방향을 맞힌 450억 달러 AI 펀드는 왜 한 달 만에 무너졌을까? — 출렁이는 수익률과 빚이 내 돈을 줄이는 산수

"AI는 결국 오른다잖아요. 그러면 빚을 내서라도 더 사는 게 맞지 않나요?"

AI 이야기가 나오는 자리라면 한 번쯤 들어 봤을 말입니다. 틀린 말처럼 들리지도 않습니다. 오를 게 확실하다면 더 많이 사는 게 이득이고, 더 많이 사려면 돈을 빌리면 되니까요.

2026년 여름, 이 논리를 가장 크게, 가장 정교하게 실행한 사람이 있었습니다. 2024년 6월 AI의 미래를 다룬 165쪽짜리 에세이 「Situational Awareness」로 이름을 알린 레오폴드 아셴브레너입니다. 에세이 제목을 그대로 딴 그의 헤지펀드는 2026년 7월 초 운용 자산이 약 450억 달러까지 불었습니다^[1]. 7월 24일 투자자 편지에 적힌 상반기 순수익은 439%였습니다^[2]. 수익 439%는 원금에 더해 원금의 4.39배를 더 벌었다는 뜻이니, 돈이 5.39배가 된 셈입니다. 1억 원을 넣었다면 반년 만에 5억 3,900만 원이 됐다는 뜻입니다.

그리고 7월 한 달 동안 펀드는 가치의 약 3분의 2를 잃었습니다. 자기 돈 1달러당 약 3달러를 빌려 투자한 상태였습니다^[3]. 같은 시기 미국 S&P 500 지수는 사상 최고치 근처에 머물러 있었습니다^[4].

AI가 결국 크게 성장한다는 그의 방향 판단이 틀렸다고 단정할 근거는 아직 없습니다. 방향을 맞혀도 망할 수 있다는 것, 이 글은 바로 그 이야기입니다.

이 글은 "확신이 있으면 크게 걸어도 되지 않나"라고 생각해 본 분들을 위해 씁니다. 결론부터 말씀드리면, 수익률이 들쭉날쭉할수록 내 돈은 평균 수익률보다 느리게 불어나고, 빚은 그 격차를 제곱으로 키웁니다. 이 현상의 이름이 변동성 끌림(Volatility Drag)입니다.

이 글은 투자 조언이 아니라, 중학교 수학으로 따라갈 수 있는 '돈의 산수' 해설입니다.

'평균 수익률'과 '내 돈이 불어나는 속도'는 다릅니다

질문을 바꿔 보겠습니다. "이 투자의 평균 수익률이 얼마인가"가 아니라 "이 투자를 실제로 해 나가면 내 돈이 1년에 몇 %씩 불어나는가"입니다. 둘은 같은 질문처럼 보이지만 답이 다릅니다.

이유는 단순합니다. 수익률의 %는 언제나 '지금 남아 있는 돈'에 붙습니다. 100만 원이 50% 떨어지면 50만 원입니다. 여기서 50% 오르면 75만 원이지, 100만 원이 아닙니다. 원금을 되찾으려면 100%, 두 배가 올라야 합니다. 손실은 같은 크기의 이익이 메울 수 있는 것보다 언제나 더 깊은 구멍을 팝니다.

그래서 금융에서는 평균을 두 가지로 구분합니다. 해마다의 수익률을 더해서 햇수로 나눈 산술 평균, 그리고 실제로 돈이 복리로 불어난 속도인 기하 평균(연평균 복리 성장률)입니다. 둘의 관계는 대략 이렇습니다.

실제 데이터로도 맞아떨어집니다. 2007~2016년 S&P 500의 연 수익률 산술 평균은 8.75%였지만, 실제 연평균 복리 수익률은 6.94%였습니다. 같은 기간 수익률의 분산, 즉 변동성을 제곱한 값은 3.56%였습니다. 공식대로 그 절반인 1.78%포인트를 8.75%에서 빼면 6.97%가 나와, 실제 값 6.94%와 거의 같습니다^[5]. 1만 달러를 넣었다면, 해마다 8.75%씩 10년 불어났을 때의 기대 금액은 약 2만 3,100달러였지만 실제로 손에 쥔 돈은 6.94%씩 10년 불어난 약 1만 9,600달러였습니다^[5].

비유하자면 이렇습니다. 평균 수익률은 지도 위에 그은 직선 거리이고, 복리 성장률은 실제로 걸어간 산길입니다. 길이 구불구불할수록, 즉 변동성이 클수록 직선 거리와 실제로 도착하는 지점 사이가 벌어집니다.

평균은 플러스인데 왜 돈이 줄어들까

공식만으로는 감이 잘 오지 않으니 게임 하나를 해 보겠습니다. 동전을 던져 앞면이면 가진 돈의 50%를 따고, 뒷면이면 40%를 잃습니다. 한 번 던질 때의 평균 수익률은 (+50% − 40%) ÷ 2 = +5%입니다. 해 볼 만한 게임처럼 보입니다.

그런데 100만 원으로 앞, 뒤, 앞, 뒤 순서로 던져 보면 이렇게 됩니다.

왜 이렇게 되는지 따라가 보겠습니다. 앞면이 나오면 돈이 1.5배, 뒷면이 나오면 0.6배가 됩니다. 앞과 뒤가 한 번씩 나오면 1.5 × 0.6 = 0.9배, 두 번 던질 때마다 10%가 줄어드는 겁니다. 이것을 한 번당으로 고르게 나누면 약 5.1%씩입니다. 0.949를 두 번 곱하면 약 0.9가 되기 때문입니다. 이렇게 던질 때마다 내 돈이 오르내린 순서와 폭을 앞으로 '경로'라고 부르겠습니다. 앞과 뒤가 반반씩 나오는 '보통의' 경로에서 돈은 한 번에 약 5.1%씩 줄어듭니다. 이 게임의 평균이 +5%로 높게 나오는 이유는, 앞면이 연달아 터지는 드문 행운의 경로가 평균을 끌어올리기 때문입니다. 대부분의 사람이 실제로 걷는 길은 그 아래에 있습니다.

여기서 한 가지, 꼭 짚고 넘어가겠습니다. 투자 설명에 나오는 '기대수익'은 대개 이 산술 평균입니다. 하지만 한 사람이 받는 건 평균이 아니라 자기 돈이 실제로 겪은 단 하나의 경로, 즉 자기에게 실제로 나온 앞뒤 순서의 결과입니다. 변동성이 커질수록 평균과 '가장 흔한 결과(중앙값)' 사이의 거리가 벌어집니다.

빚은 수익을 곱하기로, 끌림을 제곱으로 키웁니다

이제 레버리지를 얹어 보겠습니다. 레버리지는 빚을 내 투자 규모를 키우는 것입니다. 자기 돈 100만 원에 빚 300만 원을 더해 400만 원어치 자산을 사면 4배 레버리지입니다. 자산이 10% 오르면 400만 원어치는 440만 원어치가 되고, 오른 40만 원은 전부 내 몫입니다. 빚 300만 원은 그대로이기 때문입니다. 내 돈이 100만 원에서 140만 원이 됐으니 40% 번 셈입니다. 반대로 자산이 10% 내리면 40만 원이 사라져 내 돈은 60만 원, 40%를 잃습니다. 자산이 10% 움직일 때 내 돈은 40% 움직입니다.

공식에 넣어 보면 문제가 드러납니다. 레버리지를 L배로 올리면 기대수익도 L배가 됩니다. 그런데 변동성도 L배가 되니, 변동성의 제곱인 끌림은 L²배가 됩니다. 2배로 빌리면 수익은 2배, 끌림은 4배. 4배로 빌리면 수익은 4배, 끌림은 16배입니다.

패트릭 보일이 이 사건을 다룬 영상에서 쓴 가정치로 계산해 보겠습니다. 기대수익 연 15%, 변동성 40%인 AI 주식 바구니가 있다고 합시다. 끌림은 0.4² ÷ 2 = 8%포인트이고, 기대수익 15%에서 이 8%포인트를 빼면 실제 복리 성장률은 연 7%입니다. 꽤 좋은 투자입니다. 이걸 4배 레버리지로 굴리면 기대수익은 4배인 60%로 뛰지만, 변동성도 4배인 160%가 됩니다. 끌림은 1.6² ÷ 2 = 128%포인트, 처음 8%포인트의 16배입니다. 60%에서 128%포인트를 빼면 복리 성장률은 연 −68%가 됩니다.

그래프에서 보듯 레버리지와 성장률의 관계는 산 모양입니다. 조금 빌리면 성장이 빨라지지만, 정점을 넘으면 빌릴수록 오히려 느려지고, 어느 지점부터는 마이너스입니다. 이 가정치에서 정점은 약 0.94배, 성장률이 0이 되는 지점은 약 1.9배입니다. 4배는 정점의 네 배를 넘게 건 셈입니다.

이 산 모양 곡선의 정점에는 이름이 있습니다. 1956년 벨 연구소의 존 켈리가 제시한 켈리 기준(Kelly criterion)으로, 반복되는 베팅에서 장기 복리 성장률을 최대로 만드는 베팅 비율입니다. 그런데 정점을 그대로 거는 '풀 켈리'조차 자산이 크게 출렁이고 파산 위험이 높아서, 실무에서는 그 절반이나 4분의 1만 거는 경우가 많습니다. 확률 추정이 틀릴 가능성에 대비하는 안전띠이기도 합니다^[6].

롱텀캐피털매니지먼트(LTCM) 공동 창업자 출신인 빅터 하가니와 제임스 화이트는 2023년 책 『The Missing Billionaires』에서, 부자 가문들이 사라진 이유를 나쁜 투자 대상을 고른 탓이 아니라 투자 규모를 잘못 정한 탓으로 설명합니다^[7]. 무엇을 사느냐보다 얼마나 사느냐가 더 결정적일 수 있다는 겁니다.

사례로 보기 — 같은 베팅을 두 번 한 펀드

다시 Situational Awareness로 돌아가 보겠습니다. 이 펀드는 AI 인프라 관련주(코어위브, 네비우스, 마이크론 등)를 사고, AI 때문에 밀려날 것으로 본 소프트웨어 기업(세일즈포스, 인튜이트 등)을 공매도했습니다^[8]. 겉으로는 사고팔기를 함께 하는 '롱숏' 헤지펀드였습니다.

문제는 롱과 숏이 모두 'AI가 곧, 크게 온다'는 하나의 전제에 걸려 있었다는 점입니다. 시장이 그 속도를 의심하기 시작한 7월 말, 그가 산 AI 종목들은 대부분 30% 넘게 떨어졌고 공매도한 소프트웨어 기업들은 비슷한 폭으로 올랐습니다^[8]. 헤지의 두 다리가 같은 날 함께 꺾인 겁니다. 변동성을 줄여야 할 장치가 오히려 한 방향의 변동성을 키운 셈입니다.

여기에 약 4배의 레버리지가 얹혀 있었습니다. 7월 한 달 손실은 약 67%였는데, 상반기에 5.39배가 된 돈이 3분의 1만 남으니 연초 대비로는 여전히 약 +78%였습니다(5.39 × 0.33 ≈ 1.78). 보도된 '연초 대비 약 80% 수익'과 맞아떨어집니다^[3]. 숫자만 보면 아직 남는 장사처럼 보이지만, 고점의 돈이 다시 원래대로 돌아가려면 약 200%를 벌어야 합니다. 3분의 1만 남은 돈이 다시 3배가 되어야 하니, 두 배를 더 벌어야 한다는 뜻입니다.

게임에서 쫓겨나면 회복을 받을 수 없습니다

빚을 낸 투자가 무서운 진짜 이유는 따로 있습니다. 가격이 떨어지면 돈을 빌려준 쪽이 담보를 더 넣으라고 요구합니다. 이게 마진콜입니다. 못 채우면 바닥에서 강제로 팔아야 하고, 그 매도가 가격을 더 끌어내립니다.

실제로 그렇게 됐습니다. 펀드는 7월 30일 새벽, 약 160억 달러 규모의 상장주식 대부분을 시타델에 시세보다 약 10% 싸게 넘겼습니다. 그런데 바로 이어진 다섯 거래일 동안 그가 들고 있던 핵심 종목 중 코어위브는 47%, 샌디스크는 33%, SK하이닉스는 19% 올랐습니다^[9]. 시타델의 주력 펀드는 그달 2022년 이후 가장 좋은 월간 성과를 냈습니다^[9].

숫자보다 중요한 게 하나 있습니다. 평균을 끌어올리는 '드문 행운의 경로'는 게임에 끝까지 남아 있는 사람에게만 옵니다. 빚은 그 자리를 빼앗습니다. 회복은 왔지만, 그 회복을 받은 건 버틸 현금이 있던 쪽이었습니다.

30년 넘게 투자업계에 몸담아 온 대형 운용사 AQR의 공동 창업자 클리프 애스니스는 이 사건에 대한 기자의 질문에 짧게 답했습니다.

"절대 풀 켈리로 가지 마라."

— 클리프 애스니스, 조 노세라에게 보낸 이메일, The Free Press 2026 (번역)^[8]

앞에서 본 곡선으로 말하면, 정점조차 다 걸지 말라는 뜻입니다. 정점을 네 배 넘게 걸어 놓고 결과가 좋기를 바라는 건, 확신의 문제가 아니라 산수의 문제였습니다.

내 돈에 적용하면 — 확신이 클수록 지켜야 할 것

이 사건은 450억 달러짜리 이야기지만, 원리는 몇백만 원짜리 계좌에도 똑같이 적용됩니다. 원리에서 나오는 점검 기준을 표로 정리해 보았습니다.

마지막 줄은 패트릭 보일이 영상에서 짚은 대목이기도 합니다. 이 펀드의 투자자 상당수는 이미 스타트업 지분과 연봉이 AI 붐에 묶인 실리콘밸리 사람들이었습니다. 그들에게 이 펀드는 위험을 나누는 장치가 아니라 같은 위험을 한 겹 더 얹는 장치였다는 지적입니다. 다만 이 부분은 영상 화자의 해석이며, 투자자 구성을 수치로 확인한 자료는 아닙니다.

정리하자면 이렇습니다. 수익률이 출렁일수록 실제 복리 성장률은 평균보다 낮아지고, 그 차이는 변동성의 제곱에 비례합니다. 빚은 수익을 곱하기로 키우지만 이 손실을 제곱으로 키워서, 어느 지점부터는 기대수익이 플러스여도 보통의 결과가 손실이 됩니다. 그리고 마진콜은 회복이 오기 전에 게임에서 나를 내보냅니다.

오늘 내 계좌나 투자 계획을 하나 떠올리고, 이렇게 물어보시면 좋겠습니다. "내가 틀렸을 때, 나는 이 게임에 계속 남아 있을 수 있는가?"

이 글은 수학 원리를 설명하기 위한 일반적인 정보이며, 특정 자산이나 투자 전략을 권유하지 않습니다. 실제 투자 판단은 본인의 재무 상황을 고려해 공인된 금융 전문가와 상의하세요. 사례의 수치는 2026년 7~9월 보도 기준이며, 보도마다 일부 수치(손실액, 남은 운용 규모 등)가 다릅니다.