Passive.
Passive AI 주식 시장 분석 앱 웹페이지 이동

"이번엔 다르다"를 검증하는 법 — 과거 강세장과 비교하는 기준 (2026)

강세장 중반에는 항상 두 가지 주장이 함께 나옵니다. 하나는 이번 상승이 실적에 근거하므로 과거 버블과 다르다는 것이고, 다른 하나는 결국 같은 결말이라는 것입니다. 둘 다 논증이지 증거가 아닙니다. 이 글은 어느 쪽인지 판단하기 위해 실제로 확인할 수 있는 네 가지 항목을 정리합니다.

기준은 하나입니다. 주장하는 사람의 확신이 아니라, 반증 가능한 숫자가 있는가입니다.

시장 지표와 업종 흐름은 Passive에서 함께 확인할 수 있습니다.

1. 이익의 실체 — 현금흐름과 회계이익의 간격

가장 먼저 볼 것은 이익이 현금으로 들어오는가입니다.

영업활동 현금흐름 대 순이익. 순이익이 늘어도 현금흐름이 따라오지 않으면 매출채권이나 재고에 이익이 묶여 있는 것입니다.

잉여현금흐름. 자본지출이 큰 산업에서는 순이익보다 이 지표가 실질을 보여줍니다. 성장 국면에서 마이너스인 것 자체는 정상이지만, 회수 시점에 대한 설명이 필요합니다.

주식보상비용 조정 전후. 조정 지표만으로 수익성을 주장하면 실제 주주 희석이 가려집니다.

과거 버블 국면에서 문제가 됐던 것은 이익의 크기가 아니라 이익과 현금의 간격이었습니다.

2. 순환 매출 — 돈이 돌아오는 구조인가

한 산업 안에서 투자자와 고객이 겹치면 매출이 부풀 수 있습니다. A가 B에 투자하고 B가 그 돈으로 A의 제품을 사면, 양쪽 모두 매출이 잡히지만 외부에서 들어온 현금은 없습니다.

확인 방법은 공시에서 특수관계자 거래와 지분 투자 내역을 보는 것입니다. 그리고 고객이 지불하는 자금의 출처가 자체 영업 현금인지 외부 조달인지 구분합니다.

외부 조달에 의존하는 수요는 자금 시장 여건이 바뀌면 함께 줄어듭니다.

3. 시장 폭 — 몇 종목이 끌고 있는가

지수가 오르는 것과 시장이 오르는 것은 다릅니다.

상승 종목 비율. 지수는 오르는데 상승 종목 비율이 낮으면 소수 종목에 의존한 상승입니다.

동일가중 지수와의 비교. 시가총액 가중 지수가 동일가중 지수를 크게 앞서면 쏠림이 심해진 상태입니다.

업종 확산. 상승이 한 테마에 묶여 있는지, 여러 업종으로 퍼지는지를 봅니다.

폭이 좁은 상승은 그 자체로 잘못은 아니지만, 소수 종목의 실적 하향에 지수 전체가 노출된다는 뜻입니다.

지수와 업종 상태는 Passive 앱의 섹터 모멘텀 랭킹, 시장 분위기 10년 추이에서 볼 수 있습니다.

4. 자금 조달 구조 — 누가 위험을 지고 있는가

투자가 자기자본으로 이뤄지는지, 차입으로 이뤄지는지, 고객 선불로 이뤄지는지에 따라 하락 국면의 충격이 다릅니다.

차입 비중과 만기 구조. 만기가 몰려 있으면 자금 시장 경색 시 재조달 위험이 커집니다.

고객 선불·선급금. 고객이 자금을 대주는 구조는 공급자의 부담을 줄입니다.

신용 스프레드. 해당 산업 회사채 스프레드가 벌어지기 시작하면, 주식시장보다 먼저 반응한 것일 수 있습니다.

검증할 수 없는 주장의 특징

몇 가지 표현은 반증이 불가능해 판단에 쓸 수 없습니다.

기간을 특정하지 않은 전망, 실패해도 아직 이르다고 설명할 수 있는 논리, 반대 증거가 나와도 그 증거를 오해로 처리하는 구조가 그렇습니다. 과거 사례와의 유사성만으로 결론을 내는 주장도 마찬가지입니다. 유사성은 가설의 출발점이지 근거가 아닙니다.

반대로 확인 가능한 주장에는 조건이 붙습니다. 어떤 지표가 어떻게 나오면 판단이 틀린 것인지 미리 말할 수 있는 주장은 검증할 수 있습니다.

정리

이익의 실체는 현금흐름과 순이익의 간격에서 확인합니다.

산업 내부에서 자금이 순환하는 구조인지, 외부 현금이 들어오는지 구분합니다.

지수 상승과 시장 상승은 다릅니다. 상승 종목 비율과 동일가중 비교로 폭을 봅니다.

자금 조달 구조가 하락 국면의 충격 크기를 결정합니다.

반증 조건이 없는 전망은 맞다 틀리다를 판단할 수 없습니다. 조건이 붙은 주장만 검증할 수 있습니다.

Passive 바로가기

본 정보는 투자자문이 아니며 투자 판단과 책임은 사용자에게 있습니다. 더 많은 지표는 Passive 홈에서 확인할 수 있습니다. © 2026 DataInsightLab