주가버블이란 무엇이고 언제 터지나... 엔비디아·테크주 하락에 투자자들 촉각

반도체 주식과 전반적인 기술 섹터가 사상 최고치에서 급락하면서 투자자들은 이전의 급격한 상승이 '버블'이었는지 의문을 제기하고 있다.

버블이란 무엇인가?

버블은 일반적으로 주식(또는 다른 자산)의 가격이 본질 가치를 크게 상회하는 기간으로 정의된다.

버블 상황에서는 자산 가격이 오르는 방향 외에는 다른 방향이 없는 것처럼 보인다. 뉴스나 촉매제 없이도 가격이 계속 상승하며, 거래 활동이 점점 더 밸류에이션과 괴리된다.

이러한 가격 움직임은 주로 특정 산업이나 기업에 대한 흥분에 의해 주도되며, 수익이나 장부가치 같은 기본적 요인과는 무관하다. 버블에 휩쓸리기는 쉽다. 투자자들은 인상적인 수익을 놓칠까 봐 두려워하며 이미 고평가된 기업에 돈을 쏟아붓는다.

버블의 일반적인 원인 중 하나는 외삽법이다. 투자자들은 특정 자산의 인상적인 수익을 보고 그 성과가 지속될 것으로 기대한다. 물론 지속적인 성과에 베팅하는 것은 보이는 것보다 위험하다. 시장 전문가들은 "과거 성과가 미래 성과를 보장하지 않는다"는 점을 거듭 강조한다.

1990년대 후반, 기술 혁명으로 인해 인터넷 주식들이 '닷컴 버블'에서 급등했다. 많은 인터넷 기업들이 수익을 내지 못했음에도 주가는 치솟았다. 1995년 12월부터 2000년 3월까지 기술주 중심의 나스닥 종합지수는 350%의 수익률을 기록했다.

골드만삭스에 따르면, 1990년 나스닥에서 거래되는 주식의 가치는 뉴욕증권거래소 가치의 11%에 불과했다. 1999년 12월에는 나스닥의 시장 가치가 뉴욕증권거래소의 80%에 달했다. 닷컴 버블의 정점에서 나스닥 주식들은 터무니없는 200 이상의 주가수익비율(PER)로 거래됐다.

물론 금융 버블의 정점에서는 한 방향밖에 없다. 바로 하락이다. 버블이 주가를 급등시키는 것만큼이나 빠르게 붕괴될 수 있다. 닷컴 버블이 붕괴된 지 1년 만에 나스닥은 60%의 가치를 잃었다.

버블은 언제 터지는가?

버블에 작은 균열이 생기면 투자자들은 공황 상태에 빠진다. 공황은 매도를 유발하고, 이는 다시 더 큰 공황과 매도로 이어진다. 버블이 주가를 급등시키는 것만큼 빠르게, 매도 사태는 수년간의 상승분을 며칠 만에 지워버릴 수 있다.

버블이 터지는 정확한 시점을 가늠하기는 어렵다. 2000년 닷컴 버블의 붕괴는 고금리와 일본의 경기 침체와 연관됐다(오늘날의 시장 상황과 다소 유사하다).

나스닥이 2000년 버블로 인한 손실을 회복하는 데는 15년이 걸렸다.

버블이 터지면 경제적 영향은 재앙적이다. 2000년대 중반의 주택 버블로 주택 가격이 급등했다. 대출 기관들은 주택 구매자들에게 쉽게 부실화될 수 있는 서브프라임 고위험 모기지를 제공했다. 모기지가 붕괴되자 전 세계 경제가 자유낙하했다.

테크 섹터가 버블인가?

현재 진행 중인 버블을 식별하는 것은 생각보다 어렵지만, 사후에는 매우 명확해진다.

나스닥 인베스코 QQQ 트러스트(나스닥: QQQ)가 엔비디아(나스닥: NVDA)와 어플라이드 머티리얼즈(나스닥: AMAT) 같은 기술주들과 함께 하락세로 접어들면서, 투자자들은 최근의 가격 움직임이 버블을 의미하는지 아니면 단순한 일시적 조정인지 궁금해하고 있다.

인공지능에 대한 낙관론은 여전히 높지만, 많은 전문가들은 AI 관련 주식들이 높은 기대치와 밸류에이션을 유지할 수 있을지에 대해 '경고 신호'를 보내고 있다.

만약 기술 섹터(또는 아이셰어즈 반도체 ETF(나스닥: SOXX)에 반영된 반도체 산업)가 계속해서 큰 손실을 기록한다면, 시장 전문가들은 이전의 상승세를 버블로 정의할지 고민하게 될 것이다.

버블의 희생양이 된 기업들도 장기적으로는 여전히 좋은 투자가 될 수 있다.

아마존닷컴(나스닥: AMZN)은 1999년부터 2001년까지 90% 이상의 가치를 잃었지만, 이후 26,000% 상승했다. 애플(나스닥: AAPL)은 2000년 3월부터 12월까지 시가총액의 80%가 증발했지만, 이후 55,000% 상승했다. 엔비디아 역시 비슷한 닷컴 버블의 주인공이었지만 이후 세계에서 가장 가치 있는 기업 중 하나가 됐다. 하지만 아마존이나 애플 같은 성공 사례 하나당 수십 개의 실패 사례가 있었다는 점을 기억해야 한다.