전망치가 갈릴 때 — 기관별 스프레드를 정보로 쓰는 법 (2026)
같은 산업에 대해 두 기관이 다른 숫자를 낸다.
보통은 “누가 맞나”로 접근한다.
더 쓸모 있는 접근은 왜 갈렸나를 보는 것이다.
차이의 원인이 곧 그 산업의 핵심 변수다.
반도체 업종의 흐름은 Passive 에서 확인할 수 있다. https://dinsightlab.com
사례: 장비 투자 전망
2026년 반도체 전공정 장비 지출 전망을 보자.
한 산업협회는 2026년 1,352억 달러, 전년 대비 9.0% 증가를 제시했다.
한 증권사는 같은 해 약 1,480억 달러를 제시하고, 2027년 2,040억 달러, 2028년 2,590억 달러까지 늘어난다고 봤다.
첫해 차이만 약 130억 달러다.
차이는 어디서 오나
두 전망 모두 인공지능 수요를 반영한다.
갈리는 지점은 메모리 투자 강도다.
높은 전망은 DRAM과 고대역폭 메모리 투자가 예상보다 강하다는 가정에 기대고 있다.
낮은 전망은 논리 반도체와 메모리의 균형 잡힌 확장을 가정한다.
즉 이 스프레드는 “메모리 캐파 증설이 얼마나 공격적일 것인가”라는 하나의 질문으로 압축된다.
스프레드를 쓰는 방법
첫째, 갈리는 변수를 특정한다.
둘째, 그 변수를 직접 추적할 수 있는 지표를 찾는다.
메모리 투자라면 웨이퍼 투입량, 신규 팹 착공, 장비 발주 공시가 그 지표다.
셋째, 실제 데이터가 어느 쪽 가정에 가까운지 분기마다 확인한다.
전망을 믿는 대신 전망의 전제를 검증하는 방식이다.
전망이 좁을 때와 넓을 때
기관 간 전망이 촘촘하면 시장에 이미 컨센서스가 형성돼 있다는 뜻이다.
이 경우 주가는 전망 자체보다 실제치의 미세한 초과·미달에 반응한다.
반대로 전망이 넓게 벌어져 있으면 아직 가격에 반영되지 않은 시나리오가 많다는 뜻이다.
변동성은 커지고, 데이터 하나에 주가가 크게 움직인다.
기업별 수주와 실적 반영은 Passive 의 기업 실적 화면에서 확인할 수 있다. https://dinsightlab.com
정리
전망 편차는 잡음이 아니라 그 산업의 쟁점을 가리키는 표지다.
숫자를 고르지 말고 갈리는 이유를 특정한 뒤, 그 변수를 직접 추적한다.
스프레드의 폭 자체가 앞으로의 변동성을 알려주는 정보다.