투자 인사이트를 키우기 위한 책 읽기(1) : 슈퍼 예측
2026년이 시작된 지금, 인공지능(AI)은 우리 인류에게 더 이상 선택이 아닌 생존의 문법이 되었다. 어제의 파괴적 혁신이 오늘의 일상이 되는 속도는 기하급수적이며, 그 폭발적인 성장세는 인류가 한 번도 가보지 못한 경로로 우리를 몰아넣고 있다. 여기에 몇 년째 이어지고 있으며 언제 터질지 모르는 미중 관계의 서늘한 긴장감, 세계 곳곳에서 발생하고 있는 지정학적 리스크, 그리고 2026년 세계 경제에 가장 큰 이슈가 될 수 있는 미국의 중간선거까지. 2004년 가을, 내가 투자의 세계에 발을 들였을 때 마주했던 시장과는 비교조차 할 수 없는, 그야말로 ‘초변동성’의 시대다. 물론 2008년 미국 서브프라임 위기와 2020년 코로나 사태라는 인류사에 기록될 엄청난 사건들을 겪었지만 서브프라임 위기는 일종의 시스템 오류였고, 코로나 사태는 전쟁과 같은 시간을 가지고 해결하고 복구해야 할 확정형 손실이었다. 즉, 두 사건 모두 "추세"가 아닌 "사건"이었으므로 "예측"보다는 "해결"이 우선 과제였던 것이다. 그러나 지금 우리가 직면한 세상은 거대한 변화의 추세를 맞닥뜨리고 있기에 "예측"이 매우 중요한 능력이 되었다.
이 혼돈 속에서 인간은 본능적으로 ‘확신’이라는 밧줄을 찾는다. "AI는 결국 버블인가?", "미중 갈등은 파국으로 치달을 것인가?" 같은 질문에 누군가 명쾌한 단정을 내려주길 갈망한다. 하지만 한국 증권업계를 시작으로 중국 북경, 상해, 심천, 홍콩을 거치며 20년을 현장에서 보내온 내 경험은 나에게 한 가지 교훈을 가르쳐주었다.
대중의 확신에 찬 목소리가 가장 위험한 신호일 수 있다.
이 지점에서 펜실베이니아 대학교의 심리학이자 정치학 교수인 필립 테틀록(Philip E. Tetlock)의 경고는 나에게 아주 차갑고도 정교하게 다가왔다. 그는 수십 년간 수만 건의 예측 데이터를 분석하여 전문가들의 예언이 얼마나 허망한지를 추적해 온 인물이다. 그의 저서 《슈퍼 예측(Superforecasting)》은 바로 그 방대한 연구의 정수를 담고 있다.
테틀록은 이 책에서 충격적인 사실을 폭로한다. 소위 ‘권위자’라 불리는 이들의 예측이 실제로는 동전 던지기보다 나을 게 없었다는 점이다. 그는 세상을 하나의 거대한 원리로만 설명하려는 ‘고슴도치’ 형 전문가들의 한계를 지적하며, 오히려 자신의 가설을 끊임없이 의심하고 새로운 정보가 들어올 때마다 민첩하게 수정을 거듭하는 이름 없는 ‘여우’들에게 주목했다. 테틀록은 평균적인 지능을 가졌음에도 탁월한 예측력을 보여준 이들을 ‘슈퍼 예측가’라 명명했다.
나의 지난 20년간의 시간 속 인물들을 돌이켜 생각해 보면 시장의 풍파 속에서 살아남은 이들은 모두 ‘여우’였다. 그들은 지정학적 위기 속에서 극단적인 공포에 매몰되지 않았고, AI 혁명에 열광하면서도 이면의 수급을 냉정하게 계산했다.
투자는 결국 불확실성이라는 파도를 타는 기술이다. 지금 우리가 목격하는 AI의 폭발적 성장이나 세계 질서의 재편 역시 정해진 결말이 아니라, 매일 업데이트되는 확률의 총합일 뿐이다. 《슈퍼 예측》은 우리에게 정답을 알려주는 예언서가 아니다. 대신 이 불투명한 세계에서 어떻게 하면 나 자신의 편향을 걷어내고, 조금이라도 더 진실에 가까운 확률을 계산해 낼 수 있는지 가르쳐주는 ‘사고의 훈련법’이다.
나는 이 책을 통해 나의 이 글을 읽어주시는 분들에게 조심스럽게 권유를 드리고 싶다.
정답을 찾으려 하지 말고, 정답에 가까워지는 ‘사고의 근육’을 단련하자.
우리가 던지는 화살이 매번 과녁 정중앙에 꽂힐 수는 없겠지만, 적어도 바람의 방향과 활시위의 팽팽함을 계산할 줄 아는 투자자가 되어야 한다. 이제 테틀록의 통찰을 빌려, 2026년의 혼돈을 뚫고 나갈 슈퍼 예측가의 시선을 공유해보려 한다.
슈퍼 예측가란 누구인가?
답은 그가 가진 정보가 아니라 태도이다.
슈퍼 예측가는 비밀 정보망을 가진 내부자도, 특정 분야의 대가도 아니다. 오히려 그들은 태도와 습관에서 아래와 같이 차별성을 보인다.
개방적 사고: 자신의 생각을 고정하지 않고, 반대 관점과 데이터에 귀를 기울인다,
확률적 사고: 0%와 100% 대신 60%, 70% 같은 조건부 확률로 표현한다.
지속적 업데이트: 새로운 정보가 들어오면 즉시 예측을 수정한다.
겸손한 결론: 틀릴 수 있다는 사실을 전제로 사고한다.
이 단순한 습관들이 예측의 정확도를 끌어올린다. 그리고 이 습관은 재능이 아니라 훈련으로 만들어진다. 그리고 Good Judgment라는 조직은 이 사고법을 서비스와 훈련으로 체계화했다.
Good Judgment Project
군중을 훈련하고, 정확도를 측정하다
슈퍼 예측가라는 개념은 실험에서 태어났다. 테틀록과 동료들이 설계한 Good Judgment Project(GJP)는 미국 IARPA의 ACE 프로그램에서 시작된 대규모 예측 토너먼트였다. 수천 명의 참가자가 국제 사건(선거 결과, 협정 체결 여부, 제재 효과, 군사 충돌 가능성 등)을 확률로 예측했고, 그 예측은 브라이어 점수(Brier score)로 채점됐다. 여기서 브라이어 점수는 예측 확률과 실제 결과의 차이를 수치화해 정확도를 평가하는 지표를 말한다. 이 토너먼트에서 일부 참가자들은 전문가보다 일관되게 더 정확했다. 그들이 바로 슈퍼 예측가로 선별되었고, 이후 이 예측 토너먼트는 상업적·정책적 영역으로 확장되었다. 군중의 지혜를 단순 평균이 아니라 “역사적으로 정확한 사람들의 가중치”로 집계하는 방식은 예측을 기술로 끌어올린 것이었다. 슈퍼 예측가라는 용어 자체도 Good Judgment Inc. 의 상표로 자리 잡았다. 정확도를 통계적으로 입증한 사람을 지칭하는 이름이 제도화된 셈이다.
브라이어 점수
예측을 숫자로 책임지는 법
예측은 말로 끝나면 책임이 없다. 브라이어 점수는 그 책임을 숫자로 만든다. 사건이 일어날 확률을 p로 예측했을 때, 실제 결과가 1(발생) 또는 0(미발생)이라면, 브라이어 점수는 "(p - 결과)의 제곱"의 형태로 계산된다. 그 값이 낮을수록 정확하다. 이 단순한 지표가 강력한 이유는 두 가지다.
첫째, 확률적 표현을 강제한다. 예측을 0/1의 선언이 아니라 연속적인 신념으로 바꾼다.
둘째, 업데이트의 가치를 수치로 보상한다. 새로운 정보가 들어오면 확률을 조정하는 습관이 장기적으로 점수를 낮춘다.
Good Judgment의 토너먼트는 이 점수를 기준으로 참가자를 선별했고, 상위권의 슈퍼 예측가들은 평균보다 월등히 낮은 점수를 기록했다. 예측을 말이 아니라 데이터로 평가하는 문화가 만들어진 것이다.
사례 — AGI 예측: 낙관도 비관도 아닌 조건부 확률
AI 시대의 불확실성은 극단을 부른다. “곧 AGI가 온다”와 “AGI는 요원하다” 사이에서 슈퍼 예측가들은 확률로 말한다. Good Judgment Inc. 는 Open Philanthropy와 협력해 슈퍼 예측가들에게 AGI(범용 인공지능) 등장 시점과 위험을 예측하게 했다. 43명의 슈퍼 예측가가 2043, 2070, 2100까지의 AGI 존재 확률과 2200년까지의 존재론적 위험 가능성을 정량화했다. 이 보고서는 “무엇이 일어날지”가 아니라 “무엇이 일어날 가능성이 얼마나 되는지”를 다룬다. 핵심은 조건부다. 기술적 경향, 자본 투자, 규제 환경, 연구 속도 같은 변수를 분해해 각각의 드라이버를 평가하고, 종합 확률을 업데이트한다. 이 방식은 투자에도 그대로 적용된다. 투자자가 합리적인 예측을 하기 위해서는 낙관과 비관의 진영 싸움 대신, 드라이버별 확률을 조합해 포지션을 조정하는 사고법이 필요한 것이다.
슈퍼 예측가의 사고법
네 가지 습관을 몸에 붙이는 법
문제를 작은 단위로 쪼개기
: 큰 질문은 작은 질문의 묶음이다.
예를 들면 어제 글에서 내가 분석한 기업 "가민(GARMIN)"의 경우, “가민의 미래”는 항공, 해양, 헬스케어의 성장 드라이버로 나뉜다. 각 드라이버에 확률을 부여하면 전체 그림이 선명해진다.
확률로 사고하기
: “된다/안 된다” 대신 “현재 조건에서 65%”라고 말한다. 확률은 겸손을 강제한다. 틀릴 수 있다는 여지를 남기고, 업데이트를 가능하기 위함이다.
지속적 업데이트
: 새로운 정보가 들어오면 즉시 수정한다. 예를 들면 "가민(GARMIN)"의 경우 FAA 인증 뉴스가 나오면 항공 부문 성장 확률을 40%에서 55%로 올린다. 첫 자료의 신빙성이 신뢰의 원천이라면, 업데이트는 신뢰의 생명수이다. 독자는 분석가의 유연한 사고에서 지속적으로 신뢰를 느낀다.
겸손한 결론
: 결론은 잠정적이다. “현재 조건에서 가장 가능성이 높다”는 말은 “새로운 변수가 등장하면 수정한다”는 약속과 함께 간다.
이 네 가지는 투자자의 생존 기술이다. 그리고 브라이어 점수 같은 지표로 사후 점검하면, 습관은 데이터로 굳어진다.
투자 적용 1
기업을 분해하고, 확률을 조합한다
가민(Garmin)을 예로 들어 보자. 단일 질문으로 보면 모호하다. 분해하면 선명해진다.
항공 부문: 인증·규제·OEM 채택률·항공기 교체 사이클.
해양 부문: SaaS 전환·구독 유지율·데이터 네트워크 효과.
헬스케어: 보험 연계·의료 데이터 표준·프라이버시 규제.
각 드라이버에 확률을 부여한다. 항공 65%, 해양 SaaS 50%, 헬스케어 데이터 70%. 그리고 사건이 발생할 때마다 업데이트한다. FAA 인증 뉴스가 나오면 항공을 55→65%로 상향, 보험사의 데이터 연계 파일럿이 발표되면 헬스케어를 70→75%로 조정. 이렇게 확률을 조합하면 밸류에이션의 민감도가 보인다. 이에 따라 투자자는 어떤 드라이버가 전체 가치에 가장 큰 영향을 주는지, 어디에 리서스를 더 써야 하는지 파악할 수 있다.
투자 적용 2
이벤트를 확률로 관리한다
투자 이벤트는 예측의 시험장이다. 실적 발표, 규제 변화, 기술 인증, M&A. 각 이벤트에 사전 확률을 부여하고, 결과에 따라 브라이어 점수를 기록한다. 예를 들어 “가민 항공 부문 매출 YoY 15% 이상”을 60%로 예측했다면, 실제가 12%라면 점수를 계산해 기록한다. 이 기록이 쌓이면 내 예측의 강점과 약점이 드러난다. 예를 들면 "가민(GARMIN)" 투자 분석에 있어서 나는 규제 이벤트에 강하고, 기술 인증에 약하다. 그러면 리서스 배분이 바뀐다. 예측은 성찰의 도구다.
투자 적용 3
포트폴리오를 시나리오로 설계한다
포트폴리오는 시나리오의 조합이다. 베이스라인, 낙관, 비관. 각 시나리오의 확률과 기대수익을 곱해 포트폴리오의 기댓값을 계산한다. 그리고 분기마다 업데이트한다. 확률이 바뀌면 비중이 바뀐다. 이 방식은 감정의 개입을 줄인다. 확률과 업데이트가 나의 투자의사결정을 자동화하게 된다. 슈퍼 예측가의 습관을 포트폴리오에 이식하는 셈이다.
슈퍼 예측가에 대한 정의와 오해
슈퍼 예측가는 예측 슈퍼맨이 아니라 예측학 학자이다.
슈퍼 예측가는 “일반인보다, 전문가보다” 더 정확한 사람으로 정의된다. 통계적으로 일관된 정확도를 보여주고, 브라이어 점수 같은 지표로 검증된다. 다만 이 성과가 과장되는 경우도 있다. 모든 영역에서 전문가를 압도한다는 식의 주장은 오해다. 슈퍼 예측가의 강점은 방법론에 있다. 베이스레이트를 점검하고, 확률을 업데이트하고, 팀으로 토론하며, 기록을 남긴다. 이 방법론을 쓰지 않는 전문가보다 정확할 가능성이 높다는 것이 핵심이다. 용어 자체가 Good Judgment Inc.의 상표라는 사실도 흥미롭다. 개념이 시장에서 제도화되었다는 뜻이다. 그리고 이 생태계는 계속 확장 중이다. 연구, 훈련, 서비스, 커뮤니티가 연결되어 있다
팀과 토론
혼자보다 함께가 더 정확하다
슈퍼 예측가들은 팀으로 더 강해진다. 서로의 베이스레이트를 교차 검증하고, 편향을 지적하고, 업데이트의 타이밍을 맞춘다. 토론은 확신을 깎고, 확률을 다듬는다. 투자에서도 팀은 강력하다. 애널리스트, 데이터 사이언티스트, 현장 전문가가 같은 테이블에 앉아 확률을 조정하면, 포트폴리오의 리스크가 눈에 보인다. Good Judgment의 훈련 프로그램은 이 팀 기반의 사고법을 조직에 이식한다. 내부 전략가를 슈퍼 예측가처럼 사고하도록 만드는 것이다.
기록과 피드백
예측을 학습으로 바꾸는 루프
예측은 기록이 없으면 사라진다. 날짜, 확률, 근거, 업데이트, 결과, 브라이어 점수. 이 여섯 가지를 기록하면 학습이 시작된다. 어떤 패턴이 반복되는지, 어떤 근거가 유효했는지, 어떤 업데이트가 과했는지. 투자 일지에 이 구조를 적용하면, 글쓰기도 달라진다. 독자는 내 사고의 궤적을 본다. 확률이 어떻게 움직였는지, 왜 수정했는지. 신뢰는 투명성에서 나온다.
겸손의 기술
틀릴 수 있다는 전제
겸손은 미덕이 아니라 기술이다. “틀릴 수 있다”는 전제를 깔아야 확률로 말할 수 있고, 업데이트할 수 있다. 확신은 업데이트를 막는다. 겸손은 업데이트를 부른다. 투자에서 겸손은 생존 전략이다. 시장은 나보다 크다. 나는 확률로 말하고, 기록으로 배우고, 팀으로 토론한다. 이 세 가지가 겸손을 실천으로 바꾼다.
서비스로서의 예측
전략을 투명하게 만드는 도구
Good Judgment의 FutureFirst는 예측을 서비스로 만든다. 뉴스가치가 있는 질문들에 대해 슈퍼 예측가의 정량화된 인사이트를 제공하고, 내부 전략가를 훈련한다. 그들의 목적은 “전략적 불확실성을 관리 가능한 위험으로 바꾼다”이다. 이와 같은 목적은 나와 같은 투자자의 일상과도 정확히 맞닿아 있다. 포트폴리오의 불확실성을 확률로 표현하고, 업데이트로 관리하면, 리스크는 심리적 불안요소가 아닌 구체적인 숫자로 변한다. 숫자는 대화의 언어이며, 통제가능한 변수의 영역을 넓혀준다.
반론과 한계
예측이 닿지 않는 영역
모든 예측이 개선될 수 있는 건 아니다. 불과 3~4년 전 우리를 공포로 몰아넣은 코로나 사태와 같은 블랙스완은 데이터가 없고, 구조가 불명확하고, 상호작용이 복잡한 사건이며 예측 영역의 바깥에서 발생한다. 슈퍼 예측가의 방법론도 한계를 가진다. 다만 이 한계를 인정하는 태도 자체가 예측을 개선한다.
“여기서는 확률을 낮게 잡고, 헤지를 강화한다”는 겸손은 전략이다. 그리고 “슈퍼 예측가가 전문가를 항상 이긴다”는 과장도 경계해야 한다. 방법론을 쓰지 않는 전문가보다 정확할 가능성이 높다는 것이 핵심이다. 정확도는 영역과 데이터의 질에 따라 달라진다.
나의 적용 — 포트폴리오 관리
나는 포트폴리오를 확률로 다시 썼다. 각 종목의 핵심 드라이버를 분해하고, 사전 확률을 기록했다. 업데이트는 사건 중심으로 했다. 실적, 규제, 인증, 파트너십 등 주요 지표를 분기마다 정리하고 표와 그래프로 업데이트했다. 이 기록이 쌓이자 내 약점이 보였다. 예를 들면 실적지표 예측과 분석에는 강하지만, 단기 변동성 확대 시점에는 약하다는 것을 알게 되었다.
결론
예측은 완벽할 수 없지만, 더 나아질 수 있다
슈퍼 예측가들은 말한다. 예측은 완벽할 수 없지만, 더 나아질 수 있다. 나는 이 문장을 투자자로서의 나의 좌우명으로 삼았다. 그리고 이 문장은, 특히 시장의 변동성이 커지거나 나의 판단에 오류가 있다고 느낄 때마다 나에게 큰 힘과 용기를 준다. 나는 성공과 실패를 반복해 가는 과정에서 확률로 말하고, 업데이트로 배우고, 겸손으로 결론을 맺기 위해 노력하고 있다.
예측은 맞추기 게임이 아니다. 의사결정이나 판단의 질을 높이기 위한 기술이다. 그리고 그 기술은 누구나 훈련할 수 있다. 이 글을 읽어주신 독자분들도 미국 또는 한국 주식시장 지수에 투자를 하시거나 개별 종목에 투자를 하실 때 스스로 중요하게 여기는 지표를 정하여 지속적으로 업데이트를 해나가신다면 훌륭한 "그레이트 슈퍼 예측가"가 되실 수 있을 것이라 믿는다.