그 순간부터 조심해야 합니다. 계산기는 얌전하지만, 위험은 얌전하지 않습니다. 할인율 한 칸, 헤지 계약 한 줄, 레버리지 조건 하나가 바뀌면 돈의 순서가 바뀝니다.
제가 보기엔 금융 기법의 첫 질문은 수익률이 아닙니다. 이 위험을 누구 장부로 넘기고, 그 대가를 누가 받느냐입니다.
무슨 일이 있었나
금융 기법은 이름만 보면 다 따로 놉니다. DCF는 미래 현금흐름을 오늘 가격으로 바꾸는 도구입니다. 헤지는 환율·금리·원자재 가격 변동을 다른 계약으로 옮기는 도구입니다. 레버리지는 손실을 누가 먼저 흡수할지 정하는 자본구조의 언어입니다.
그런데 2026년 현재 이 도구들은 엑셀 안에만 있지 않습니다. 공시, 담보, 중앙청산, 증거금, 데이터, AI 모델, 토큰화 인프라와 붙어 움직입니다. 겉으로는 공식인데, 실제로는 운영 체계입니다.
기준금리만 봐도 그렇습니다. 한국은행 기준금리는 2026년 5월 28일 결정 기준 2.50%입니다. 숫자 하나로 보면 깔끔합니다. 하지만 이 값이 곧 기업가치의 정답은 아닙니다. 통화, 만기, 신용스프레드, 세금, 자본구조가 붙어야 모델이 됩니다.
공식은 출발선입니다. 결승선이 아닙니다.
왜 지금 봐야 하나
금리와 유동성이 다시 모델의 전면에 올라왔습니다. FRED 기준 2026년 6월 11일 미국 10년물 국채금리는 4.45%, 유효 연방기금금리는 3.62%였습니다. 2026년 6월 12일 SOFR는 3.65%였습니다.
이 숫자들은 하루 차이로도 달라집니다. 그래서 가치평가는 "몇 배냐"보다 "언제, 어떤 시장의 값을 썼느냐"가 먼저입니다. 할인율은 철학이 아니라 관측값에서 시작합니다. 다만 관측값만으로 끝나지도 않습니다.
위험은 사라지지 않습니다. 모양을 바꿉니다. BIS는 2025년 6월 말 글로벌 OTC 파생상품 명목잔액을 846조 달러, 총시장가치를 21.8조 달러로 집계했습니다. 명목잔액은 손실액이 아닙니다. 그런데 이 숫자는 계약이 얼마나 큰 지급·담보·청산 네트워크 위에 올라가 있는지 보여줍니다.
은행 밖 금융도 커졌습니다. FSB는 2026년 보고서에서 글로벌 사모신용 시장을 1.5조~2.0조 달러 범위로 추정했습니다. 같은 문제는 NBFI에도 있습니다. 2024년 NBFI 자산은 전년 대비 9.4% 늘었고, 글로벌 금융자산의 51.0%를 차지했습니다.
예전에는 은행을 보면 꽤 많은 게 보였습니다. 이제는 아닙니다. 위험은 펀드·보험·연기금·증권사·담보시장 사이로 조용히 이사합니다.
돈은 어디서 생기나
금융 기법에서 돈은 "위험을 예쁘게 포장해서 판다"에서 생기지 않습니다. 그 말은 멋있어 보이지만, 이 글의 핵심은 거기가 아닙니다. 지속 가능한 돈은 누군가의 불확실성을 줄여 주고, 그 과정을 반복 가능한 서비스로 만들 때 생깁니다.
첫 번째 돈은 정보 정리에서 나옵니다. 상장이나 증권 발행에서는 가격보다 공시가 먼저입니다. SEC Form S-1은 위험요소, 자금사용, 공모가격 결정, 희석, 재무제표, MD&A와 시장위험 공시를 요구합니다. 투자자는 가격표 하나만 보지 않습니다. 그 가격을 만든 전제와 하방 위험을 봅니다.
두 번째 돈은 위험 이전의 실행에서 나옵니다. 환율 헤지, 금리 스왑, 원자재 선물은 가격변동을 없애지 않습니다. 대신 가격위험을 담보, 증거금, 상대방위험, 유동성위험으로 바꿉니다. 누군가는 이 바뀐 위험을 재고, 기록하고, 담보를 부릅니다. 그래서 중개기관, 청산기관, 담보관리, 리스크 시스템이 돈을 법니다.
세 번째 돈은 감시와 검수에서 나옵니다. EBITDA, Adjusted EBITDA, Free Cash Flow 같은 지표는 회사마다 정의가 달라질 수 있습니다. SEC도 Non-GAAP 지표의 조정 내역과 한계를 요구합니다. 숫자는 얌전한 얼굴을 하고 있지만, 정의가 다르면 완전히 다른 숫자입니다. 좋은 분석은 숫자를 믿는 일이 아니라 숫자의 정의를 끝까지 추적하는 일입니다.
네 번째 돈은 장기 계약에서 나옵니다. VC의 전환우선주, 단계적 투자, 정보권, 리저브 전략은 미래를 맞히는 장치가 아닙니다. 불확실성을 여러 라운드와 권리로 나눠 관리하는 장치입니다. KVIC의 모태펀드 구조도 정부 재원, 모태조합, 자펀드, 중소·벤처기업 사이의 자금 순환을 전제로 합니다.
금융에서 돈은 번쩍이는 공식보다 지루한 검수표에서 더 자주 나옵니다.
쉽게 말하면
비유하면 금융 기법은 건물의 배전반에 가깝습니다. 전기를 만들어내는 발전소는 따로 있습니다. 배전반은 그 전기를 어느 방으로 보내고, 어느 차단기가 먼저 내려가며, 과부하가 났을 때 어디서 멈출지를 정합니다.
DCF는 전기가 앞으로 얼마나 들어올지 보는 계량기입니다. 헤지는 갑자기 전압이 튈 때 다른 회로로 충격을 넘기는 장치입니다. 레버리지는 정전이 났을 때 어느 층부터 불이 꺼지는지 정하는 순서표입니다.
그러니 금융 기법을 배울 때 첫 질문은 "이 공식이 맞나"가 아닙니다. 이 회로에서 과부하를 누가 버티는가입니다.
누가 유리한가
-
기업 CFO·전략팀: 원하는 것은 낮은 조달비용과 설득 가능한 기업가치입니다. 무서운 건 따로 있습니다. 할인율, 비교군, Non-GAAP 지표가 바뀌면서 투자자 신뢰가 흔들리는 일입니다. 앞으로 볼 지표는 기준금리, 시장금리 관측일, 신용스프레드, MD&A의 유동성 설명입니다.
-
투자자·LP·자산운용사: 원하는 것은 위험 대비 보상이 분명한 구조입니다. 평소에는 위험이 잘 나뉜 것처럼 보입니다. 스트레스 때 한꺼번에 상관관계를 높이면 이야기가 달라집니다. 앞으로 볼 지표는 NBFI 레버리지, 사모신용 취약성, 마진콜 유동성 준비, 환매 조건입니다.
-
은행·증권사·중개기관: 원하는 것은 발행, 헤지, 청산, 담보관리, 구조화 수수료입니다. 좋은 날에는 수수료입니다. 나쁜 날에는 상대방위험과 담보 부족이 동시에 터지는 장면입니다. 앞으로 볼 지표는 OTC 파생 명목잔액과 총시장가치의 차이, 담보콜, 중앙청산 확대, repo 시장 조건입니다.
-
스타트업·VC 생태계: 원하는 것은 미래 옵션을 살리는 자금입니다. 다만 높은 밸류에이션 뒤에는 희석, 청산우선권, 후속투자 부족이 숨어 있을 수 있습니다. 앞으로 볼 지표는 KVIC 모태펀드 관련 출자·투자 지표, 후속투자 리저브, 계약상 정보권과 보호조항입니다.
-
데이터·AI·시장인프라 기업: 원하는 것은 모델 운영, 리스크 모니터링, 결제·담보 업무흐름의 반복 매출입니다. 여기서 중요한 건 나중에 설명 가능한 운영입니다. 두려운 것은 데이터 편향, 설명 가능성 부족, 제3자 집중, 모델 변경관리 실패입니다. 앞으로 볼 지표는 FSB의 책임 있는 AI 도입 관행, IOSCO의 AI/ML 거버넌스 기준, 토큰화 프로젝트의 실제 운영 전환 여부입니다.
앞으로 볼 지표
-
금리 입력값의 기준일: 한국은행 기준금리, 미국 10년물 국채금리, DFF, SOFR를 같은 날짜와 통화 기준으로 읽어야 합니다. 날짜가 다르면 모델도 다릅니다.
-
공시의 질: S-1, DART, MD&A, risk factors, Non-GAAP reconciliation이 가격 논리를 얼마나 설명하는지 봐야 합니다. 가격보다 설명이 먼저입니다.
-
숨은 레버리지: 은행 규제 레버리지 비율과 기업 부채비율, NBFI 레버리지, FX스왑·repo·담보 재사용은 서로 다른 지표입니다. 한 단어로 묶으면 사고가 납니다.
-
유동성 스트레스: private credit, 구조화금융, 파생상품, repo는 정상 시 수익률보다 스트레스 시 매각가격, haircut, margin call을 봐야 합니다. 좋은 날 수익률보다 나쁜 날 현금이 더 중요합니다.
-
AI·토큰화 거버넌스: 자동화 모델은 승인율만 보면 부족합니다. 데이터 편향, 설명 가능성, lifecycle monitoring, 제3자 의존, 결제 최종성을 함께 확인해야 합니다. 자동화가 빨라질수록 책임 기록은 더 느긋하면 안 됩니다.
이건 금융산업만의 문제가 아니다
병원 원무과에 청구가 쌓입니다. AI가 먼저 분류할 수 있습니다. 그래도 최종 책임은 의료 판단과 기록 검수에 남습니다. AI가 줄을 세우고, 사람이 예외와 책임을 봅니다.
제조 품질도 비슷합니다. 센서는 불량 가능성을 빨리 잡지만, 출하 중단과 리콜 판단은 사람이 맡습니다. 돈은 센서 자체보다 추적성, 품질문서, 원인분석, 감사 대응에서 생깁니다.
법무 계약 검토도 같은 구조입니다. AI는 조항을 찾고 위험 문구를 표시할 수 있습니다. 하지만 협상에서 어떤 리스크를 받아들일지, 어떤 조항을 가격에 반영할지는 사람이 결정합니다.
금융의 DCF나 헤지도 결국 이와 같은 "초벌 자동화 + 책임 있는 검수"의 문제입니다. 자동화는 일을 줄입니다. 책임을 없애주지는 않습니다.
cross-industry 운영 공식
-
AI가 먼저 하는 일: 문서, 거래, 현금흐름, 계약 조항, 이상 신호를 빠르게 분류합니다. 금융에서는 공시 초안 검토, covenant 추적, 헤지 포지션 모니터링, 신용모형 스코어링이 여기에 들어갑니다. 줄 세우기는 AI가 잘합니다.
-
사람이 남는 일: 가정의 타당성, 예외 처리, 법적 책임, 고객 설명, 최종 의사결정을 맡습니다. 모델이 "위험 낮음"이라고 해도, 유동성 고갈이나 규제 변경을 사람이 다시 물어야 합니다. 도장은 아직 사람 손에 남습니다.
-
돈 되는 레이어: 데이터 정합성, 모델 변경관리, 감사로그, 담보·증거금 운영, 공시·계약 검수, 사후 모니터링입니다. 여기서 반복 매출과 신뢰가 생깁니다. 화려하진 않습니다. 그래서 더 오래 갑니다.
inCore takeaway
금융 기법을 도입할 때의 운영 원칙은 하나입니다. 수익률을 먼저 묻지 말고, 현금흐름·위험·정보·통제권이 누구의 장부와 계약으로 이동하는지 먼저 그려야 합니다.
제가 보기엔 여기서 승부가 갈립니다. 공식을 더 많이 아는 쪽이 아니라, 위험이 이동한 뒤의 장부와 계약을 끝까지 보는 쪽이 이깁니다.
이것만은 가져가자
-
DCF, CAPM, 헤지, 레버리지, ABS, VC 계약은 서로 다른 이름을 가진 같은 질문입니다. 미래 현금흐름과 위험을 누가 들고 갈지 정하는 장치입니다.
-
숫자는 정밀해 보여도 입력값, 기준일, 정의, 유동성 조건이 흔들리면 결론도 흔들립니다. 그래서 좋은 금융 분석은 공식보다 공시와 계약을 먼저 읽습니다.
-
AI와 토큰화가 들어와도 본질은 같습니다. 자동화가 넓어질수록 사람의 검수, 감사로그, 책임 설계가 더 비싼 레이어가 됩니다.
공식은 필요합니다. 하지만 돈은 공식 밖에서 자주 새고, 신뢰도 공식 밖에서 쌓입니다.