The Fed Created the Biggest Asset Bubble in History w/ Michael Pento

매크로 애널리스트 Michael Pento가 연준의 통화정책이 역사상 최대 자산 버블을 만든 과정과 붕괴 시나리오를 분석.

🏦 연준이 만든 버블의 구조
수년간의 제로금리와 양적완화가 투자자를 고위험 자산으로 내몰며 주식, 채권, 부동산 가격을 역사적 밸류에이션 이상으로 끌어올린 구조.
▸ 시장이 흔들릴 때마다 더 완화적인 정책으로 대응해 투기 행위를 학습시킨 결과.
▸ 글로벌 차원에서 복수 자산군이 동시에 왜곡된 전례 없는 상황.

📊 밸류에이션과 실물경제의 괴리
자산 가격과 경제 펀더멘털 사이의 연결이 완전히 단절.
▸ 실질 임금과 생산성은 금융 자산 인플레이션을 따라가지 못하는 상태.
▸ 신용 스프레드도 실제 디폴트 리스크를 제대로 반영하지 못하는 구간.

⚠️ 과거 버블보다 위험한 이유
닷컴이나 주택 버블과 달리 민간과 국가 대차대조표 모두에 레버리지가 내재.
▸ 중앙은행 자체가 대규모 채권 보유로 노출되어 정책 정상화 여력이 제한적.
▸ 금리가 소폭만 올라도 정부, 기업, 소비자 부채의 이자 비용이 급증하는 취약 구조.

💥 버블 붕괴 트리거와 경로
지속적 인플레이션에 의한 고금리 유지, 급격한 경기침체, 연준 신뢰 상실이 주요 촉매.
▸ 매도와 정책 기대에 의한 반등이 반복되다가 펀더멘털이 재확인되며 추가 하락.
▸ 한 섹터가 아닌 복수 자산군의 동시 조정(re-pricing)이 핵심 리스크.

🛡 투자자 대응 전략
레버리지 축소, 현금 및 단기 자산 비중 확대, 변동성 헤지 고려.
▸ 주식과 채권이 동시에 하락하면 전통적 60/40 포트폴리오의 분산 효과 약화.
▸ 완화적 통화정책 시대의 종료와 정상적 리스크 프라이싱 전환에 대비 필요.

📎 https://youtu.be/F1Ye_WAdrDY?si=PtkCyWN_z6ioNuAj

Private Credit Is Acting Like Growth Equity. That’s a Problem

Global Alts Miami 2026 패널. TCW, Churchill, CFI Partners 등 업계 베테랑이 사모신용 시장의 과열과 구조적 리스크를 진단.

🪳 바퀴벌레 국면 진입
Jamie Dimon이 Tricolor 손실 후 "바퀴벌레 한 마리면 더 있다"고 경고.
▸ 유포리아 서사에서 부실 발견 과정으로 전환.
▸ 문제 대출은 대부분 신디케이티드 론이나 사모신용 전체 자금환경에 파급.

🧨 부채 탈을 쓴 성장주 투자
사모신용 상당 부분이 고레버리지, 약한 코버넌트, 장기 성장 가정으로 인수되는 구조.
▸ TCW는 소프트웨어 대출 익스포저 제로, 레버리지 3.5배 수준 운영.
▸ "소프트웨어는 비순환적"이라는 논리를 2008년 "주택은 비순환적"에 비유.

🛒 리테일 자금이 가격을 결정
매달 배치해야 하는 영구형 리테일 펀드가 한계 매수자로 스프레드 압축 유발.
▸ 리테일 유입 둔화 시 취약 대출의 재가격 불가피.

🧭 자본이 없는 곳이 기회
베테랑들은 캐시플로 1천만~1억 달러 코어 미들마켓에 집중.
▸ 현 매니저 95%가 15년 전 부재한 검증 안 된 플레이어.
▸ 강한 코버넌트와 낮은 레버리지로 하방 관리.

🤖 AI가 바꾸는 인수심사
CFI Partners가 Claude Opus로 CLO 모델을 2시간 만에 구축.
▸ 모델링이 아닌 판단력과 구조화 능력이 차별화 요소로 전환.

🛟 레스큐 파이난스 부상
저금리 시대 과잉 레버리지 구조가 깨지며 구조조정 신용이 PE 수익률 상회 가능성.
▸ 문제 딜에 신규 자본 투입하는 솔루션형 전략이 핵심 기회.

📎 https://youtu.be/ZALkXuNltOo?si=TtL5R4T1iGFDIKd_

Key Take는 '성장주 팩터' 및 'Opus 4.6을 활용한 모델링' 되겠습니다.

그록4.2. 팩폭 쎄다

AI Won’t Save Us: The Impending Labor Crisis Everybody’s Missing

NBER의 6천 개 기업 조사 데이터를 기반으로, AI 일자리 대체 공포보다 고령화에 따른 노동력 부족이 진짜 위기라고 진단하는 영상.

📊 NBER 데이터의 현실
생성형 AI 도입 3년차, 실제 생산성 향상은 평균 0.29%에 불과.
▸ 경영진이 전망하는 향후 3년 글로벌 생산성 개선도 1.44% 수준.
▸ AI로 인한 순 일자리 감소 전망은 약 1%로 대량 해고와는 거리가 먼 수치.

🧓 인구절벽 대 AI 일자리 감소
미국 기준 AI 일자리 감소 약 67만 건 대비 베이비부머 은퇴는 연간 300만 명 규모.
▸ 독일, 호주 등은 이미 이민에 의존해 노동력을 보충하는 상황.
▸ AI가 은퇴로 인한 노동력 공백을 메울 수 없는 구조적 격차.

📋 조치 1: 인력계획 정밀화
과거 이직률을 단순 연장하는 게으른 계획 방식에서 탈피 필요.
▸ 향후 36개월간 누가, 언제, 어떤 역량을 가지고 퇴직하는지 상세 매핑.
▸ 실제 퇴직 후 대응하면 얕은 인재풀에서 경쟁하는 상황에 직면.

🎯 조치 2: 장난감에서 수술 도구로
경영진 AI 사용 시간이 주당 1~1.5시간에 그치는 가벼운 수준.
▸ 명확한 비즈니스 문제와 측정 가능한 성과에 연결된 외과적 파일럿 필요.
▸ 채용이 불가능한 영역에서 적은 인원으로 더 많은 성과를 내는 설계.

🧑‍🏫 조치 3: 도제식 지식 이전
시니어 전문가의 암묵지가 주니어에게 거의 전수되지 않는 조용한 위기.
▸ 주니어와 AI가 초안 작업을 맡고, 시니어는 멘토링과 코칭에 집중하는 모델로 전환.
▸ 핵심 인력이 떠나기 전에 체계적으로 지식을 포착하는 시스템 구축이 급선무.

📎 https://youtu.be/T7QSRJLV-IA?si=f0gvg02DN9osbWmO

AI 인력 대체론을 인구 구조 측면으로 반박한 글입니다.
시니어가 인수인계 안하는 건 맞는 듯.

사람이 가끔은 뻔뻔할 줄 알아야죠. 닷컴 버블부터 시작해서 수없이 틀렸음에도 그는 시장에서 살아남았습니다.

짐 크레이머(Jim Cramer)는 미국, 이스라엘, 이란 사이의 "긴장 완화(de-escalation)를 향한 길"이 보이지 않는다고 말했습니다.

일론 머스크
휴, 이제 안심할 수 있겠네요
'인버스 크레이머(Inverse Cramer)'는 정말 대단합니다.

꼬리 예쁘네요 :)

Oil Price - 올라가기엔 너무 먼 당신

2012년 밴쿠버 어학연수 시절, 앨버타 주 한복판 포트 맥머리는 캐나다의 엘도라도로 불렸습니다. 록키 산맥 너머 내륙 깊숙이 박힌, 겉보기엔 평범한 도시였지만 워킹홀리데이 비자를 쥔 한국·일본 청년들에겐 꿈의 땅이었죠. 웨이터로 일해도 테이블당 팁 100달러 이상 거뜬히 챙길 수 있다는 그 전설의 도시. 원천은 다름 아닌 석유였습니다.

당시 유가는 배럴당 70~100달러 선에서 안정적으로 머물렀고, 중국의 폭발적 경제 성장으로 석유 수요가 치솟았습니다. 그 덕에 시추 신기술이 꽃피었죠. 프랙킹으로 뽑아내는 셰일 오일, 모래 속 석유를 캐내는 오일샌드. 포트 맥머리는 오일샌드의 심장부로 천문학적 부를 빨아들였고, 그 돈이 바로 테이블당 100달러 팁의 실체였습니다.

그런데 제가 사회생활을 막 시작할 무렵, OPEC의 공급 확대와 중국 경기 냉각으로 유가는 100달러에서 20달러 선까지 무너졌습니다. 미국 셰일 오일 업체들이 도미노처럼 쓰러졌고, 생산 단가가 더 비싼 오일샌드는 치명상을 입었죠. 포트 맥머리도 그 여파를 고스란히 맞았습니다.

유가는 수요·공급 펀더멘털과 선물 포지션 구조에 따라 움직입니다. 지금은 뉴스 한 줄, 가격 한 틱에 반응하는 알고리즘이 시장을 휘젓고 있죠. 차트를 보면 재미있는 점이 하나 있습니다. 2008년 140달러 고점을 찍은 뒤 단 한 번도 그 수준을 넘지 못했으며, 지난 20여 년 인플레이션을 감안하면 현재 유가는 실질적으로 훨씬 더 낮은 위치에 있습니다.

지금 경기가 과열된 건 아닌지, 전쟁 뉴스에 알고리즘이 과민하게 뛰는 건 아닌지 다시 한 번 들여다봐야 할 때입니다. 역사적으로 전쟁은 유가에 단기 촉매가 될 뿐 장기 동인은 아닙니다. 전쟁은 언젠가 끝날 것이고, 국지전이라면 공급망은 상황에 맞춰 재편됩니다. 정상화에 시간이 걸릴 뿐, 과거와 달리 이제 시추 가능한 지역이 훨씬 넓어졌죠. 뉴스 헤드라인에 휘둘리기보다 현재 흐름을 차분히 읽어야 합니다. 파도를 보지 말고 바람을 보는 지혜가 필요한 시점입니다.

NotebookLM Mind Maps Are Bad! But Gemini Fixes Them

NotebookLM의 마인드맵이 텍스트 중심으로 단조롭고 주제 선택이 불가능한 문제를 Gemini로 해결하는 3가지 방법을 소개하는 튜토리얼.

🅰️ 방법 A: NotebookLM 맵을 Gemini로 업그레이드
NotebookLM에서 생성한 기본 마인드맵을 이미지로 내보낸 뒤 Gemini에 업로드.
▸ Gemini에 이미지 생성과 사고 모드를 켜고 "이 이미지를 참고해 마인드맵을 만들어라" 프롬프트 입력.
▸ 각 노드에 아이콘과 설명이 포함된 시각적으로 풍부한 마인드맵으로 변환.

🅱️ 방법 B: Gemini 단독 생성
NotebookLM 없이 Gemini에 주제와 대상 청중을 지정해 직접 리서치 후 마인드맵 생성.
▸ 원하는 주제를 자유롭게 선택 가능하나 자체 소스가 없어 할루시네이션 리스크 존재.

🏆 방법 C: Gemini 안에서 NotebookLM 연결
제작자가 가장 추천하는 방식. 정확한 주제 선택과 소스 기반 정확성을 동시에 확보.
▸ Gemini에서 플러스 아이콘으로 NotebookLM 노트북을 직접 연결.
▸ 특정 하위 주제를 지정해 프롬프트를 실행하면 소스에 근거한 정밀 마인드맵 출력.
▸ 시각 요소 수정이나 재생성도 자유롭게 가능.

🔧 오타 수정 팁
AI 생성 이미지에 작은 오타가 있을 경우 재생성 대신 별도 영상에서 소개하는 빠른 수정 방법 활용 권장.

📎 https://youtu.be/0cCWbYLGysI?si=qD2sEEEik_TpWc0H

각 방법 별 프롬프트를 소개합니다.

Method A:

Create a detailed mind map using the attached image. The output should feature nodes for headings and subheadings, explaining briefly the connections between them. Ensure that for each node, there is a visual element that communicates its content, as well as a single, short line with a brief explanation. [16:9, 9:16, 1:1, etc.]


Method B:

1. Explain everything one needs to know about [define the topic you wish to visualise]. Use headings and subheadings to organise information into clusters and list key findings for each heading and subheading as bullet points. Audience: [define your audience].

2. Create a detailed mindmap using the above information. The output should feature nodes for heading and subheadings, explaining the connections between them. Ensure that for each node there is a visual element that helps communicate this particular node content, as well as a single, short line with a brief explanation. [16:9, 9:16, 1:1, etc.]


Method C:

Create a detailed mind map about [enter the topic you wish to visualise]. The output should feature nodes for headings and subheadings, explaining briefly the connections between them. Ensure that for each node, there is a visual element that communicates its content, as well as a single, short line with a brief explanation. [16:9, 9:16, 1:1, etc.]

Method C 결과물

Method C

1. 채팅창 내 '+' 버튼 누르고 NotebookLM 클릭
2. 마인드맵을 만들 노트를 클릭
3. 노트 내에서 관심 주제 잡기
4. 위 프롬프트 입력

"코스닥 액티브 ETF 상장 후 셀온? / 트리거?" 퍼플렉시티 Model Counsil에 물어봤습니다.

Model Counsil: GPT/Gemini/Claude 최신 리즈닝 모델을 동시 사용하는 Deep Research 기능

요약하면 전부 셀온인데 장기냐 단기냐의 차이가 있군요

2탄! 시장 리스크를 고려하였을 때 코스닥 액티브 ETF. 셀온/트리거?

시장 리스크 3대장

1. 사모대출
2. 이란전쟁
3. 딜러 감마 클러스터 하방 돌파

네...?