정치 주기 수익률 통계를 믿어도 될까 — 표본이 적을 때의 함정 (2026)

결론부터 말하면, 정치 구도와 주가 수익률을 묶은 통계는 표본이 아주 적습니다.

선거는 몇 년에 한 번이고, 의미 있는 구간은 수십 개에 불과합니다.

이 정도 표본에서는 우연히 만들어진 차이도 크게 보입니다.

그래서 숫자를 인용하기 전에 몇 개의 사례로 계산됐는지부터 확인해야 합니다.

시장 분위기와 섹터 흐름은 Passive에서 확인해 보세요.

표본 수를 먼저 센다

평균 수익률이 인상적이어도 사례가 대여섯 개면 한두 해가 전체를 끌어올립니다.

그 한두 해에 무슨 일이 있었는지 따로 보면, 정치 구도와 무관한 이유가 발견되는 경우가 많습니다.

금리 인하 구간이었거나, 큰 기술 변화가 있었거나, 직전 해가 크게 하락한 뒤였을 수 있습니다.

기간 선택이 결과를 바꾼다

“지난 13년”처럼 시작 연도가 특정되면 그 선택의 이유를 물어야 합니다.

시작점을 몇 년만 옮겨도 평균이 크게 달라지는 통계가 많습니다.

가능하면 더 긴 기간과 더 짧은 기간 양쪽으로 계산해 보고, 결과가 안정적인지 확인합니다.

한쪽에서만 성립하면 그 관계는 약합니다.

동시에 벌어진 일을 분리한다

정치 구도는 경제 상황과 함께 움직입니다.

경기가 나쁘면 집권당이 선거에서 지는 경향이 있고, 그 뒤에는 대체로 회복이 옵니다.

그러면 “분열된 의회 뒤에 주가가 올랐다”는 관찰은 정치 구도가 아니라 경기 순환을 본 것일 수 있습니다.

원인과 동반 현상을 구분하지 않으면 잘못된 규칙을 만듭니다.

시장 지표를 기간별로 비교하려면 Passive의 시장 화면을 참고하세요.

그래도 남는 합리적인 부분

교착 상태가 정책 변경의 폭을 줄인다는 점은 사실입니다.

세제나 규제가 크게 바뀌지 않으면 기업은 계획을 세우기 쉽습니다.

불확실성이 줄면 요구 수익률이 낮아지고, 그만큼 밸류에이션에 유리합니다.

다만 이 효과는 업종마다 다릅니다.

정책 의존도가 높은 업종에서는 교착이 기다리던 지원의 부재를 뜻하기도 합니다.

실제로 쓰는 방법

하나, 통계를 근거가 아니라 가설로 씁니다.

둘, 그 가설이 맞는다면 지금 무엇이 관찰돼야 하는지 적어둡니다.

셋, 정책 의존도가 높은 업종과 낮은 업종을 나눠 봅니다.

넷, 선거 결과 자체보다 그 뒤에 나오는 예산과 규제 일정에서 확인합니다.

정리

정치 주기 통계는 이야기로는 매끄럽고 근거로는 약합니다.

표본 수, 기간 선택, 동시 요인 세 가지를 확인하면 그 숫자에 얼마나 기댈 수 있는지가 정해집니다.

섹터별 흐름은 Passive에서 이어서 확인해 보세요.