역사적으로 SOX 지수가 고점 대비 -20% 조정을 받았을 때가 매수 기회

- 고점 대비 -20% 수준의 조정을 받은 후 평균 수익률은 5일 후 +1.5%, 20일 후 +8.0%, 60일 후 +11.4%를 기록

- 5일 후 수익률: 단기적으로는 -16.6%에서 +12.4%까지 변동성이 크지만, 평균적으로 +1.5%의 소폭 반등을 보임

- 20일 후 수익률: 과거 총 17번의 사례 중 대부분이 반등에 성공하며 평균 +8.0%의 우수한 회복력을 기록함

- 60일 후 수익률: 중기 관점에서는 약 -22.4% 하락했던 2022년 사례를 제외하면 대부분 큰 폭으로 회복하여 평균 +11.4%의 수익률을 보임

반도체 저가 매수세 유입과 한국 시장 사상 최대 ETF 자금 유입 (JPM)

1. 한국 시장으로의 역대 최대 규모 ETF 자금 유입

• 약 4개월간의 투자 수요 둔화 흐름을 깨고, 한 주 동안 한국 시장으로 사상 최대 규모인 33억 달러(4.9z)의 자금이 유입

• 자금 유입의 대부분은 iShares MSCI South Korea ETF(EWY)로 집중되며 강한 반등세를 견인

• 주식 시장의 전반적인 약세와 달리, 한국 중심의 ETF 시장에는 매우 강력한 매수세가 형성

2. 테크 및 반도체 업종 중심의 강력한 저가 매수세

• 섹터별 자금 흐름에서 테크 섹터가 총 66억 달러(3.1z) 유입을 기록하며 전체 주식 시장 자금 흐름을 주도

• 주가 조정 및 시장 변동성 확대 과정에서 반도체/메모리 테마에 대한 저가 매수가 집중

• 주요 반도체 ETF 유입액: SOXX ETF로 42억 달러 유입, 레버리지 상품인 SOXL ETF로 19억 달러 유입, 메모리 테마(DRAM)로 18억 달러의 자금이 유입

• 레버리지/인버스 및 단일 종목 ETF: 레버리지 매수세에도 불구하고 엔비디아, 마이크론 등 단일 종목 레버리지 상품에서는 일부 환매(-8억 달러)가 발생하며 종목별 차별화 양상을 보임

한국 증시 디레버리징 진행 상황 점검 및 매수 관점 & 코스피 목표지수 12,500p 유지 (JPM)

1. 증시 급락의 배경 및 디레버리징 세부 진행 현황

• 증시 조정 폭: KOSPI 지수는 2026년 6월 22일 고점 대비 약 -28%~-29% 급락하며 변동성이 극심하게 확대

• 하락 원인: '루틴한' 펀더멘털 우려와 순환매로 시작되었으나, 레버리지 ETF의 강제 청산과 헤지펀드의 포지션 축소(Price Momentum 팩터의 -30% 손실 등)가 하락세를 대폭 증폭시킴

• 레버리지 ETF 디레버리징: 레버리지 ETF의 AUM은 6월 말 고점인 500억 달러에서 현재 260억 달러로 급감하였으며, 시장이 안정화될수 있다고 판단되는 수준인 180억 달러 대비 약 75% 수준까지 청산이 진행됨

• 헤지펀드 포지션 청산: JPM Prime 북 기준 주식 롱/숏 비율이 고점인 5.5배 이상에서 현재 4배 미만으로 축소되며 디레버리징 절차가 50% 이상 완료된 것으로 추정

2. 제도적 규제 강화 및 변동성 완화 요인

• 증거금 및 매매 단위 규제: 금융당국의 규제 강화에 따라 레버리지 ETF 최소 예치금이 1,000만 원에서 3,000만 원으로 인상되고, 위탁증거금으로 현금만 인정되며, 단일종목 레버리지 상품의 최소 매매 단위가 1주에서 20주로 상향됨

• 신규 상장 제한: 단일종목 레버리지 ETF 상품의 신규 상장이 한시적으로 중단되어 시장의 파생적 변동성이 제도적으로 억제될 전망

• 스왑 한도 완화: 브로커를 통한 증시 접근 스왑 한도 부족 현상이 주가 하락 및 메모리 반도체 주가 조정으로 인해 전술적으로 대폭 완화

3. 외국인 자금 이탈 현황 및 메모리 반도체 매도 압력 완화

• 외국인 유출 규모: 연초 이후 외국인 자금 유출액은 1,100억 달러를 초과하여 아시아 증시 역대 최대 기록을 경신함

• 메모리 종목 집중: 전체 외국인 순매도 자금의 약 90%가 삼성전자·SK하이닉스 등 2개 주요 메모리 반도체 종목에 집중

• EM 펀드 비중 제약 해소: 메모리 대형주의 2분기 급등으로 신흥국 펀드 내 투자 한도 상한에 걸려 매도가 강제되었으나, 최근 주가 조정으로 MSCI EM 내 비중이 각각 9.5%·8.3%에서 7.5%·5.7%로 하락함에 따라 기술적 매도 압력이 대폭 완화

4. 개인 레버리지 위험도 및 건전성 평가

• 신용공여 잔고 추이: 개인 신용공여 잔고는 고점인 250억 달러 이상에서 210억 달러 수준으로 하락

• 리스크 전이 가능성 제한: 개인 신용잔고는 시가총액 대비 0.5% 수준으로 미국(1.9%), 중국 A주(2.8%) 대비 매우 낮은 수준이며, 반대매매도 KOSPI가 아닌 KOSDAQ 소형주에 집중

• 가계의 흡수 여력: 국내 개인 투자자들은 그간 쌓아둔 주식 평가이익, 현금 잔고, 해외 자산 및 소득 여력이 충분하여 마진콜이 시스템 리스크로 전이될 가능성은 매우 낮음

5. 펀더멘털 분석 및 중장기 투자 전략

• 목표지수 및 투자의견: KOSPI 목표지수 12,500pt 및 아시아 지역 내 한국 시장에 대한 '비중확대(OW)' 의견을 지속 유지

• AI 설비투자 지속성: 오픈소스 모델 등장에도 불구하고 하이퍼스케일러들의 데이터센터 임대 수익성이 우수하여 AI 하드웨어 지출(투자가능성, 모델 역량, 임대료 지표 모두 '청신호')이 견조하게 유지될 전망

• 실적 및 밸류에이션 모멘텀: 2026년 한국 기업의 이익 성장세가 가파르게 이어지는 가운데 테크 및 산업재 분야의 EPS 하향 조정 압력이 적고, 주주환원 및 지배구조 개혁 재개가 중장기 밸류에이션 재평가를 견인할 것임.

» Moonshot AI의 Kimi K3 공개 이후, AI 모델의 효율성이 높아질수록 반도체 수요가 감소할 수 있다는 우려가 재부각되며 반도체 업종 전반의 투자심리 위축

» 다만 Kimi K3는 연산 비용 절감에 초점을 맞춘 DeepSeek R1과 달리, 초거대 모델 기반의 메모리 수요 확대가 핵심 차별화 요소라는 평가

» Kimi K3는 2.8조개의 파라미터를 갖춘 중국 최대 규모 AI 모델로, 일부 파라미터만 활성화하는 MoE(Mixture of Experts) 구조를 적용해 연산 효율성이 역대 최고 수준 기록

» 활성화되는 파라미터 수는 줄었지만, 전체 2.8조개의 파라미터는 모두 메모리에 저장해야 하는 구조로 메모리 수요는 여전히 높은 수준. 저정밀 데이터 형식으로 압축하더라도 모델 크기는 약 1.4TB에 달해, 서비스 운영을 위해서는 대용량 메모리를 탑재한 AI 시스템 필수

» 이에 따라 SK하이닉스의 HBM, Nvidia의 Blackwell GB300 AI 시스템, TSMC 첨단 공정에 대한 수요가 지속될 가능성

» Moonshot AI는 7월 27일에 Kimi K3의 모델 가중치를 공개할 예정. 기업들은 자체 서버에서 모델을 직접 운영할 수 있게 되지만 대규모 서비스 구축에는 여전히 고성능 AI 인프라 필요

» 중국 AI 기업들이 자국산 AI 반도체에 최적화된 모델 개발을 확대하면서 중국 AI 하드웨어 생태계 성장 기대감 확대

» 단기적으로는 AI 모델 효율화에 대한 우려가 반도체 주가 변동성을 키울 수 있지만, 중장기적으로는 초거대 AI 모델 확산이 메모리와 AI 인프라 수요를 지속적으로 견인할 가능성 제기

Kimi K3, 연산보다 메모리가 핵심일 수 있다

블룸버그는 문샷AI의 Kimi K3 공개로 반도체주가 급락했지만, 이를 딥시크 R1과 동일한 충격으로 해석해서는 안 된다고 분석했다.

딥시크가 더 적은 연산으로 AI 모델의 학습·구동 비용을 낮췄다면, Kimi K3는 연산 효율을 높이는 동시에 전체 파라미터를 2.8조개까지 확대한 초대형 모델이다.

작업마다 일부 파라미터만 활성화하지만 전체 모델은 메모리에 저장해야 하며, 저정밀 방식으로 압축해도 약 1.4TB의 메모리가 필요하다. 이에 따라 엔비디아 GB300과 같은 대용량 HBM 기반 시스템이 요구된다.

오는 7월 27일 모델 가중치가 공개되면 기업들이 Kimi K3를 직접 구동할 수 있지만, 대규모 활용에는 여전히 상당한 AI 하드웨어가 필요하다.

중국 AI 모델의 성능 향상과 오픈웨이트 확산은 미국 모델 기업의 가격 결정력에는 부담이 될 수 있지만, HBM·AI 가속기·첨단 파운드리 등 인프라 수요는 오히려 지속될 수 있다는 분석이다.

출처: Bloomberg

HBM 수요 전망이 계속 상향 조정되고 있습니다.

삼성전자의 HBM 출하량은 2026년 약 1,200억Gb에서 2027년 2,000억Gb로 증가할 전망입니다.

SK하이닉스는 1,800억Gb에서 2,400억Gb로 확대될 것으로 예상됩니다.

HBM4의 베이스 다이(Base Die)는 12nm 공정으로 제작되며, HBM4E부터는 더 첨단 로직 공정이 적용될 것으로 예상됩니다.

SK하이닉스는 HBM4 베이스 다이에 TSMC 3nm 공정을 사용할 것으로 전망됩니다. 이는 TSMC의 첨단 공정과 CoWoS(첨단 패키징) 공급망에 긍정적인 수혜가 될 것으로 평가됩니다.

한편 생산능력 격차를 줄이기 위해 증설도 본격화됩니다.

삼성전자: 평택 P5 Fab 1은 2027년 7월 가동, P5 Fab 2와 용인 신규 팹은 2029년 가동 예정입니다.

SK하이닉스: 용인 Y1은 2027년 2월, Y2는 2028년 하반기 가동될 예정입니다.

이에 따라 설비투자(CapEx)도 큰 폭으로 확대됩니다.

삼성전자: 2025년 약 48조 원 → 2028년 100조 원 이상

SK하이닉스: 2025년 28조 원 → 2028년 약 80조 원

다만 신규 생산능력이 본격적으로 가동되는 시점(SK하이닉스 2027년 2월, 마이크론 2027년 5월, 삼성전자 2027년 7월)은 메모리 업황 상승 사이클의 후반부를 시사하는 신호인 경우가 많습니다.

https://x.com/semiconductorsx/status/2078978348647424358?s=46

CXMT 증권신고서 해부…30% 싼 D램으로 삼성·하이닉스 물량 뺏는다
https://m.newspim.com/news/view/20260720001033

CXMT는 AI 시장의 성장성을 인정하면서도 당장 HBM을 앞세우기보다 DDR5와 서버용 D램 등 기존 제품군의 생산과 기술 경쟁력을 끌어올리는 전략을 택했다.

1년만 '최악의 한주' 보낸 반도체주…"매수 적기" 긍정론 '스물스물'
https://n.news.naver.com/mnews/article/018/0006333443?sid=101

포지션 정리가 다 끝난듯하고 슬슬 바닥잡아가는 분위기

닉스는 손절라인 잡고 170~180은 용기내서 들어가볼만 물론 V자 반등 기대는 NO

#AI데이터센터 #전력수요 #가스터빈 #온사이트발전 #유틸리티

<AI 데이터센터 성장으로 미국 유틸리티의 발전계획 재검토 필요할 수도 있다고 BofA 전망>

- BofA는 미국이 향후 5년간 230GW 이상의 신규 발전설비가 필요하지만, 규제 유틸리티의 인증 공급 증가는 약 93GW에 그쳐 100GW 이상의 공급 부족이 발생할 것으로 전망

- 데이터센터는 2030년까지 약 125GW의 신규 전력부하를 추가할 것으로 예상되며, 미국 전력수요는 2026~2030년 연평균 4.1% 성장할 것으로 분석

- 대형 가스터빈 공급이 2030년까지 대부분 확보된 상황에서 데이터센터 개발사는 온사이트 가스발전과 계통연계 방식을 병행하는 프로젝트를 확대하고 있으며, 현재 7.5GW 이상이 건설 중이고 60GW 이상이 착공 전 단계에 있음

- BofA는 유틸리티가 석탄발전 수명 연장, 배터리 저장장치 확대, 송전망 투자 등을 추진할 것으로 전망했으며, 전력시장 제약은 수요보다 전력을 실제 공급할 수 있는 위치와 계통 여건이 핵심이라고 평가

https://www.utilitydive.com/news/ai-data-center-growth-utilities-generation-plans/825541/

화이자, 디앤디파마텍 비만약 연구용역 계약 추가 발주…숨은 의미는

https://pharm.edaily.co.kr/news/read?newsId=01315286645516488&mediaCodeNo=257

7월 1일~20일 수출 549억달러… 반도체 호황에 ‘역대 최대’
https://n.news.naver.com/mnews/article/366/0001180505?sid=101

[속보] 7월 1일~20일 수출 549억달러… 반도체 호황에 '역대 최대'

7월 1~20일 수출액이 549억달러를 기록했다. 같은 기간 역대 최대다. 반도체 수출이 180%를 넘는 증가세를 보이며 전체 실적을 견인했다.

관세청이 21일 발표한 '7월 1~20일 수출입 현황(잠정치)'에 따르면 지난 1~20일 수출은 1년 전보다 52.3% 증가한 549억달러로 집계됐다. 기존 최대치는 2024년 7월 369억달러였다.

특히 반도체 수출의 증가세가 두드러졌다. 반도체 수출은 180% 증가한 221억달러로, 역시 동기간 기준 역대 최대 기록이다. 전체 수출에서 반도체가 차지하는 비중은 40.3%로 전년 대비 18.4%포인트(p) 확대됐다. 이 밖에 석유제품(33.4%), 컴퓨터 주변기기(231.9%) 등 증가했다.

국가별로는 중국(94.1%), 미국(39.6%), 베트남(82.4%), 유럽연합(30.3%), 대만(41.8%) 등으로의 증가 수출이 증가했다. 상위 3국인 중국·미국·베트남의 수출 비중은 51.9%를 기록했다.

한편 7월 1~20일 수입은 20% 증가한 427억달러였다. 반도체, 반도체 제조장비, 원유, 기계류 등에서 수입이 크게 늘었고, 원유·가스·석탄 등 에너지 수입도 27.4% 증가했다. 수출에서 수입을 뺀 무역수지는 122억 달러 흑자를 기록했다.

https://biz.chosun.com/policy/policy_sub/2026/07/21/JTIGD7TNRFDIVGMG5MX6ICDAGM/?utm_source=naver&utm_medium=original&utm_campaign=biz

7월 1-20 수출 52.3%

7월 수출 47% 내외 추정

반도체 221억 달러, 180% 증가
컴부품(SSD) 20.4억 달러, 232% 증가

일평균 수출
반도체가 절반

(The Information) 구글, Gemini 전용 AI 추론칩 ‘Frozen v2’ 개발 추진

구글이 Gemini 모델의 구조를 칩 설계에 직접 반영한 AI 추론칩 ‘Frozen v2’를 개발 중이다. AI 컴퓨팅 용량 부족으로 Google Cloud가 외부 고객 계약을 거절하는 사례까지 발생한 가운데, Gemini 실행 과정에서 필요한 일부 판단을 칩에 미리 구현해 연산 단계와 데이터 이동을 줄이려는 목적이다.

전력당 토큰 처리 효율은 최신 TPU 대비 6~10배 높아질 것으로 내부에서 예상하고 있으며, 목표 배치 시점은 2028년이다.

Frozen v2는 TPU를 대체하는 것이 아니라 Gemini에 특화된 별도 칩 계열이다. 범용 GPU·TPU보다 추론 속도와 전력 효율을 높일 수 있지만, 향후 Gemini의 기반 아키텍처가 크게 바뀌면 이후 모델에 활용하기 어려울 수 있다.

구글은 현재 Frozen v2를 TPU만큼 대규모로 생산할 계획은 없으며, 이번 세대를 향후 모델 특화형 칩 개발을 위한 시험 단계로 보고 있다.

출처: The Information

🔹구글, Gemini 전용 AI 서버칩 'Frozen v2' 개발 추진

» Gemini AI 모델 구조를 칩에 직접 반영한 전용 AI 서버칩 'Frozen v2' 개발 중. 기존 TPU처럼 다양한 AI 모델을 지원하는 범용 칩이 아닌, Gemini 모델 최적화에 초점을 맞춘 ASIC 형태의 새로운 AI 칩 개발

» AI 모델의 일부 구조를 실리콘에 영구적으로 내장(Frozen)해 반복적인 연산과 의사결정을 하드웨어 수준에서 처리하는 방식 적용. 동일한 전력 기준 처리 가능한 토큰 수가 기존 자체 AI 칩 대비 6~10배 증가할 것으로 전망

» AI 추론 비용 절감과 처리량 확대를 통해 AI 서비스 효율성과 수익성 개선 + AI 컴퓨팅 자원 부족으로 발생했던 내부 GPU 경쟁과 Google Cloud 고객 계약 제한 문제 해결 기대. TPU를 대체하는 프로젝트가 아닌, TPU와 함께 활용될 새로운 AI 칩 계열 구축 목적

» Gemini 전용 기능을 칩 내부에 구현해 데이터 이동과 연산 단계를 최소화하고 응답 속도 개선 추진. 향후 Gemini 모델의 기본 아키텍처가 유지되는 경우 후속 모델에서도 지속 활용 가능하도록 설계

» 현재 칩의 세부 기능과 구조를 설계 중이며, 2028년 상용 배치를 목표로 개발 진행. 모델 특화 ASIC의 중요성이 확대되는 흐름. Hyperscalers 기업들을 중심으로 자체 AI 칩 개발 통한 비용 절감과 수익성 개선 경쟁 본격화

» 추론 비용이 크게 낮아질 경우 AI 서비스 가격 인하와 AI 활용 증가가 동시에 나타날 가능성. 범용 GPU의 중요성이 일부 낮아질 수 있으나, 대규모 AI 모델 학습과 신규 모델 개발에서는 NVIDIA GPU와 TPU 수요가 여전히 견조할 전망

» 중장기적으로는 학습용 GPU와 추론용 ASIC이 공존하는 AI 반도체 시장 구조가 더욱 강화될 것. 반도체 투자 포인트도 ASIC, HBM, 첨단 패키징, AI 서버 인프라 등으로 확대될 가능성