Thesis OS 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.

이 블로그는 어떻게 만들어질까: Thesis OS, 오픈소스 리서치 운영체제를 공개합니다

Sat, 30 May 2026 11:00:00 +0900

🔗 바로가기: github.com/youngseongshin/thesis-investment-os — 이 블로그의 리서치를 돌리는 오픈소스 시스템

오늘은 평소와 조금 다른 글입니다. 종목 이야기가 아니라, 이 블로그의 글이 어떻게 만들어지는지에 대한 이야기입니다. 무대 뒤를 한번 보여드리려고 합니다.

글 한 편이 나오기까지

Korea Invest Insights의 글은 사람이 빈 화면 앞에 앉아 즉흥적으로 쓰는 게 아닙니다. 그 뒤에는 Thesis Investment OS라는 작은 운영체제가 돌아갑니다. 이름은 거창하지만 생각은 단순합니다.

투자 판단을 눈에 보이게, 검증할 수 있게, 그리고 자기 성적표에 솔직하게 만든다.

이 시스템은 자동매매 봇도 아니고, 시그널을 파는 서비스도 아니며, “AI가 종목을 찍어준다"는 물건도 아닙니다. 흩어진 시장 정보를 모아 하나의 논거(thesis)로 엮고, 그 논거가 나중에 맞았는지 틀렸는지까지 되짚어볼 수 있게 만드는 틀입니다.

이 구조는 세 가지 역할로 나뉩니다. 사람으로 치면 한 팀의 세 사람이라고 보시면 됩니다.

1. 알파(Alpha) — 증거를 모으는 사람

알파는 사실을 모으고 검증하는 역할입니다.

가격, 거래량, 수급, 펀더멘털, 공시 같은 정량 데이터
뉴스, 공시, 실적 발표 내용, 커뮤니티 신호 같은 정성 데이터
스크리너로 후보를 추리고, 맥락을 덧입혀 “볼 만한 종목"을 찾아내는 일

알파가 만들어내는 건 증거 기록, 시장 스냅샷, 장중 알림, 스크리너 후보, 그리고 리서치 패킷입니다. 한마디로 “무슨 일이 일어났는가"를 정직하게 쌓아두는 사람입니다. 판단은 아직 하지 않습니다. 재료만 모읍니다.

2. 격자(Lattice) — 증거로 판단을 세우는 사람

격자라는 이름은 찰리 멍거가 말한 “여러 사고 모형이 격자처럼 얽힌 정신의 구조(latticework of mental models)"에서 따왔습니다.

알파가 모은 재료를 받아, 실제 투자 판단으로 바꾸는 역할입니다.

논거를 등록하고, 결정 카드(decision card)로 정리하고
일부러 반대편에 서서 따져보는 악마의 변호인(devil’s advocate) 리뷰를 거치고
예측을 기록(prediction ledger)해두었다가, 시간이 지나 맞았는지 되짚어보는 일

블로그에서 여러분이 읽는 “결론은 이렇다”, “이건 사실이고 이건 추측이다” 같은 구조가 바로 격자에서 나옵니다. 판단을 내리되, 그 판단을 나중에 채점할 수 있게 남겨두는 것이 핵심입니다.

3. 아키(Arki) — 시스템을 돌보는 사람

아키는 눈에 잘 안 띄지만 가장 중요한 역할일지도 모릅니다. 시스템 전체가 건강하게 굴러가도록 돌보는 역할입니다.

데이터를 담는 틀(스키마)과 저장 구조(vault layout)를 정의하고
반복되는 작업(recurring jobs)을 관리하고, 건강 검진(health check)을 돌리고
변경 이력(migration log)을 남기고, 각 역할의 권한과 규칙을 관리하는 일

집으로 치면 알파와 격자가 일하는 동안, 전기·수도·보일러가 멈추지 않게 챙기는 사람입니다. 화려하지 않지만, 아키가 없으면 나머지 둘도 오래 못 갑니다.

이 세 역할이 만든 결과물 — 실제 예시

말로만 들으면 추상적이니, 최근 이 시스템을 거쳐 나온 글 두 편을 보여드립니다.

델 1분기 실적과 한국 AI 서버 마진 read-through — 알파가 델의 실적 숫자를 모으고, 격자가 그걸 한국 반도체·서버 밸류체인으로 연결해 판단을 세운 글입니다.
마벨 Q1 FY2027 실적과 한국 반도체 read-through — 같은 흐름으로, 마벨의 커스텀 실리콘 숫자에서 출발해 한국 read-through로 이어진 글입니다.

두 글 모두 “이건 사실(Fact), 이건 추론(Inference), 이건 추측(Speculation)“을 나눠 적습니다. 그 습관이 바로 격자가 강제하는 구조이고, 그 사실들을 떠받치는 데이터는 알파가 모은 것입니다.

왜 이걸 굳이 공개하나

리서치를 하다 보면 가장 무서운 건 “내가 예전에 뭐라고 했는지 기억이 안 나는 것”입니다. 좋아 보이는 논거는 많지만, 그게 정말 맞았는지 되짚는 건 귀찮고 불편합니다. 그래서 대부분의 분석은 한 번 쓰고 잊힙니다.

Thesis OS는 그 불편함을 일부러 시스템 안에 넣었습니다. 모든 판단에 증거를 붙이고, 예측을 기록하고, 나중에 채점합니다. 완벽해서가 아니라, 틀렸을 때 그게 보이도록 만든 구조입니다.

이 시스템은 로컬에서 돌아가도록 설계됐습니다. 별도의 API 키나 증권사 로그인, 유료 데이터 구독 없이도 함께 들어 있는 샘플 데이터로 한번 돌려볼 수 있습니다. 라이선스는 MIT, 파이썬 3.10 이상이면 됩니다.

그리고 이 시스템이 글을 내보내는 창구가 바로 세 곳입니다. 지금 읽고 계신 블로그(Korea Invest Insights), 텔레그램 @korea_invest_insights, 그리고 서브스택입니다.

들어와서 구경하세요

이 글의 목적은 자랑이 아니라 초대입니다. 투자 리서치를 어떻게 좀 더 정직하고 검증 가능하게 만들 수 있을지 고민해본 적 있다면, 한번 들여다봐 주세요.

코드를 다 읽지 않아도 됩니다. README만 훑어봐도 “아, 이 블로그 글들이 이런 식으로 만들어지는구나” 하는 감이 잡힐 겁니다.

👉 github.com/youngseongshin/thesis-investment-os

별(star)을 눌러주셔도 좋고, 그냥 구조만 구경하셔도 좋습니다. 무대 뒤를 열어 보여드린 이유는 단 하나입니다. 이 블로그의 판단이 어디서 어떻게 나오는지, 여러분이 직접 확인할 수 있게 하기 위해서입니다.

Disclaimer: 본 글은 개인 맞춤형 투자자문이 아니라 공개정보 기반 분석입니다. 소개한 오픈소스 시스템은 리서치 도구이며, 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.