawler prices_daily
가격 최신일	2026-05-22
진입가	발행일이 거래일이면 해당일 시초가, 휴장일이면 다음 거래일 시초가
최신가	2026-05-22 종가

Primary mention은 tag_code, tag_name, tag_alias 기반 연결을 우선했다. 본문·제목·설명 기반 alias는 오탐이 늘 수 있어 성과 해석의 중심에서 제외했다. 예를 들어 “삼성전자와 비교한다”는 문장은 분석 맥락일 수 있지만, 태그로 들어간 종목은 해당 글의 핵심 대상일 가능성이 더 높다.

중요한 제한

이 분석은 실제 운용 성과표가 아니다.

제한	왜 중요한가
비중 없음	삼성전기와 펄어비스를 같은 1개 신호로 취급한다. 실제 포트폴리오 효과와 다르다.
발행 시각 미반영	장후 발행글도 발행일 시초가를 쓸 수 있어 성과가 과대·과소평가될 수 있다.
보유 기간 차이	4월 초 글과 5월 중순 글의 관찰 기간이 다르다.
손절·익절 없음	thesis가 깨진 뒤 매도했는지, 강한 종목을 계속 보유했는지 반영하지 않는다.
가격 최신일 제한	2026년 5월 23일 이후 발행글은 최신 가격 DB 이후라 [Blocked] 처리했다.
태그 품질 의존	태그가 넓게 붙은 글은 성과 attribution이 흐려질 수 있다.

따라서 이 글에서 말하는 성과는 “이 블로그가 돈을 벌었다”가 아니라 어떤 종류의 논거가 이후 가격 움직임과 더 잘 맞았는가에 대한 점검이다.

2. 전체 스코어카드

Primary mention 기준 527개 계산 성공 pair의 분포는 다음과 같다.

지표	결과
+수익 비율	54.1%
+10% 이상	29.4%
+20% 이상	21.1%
-10% 이하	24.3%
평균 수익률	+7.9%
중앙값	+0.6%
25분위	-9.3%
75분위	+13.9%

해석은 양면적이다.

긍정적으로 보면, 단기간에 +20% 이상 pair가 21.1%였고 평균 수익률도 플러스다. 특히 한국 시장이 AI 메모리와 수급 중심으로 급등한 구간에서 병목 thesis가 잘 작동했다.

하지만 중앙값은 +0.6%에 불과하다. 즉 성과는 넓게 고르게 나온 것이 아니라 일부 큰 winner가 평균을 끌어올린 구조다. -10% 이하도 24.3%로 작지 않다. 이 블로그의 리서치 방식은 broad market beta보다 오른쪽 꼬리와 왼쪽 꼬리가 모두 큰 high-dispersion 구조에 가깝다.

3. 테시스 맵: 성과보다 더 큰 리스크는 상관이다

사용자가 별도로 만든 투자 테시스 맵으로 보면, 206개 게시물은 14개 투자 테시스와 53개 운영 로그로 압축된다. 이 맵은 성과 CSV와 다른 목적을 가진다. 성과 CSV가 “어느 종목이 올랐나”를 보는 도구라면, 테시스 맵은 “우리가 어떤 생각에 반복적으로 노출되어 있었나”를 보는 도구다.

핵심 수치는 다음이다.

항목	값	해석
테시스 맵 기준 게시물	206개	사이트맵 성과 분석 207개와 1개 차이는 집계 기준 차이
투자 테시스	14개	개별 종목, 섹터, 매크로, 운영 로그를 큰 사고 단위로 압축
운영 로그	53개	Daily Wrap, Weekly, Screener 등. 전체의 약 26%
AI·반도체 중심 risk-on 클러스터	59개	펄어비스 25개, AI 인프라 18개, 삼성전기 8개, 삼성전자 8개
비-운영 글 대비 비중	약 39%	59 ÷ 약 150. 분산처럼 보이지만 상당 부분 같은 방향의 시장 베타

여기서 중요한 점은 펄어비스가 반도체 기업이라는 뜻이 아니다. 펄어비스는 제품·프랜차이즈 thesis다. 다만 주가가 움직이는 방식은 코스닥 성장주, 국내 risk-on, 게임 섹터 수급, 개인·기관 유동성과 강하게 연결된다. 그래서 “한국 성장주 + AI·반도체 risk-on”이라는 넓은 상관 묶음으로 보면, KII의 글은 생각보다 한 방향에 많이 모여 있었다.

테시스별 중간판정은 다음처럼 정리할 수 있다.

테시스	글 수	잔존 알파	중간점검
펄어비스 플랫폼·프랜차이즈 리레이팅	25	낮음	데이터 추적은 깊지만 주가 성과는 -28.1%. 2027 이익 bridge와 후속작 가시성이 아직 필요
삼성전기 AI 패키지 핵심 부품사	8	낮음	thesis는 가격으로 크게 검증. 이제는 재분류 알파보다 2028년 OP 4조원 경로의 실행 검증
AI 반도체 인프라·HBM 밖 확산	18	중간	성과가 가장 강한 축. 다만 AI CapEx 피크아웃에는 같이 훼손될 수 있음
삼성전자 메모리 사이클→AI 플랫폼	8	중간	PER 재분류 논리는 유효하나, 파운드리와 메모리 피크 리스크를 계속 반영해야 함
Why Korea / 코리아 디스카운트 해소	5	중간	구조적 강세 프레임은 맞았지만 실제로는 삼성전자·SK하이닉스 쏠림이 컸음
코스닥 정책·스마트머니	8	중간	정책 방향은 맞지만 집행 지연·축소 리스크를 별도 트래킹해야 함
파미셀 인식전환	4	높음	인식 갭이 명확한 소형 thesis. 단, 두산전자BG proxy 논리의 직접 검증 필요
한국 AI·소버린·상장 VC	6	높음	정보 우위가 있을 수 있는 영역. 다만 상장 proxy의 NAV 재평가까지는 시간차 존재
휴머노이드 로봇 밸류 회의	4	중간	드물게 숏/과열 검증을 내장한 묶음. 이 톤을 다른 테마에도 확장할 필요
운영 로그	53	시스템	성과 claim보다 신뢰 인프라. 다만 약세장·숏 스크리너가 부족

이 테시스 맵을 성과표와 결합하면 결론이 더 차분해진다. KII의 좋은 성과는 실력이 없어서 나온 우연이라고 보기는 어렵다. 그러나 동시에 좋은 성과의 상당 부분이 같은 market factor에서 나온 것도 사실이다. 즉 필요한 다음 질문은 “맞았나 틀렸나”가 아니라, 다음 국면에서도 이 factor가 유효한가, 그리고 다른 factor로 충분히 분산되어 있는가다.

4. 성과 상위: 병목 논리와 수급이 같이 붙은 종목

첫 언급 시초가 대비 성과 상위는 다음과 같다.

종목	첫 언급일	첫 언급 시초가 대비	핵심 해석
삼성전기	2026-04-09	+161.7%	AI MLCC, FC-BGA, 실리콘 커패시터, 전력 안정화 부품 리레이팅
제주반도체	2026-05-13	+121.0%	메모리·SoCAMM·실적 서프라이즈 확산
옵티코어	2026-05-09	+100.0%	CPO·광통신 테마의 고베타 반응
SK스퀘어	2026-04-14	+96.8%	SK하이닉스 NAV, 반도체 지주 할인 축소
테스	2026-04-09	+89.7%	반도체 장비·PEAD·스마트머니
SK하이닉스	2026-04-14	+77.8%	HBM 대장주, AI 메모리 이익 레버리지
대덕전자	2026-04-20	+61.7%	AI 기판·FC-BGA 확산
마벨	2026-04-10	+58.8%	AI custom silicon·interconnect 병목

공통점은 명확하다.

큰 테마가 있었다. AI 인프라, HBM, 기판, 전력 안정화, 네트워크, 광연결.
수급이 붙었다. 외국인·기관·스마트머니가 확인되거나, 시장 전체가 해당 factor로 몰렸다.
병목 논리가 있었다. 단순 매출 증가가 아니라 “없으면 시스템이 안 돌아가는 부품”이라는 설명이 가능했다.
테마가 하위 밸류체인으로 확산됐다. 삼성전자·SK하이닉스에서 삼성전기·대덕전자·심텍·테스·제주반도체로 내려갔다.

특히 삼성전기는 KII 성과의 대표 사례다. 처음에는 “AI 기판·MLCC 확산”으로 들어왔고, 이후 실리콘 커패시터 1.5조원 계약, 무라타 비교, AI 서버 수동소자 병목으로 thesis가 확장됐다. 이 과정에서 주가는 첫 언급 시초가 대비 +161.7%까지 상승했다.

다만 이것은 동시에 경고이기도 하다. 좋은 thesis가 이미 가격에 반영된 뒤에는 같은 논리의 기대수익률이 낮아진다. 그래서 성과 점검의 결론은 “삼성전기가 맞았다”가 아니라 AI 병목 thesis는 맞았고, 이제는 가격과 이익 추정치가 따라오는지 별도로 봐야 한다이다.

5. 성과 하위: 개별 이벤트와 소외주 thesis의 비용

성과 하위는 다음과 같다.

종목	첫 언급일	첫 언급 시초가 대비	핵심 해석
펄어비스	2026-04-04	-28.1%	게임 데이터와 주가 재평가 사이의 시간차, one-off hit 할인
기가레인	2026-04-17	-27.5%	소외주·테마성 저유동성의 가격 변동성
넥스트바이오메디컬	2026-04-14	-26.3%	메드테크 이벤트와 실적 가시성의 간극
오이솔루션	2026-05-09	-25.1%	CPO 테마 내 실제 근접도·가격 과열 리스크
오픈엣지테크놀로지	2026-04-25	-23.9%	장기 IP thesis와 단기 실적·멀티플 압축의 충돌
현대로템	2026-05-01	-23.7%	이미 강했던 방산·철도 테마의 후행 진입 리스크
DSC인베스트먼트	2026-04-29	-23.2%	상장 VC·비상장 AI exposure의 실적 연결 지연

여기서도 공통점이 있다.

가격과 thesis 사이의 시간차가 컸다. 펄어비스는 게임 데이터가 무너진 것이 아니라, 시장이 2027년 공백·DLC·자본배분을 기다렸다.
테마는 맞아도 직접 수혜가 약했다. CPO, VC, K-뷰티, 바이오 일부는 narrative는 강했지만 실적 연결이 느렸다.
유동성·밸류에이션 민감도가 높았다. 중소형주와 고멀티플주는 시장이 흔들릴 때 더 크게 빠졌다.
개별 이벤트의 binary risk가 컸다. 게임, 바이오, 상장 VC는 반도체 병목처럼 넓은 시스템 수요가 받쳐주는 구조가 아니었다.

펄어비스는 특별히 중요하다. KII에서 가장 깊게 다룬 thesis 중 하나였고, 데이터 추적도 가장 촘촘했다. 그런데 가격 성과는 최하위다. 이것은 분석이 전부 틀렸다는 뜻은 아니다. 오히려 제품 데이터와 주가 데이터가 다를 수 있다는 가장 좋은 사례다. 좋은 게임 데이터는 보유 논리를 지지할 수 있지만, 주가 리레이팅에는 DLC, 후속작, 주주환원, 2027년 이익 bridge가 필요했다.

6. 테마별 결과: 어디서 edge가 있었나

키워드 기반 클러스터로 보면 차이가 더 선명하다.

클러스터	Pair 수	종목 수	평균	중앙값	승률	+10% 이상	-10% 이하
AI 인프라·반도체·HBM·기판	305	92	+15.5%	+7.8%	67.9%	40.7%	18.7%
스마트머니·PEAD·퀄리티	138	59	+11.1%	+4.6%	60.1%	41.3%	23.9%
전력·원전·에너지	67	33	+9.1%	+2.4%	56.7%	35.8%	31.3%
로봇·피지컬 AI	31	19	+7.9%	+2.1%	58.1%	29.0%	22.6%
바이오·헬스케어	34	29	+2.7%	-4.2%	35.3%	26.5%	35.3%
게임·펄어비스	49	15	+2.0%	-13.9%	34.7%	20.4%	57.1%
VC·상장벤처	18	13	-5.5%	-4.6%	22.2%	11.1%	38.9%
K-뷰티·소비	22	11	-8.7%	-8.5%	22.7%	4.5%	31.8%

이 표의 메시지는 꽤 명확하다.

첫째, KII의 강점은 AI 인프라 하위 병목을 읽는 데 있었다. HBM 대형주에서 기판, MLCC, 테스트, 광연결, 네트워크, 전력 안정화로 내려가는 흐름이 잘 맞았다.

둘째, 스크리너 기반 글은 생각보다 견조했다. 스마트머니·PEAD·퀄리티 클러스터는 평균 +11.1%, 승률 60.1%였다. 단순 내러티브보다 수급과 실적 드리프트가 붙은 종목군이 더 안정적으로 작동했다.

셋째, 전력·원전·에너지는 평균은 좋지만 분산이 컸다. -10% 이하 비중도 31.3%다. 테마는 맞았지만 이미 가격이 빠르게 반영된 종목이 많았고, 추격 진입 리스크가 컸다.

넷째, K-뷰티·소비와 상장 VC는 아직 성과가 약했다. 이 영역은 좋은 산업 이야기와 좋은 주식 진입가가 분리되는 구간이었다. 특히 비상장 AI exposure를 가진 상장 VC는 NAV 재평가가 실제 수급으로 이어지는 시간이 더 필요했다.

7. 무엇을 배워야 하나

이번 점검에서 가장 중요한 교훈은 “맞은 종목”과 “틀린 종목”의 목록이 아니다. 더 중요한 것은 어떤 조건에서 KII의 분석 방식이 잘 작동했는가다.

잘 작동한 조건

조건	설명	사례
시스템 병목	AI 서버가 커질수록 반드시 필요한 하위 부품	삼성전기, 대덕전자, SK하이닉스
수급 확인	외국인·기관·스마트머니가 실제로 사는 흐름	제주반도체, 테스, SK스퀘어
테마 확산	1차 대형주에서 2차 소부장으로 돈이 내려가는 구조	AI 기판, MLCC, FC-BGA
실적 드리프트	실적 서프라이즈 이후 가격이 계속 따라가는 구조	PEAD·Quality Watch 종목군
비교 가능한 글로벌 peer	무라타, 마벨, 브로드컴처럼 해외 기준점이 있는 경우	삼성전기, 마벨

약했던 조건

조건	설명	사례
제품은 좋지만 주가 bridge가 빈 경우	좋은 게임·제품 데이터가 다음 연도 EPS로 바로 연결되지 않음	펄어비스
테마는 맞지만 직접 노출이 약한 경우	CPO·광통신·VC exposure가 실제 매출로 바로 이어지지 않음	오이솔루션, 상장 VC
고멀티플 장기 thesis	장기 IP·바이오·로봇 옵션이 단기 금리·수급에 취약	오픈엣지, 일부 바이오
후행 진입	이미 시장이 가격에 넣은 테마를 늦게 따라간 경우	일부 방산·전력·소비재
유동성 낮은 소형주	작은 매도에도 가격이 크게 움직이는 구조	기가레인 등

8. 앞으로 바꿀 점

이 점검은 다음 네 가지 운영 개선으로 이어져야 한다.

8.1 “좋은 thesis”와 “좋은 진입가”를 더 분리한다

삼성전기 thesis는 맞았지만 지금 가격에서의 기대수익률은 별도 문제다. 펄어비스는 게임 데이터가 좋아도 주가 리레이팅에는 더 많은 증거가 필요했다. 앞으로 글에서는 다음 문장을 더 명시해야 한다.

이 thesis는 맞을 수 있지만, 현재 가격이 이미 얼마를 반영했는가?

8.2 Primary mention 태그를 더 엄격하게 관리한다

성과 attribution은 태그 품질에 크게 의존한다. 단순 비교 대상, 리스크 예시, 언급만 된 종목은 primary tag에서 빼야 한다. 반대로 핵심 투자 논거 대상은 ticker tag를 반드시 넣어야 한다.

8.3 글 유형별 성과를 분리한다

Daily Wrap, Deep Dive, Hub, Explainer, Event Preview는 역할이 다르다. 같은 “종목 언급”으로 묶으면 성과 해석이 흐려진다. 앞으로는 최소 세 가지로 분리해야 한다.

글 유형	성과 해석
Daily Wrap / Screener	단기 수급·실적 드리프트 검증
Deep Dive	1~3개월 thesis 검증
Hub / Explainer	직접 성과보다 discovery와 SEO/GEO 가치 검증

8.4 실패 사례를 더 빨리 업데이트한다

성과 하위 종목은 그냥 “틀렸다”로 끝내면 안 된다. 왜 틀렸는지, thesis가 깨졌는지, 시간이 더 필요한지, 가격만 과했던 것인지 구분해야 한다. 특히 펄어비스, 오픈엣지, K-뷰티, 상장 VC는 follow-up에서 이 구분을 더 명시해야 한다.

9. 현재 판단

이번 중간점검의 결론은 다음이다.

KII의 리서치 edge는 존재한다. 다만 그 edge는 모든 종목 딥다이브에 균등하게 존재하지 않는다.

가장 강한 edge는 AI 인프라 하위 병목 + 수급 + 실적 드리프트가 겹치는 영역이었다. 삼성전기, SK하이닉스, 대덕전자, 심텍, 제주반도체, 테스, SK스퀘어가 그 증거다.

반대로 약한 영역은 제품·산업 narrative가 주가 bridge보다 앞선 곳이었다. 펄어비스, 일부 바이오·메드테크, K-뷰티, 상장 VC, 일부 광통신·CPO 종목이 여기에 속한다.

테시스 맵까지 함께 보면 추가 결론이 하나 더 붙는다. 성과가 좋았던 글들은 서로 독립적이지 않았다. AI 메모리, AI 인프라, 삼성전기, 삼성전자, 코스닥 성장주, 일부 펄어비스 글은 모두 한국 risk-on과 높은 상관을 갖는다. 따라서 다음 달 점검에서는 수익률뿐 아니라 테시스 간 상관과 factor 노출을 같이 봐야 한다.

따라서 앞으로의 운영 원칙은 이렇다.

AI 인프라·반도체 병목은 계속 core coverage로 둔다.
스크리너 기반 Daily Wrap은 유지하되, 태그와 추적 기준을 더 엄격히 한다.
게임·바이오·소비·VC는 더 강한 가격 discipline과 catalyst bridge가 있을 때만 공격적으로 쓴다.
성과 점검은 월 1회 반복한다. 단기 winner를 자랑하는 용도가 아니라, 리서치 프로세스를 교정하는 도구로 써야 한다.
상관 리스크를 별도 관리한다. 글 수가 많아 보여도 같은 factor에 묶여 있으면 실제로는 하나의 큰 포지션일 수 있다.

10. 다음 체크리스트

작업	목적
5D / 20D / 60D 성과 분해	단기 모멘텀과 중기 thesis 성과 분리
글 유형별 성과 분리	Daily Wrap과 Deep Dive를 같은 기준으로 보지 않기
종목 비중 가정별 성과	동일가중, mention-weighted, conviction-weighted 비교
테시스 상관 매트릭스	AI·반도체·코스닥 risk-on 의존도 측정
실패 사례 리뷰	펄어비스, 오픈엣지, K-뷰티, 상장 VC의 thesis bridge 점검
태그 정비	primary mention 오탐 줄이기
월간 반복 자동화	성과 피드백을 리서치 운영 루프에 내장

Appendix. 데이터와 근거 구분

[Fact]

Korea Invest Insights 한국어 /ko/post/ 아티클 207개를 사이트맵 기준으로 수집했다.
종목 연결 article-stock pair는 593개, 성과 계산 성공은 557개, primary mention 기준 성과 계산 성공은 527개다.
가격 최신일은 2026년 5월 22일이다.
Primary mention 기준 승률은 54.1%, +10% 이상은 29.4%, +20% 이상은 21.1%, -10% 이하는 24.3%다.
삼성전기 첫 언급 시초가 대비 수익률은 +161.7%, 펄어비스는 -28.1%다.

[Inference]

KII는 AI 인프라·반도체·전력·스마트머니 스크리닝에서 상대적으로 강한 신호를 냈다.
개별 딥다이브, 게임, 바이오, K-뷰티, 상장 VC는 thesis와 주가 bridge 사이의 간극이 컸다.
“테마 확산 + 수급 + 병목 논리”가 동시에 붙을 때 성과가 가장 좋았다.

[Blocked / Limitations]

2026년 5월 23일 이후 발행글은 최신 가격 DB 이후라 성과 계산에서 제외했다.
이 결과는 실제 포트폴리오 수익률이 아니다. 비중, 매매 가능 가격, 세금, 거래비용, 손절·익절, 발행 시각을 반영하지 않았다.
아티클 태그와 종목 연결 방식에 따라 일부 attribution 오차가 있을 수 있다.

Sources

Korea Invest Insights 한국어 사이트맵
Korea Invest Insights 한국어 index.json
Korea Invest Insights LLM guide
Research OS local DB: KR prices_daily + Kiwoom 시초가 fallback, US_Crawler prices_daily
Internal output: kii_article_performance_workbook.xlsx, ticker_summary_primary_mentions.csv, article_stock_performance.csv, summary_report.md, generated 2026-05-26 KST

이 글은 정보 제공 및 리서치 프로세스 개선 목적의 사후 점검입니다. 투자 조언이 아니며, 과거 성과는 미래 결과를 보장하지 않습니다.