블로그

기술적 분석 6장: ATR로 손절선 최적화

starlightBlog.post.date

ATR과 변동성 분석

저변동성 대형주와 변동성이 큰 바이오주에 똑같이 -7% 손절선을 적용하면 어떤 종목에는 너무 좁고, 다른 종목에는 너무 넓을 수 있습니다. ATR은 최근 가격 범위를 이용해 종목별 변동성을 비교하는 방법입니다.

ATR 계산

previous_close = df.groupby("code")["close"].shift(1)
true_range = pd.concat(
    [
        df["high"] - df["low"],
        (df["high"] - previous_close).abs(),
        (df["low"] - previous_close).abs(),
    ],
    axis=1,
).max(axis=1)

df["true_range"] = true_range
df["atr14_pct"] = df.groupby("code")["true_range"].transform(
    lambda x: x.rolling(14).mean()
) / df["close"]

실제 공개 코드에서는 종목별 그룹 안에서 True Range를 계산합니다. atr14_pct는 ATR을 현재 가격으로 나눈 값이므로 종목 가격이 달라도 변동성을 비교할 수 있습니다.

복합 신호를 변동성별로 나누기

MA20·MA60·RSI·MACD·거래량 조건을 동시에 만족한 진입 신호 중 20일 이후 수익률을 계산할 수 있는 1,601건을 ATR 기준 세 그룹으로 나누었습니다. 각 그룹의 실제 20일 결과는 다음과 같습니다.

변동성 그룹	신호 수	평균 ATR14/가격	양수 비율	평균 수익률	중앙값
낮은 변동성	534	4.08%	59.4%	+7.73%	+3.76%
중간 변동성	533	6.41%	53.7%	+9.00%	+2.24%
높은 변동성	534	10.01%	47.0%	+4.36%	-1.83%

평균 수익률만 보면 중간 변동성이 가장 높습니다. 그러나 낮은 변동성 그룹의 양수 비율은 59.4%, 중앙값은 +3.76%로 가장 안정적이었습니다. 높은 변동성 그룹은 평균이 +4.36%였지만 양수 비율은 47.0%, 중앙값은 -1.83%였습니다.

인사이트

ATR은 매수 신호가 아니라 포지션 크기와 손절 폭을 정하는 도구입니다.

target_risk = 100_000
stop_distance = df["atr14_pct"] * df["close"] * 2
df["shares"] = (target_risk / stop_distance).fillna(0).astype(int)

이번 결과에서 중요한 것은 평균수익률 1위인 중간 변동성 그룹을 그대로 고르는 것이 아닙니다. 낮은 변동성은 양수 비율과 중앙값이 좋았고, 중간 변동성은 평균만 높았으며, 높은 변동성은 전형적인 결과가 손실이었습니다. 변동성이 높은 종목을 무조건 제외할 필요는 없지만, 같은 금액을 매수하지 않고 손실 금액이 일정하도록 수량을 조절해야 합니다. ATR은 매수 신호를 강화하는 지표가 아니라, 신호를 실행할 때 위험을 먼저 제한하는 도구입니다.

다음 장에서는 가격이 MA20 위에 있다는 조건에 OBV를 추가했을 때 거래량 확인이 실제로 수익률의 일관성을 높이는지 살펴봅니다.

원자료는 변동성 그룹 결과에서 확인할 수 있습니다.

기술적 분석 7장: OBV 거래량 신호의 선행성

starlightBlog.post.date

OBV와 거래량 분석

8장에서 거래량 돌파의 성과를 보기 전에, 거래량을 단순히 급증한 하루의 크기로만 볼 필요가 있는지 확인합니다. 가격이 오르는데 거래량이 줄어드는 경우와 가격 상승에 거래량이 함께 증가하는 경우는 같은 상승으로 보기 어렵습니다. OBV는 상승한 날의 거래량을 더하고 하락한 날의 거래량을 빼서 가격과 거래량의 방향을 하나의 시계열로 만듭니다.

OBV와 확인 신호

direction = df.groupby("code")["close"].diff().apply(np.sign)
df["obv"] = (direction * df["volume"]).groupby(df["code"]).cumsum()
df["obv_ma20"] = df.groupby("code")["obv"].transform(
    lambda x: x.rolling(20).mean()
)

df["obv_confirmation"] = (
    (df["close"] > df["ma20"]) &
    (df["obv"] > df["obv_ma20"])
)

이번 분석에서는 가격이 MA20 위에 있고 OBV도 OBV20 위로 올라온 첫날을 확인 신호로 정의했습니다.

실제 결과

검증 구간에서 OBV 확인 신호는 2,653회 발생했습니다.

신호	발생 횟수	20일 양수 비율	평균 수익률	중앙값
OBV 확인	2,653회	53.8%	+6.02%	+2.03%
거래량 돌파	2,726회	53.4%	+9.75%	+2.51%

OBV 확인은 거래량 돌파보다 평균수익률과 중앙값은 낮았지만, 양수 비율은 53.8%로 거래량 돌파의 53.4%보다 소폭 높았습니다. RSI 회복과 비교하면 평균과 중앙값이 모두 높았습니다. 즉 OBV가 거래량 돌파를 대체하는 더 강한 신호라기보다, 가격 추세가 거래량의 누적 방향과도 맞는지 확인하는 역할에 가깝습니다. 그래도 양수 비율이 53.8%에 그쳤으므로 거래량이 증가했다는 사실만으로 향후 상승을 확정할 수는 없습니다.

인사이트

이번 결과에서 OBV의 역할은 단독 매수 신호보다 가격 신호의 신뢰도 확인에 가깝습니다. 급격한 거래량 돌파는 큰 평균수익률을 만들었고, OBV 확인은 비슷한 양수 비율을 조금 더 안정적으로 보완했습니다. 둘을 함께 사용하면 정보가 추가되는지, 같은 거래량 정보를 중복해서 쓰는지는 복합 신호에서 다시 확인해야 합니다.

가격이 MA20 위인데 OBV가 하락하면 상승의 내부가 약할 수 있습니다.
가격이 횡보하는 동안 OBV가 상승하면 매집 가능성을 살펴볼 수 있습니다.
급등일 거래량만으로 OBV가 높아졌는지, 여러 날 누적되어 높아졌는지 구분해야 합니다.

다음 장에서는 평균수익률이 가장 높았던 거래량 돌파를 20일 고점 돌파라는 명확한 조건으로 분해해, 높은 평균이 얼마나 넓은 사례에서 나왔는지 확인합니다.

결과는 신호별 결과 CSV의 OBV 확인 행에서 확인할 수 있습니다.

기술적 분석 8장: 거래량 돌파의 강도

starlightBlog.post.date

거래량 돌파 분석

1장과 7장의 비교에서 거래량 돌파는 20일 평균수익률 +9.75%로 가장 높았습니다. 이번 장에서는 그 결과를 막연한 “거래량 증가”가 아니라 직전 20일 고점 돌파와 거래량 1.5배라는 재현 가능한 조건으로 분해합니다. 신고가 돌파는 강한 매수세의 결과일 수 있지만, 이미 많은 투자자가 같은 가격을 보고 있을 가능성도 있습니다.

돌파 신호 코드

previous_high20 = df.groupby("code")["close"].transform(
    lambda x: x.rolling(20).max().shift(1)
)
volume_average20 = df.groupby("code")["volume"].transform(
    lambda x: x.rolling(20).mean().shift(1)
)

df["volume_breakout"] = (
    (df["close"] > previous_high20) &
    (df["volume"] > volume_average20 * 1.5)
)

기준선을 당일을 제외한 직전 20일로 만들었습니다. 당일 종가를 최고가 계산에 포함하면 돌파 여부를 판단할 때 미래 값을 일부 재사용하게 되기 때문입니다.

실제 결과

검증 구간의 거래량 돌파 신호는 2,726회 발생했습니다.

신호	발생 횟수	20일 양수 비율	평균 수익률	중앙값
20일 고점·거래량 돌파	2,726회	53.4%	+9.75%	+2.51%

이번 표본에서 평균 수익률은 지표 중 가장 높았습니다. 그러나 중앙값은 +2.51%, 양수 비율은 53.4%, 25% 분위수는 -11.88%였습니다. 소수의 큰 추세 상승이 평균을 끌어올렸을 가능성과 함께, 돌파 후에도 상당한 손실 사례가 있었다는 점을 동시에 봐야 합니다.

인사이트

돌파 매매는 손절 규칙이 전략의 일부입니다. 돌파가 실패해 가격이 다시 20일 고점 아래로 내려오면 신호가 무효화됐다고 판단할 수 있습니다. ATR을 이용해 돌파 종목마다 다른 손절 폭을 정하면 6장의 변동성 분석과도 연결됩니다.

거래량 돌파는 이번 표본에서 가장 높은 평균수익률을 보인 후보 필터였지만, 그 자체가 매수 추천은 아닙니다. 특히 장중 돌파와 종가 확정 돌파를 구분해야 하며, 다음 거래일 체결 가격을 사용해 재검증해야 합니다. 다음 장에서는 이런 조건을 이동평균·RSI·MACD와 모두 결합했을 때 단일 거래량 신호보다 실제로 나아지는지 확인합니다.

기술적 분석 9장: 복합 기술지표의 포트폴리오 효과

starlightBlog.post.date

기술적 지표 복합 신호

8장까지의 결과를 보면 거래량 돌파의 20일 평균수익률은 +9.75%, MACD 골든크로스는 +6.98%였습니다. 그렇다면 이동평균, RSI, MACD, 거래량을 동시에 만족시키면 더 강한 신호가 될까요? 여러 지표를 합치는 방식은 직관적이지만, 서로 비슷한 가격 정보를 반복해서 사용하거나 신호가 너무 늦어지는 문제가 생길 수 있습니다.

복합 점수 만들기

이번 분석에서는 다섯 조건 중 네 개 이상을 만족하면 복합 신호로 분류했습니다.

conditions = pd.concat(
    [
        df["close"] > df["ma20"],
        df["ma20"] > df["ma60"],
        df["rsi14"].between(40, 70),
        df["macd"] > df["macd_signal"],
        df["volume_ratio20"] > 1,
    ],
    axis=1,
)
df["technical_score"] = conditions.sum(axis=1)
df["composite_state"] = df["technical_score"] >= 4
previous_state = df.groupby("code")["composite_state"].shift(1).fillna(False)
df["composite_entry"] = (
    df["composite_state"] &
    ~previous_state
)

실제 결과

검증 구간에서 복합 신호 진입은 1,601회 발생했습니다.

신호	발생 횟수	20일 양수 비율	평균 수익률	중앙값
복합 신호 진입	1,601회	53.3%	+7.03%	+2.10%
거래량 돌파	2,726회	53.4%	+9.75%	+2.51%
MACD 골든크로스	1,868회	55.1%	+6.98%	+2.72%

복합 신호의 평균수익률 +7.03%는 거래량 돌파의 +9.75%보다 낮고, 중앙값 +2.10%도 거래량 돌파 +2.51%와 MACD +2.72%보다 낮았습니다. 양수 비율도 53.3%로 MACD의 55.1%를 넘지 못했습니다. 여러 조건을 요구했기 때문에 신호의 질이 자동으로 높아진 것이 아니라, 진입 시점이 늦어지고 상승 초기를 놓쳤을 가능성이 있습니다.

인사이트

복합 신호의 장점은 신호의 설명력입니다. “왜 이 종목이 후보인가?”에 대해 추세, 모멘텀, 거래량으로 나눠 설명할 수 있습니다. 반면 조건을 추가할수록 표본 수가 줄고, 과거 기간에 맞춘 과최적화 위험이 커집니다.

따라서 복합 전략은 점수 자체보다 다음을 관리해야 합니다.

조건을 추가하기 전후의 표본 수
학습 구간과 검증 구간의 성과 차이
평균과 중앙값의 차이
산업별 편중
신호 발생 후 최대 손실

이번 결과에서 복합 신호의 장점은 단일 지표보다 높은 수익률이 아니라, “추세·모멘텀·거래량 조건을 동시에 만족한 종목”이라는 설명력입니다. 반대로 성과 측면에서는 단일 거래량·MACD 신호를 압도하지 못했습니다. 복합 신호는 최종 매수 버튼이 아니라 다음 분석으로 넘어갈 종목을 줄이는 스크리닝 언어로 사용하는 것이 적절합니다.

다음 장에서는 이 스크리닝 결과가 산업과 시장 국면에 따라 얼마나 달라지는지 확인합니다.

방산주는 왜 장기 성장주로 평가받는가

starlightBlog.post.date

항공우주 생산시설과 방산 산업의 장기 성장을 표현한 이미지

방산주는 국제 정세가 불안해질 때마다 주목받는 테마주로 소개되곤 합니다. 그러나 방산 기업을 단순히 뉴스에 반응하는 종목으로만 보면 산업의 구조적 변화를 놓칠 수 있습니다. 국방 예산의 장기 계획, 무기체계 교체 주기, 수출 계약, 유지보수 사업이 서로 연결되면서 방산은 긴 시간 동안 매출이 누적되는 산업이기 때문입니다.

이 글에서는 한화에어로스페이스와 한국항공우주를 대표 사례로 삼아, 방산주를 장기 성장주 관점에서 볼 때 확인해야 할 요소를 정리합니다. 특정 종목의 매수·매도를 권유하는 글은 아닙니다.

방산 산업의 매출은 한 번의 계약으로 끝나지 않는다

방산 사업은 일반 소비재처럼 매년 수요가 반복되는 구조와 다릅니다. 먼저 무기체계 도입 계약이 체결되고, 이후 생산·납품·정비·부품 교체·성능 개량이 이어집니다. 하나의 플랫폼이 장기간 운용되기 때문에 초기 수주뿐 아니라 후속 지원 사업도 중요한 매출원이 됩니다.

이 구조를 단순화하면 방산 기업의 매출은 다음과 같이 나눌 수 있습니다.

구분	주요 내용	투자자가 볼 지표
신규 수주	전차, 자주포, 항공기, 엔진 등 신규 계약	수주잔고, 계약 기간
생산·납품	계약 물량을 실제 매출로 전환	매출 인식 속도, 원가율
후속 지원	정비, 부품, 개량, 교육·훈련	반복 매출, 수익성
수출 확대	해외 고객과 추가 국가 진입	수출 비중, 환율, 현지 생산

따라서 보도된 계약 금액만 보고 기업가치를 판단하기보다 수주잔고가 몇 년에 걸쳐 매출과 영업현금흐름으로 전환되는지 확인해야 합니다.

수출이 장기 성장의 핵심인 이유

국내 방산 기업의 성장성은 국내 국방 예산만으로 결정되지 않습니다. 해외 수출이 늘어나면 고객 국가가 다양해지고 생산 규모가 커지면서 단위당 비용과 공급망 효율이 개선될 가능성이 있습니다. 동시에 수출 계약은 환율, 금융 조건, 현지 생산 의무, 기술 이전 조건의 영향을 받습니다.

수출 비중이 커지는 기업을 볼 때는 다음 질문이 필요합니다.

수출 계약이 실제 납품 단계에 진입했나요?
계약의 수익성이 국내 사업과 비교해 어떤가요?
현지 조립·생산 조건이 원가에 어떤 영향을 주나요?
환율 변동과 원자재 가격 상승을 계약이 얼마나 흡수하나요?
한 국가 또는 한 플랫폼에 대한 의존도가 과도하지 않나요?

수출 계약은 성장 동력이 될 수 있지만, 계약 체결과 이익 실현 사이에 시간이 길다는 점도 함께 고려해야 합니다.

기업별로 봐야 할 사업 구조

한화에어로스페이스(012450)는 지상방산과 항공엔진 등 여러 사업 축을 보유한 기업으로 분류할 수 있습니다. 이 기업을 분석할 때는 지상 무기체계의 수주잔고뿐 아니라 엔진 사업의 장기 공급 구조, 계열사 및 연결 실적, 대규모 계약의 생산 일정까지 함께 봐야 합니다.

한국항공우주(047810)는 항공기 개발·생산과 항공기 정비·훈련 등 항공우주 분야의 사업 구조가 중요한 기업입니다. 완제품 납품만이 아니라 개발비 부담, 양산 전환 시점, 후속 군수지원 매출, 해외 고객 확대 가능성을 구분해 분석해야 합니다.

두 기업은 모두 방산주로 묶이지만 매출이 발생하는 방식과 비용 구조가 다릅니다. 따라서 같은 업종의 주가수익비율만 단순 비교하기보다 사업별 매출 성장률과 영업이익률, 수주잔고의 질을 나누어 보는 것이 적절합니다.

실적보다 현금흐름을 먼저 확인해야 하는 경우

방산 기업은 장기 계약과 선투자가 많기 때문에 회계상 이익과 현금 유입 시점이 다를 수 있습니다. 매출과 영업이익이 증가해도 재고와 매출채권이 빠르게 늘면 현금흐름이 약해질 수 있습니다. 반대로 초기 생산 투자가 마무리되고 선수금이 유입되면 이후 현금 전환이 개선될 수도 있습니다.

분석할 때는 다음 항목을 함께 비교하는 것이 좋습니다.

수주잔고 증가율과 매출 전환 속도
영업이익률과 계약별 원가 변동
영업활동현금흐름과 매출채권 증가폭
재고자산과 설비투자 규모
순차입금과 이자비용

특히 수주잔고가 크다는 이유만으로 높은 이익을 보장할 수는 없습니다. 계약 변경, 납품 지연, 원가 상승, 고객의 예산 집행 일정이 실제 수익성을 바꿀 수 있습니다.

방산주 투자에서 주의할 위험

첫째는 기대의 선반영입니다. 대형 수주 뉴스가 발표되면 향후 몇 년의 성장 기대가 단기간에 주가에 반영될 수 있습니다. 둘째는 정책과 외교 위험입니다. 수출 승인은 기업의 기술력만으로 결정되지 않으며 정부 간 협상과 구매국의 예산에 영향을 받습니다.

셋째는 생산능력의 한계입니다. 수주가 급증해도 인력·부품·공장 증설이 따라가지 못하면 납품이 늦어지고 비용이 커질 수 있습니다. 마지막으로 환율과 원자재 가격, 기술 이전 조건은 계약 수익성에 영향을 줍니다.

종목을 비교하는 간단한 프레임

방산주를 비교할 때는 다음처럼 네 축으로 정리할 수 있습니다.

성장성   = 신규 수주 + 수출 확대 + 후속지원 매출
수익성   = 사업별 영업이익률 + 원가 관리 + 생산 효율
현금성   = 영업현금흐름 + 선수금 + 운전자본 관리
위험성   = 고객·국가 집중도 + 납품 지연 + 정책·환율 변수

이 네 항목을 분기별로 업데이트하면 주가가 수주 뉴스에만 반응하는지, 실제 실적과 현금흐름이 개선되고 있는지 구분하는 데 도움이 됩니다.

결론

방산주가 장기 성장주로 평가받는 이유는 단기적인 지정학적 이슈 때문만이 아닙니다. 장기 국방 계획, 교체 수요, 수출 확대, 생산·정비·개량으로 이어지는 매출 구조가 성장의 기반이 될 수 있기 때문입니다.

다만 수주잔고가 곧바로 이익이나 현금이 되는 것은 아닙니다. 방산 기업을 분석할 때는 수주 규모보다 매출 전환 속도, 수출 계약의 수익성, 생산능력, 영업현금흐름을 함께 확인해야 합니다. 기대가 큰 산업일수록 계약의 질과 실행력을 점검하는 과정이 중요합니다.

이 글은 방산 산업과 기업 분석 방법을 설명하기 위한 자료이며, 특정 종목의 투자 결과를 보장하지 않습니다.

실적은 늘었는데 주가는 왜 못 오를까? 이익의 질과 밸류에이션 변화 분석

starlightBlog.post.date

이익의 질과 밸류에이션 변화 분석 대표 이미지

실적 발표에서 매출과 영업이익이 모두 증가했는데 주가는 오히려 하락하는 경우가 있습니다. 이것은 시장이 실적을 보지 않아서가 아니라, 이익의 지속 가능성과 이미 가격에 반영된 기대를 함께 평가하기 때문입니다.

이 글에서는 원론적인 설명으로 끝내지 않고, 실제 분석 가능 종목을 같은 기준으로 훑어 “실적은 늘었지만 주가는 못 오른 종목”의 후보군을 추출합니다. 이 후보군은 매수 추천이 아니라, 왜 주가가 실적을 따라가지 못했는지 후속 확인할 출발점입니다.

회계상 이익과 현금이 같은 방향인지 확인하기

가장 먼저 볼 지표는 순이익 자체가 아니라 영업활동현금흐름입니다. 매출채권이나 재고가 빠르게 늘면서 매출이 증가했다면, 손익계산서의 이익이 아직 현금으로 회수되지 않았을 수 있습니다.

이익의 현금 전환 정도는 다음처럼 계산할 수 있습니다.

현 금 전 환 율 영 업 활 동 현 금 흐 름 순 이 익

import pandas as pd

# df: 연도별 재무 데이터. 금액 단위는 동일하게 맞춥니다.
df = df.sort_values("fiscal_year").copy()
df["sales_growth"] = df["revenue"].pct_change()
df["operating_margin"] = df["operating_profit"] / df["revenue"]
df["cash_conversion"] = df["operating_cash_flow"] / df["net_income"]
df["receivable_growth"] = df["receivables"].pct_change()

print(df[[
    "fiscal_year", "sales_growth", "operating_margin",
    "cash_conversion", "receivable_growth"
]])

현금전환율이 낮다고 항상 부정적인 것은 아닙니다. 성장기 기업은 재고 확보나 매출채권 증가로 일시적인 차이가 생길 수 있습니다. 다만 이익은 증가하는데 영업활동현금흐름이 반복해서 따라오지 않고, 매출채권 증가율까지 높다면 이익의 질을 더 자세히 확인해야 합니다.

EPS 증가는 주주에게도 돌아가는 성장인가?

순이익이 증가해도 유통주식수가 더 빠르게 늘면 주당순이익(EPS)은 줄어들 수 있습니다. 반대로 자사주 매입과 소각이 진행되면 순이익 증가율보다 EPS 증가율이 높아질 수 있습니다.

df["eps_growth"] = df["eps"].pct_change()
df["share_count_growth"] = df["shares_outstanding"].pct_change()
df["eps_gap"] = df["eps_growth"] - df["net_income"].pct_change()

따라서 “순이익이 증가했다”는 문장만으로는 부족합니다. 순이익, EPS, 주식 수의 방향을 함께 비교해야 실제 주주가 얻는 이익의 변화를 파악할 수 있습니다.

좋은 실적도 밸류에이션 하락을 이기지 못할 수 있습니다

주가는 대략 다음 두 요소의 곱으로 이해할 수 있습니다.

주 가

EPS가 증가하더라도 시장이 적용하는 PER이 더 큰 폭으로 하락하면 주가는 내려갈 수 있습니다. 예를 들어 기업의 이익 전망이 개선되어도 금리 상승, 산업 성장률 둔화, 경쟁 심화 등으로 투자자가 지불하려는 배수가 낮아질 수 있습니다.

df["per"] = df["close"] / df["eps"]
df["per_change"] = df["per"].pct_change()
df["price_change"] = df["close"].pct_change()

print(df[["fiscal_year", "eps_growth", "per_change", "price_change"]])

이때 실적 증가와 주가 하락은 모순이 아닙니다. 시장의 질문이 “이번 반기 이익이 늘었는가?”에서 “이 성장률이 몇 년 더 유지될 수 있는가?”로 바뀐 결과일 수 있습니다.

전체 종목을 먼저 스크리닝했습니다

앞에서 설명한 지표를 실제 시장에 적용했습니다. 분석 기준일은 2026년 9월 4일입니다. 2025년 상반기와 2026년 상반기의 연결 기준 누적 재무 데이터를 비교하고, 주가는 2026년 6월 30일 종가부터 9월 4일 종가까지 측정했습니다.

전체 활성 종목 4,308개 중 재무제표·현금흐름·두 날짜의 주가가 모두 존재한 1,834개를 대상으로 다음 조건을 적용했습니다.

매출액, 영업이익, 순이익이 모두 전년 동기 대비 5% 이상 증가
2026년 6월 30일 이후 주가 수익률이 -10% 이하
시가총액 3,000억 원 이상

그 결과 62개 종목이 남았습니다. 조건을 완화해 시가총액과 5% 성장 기준을 제외하면, 이익 세 항목이 모두 증가했는데 주가가 하락한 종목은 191개이고, 그중 주가가 10% 이상 하락한 종목은 110개였습니다.

아래는 주가 하락률이 큰 순서로 정렬한 상위 후보입니다. 숫자가 클수록 좋아 보인다는 뜻이 아니라, 시장이 실적 개선을 주가에 반영하지 않은 정도가 컸다는 뜻입니다.

종목	산업	주가 변화	매출 증가	영업이익 증가	순이익 증가	현금전환율 변화
브이엠	특수 목적용 기계	-51.7%	+182.2%	+696.3%	+1,086.3%	279.6% → 115.4%
신세계	종합 소매업	-49.3%	+8.0%	+75.7%	+195.4%	362.3% → 224.2%
성호전자	전자부품	-47.2%	+30.6%	+245.5%	+8,582.5%	247.1% → -11.0%
코리아써키트	전자부품	-46.6%	+20.6%	+918.7%	+2,411.7%	954.4% → 79.7%
씨어스	의료용 기기	-45.6%	+406.6%	+2,886.6%	+2,839.6%	-45.5% → 58.7%
로킷헬스케어	의료용품·의약 관련	-43.6%	+67.6%	+6,924.6%	+742.3%	466.4% → 131.4%
LG이노텍	전자부품	-42.7%	+24.1%	+296.4%	+418.4%	1,142.3% → 99.8%
케이씨텍	정밀기기	-40.8%	+53.4%	+149.4%	+179.9%	72.7% → 23.2%
SK하이닉스	반도체	-37.8%	+230.8%	+489.4%	+788.9%	120.4% → 68.3%
DB하이텍	반도체	-37.7%	+21.9%	+36.2%	+91.2%	103.6% → 83.9%
삼성전기	전자부품	-35.9%	+20.7%	+74.3%	+108.4%	241.7% → 182.5%
피에스케이	특수 목적용 기계	-35.5%	+54.0%	+125.6%	+120.3%	108.5% → 95.7%
에스에이엠티	기계장비·도매	-35.5%	+160.1%	+1,036.5%	+1,207.9%	-299.2% → -128.6%
와이지-원	금속 가공제품	-34.6%	+44.0%	+251.4%	+741.1%	-335.1% → -6.8%
SK	기타 금융업	-31.3%	+28.6%	+1,320.6%	+535.2%	60.4% → 15.9%

실적은 증가했지만 주가는 하락한 종목 스크리닝

이 표에서 바로 확인되는 것은 세 가지입니다. 첫째, SK하이닉스·삼성전기처럼 규모가 큰 반도체·전자부품주도 상위 15개에 들어옵니다. 둘째, 신세계처럼 현금전환율이 224.2%로 여전히 높아도 주가가 49.3% 하락할 수 있습니다. 셋째, 성호전자·에스에이엠티·와이지-원처럼 이익은 늘었지만 현금전환율이 음수인 종목도 있습니다. 같은 “실적 증가”라도 후속 확인의 우선순위가 달라지는 이유입니다.

분석에 사용한 파일은 반기 재무 데이터 CSV, 주가 데이터 CSV, 전체 후보군 CSV, 통합 JSONL입니다. 필드 설명과 계산식은 원자료 README에 정리했습니다.

후보군을 세 그룹으로 나눠야 합니다

현금흐름도 따라오는 종목은 실적 증가와 현금 유입이 함께 나타난 경우입니다. 신세계의 현금전환율은 362.3%에서 224.2%로 낮아졌지만 여전히 100%를 크게 웃돕니다. 삼성전기도 241.7%에서 182.5%로 하락했지만 영업활동현금흐름의 절대 금액은 늘었습니다. 이 그룹은 “왜 주가가 이렇게까지 하락했는가”를 산업 전망과 밸류에이션에서 찾아야 합니다.

이익은 늘었지만 현금전환이 약해진 종목은 더 엄격하게 봐야 합니다. SK하이닉스는 상반기 영업이익이 489.4% 증가했지만 현금전환율은 120.4%에서 68.3%로 낮아졌습니다. LG이노텍도 1,142.3%에서 99.8%로 하락했습니다. 재고, 매출채권, 선급금, 세금 납부 시점 등 운전자본 변동을 사업보고서에서 확인해야 합니다.

기저효과가 큰 종목도 따로 분류해야 합니다. 성호전자처럼 순이익 증가율이 수천 퍼센트에 달하는 경우에는 전년 기준값이 작았거나 일회성 손익이 있었을 수 있습니다. 이때는 증가율 자체보다 올해 상반기 이익의 절대 규모, 다음 분기에도 유지되는지, 영업활동현금흐름이 플러스로 전환됐는지를 확인해야 합니다.

종목을 볼 때 확인할 네 가지

매출 증가가 영업이익률 개선과 함께 나타났는가
순이익 증가가 영업활동현금흐름 증가로 이어졌는가
EPS가 증가했으며 희석 주식 수는 어떻게 변했는가
PER·PBR이 과거와 업종 평균 대비 어느 수준인가

네 지표가 모두 긍정적이어도 주가가 즉시 상승한다는 뜻은 아닙니다. 이미 높은 기대가 주가에 반영되어 있거나, 산업 전체의 밸류에이션이 낮아지는 국면일 수 있기 때문입니다. 반대로 단기 이익이 둔화되어도 현금흐름과 수주, 재투자 효율이 개선된다면 시장이 미래 성장을 먼저 평가할 가능성도 있습니다.

결론

이번 분석의 결론은 “실적이 좋아도 주가는 오를 수 있다”는 원론이 아닙니다. 실적이 개선된 종목을 실제로 쭉 뽑아보면, 1,834개 중 191개가 주가 하락 상태였고, 엄격한 기준에서도 62개가 남았습니다. 따라서 다음 질문은 ‘실적이 좋아졌나?’가 아니라 ‘이 62개 중 어떤 종목의 이익이 현금으로 이어지고, 어떤 종목이 기저효과나 운전자본 때문에 착시를 보이는가?’가 되어야 합니다.

후속 분석의 우선순위도 분명합니다.

SK하이닉스·삼성전기처럼 규모가 큰 종목: 산업 사이클과 기대 밸류에이션이 얼마나 낮아졌는지 확인합니다.
신세계처럼 현금전환율이 100%를 웃도는 종목: 실적 대비 주가 하락의 원인이 소비 경기, 유통 업황, 배수 축소인지 확인합니다.
성호전자·에스에이엠티·와이지-원처럼 현금전환율이 음수인 종목: 매출채권·재고·일회성 이익을 먼저 확인합니다.

즉, 이 글의 스크리닝 결과는 매수 목록이 아니라 검증 순서가 붙은 후보 목록입니다. 다음 분기에도 영업현금흐름과 이익이 함께 유지되는지, EPS와 주식 수가 같은 방향인지, PER이 실적 개선을 이미 반영했는지를 다시 대조해야 합니다.

이 글은 투자 판단을 위한 분석 방법을 설명하며, 특정 종목의 매수·매도를 권유하지 않습니다.

외국인 순매수 종목을 따라 사도 될까? 실제 데이터로 확인한 수급의 함정

starlightBlog.post.date

외국인 수급과 주가 흐름을 분석하는 연구 공간

외국인 순매수 상위 종목은 많은 투자자가 참고하는 대표적인 수급 지표입니다. 하지만 외국인이 많이 샀다는 사실만으로 다음 상승을 기대해도 될까요? 순매수는 강력한 정보일 수 있지만, 매수 기간·거래대금·다른 투자자 수급·이미 진행된 주가 상승을 함께 보지 않으면 신호를 잘못 해석하기 쉽습니다.

이 글에서는 퀀티랩이 수집한 일별 투자자 매매와 주가 데이터를 이용해 2026년 8월 7일부터 9월 4일까지 최근 20거래일을 분석했습니다. 분석 대상은 해당 기간 데이터가 15거래일 이상 존재하는 종목 중 외국인 순매수 금액이 가장 큰 5개 종목입니다.

최근 20거래일 외국인 순매수와 같은 기간 주가 수익률

외국인 순매수 상위 5개 종목

투자자별 매매 금액은 순매수 기준으로 집계했습니다. 금액은 억 원 단위이며, 주가 수익률은 분석 구간의 첫 종가와 마지막 종가를 비교한 단순 수익률입니다. 최대낙폭은 같은 구간 안에서 종가 기준 누적수익률이 고점 대비 얼마나 하락했는지를 계산한 값입니다.

순위	종목	외국인 순매수	매수 우위 일수	주가 수익률	최대낙폭
1	우리금융지주(316140)	4,004억	9일	-4.6%	-9.3%
2	한미반도체(042700)	1,840억	15일	+19.6%	-8.7%
3	실리콘투(257720)	1,791억	11일	+22.1%	-11.4%
4	한국금융지주(071050)	1,737억	19일	+0.4%	-10.2%
5	파마리서치(214450)	1,685억	17일	+2.1%	-17.4%

결과는 단순합니다. 외국인 순매수 상위 종목이라고 해서 모두 같은 방향으로 움직이지 않았습니다. 우리금융지주는 외국인 순매수 금액이 가장 컸지만 주가는 오히려 4.6% 하락했습니다. 반면 한미반도체와 실리콘투는 외국인 매수와 주가 상승이 함께 나타났습니다. 한국금융지주와 파마리서치는 외국인 매수 우위 일수가 많았지만 주가 상승폭은 제한적이었습니다.

순매수 금액이 큰 것과 매수가 지속되는 것은 다르다

우리금융지주의 외국인 순매수는 4,004억 원으로 다른 종목보다 크게 나타났습니다. 그러나 9개 거래일만 매수 우위였고, 9월 3일 하루 외국인 순매수가 약 4,317억 원으로 기록되었습니다. 하루의 대규모 거래가 누적값을 크게 끌어올린 사례입니다.

이런 경우 누적 순매수만 보면 외국인이 꾸준히 매수했다고 착각할 수 있습니다. 따라서 다음 세 지표를 함께 확인해야 합니다.

순매수 누적 금액
순매수 우위 일수와 연속성
최대 단일 거래일 순매수 금액이 전체 누적값에서 차지하는 비중

한 번의 블록성 거래나 지수 편입·편출 관련 거래가 전체 신호를 왜곡할 수 있기 때문입니다. 누적 금액이 크더라도 며칠에 걸쳐 반복된 매수인지, 특정 하루에 집중된 매수인지에 따라 해석은 달라져야 합니다.

다른 투자자의 매매 방향도 함께 봐야 한다

이번 구간에서 한미반도체는 외국인 순매수 1,840억 원과 함께 주가가 19.6% 상승했습니다. 하지만 기관은 약 2,303억 원 순매도했고 개인은 약 455억 원 순매수했습니다. 외국인 매수가 주가를 지지했지만, 기관의 반대 매매도 동시에 나타난 것입니다.

실리콘투는 외국인 순매수 1,791억 원, 주가 상승률 22.1%를 기록했지만 기관과 개인은 각각 약 645억 원, 1,119억 원을 순매도했습니다. 이런 패턴은 외국인 수급이 가격을 끌어올린 사례로 볼 수 있지만, 외국인 매수세가 약해지면 매수 주체가 빠르게 사라질 위험도 있습니다.

반대로 한국금융지주는 외국인 순매수 우위 일수가 19일로 가장 안정적이었지만, 기관은 약 63억 원, 개인은 약 1,653억 원 순매도했습니다. 그럼에도 주가 수익률은 0.4%에 그쳤습니다. 지속적인 외국인 매수가 있었지만 다른 매도 물량을 상쇄하는 데 대부분 사용되었을 가능성이 있습니다.

거래대금 대비 순매수 비율은 신호의 강도를 보여준다

절대 금액만 비교하면 대형주가 항상 상위에 오릅니다. 그래서 평균 거래대금 대비 외국인 누적 순매수 규모도 확인했습니다.

종목	평균 일 거래대금	외국인 순매수 / 20일 거래대금
우리금융지주	약 899억 원	22.3%
한미반도체	약 1,182억 원	7.8%
실리콘투	약 971억 원	9.2%
한국금융지주	약 398억 원	21.8%
파마리서치	약 697억 원	12.1%

우리금융지주와 한국금융지주는 평균 거래대금 대비 외국인 순매수 비중이 상대적으로 컸습니다. 그러나 우리금융지주의 주가가 하락했다는 점에서, 비율이 높다는 것만으로 상승을 보장할 수 없다는 사실도 확인됩니다. 매수 가격대와 매도 압력, 거래가 발생한 시점이 함께 중요합니다.

외국인 순매수를 따라가기 위한 조건

외국인 순매수를 매매 신호로 활용하려면 최소한 다음 순서를 권합니다.

최근 20일과 60일의 누적 순매수 방향이 같은지 확인합니다.
순매수 우위 일수와 최대 단일 거래일 비중을 확인합니다.
외국인 순매수가 평균 거래대금의 어느 정도인지 계산합니다.
기관과 개인이 같은 방향인지, 반대 방향인지 구분합니다.
주가가 이미 단기 급등했는지와 최대낙폭을 확인합니다.
공매도 거래와 공매도 잔고가 매수 신호를 상쇄하지 않는지 살펴봅니다.

간단한 필터로 표현하면 다음과 같습니다.

signal = (
    (foreign_net_20 > 0)
    & (foreign_buy_days_20 >= 12)
    & (foreign_net_20 / turnover_20 >= 0.05)
    & (return_20 < 0.20)
)

이 조건은 매수 추천 공식이 아니라 수급의 지속성과 과열 여부를 함께 보려는 분석 예시입니다. 임계값은 시장과 투자 기간에 따라 다시 검증해야 합니다.

이번 데이터에서 얻은 결론

최근 20거래일 데이터에서 외국인 순매수와 주가 상승이 동시에 나타난 종목은 한미반도체와 실리콘투였습니다. 그러나 두 종목 모두 구간 중 최대낙폭이 각각 8.7%, 11.4% 발생했습니다. 수급이 좋았던 종목도 중간 변동성을 피할 수 없었다는 뜻입니다.

우리금융지주는 가장 큰 외국인 순매수 금액에도 주가가 하락했고, 한국금융지주는 외국인 매수 우위 일수가 가장 많았지만 거의 제자리였습니다. 따라서 외국인 수급은 매수 버튼을 누르게 하는 단독 신호라기보다, 주가·거래대금·다른 투자자 수급과 함께 사용하는 확인 신호에 가깝습니다.

결론

외국인이 순매수한 종목을 따라 사는 전략은 단순하고 직관적이지만, 누적 금액만 보면 중요한 정보를 잃게 됩니다. 실제 분석에서는 매수의 지속성, 거래대금 대비 규모, 다른 투자자의 반대 매매, 이미 발생한 수익률과 최대낙폭을 함께 봐야 합니다.

이번 사례의 핵심은 외국인 순매수 상위라는 순위와 이후 주가 성과가 일치하지 않았다는 것입니다. 순매수는 관심 종목을 좁히는 유용한 출발점이지만, 최종 판단을 위해서는 수급이 가격을 실제로 지지하고 있는지, 그리고 그 흐름이 며칠의 이벤트가 아닌지 검증해야 합니다.

분석 기준일은 2026년 9월 4일이며, 데이터 집계 방식과 거래비용에 따라 결과가 달라질 수 있습니다. 이 글은 투자 판단을 위한 참고 자료이며 특정 종목의 매수·매도를 권유하지 않습니다.

ETF 상관계수만으로 분산효과를 판단하면 안 되는 이유

starlightBlog.post.date

서로 다른 자산의 움직임과 상관관계를 표현한 연구 공간

ETF를 여러 개 담으면 포트폴리오가 자동으로 안전해질까요? 흔히 ETF 사이의 상관계수가 낮으면 분산효과가 크다고 설명합니다. 방향은 맞지만, 상관계수 하나만으로 실제 위험을 판단하기에는 부족합니다. 평소에는 서로 다르게 움직이던 자산도 시장 충격이 발생하면 함께 하락할 수 있기 때문입니다.

이 글에서는 상관계수의 의미와 한계를 살펴보고, ETF 포트폴리오를 구성할 때 함께 확인해야 할 지표를 정리합니다.

상관계수는 무엇을 말해주는가

두 ETF의 수익률을 , 라고 할 때 피어슨 상관계수는 다음과 같이 계산합니다.

값이 1에 가까우면 같은 방향으로, -1에 가까우면 반대 방향으로 움직이는 경향이 있다는 뜻입니다. 0에 가까우면 선형적인 동조화가 뚜렷하지 않습니다.

문제는 이 값이 어떤 기간과 수익률 간격을 사용했는지에 따라 달라진다는 점입니다. 일간 수익률로 계산한 상관계수와 월간 수익률로 계산한 상관계수는 서로 다를 수 있습니다. 상승장, 하락장, 금리 변동기처럼 시장 국면을 나누면 결과가 더 크게 달라질 수 있습니다.

낮은 상관계수가 항상 낮은 위험은 아니다

포트폴리오의 분산은 각 자산의 변동성과 자산 사이의 공분산에 의해 결정됩니다.

따라서 상관계수는 중요한 요소이지만 전체가 아닙니다. 상관계수가 낮아도 한 자산의 변동성이 매우 크면 포트폴리오 위험이 커질 수 있습니다. 반대로 상관계수가 다소 높더라도 변동성이 낮고 비중이 적절하면 전체 변동성을 완화할 수 있습니다.

예를 들어 주식 ETF와 원자재 ETF를 섞었다고 해도, 두 상품의 가격 변동폭과 환율 민감도가 크게 다르면 단순 상관계수만으로 체감 위험을 설명하기 어렵습니다. ETF의 기초자산뿐 아니라 환헤지 여부, 선물 롤오버, 분배금 정책도 함께 봐야 합니다.

위기 때 상관관계가 높아지는 현상

평상시에는 서로 다른 자산군으로 보이던 상품이 급락장에서 동시에 하락하는 현상을 흔히 관찰할 수 있습니다. 투자자가 위험자산을 한꺼번에 줄이거나, 유동성이 낮은 자산부터 매도하기 때문입니다.

이런 현상을 확인하려면 전체 기간의 상관계수 하나보다 다음 결과를 나누어 보는 편이 낫습니다.

전체 기간의 상관계수
하락한 날만 추린 하방 상관계수
최근 60일 또는 120일 이동 상관계수
두 ETF가 같은 날 손실을 기록한 비율
포트폴리오의 최대낙폭과 회복 기간

특히 하방 상관계수가 전체 상관계수보다 높다면, 평소에는 분산되어 보여도 손실이 커지는 시점에 함께 움직일 가능성을 경계해야 합니다.

ETF 분산효과를 확인하는 실전 순서

먼저 비교할 ETF의 총수익률 기준을 통일해야 합니다. 분배금을 제외한 가격 수익률만 비교하면 실제 투자자가 경험하는 결과와 차이가 생길 수 있습니다. 그다음 동일한 기간과 빈도의 수익률로 상관계수와 변동성을 계산합니다.

returns = prices.pct_change().dropna()

summary = returns[['etf_a', 'etf_b', 'etf_c']].agg(['mean', 'std'])
correlation = returns[['etf_a', 'etf_b', 'etf_c']].corr()
downside_correlation = returns[returns[['etf_a', 'etf_b', 'etf_c']].min(axis=1) < 0].corr()

마지막으로 동일한 비중을 가정한 포트폴리오 수익률을 계산하고, 월별 또는 분기별 리밸런싱을 적용해 결과가 어떻게 바뀌는지 확인합니다. 상관계수가 낮더라도 한 상품이 계속 상승해 비중이 커지면, 시간이 지나면서 포트폴리오의 위험 구조가 달라질 수 있습니다.

상관계수 외에 확인할 체크리스트

기초자산과 지역이 실제로 얼마나 겹치는가
상위 보유종목의 중복 비중은 얼마인가
환율과 환헤지 여부가 성과에 어떤 영향을 주는가
하락장에서 동시 손실 빈도는 어느 정도인가
최대낙폭과 회복 기간이 감당 가능한 수준인가
거래량과 스프레드가 리밸런싱 비용을 키우지 않는가

ETF 이름이 다르거나 운용사가 달라도 상위 보유종목이 비슷하면 실질적인 분산효과는 작을 수 있습니다. 반대로 상관계수가 낮아 보이는 상품도 구조가 복잡하거나 거래비용이 크면 장기 보유에 적합하지 않을 수 있습니다.

결론

상관계수는 ETF 포트폴리오를 분석하는 좋은 출발점이지만, 분산효과의 최종 답은 아닙니다. 기간과 수익률 빈도를 바꾸어도 결과가 유지되는지 확인하고, 하락장 상관관계·변동성·최대낙폭·보유종목 중복도를 함께 살펴야 합니다.

좋은 분산 포트폴리오는 단순히 서로 다른 이름의 ETF를 모은 포트폴리오가 아닙니다. 손실이 커지는 국면에서 위험이 어떻게 겹치는지 설명할 수 있는 포트폴리오에 가깝습니다.

이 글은 ETF와 포트폴리오 분석 방법을 설명하기 위한 자료이며, 특정 상품의 매수·매도를 권유하지 않습니다.

반도체가 만든 420억 달러 경상수지 흑자, 한국 경제의 체력은 얼마나 강해졌나

starlightBlog.post.date

반도체가 만든 420억 달러 경상수지 흑자 대표 이미지

2026년 9월 4일 한국 경제에서 가장 주목할 숫자는 420억 8,000만 달러입니다. 한국은행이 발표한 2026년 7월 국제수지 잠정치에 따르면 한국의 경상수지는 420억 8,000만 달러 흑자를 기록했습니다. 월간 기준 역대 두 번째 규모이며, 7월 기준으로는 가장 큰 흑자입니다.

하지만 이 숫자를 곧바로 “한국 경제 전반이 회복됐다”고 해석하기는 어렵습니다. 이번 기록은 반도체와 컴퓨터 관련 수출이 만든 외수의 힘을 보여주는 동시에, 특정 산업 의존도가 높아진 한국 경제의 구조적 과제도 함께 드러냅니다.

경상수지 흑자는 무엇을 의미하나

경상수지는 상품과 서비스의 수출입, 해외에서 벌어들인 본원소득, 이전소득을 합산한 국제수지입니다. 간단히 말하면 한국이 해외와 거래하면서 벌어들인 외화가 지출한 외화보다 얼마나 많은지를 보여주는 지표입니다.

흑자가 커지면 외화 유동성과 대외 지급 능력에는 긍정적입니다. 원화와 외환시장에 안정 요인이 될 수 있고, 기업의 수출 대금과 해외 투자자금 흐름에도 영향을 줍니다. 다만 경상수지 흑자는 국민경제의 모든 부문이 좋아졌다는 종합성적표는 아닙니다. 수출이 늘어도 가계 소비와 건설투자, 서비스업 고용이 부진할 수 있기 때문입니다.

CURRENT ACCOUNT · JUL 2026

경상수지 흑자

잠정

420.8 억 달러

월간 기준 역대 두 번째 · 2개월 연속 400억 달러 상회

상품수지+458.2억

서비스수지−24.1억

본원소득수지+3.5억

MONTHLY TREND

2026년 경상수지 추이

억 달러

238

1월

276

2월

255

3월

318

4월

302

5월

365

6월

421

7월

이번 흑자의 중심에는 반도체가 있습니다

이번 발표에서 확인되는 가장 중요한 배경은 반도체 수출 호조입니다. 인공지능 데이터센터 투자와 고성능 컴퓨팅 확산으로 메모리와 관련 컴퓨터 기기 수요가 이어지면서 상품수지가 크게 개선됐습니다. 7월 경상수지가 두 달 연속 400억 달러를 웃돈 것도 상품수지의 강한 흑자 흐름과 연결됩니다.

이 흐름은 한국 제조업의 경쟁력을 다시 확인시켜 줍니다. 삼성전자와 SK하이닉스를 중심으로 한 메모리 공급망은 AI 투자 사이클의 직접적인 수혜를 받고 있으며, 장비·소재·부품 기업으로 수요가 확산될 가능성도 있습니다. 실제로 9월 4일 국내 증시는 미국 금리 부담 완화와 반도체 대형주 강세가 겹치며 코스피와 코스닥이 동반 상승 출발했습니다.

다만 수출 증가를 이익 증가와 동일시해서는 안 됩니다. 반도체 가격, 제품 믹스, 고객사의 재고 조정, 미국의 통상정책과 현지 생산 요구에 따라 수출액과 기업 이익은 달라질 수 있습니다.

기록적인 흑자에도 남는 세 가지 질문

1. 반도체 의존도가 지나치게 높지 않은가

반도체가 경상수지를 견인하는 것은 강점이지만, 동시에 집중 위험입니다. 글로벌 IT 투자 사이클이 둔화되거나 메모리 가격이 조정되면 상품수지와 기업 실적이 함께 흔들릴 수 있습니다. 자동차, 조선, 방산, 바이오, 콘텐츠와 같은 수출 산업이 안정적으로 성장해 수출 기반을 넓히는지가 중요합니다.

2. 흑자가 내수 회복으로 이어지는가

경상수지 흑자는 해외에서 벌어들인 외화 흐름을 보여줍니다. 이것이 임금·투자·소비 확대로 이어지는지는 별도로 확인해야 합니다. 수출 대기업의 실적이 개선되더라도 중소기업, 서비스업, 지역경제로 확산되지 않으면 체감경기는 약할 수 있습니다.

3. 서비스수지와 소득수지는 어떤 방향인가

상품수지가 크게 개선된 달에도 여행·운송·지식서비스 등 서비스수지는 적자를 낼 수 있습니다. 해외 배당과 이자 수입이 늘어나는지, 반대로 외국인 투자자에 대한 배당 지급이 커지는지도 살펴봐야 합니다. 경상수지의 질을 판단하려면 전체 흑자 규모뿐 아니라 구성 항목의 지속성까지 확인해야 합니다.

금융시장과 투자자가 볼 체크포인트

첫째, 반도체 수출 증가가 물량 증가인지 가격 상승인지 구분해야 합니다. 물량과 가격이 함께 개선되는 국면이라면 업황의 지속성이 높지만, 가격만 급등한 경우에는 변동성이 커질 수 있습니다.

둘째, 4분기 반도체 장비 발주와 설비투자 계획을 확인해야 합니다. 장비 주문이 실제로 늘면 이번 수출 사이클이 생산능력 확장과 공급망 전반의 실적 개선으로 이어질 가능성이 커집니다.

셋째, 미국의 반도체 통상정책과 현지 투자 요구를 봐야 합니다. 미국 현지 생산 확대는 장기적으로 고객 접근성을 높일 수 있지만, 국내 생산과 수출의 일부가 현지 생산으로 대체되는 효과도 함께 따져야 합니다.

넷째, 반도체를 제외한 수출과 내수 지표가 개선되는지 확인해야 합니다. 한국 경제의 회복이 특정 업종의 슈퍼사이클인지, 아니면 폭넓은 경기 회복인지를 가르는 기준입니다.

결론: 강한 외수, 아직 확인이 필요한 내수

7월 경상수지 420억 8,000만 달러 흑자는 한국이 AI와 반도체라는 글로벌 투자 흐름에서 상당한 수혜를 받고 있다는 분명한 신호입니다. 외환 안정과 수출기업 실적, 관련 장비·소재 산업에는 긍정적입니다.

그러나 기록적인 경상수지 흑자만으로 경기 전반의 회복을 단정하기는 어렵습니다. 앞으로는 반도체 수출의 지속성, 서비스수지 개선, 내수와 고용으로의 확산 여부를 함께 봐야 합니다. 이번 통계가 보여주는 한국 경제의 모습은 강한 수출 엔진을 다시 가동했지만, 그 동력이 경제 전체로 전달되는지는 아직 확인해야 하는 단계에 가깝습니다.

이 글은 2026년 9월 4일 공개된 한국은행 2026년 7월 국제수지 잠정 통계와 당일 경제 보도를 바탕으로 작성한 경제 해설입니다. 잠정치는 추후 수정될 수 있으며, 특정 금융상품의 매수·매도를 권유하지 않습니다.

참고 자료

한국은행, 2026년 7월 국제수지(잠정)
네이버 뉴스 경제 섹션, 2026-09-04 경제·증권 주요 보도
한국은행 국제수지 통계 해설

AI 반도체 ETF 비교: 국내형과 미국형, 무엇이 다를까?

starlightBlog.post.date

AI 반도체 ETF 비교 대표 이미지

AI 반도체 ETF를 찾을 때 가장 먼저 보이는 것은 최근 수익률입니다. 그러나 같은 ‘AI 반도체’라는 이름을 사용해도 국내 메모리 공급망에 집중하는 상품과 미국 팹리스·장비 기업을 담는 상품은 움직이는 이유가 다릅니다. 이 글에서는 최신 거래일 기준 데이터를 바탕으로 국내형 RISE AI반도체TOP10(0093A0)과 미국형 KODEX 미국AI반도체TOP3플러스(0151S0)를 비교합니다.

비교 대상과 기준

구분	RISE AI반도체TOP10	KODEX 미국AI반도체TOP3플러스
코드	0093A0	0151S0
투자 지역	한국	미국
최신 기준일	2026-09-03	2026-09-03
최신 종가	30,400원	14,345원
2026-06-01 종가	39,665원	17,887원

가격 수준 자체는 상품 간 비교 기준이 아닙니다. ETF 분할과 설정 시점이 다르기 때문에 수익률, 변동성, 구성종목 중복도를 함께 봐야 합니다.

수익률만 보면 국내형이 더 약했다

2026년 6월 1일부터 9월 3일까지 단순 가격 수익률은 RISE AI반도체TOP10이 약 -23.3%, KODEX 미국AI반도체TOP3플러스가 약 -19.8%였습니다. 두 상품 모두 조정을 받았지만, 국내형의 하락폭이 조금 더 컸습니다. 반도체 업황이 같아 보여도 원화 환율, 미국 기술주 밸류에이션, 국내 대형주 비중에 따라 결과가 달라질 수 있다는 뜻입니다.

다만 이 수치는 분배금과 거래비용을 반영하지 않은 종가 기준 단순 계산입니다. 실제 투자 성과를 비교할 때는 총수익률과 환헤지 여부를 확인해야 합니다.

구성 집중도가 핵심 차이

국내형 ETF는 삼성전자·SK하이닉스와 국내 소재·장비 기업의 실적에 민감합니다. 메모리 가격과 HBM 출하가 개선되면 이익 레버리지가 커질 수 있지만, 특정 기업과 국내 수출 사이클에 위험이 집중될 수 있습니다.

미국형 TOP3 상품은 소수 종목 비중이 높아 ‘분산 ETF’라는 이름만으로 위험이 낮다고 보기 어렵습니다. 대신 엔비디아와 미국 반도체 설계·장비 기업의 AI 데이터센터 투자, 미국 기술주 흐름, 달러 가치가 함께 반영됩니다. 국내 투자자 입장에서는 주가 변동에 환율 변동까지 더해질 수 있습니다.

어떤 투자 질문에 맞을까?

한국 메모리와 HBM 사이클을 직접 보고 싶다면 국내형을 검토할 수 있습니다.
미국 AI 인프라와 글로벌 팹리스 생태계에 투자하고 싶다면 미국형이 더 직접적인 선택입니다.
하락장에서 버틸 상품을 찾는다면 이름보다 상위 보유종목 비중, 최근 최대낙폭, 거래대금을 먼저 비교해야 합니다.

매수 전 확인할 지표

첫째, HBM과 DRAM 가격이 물량 증가를 동반하는지 확인해야 합니다. 둘째, ETF의 상위 3~5개 종목 비중이 높아졌는지 살펴봐야 합니다. 셋째, 원·달러 환율과 미국 반도체 지수의 방향을 함께 봐야 합니다. 마지막으로 최근 수익률이 높다는 이유만으로 추격 매수하지 말고, 동일 기간의 최대낙폭과 회복 기간을 비교해야 합니다.

결론

AI 반도체 ETF 비교에서 ‘국내형이냐 미국형이냐’보다 중요한 것은 어떤 위험을 감수할 것인지입니다. 국내형은 메모리와 HBM이라는 명확한 산업 노출을 제공하지만 한국 대형주와 수출 사이클에 집중됩니다. 미국형은 글로벌 AI 투자에 접근하지만 소수 종목과 환율 위험이 커질 수 있습니다. 따라서 수익률 순위 하나가 아니라 구성종목 집중도·환율 민감도·최대낙폭·거래대금을 같은 기간에 비교한 뒤 투자 비중을 결정하는 것이 합리적입니다.

이 글은 특정 ETF의 매수·매도를 권유하지 않으며, 투자 판단과 손익의 책임은 투자자에게 있습니다.