Pre-Tax Corporate Profits Forecasts for the US Economy: An unresolved Challenge
이 연구는 1990년부터 2024년까지의 미국 세전 기업 이익 전망치를 분석하며, 예측 정확도가 예측 기간이 짧아짐에 따라 개선되지 않는 놀라운 이례 현상과 함께, 예측가들의 군집 행동, 변동성 과소 추정, 그리고 과도한 낙관주의 결여에 대한 증거를 밝히고 있다.
원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기
투자 세계에서 가장 근본적인 질문은 단순합니다. 과연 한 기업이 올해보다 내년에 더 많은 돈을 벌 것인가 하는 점입니다. 수십 년 동안 금융 전문가들은 이 질문에 답하며 경력을 쌓아왔습니다. 그들은 기업 보고서를 연구하고, 경영진과 대화하며, 숫자를 계산하여 기업의 미래 이익을 예측합니다. 이러한 예측은 투자자들이 어디에 돈을 투입할지 결정하는 나침반 역할을 합니다. 전문가들이 특정 국가의 기업들이 번창할 것이라고 믿으면, 투자자들은 그 나라의 주식 시장으로 현금을 쏟아붓습니다. 반대로 전문가들이 어려움을 감지하면, 자금을 회수합니다. 능동적 투자의 전체 시스템은 이 전문가들이 과거보다 미래를 더 잘 볼 수 있으며, 실제 사건에 가까워질수록 그들의 추측이 더 정교해질 것이라는 가정에 의존하고 있습니다. 이는 합리적인 믿음입니다. 내일의 일기 예보가 한 달 뒤의 예보보다 보통 더 정확한 것처럼, 12월에 내려진 이익 예측은 1월에 내려진 예측보다 더 신뢰할 수 있어야 하기 때문입니다.
독일의 한 연구팀은 미국 경제에 대한 방대한 장기 조사를 통해 이 가정을 테스트하기로 했습니다. 그들은 1990년부터 2024년까지 주요 은행과 연구 기관들이 발표한 세전 기업 이익의 변화에 대한 모든 월간 예측치를 수집했습니다. 그들은 이 예측치들을 2년의 기간 동안 추적하며, 실제 결과가 다가옴에 따라 예측이 월별로 어떻게 진화하는지 관찰했습니다. 그들의 목표는 전문가들이 새로운 정보로부터 진정으로 배우고 있는지, 아니면 단순히 어둠 속에서 추측하고 있는 것인지를 확인하는 것이었습니다. 그들이 발견한 것은 금융계가 예측이 작동하는 방식에 대해 믿고 있는 모든 것에 대한 놀라운 모순이었습니다.
연구는 이 전문가들이 미국의 전년 대비 기업 이익 증가율을 얼마나 잘 예측했는지에 대한 방대한 데이터를 조사했습니다. 연구진은 전문가들의 예측과 실제로 일어난 일 사이의 거리를 측정했습니다. 그들은 명확한 패턴이 나타날 것이라고 예상했습니다. 즉, 시간이 흐르고 연말이 다가올수록 예측 오차는 줄어들어야 한다는 것입니다. 시간이 지남에 따라 더 많은 정보가 가용해진다는 논리 때문입니다. 기업들은 분기별 보고서를 발표하고, 경제 데이터는 확정되며, 불확지성의 안개는 걷혀야 합니다. 그러나 데이터는 완전히 다른 이야기를 들려주었습니다. 이 예측들의 평균 오차는 엄청났으며, 평균적으로 95% 가까이 목표를 빗나갔습니다. 더욱 충격적인 것은, 이 막대한 오차율이 마감 기한이 다가와도 전혀 개선되지 않았다는 점입니다. 24개월 전에 내려진 예측은 결과가 알려지기 불과 한 달 전에 내려진 예측만큼이나 부정확했습니다. 전문가들은 나아지지 않았습니다. 그들은 시작할 때와 똑같이 틀린 상태를 유지했습니다.
이 결과는 전문가들이 다른 경제 지표를 다루는 방식과는 극명한 대조를 이룹니다. 동일한 연구진이 국내총생산(GDP), 인플레이션, 또는 주택 착공 횟수에 대한 예측을 살펴보았을 때, 그들은 기대했던 패턴을 발견했습니다. 해당 주제들에 대해서는 예측 기간이 짧아질수록 예측이 눈에 띄게 정확해졌습니다. 전문가들은 그 주제들에 대해서는 새로운 정보를 사용하는 법을 분명히 알고 있었습니다. 하지만 기업 이익에 대해서는 그러한 개선이 전혀 일어나지 않았습니다. 연구진은 전문가들이 단지 반응이 느린 것이라고 치부할 수 없음을 입증했습니다. 데이터에 따르면 전문가들은 수치를 빈번하게 업데이트했으며, 종종 한 달 사이에 급격하게 변동하기도 했습니다. 그들은 뉴스를 무시한 것이 아니라 뉴스에 반응하고 있었지만, 그들의 최종 추측은 여로 처음의 추측만큼이나 목표에서 벗어나 있었습니다.
연구진은 다음으로 전문가들이 서로를 어떻게 대하고 있는지 살펴보았습니다. 그들은 정확도는 개선되지 않았지만, 전문가들이 서로 동조하기 시작했다는 사실을 발견했습니다. 실제 이익 수치에 대한 마감이 다가올수록, 그들의 예측 범위는 좁아졌습니다. 처음에는 전문가들의 의견이 매우 다양했습니다. 하지만 끝에 다다랐을 때, 그들은 거의 같은 말을 하고 있었습니다. 이러한 수렴은 '허딩(herding, 떼 짓기)'이라고 알려진 행동을 시사합니다. 각 전문가가 진실을 찾기 위해 독립적으로 새로운 데이터를 분석하는 대신, 그들은 군중을 따르는 것처럼 보였습니다. 그들은 혼자 틀릴 위험을 피하기 위해 다수의 의견에 자신의 견해를 맞추었으며, 그 과정에서 실제 진실을 찾는 노력을 멈춘 듯 보였습니다. 그들은 모두 똑같이 틀린 상태인 하나의 통일된 집단이 되었습니다.
또 다른 놀라운 발견은 전문가들이 지나치게 낙관적이지 않다는 것이었는데, 이는 금융계에서 흔히 제기되는 비판입니다. 사실 데이터는 그들이 너무 신중하다는 것을 보여주었습니다. 실제 이익이 일정 수준 성장했을 때, 전문가들은 지속적으로 그보다 작은 성장률을 예측했습니다. 그들은 경제의 잠재력을 과소평가했습니다. 또한 그들은 극단적인 상황을 상상하지 못했습니다. 현실 세계에서는 이익의 거대한 상승과 심각한 손실이라는 큰 폭의 변동이 나타났지만, 전문가들의 예측은 항상 중간에 밀집되어 있었습니다. 그들은 실제 존재하는 세상보다 더 부드럽고 차분한 세상을 상상하며 현실의 변동성을 과소평가했습니다.
이러한 연구 결과가 주는 시사점은 돈을 관리하는 모든 이들에게 매우 중대합니다. 만약 미래를 예측하도록 고용된 전문가들이 그렇게 하지 못하고, 그들의 예측이 시간이 지나도 나아지지 않는다면, 이러한 예측에 기반해 주식을 능동적으로 고르는 전략은 근본적으로 결함이 있는 것입니다. 이 연구는 기업 이익을 정확하게 예측할 수 없는 능력이 시장을 이기는 것이 왜 그토록 어려운지에 대한 주요 원인임을 시사합니다. 이는 많은 투자 회사가 사용하는 복잡하고 능동적인 전략들이 실체가 없는 유령을 쫓고 있을 수 있음을 의미합니다. 데이터는 미국 경제에 있어 투자자에게 최선의 접근법은 미래를 예측할 수 없음을 받아들이고, 이러한 망가진 예측에 의존하지 않는 패시브(passive) 전략을 고수하는 것일 수 있다고 말합니다. 전문가들은 미래를 보고 있는 것이 아니라, 단지 스스로 걷어낼 수 없는 안개 속으로 서로를 따라 들어가고 있을 뿐입니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.