Forwarded from 엄브렐라리서치 Anakin의 투자노트
AI의 다음 단계로 가는 길 => 추론형 시장의 확장, AI 가속기 시장에 관여하는 반도체 기업들의 확장(빠른 네트워크 속도, 데이터 센터 인프라 등)
Forwarded from 엄브렐라리서치 Anakin의 투자노트
> 메모리의 성장 속도가 피크아웃하더라도, AI를 위한 컴퓨팅 자원의 성장 속도는 피크아웃하지 않는다는 점이 중요
=> 결국 컴퓨팅 속도 향상을 위한 발전은 AI산업의 Key로서 향후 10년동안은 지속발전할 수밖에 없다는 생각
=> 문제는, 이 컴퓨팅 속도 발전을 위해 필요해지는 HW의 발전속도가 아직 더디다는 점. 이를 위해 AI가속기 스펙 향상과 더불어 네트워크 속도 향상 등 전반적인 HW 밸류체인의 발전이 동반되고 있음
=> 이번 ASML의 쇼크는 단순히 EUV 채택 속도의 둔화만을 의미하는 것이 아닐 것. HW 발전 속도는 컴퓨팅 발전 속도 증가에 따라 계속 증가해야 하는데, 이제 전공정단에서 진행되는 미세화 속도로는 HW발전 속도가 이를 뒤따라가기 어려운 것 (이미 이 부분은 1~2년 전부터 두각을 나타내고 있었음)
=> 이러한 전공정단에서의 더딘 발전속도를 충족시키기 위한 기술 변화들이 'AI 가속기 시장에 관여하는 반도체 기업들의 확장' 이라는 명칭으로 진행되고 있음
=> AI사이클은 여전히 끝나지 않았음. 다만 투자처를 발견하는 시각이 더 NVDA향 벤더에 집중되어야 하고, AI 가속기 밸류체인에서 핵심적인 기술발전(네트워크 속도 등)에 기여할 수 있는 업체들에 집중될 필요가 있다고 생각
=> 결국 컴퓨팅 속도 향상을 위한 발전은 AI산업의 Key로서 향후 10년동안은 지속발전할 수밖에 없다는 생각
=> 문제는, 이 컴퓨팅 속도 발전을 위해 필요해지는 HW의 발전속도가 아직 더디다는 점. 이를 위해 AI가속기 스펙 향상과 더불어 네트워크 속도 향상 등 전반적인 HW 밸류체인의 발전이 동반되고 있음
=> 이번 ASML의 쇼크는 단순히 EUV 채택 속도의 둔화만을 의미하는 것이 아닐 것. HW 발전 속도는 컴퓨팅 발전 속도 증가에 따라 계속 증가해야 하는데, 이제 전공정단에서 진행되는 미세화 속도로는 HW발전 속도가 이를 뒤따라가기 어려운 것 (이미 이 부분은 1~2년 전부터 두각을 나타내고 있었음)
=> 이러한 전공정단에서의 더딘 발전속도를 충족시키기 위한 기술 변화들이 'AI 가속기 시장에 관여하는 반도체 기업들의 확장' 이라는 명칭으로 진행되고 있음
=> AI사이클은 여전히 끝나지 않았음. 다만 투자처를 발견하는 시각이 더 NVDA향 벤더에 집중되어야 하고, AI 가속기 밸류체인에서 핵심적인 기술발전(네트워크 속도 등)에 기여할 수 있는 업체들에 집중될 필요가 있다고 생각
Gromit 공부방
신영증권_산업_반도체_및_관련장비_20241008085542.pdf
1. GPU 중심 컴퓨팅 시대의 도래
‒ 기존 CPU 중심 구조: 초기 컴퓨팅은 주로 직렬 연산에 특화된 CPU가 메인 메모리(DRAM)와 협력하며 발전해왔음. 이 방식은 직렬적으로 데이터를 처리하는 방식이 인간의 사고와 유사해 많은 프로그램에 사용되었음.
‒ 한계에 직면: 그러나 동영상 인식, 자연어 처리 등 복잡한 작업에서는 CPU의 직렬 연산 방식이 한계에 부딪혔고, 이를 해결하기 위해 GPU가 등장함. GPU는 병렬 처리가 가능해 다량의 데이터를 동시에 처리할 수 있음.
‒ 컴퓨팅 패러다임의 전환: 최근 AI 학습 및 고성능 컴퓨팅에서 병렬 연산이 매우 중요해지면서, 컴퓨팅의 중심이 CPU에서 GPU로 전환됨. 이는 NVIDIA와 같은 GPU 제조사의 성장을 통해 증명됨. HBM은 GPU가 기존 DRAM의 속도 문제를 해결하는 데 중요한 역할을 하고 있음.
2. HBM 이후의 병목 현상
‒ 새로운 병목: HBM은 GPU와 메모리 간의 병목을 해결했지만, 다음 병목은 서버 내에서 발생하는 데이터 전송에 있음. 특히, 데이터센터 내에서는 AI 모델의 파라미터 크기가 커지면서 GPU 간의 데이터 통신 및 서버 간의 네트워크 병목이 더 두드러지고 있음.
‒ Generative AI의 병목: AI 학습 과정에서 병렬 처리된 연산을 빠르게 처리하기 위해서는 고속 데이터 전송이 필수적임. Gen-AI 모델의 파라미터 수가 증가함에 따라 연산 과정에서 발생하는 데이터 이동량이 급증하고 있음. 이때 HBM은 고속 메모리로서 역할을 하지만, 궁극적으로 서버 간 통신 병목을 해결하는 것이 더 중요한 과제가 됨.
3. 시스템적 접근을 통한 병목 해결
‒ DPU와 SuperNIC: AI 워크로드에서 증가하는 데이터 트래픽을 처리하기 위해 CPU와 NIC(Network Interface Card)의 부담을 덜어줄 새로운 장치들이 필요함. 그중 DPU(Data Processing Unit)와 SuperNIC은 이러한 역할을 맡고 있음. 이들은 기존 CPU의 연산 부하를 줄여주고, GPU 간의 데이터 전송 속도를 크게 향상시키는 기능을 함.
‒ NVIDIA의 RoCE 기술: NVIDIA는 SuperNIC을 통해 GPU 간 직접 통신이 가능하게 하며, 이더넷을 통해 데이터 전송을 최적화하는 RoCE(RDMA over Converged Ethernet) 기술을 도입하고 있음. 이를 통해 CPU의 부하를 줄이고 네트워크 성능을 극대화할 수 있음.
‒ DPU의 중요성: DPU는 GPU와 서버 간의 데이터 통신을 가속화하는 역할을 하며, 서버 간 병목을 해결하는 데 중요한 역할을 할 것으로 예상됨. NVIDIA는 이 DPU를 업그레이드하여 메모리 대역폭과 컴퓨팅 성능을 각각 4.2배, 4배 향상시킬 수 있다고 발표함.
4. 물리적 접근을 통한 병목 해결
‒ 광통신(Optical Interconnects)의 중요성: 전기 신호를 통해 데이터를 전송하는 기존 방식은 장거리 통신에서 신호 손실이 발생하는 문제를 가지고 있음. 이를 해결하기 위해 광섬유 기반의 광통신이 도입되고 있으며, 이는 기존 전기 신호보다 훨씬 빠르고 안정적으로 데이터를 전송할 수 있음.
‒ 실리콘 포토닉스(Silicon Photonics): 전기 신호를 광신호로 전환하는 과정에서 발생하는 전력 소모를 줄이고, 데이터 전송의 효율성을 높이기 위해 실리콘 포토닉스 기술이 필수적임. 이 기술은 광신호를 전기신호로 변환하거나 그 반대로 전환하는 데 필수적인 역할을 함.
‒ CPO(Co-Packaged Optics): CPO는 광신호와 전기신호 간의 변환 과정을 최소화하여 전송 효율성을 극대화하는 기술임. 이는 GPU와 서버 간의 통신을 보다 빠르고 안정적으로 만들어 줄 것으로 예상됨. 특히, TSMC와 같은 파운드리 업체들이 CPO 기술을 개발하며, 이 기술은 향후 데이터센터의 핵심 기술로 자리 잡을 것으로 보임.
5. 향후 병목 해결을 위한 기술적 전망
‒ 데이터센터 내 네트워크 인프라 개선: 서버 간 통신의 병목을 해결하기 위해서는 네트워크 스위치와 SuperNIC, DPU와 같은 시스템적 해결책뿐만 아니라, 물리적으로 데이터를 빠르게 전송할 수 있는 광섬유와 광통신 장치가 필요함. 특히 AI 학습 과정에서 발생하는 대규모 데이터 트래픽을 효율적으로 처리하기 위한 기술들이 점점 중요해지고 있음.
‒ NVIDIA와 TSMC의 역할: NVIDIA는 GPU와 관련된 기술뿐만 아니라, 네트워크 병목을 해결하는 기술에서도 시장을 선도하고 있음. 또한 TSMC는 GPU와 광통신 장치 간의 통신 효율성을 높이는 SoIC와 같은 공정을 통해 병목 현상을 해결하는 데 중요한 역할을 하고 있음.
6. 투자 인사이트
‒ GPU와 HBM 관련 기술 발전: AI 시대에서 GPU는 기존의 CPU를 대체하는 핵심적인 연산 장치로 자리 잡았으며, 이에 따른 HBM과 관련된 기술의 발전이 계속될 것임. 또한, 서버와 서버 간의 데이터 트래픽 병목을 해결하기 위한 네트워크 장치(DPU, SuperNIC, NVSwitch 등)와 광통신 기술(Optical Interconnects, Silicon Photonics, CPO) 등이 지속적으로 중요해질 것임.
‒ 주목할 기업: NVIDIA는 GPU, SuperNIC, DPU와 같은 고성능 네트워크 기술을 선도하고 있으며, TSMC는 이들 기술을 실현할 수 있는 파운드리 공정에서 강력한 역할을 하고 있음. 또한 광통신 장비를 제조하는 Fabrinet과 Fujikura와 같은 기업들도 큰 수혜를 볼 가능성이 높음.
#테크
‒ 기존 CPU 중심 구조: 초기 컴퓨팅은 주로 직렬 연산에 특화된 CPU가 메인 메모리(DRAM)와 협력하며 발전해왔음. 이 방식은 직렬적으로 데이터를 처리하는 방식이 인간의 사고와 유사해 많은 프로그램에 사용되었음.
‒ 한계에 직면: 그러나 동영상 인식, 자연어 처리 등 복잡한 작업에서는 CPU의 직렬 연산 방식이 한계에 부딪혔고, 이를 해결하기 위해 GPU가 등장함. GPU는 병렬 처리가 가능해 다량의 데이터를 동시에 처리할 수 있음.
‒ 컴퓨팅 패러다임의 전환: 최근 AI 학습 및 고성능 컴퓨팅에서 병렬 연산이 매우 중요해지면서, 컴퓨팅의 중심이 CPU에서 GPU로 전환됨. 이는 NVIDIA와 같은 GPU 제조사의 성장을 통해 증명됨. HBM은 GPU가 기존 DRAM의 속도 문제를 해결하는 데 중요한 역할을 하고 있음.
2. HBM 이후의 병목 현상
‒ 새로운 병목: HBM은 GPU와 메모리 간의 병목을 해결했지만, 다음 병목은 서버 내에서 발생하는 데이터 전송에 있음. 특히, 데이터센터 내에서는 AI 모델의 파라미터 크기가 커지면서 GPU 간의 데이터 통신 및 서버 간의 네트워크 병목이 더 두드러지고 있음.
‒ Generative AI의 병목: AI 학습 과정에서 병렬 처리된 연산을 빠르게 처리하기 위해서는 고속 데이터 전송이 필수적임. Gen-AI 모델의 파라미터 수가 증가함에 따라 연산 과정에서 발생하는 데이터 이동량이 급증하고 있음. 이때 HBM은 고속 메모리로서 역할을 하지만, 궁극적으로 서버 간 통신 병목을 해결하는 것이 더 중요한 과제가 됨.
3. 시스템적 접근을 통한 병목 해결
‒ DPU와 SuperNIC: AI 워크로드에서 증가하는 데이터 트래픽을 처리하기 위해 CPU와 NIC(Network Interface Card)의 부담을 덜어줄 새로운 장치들이 필요함. 그중 DPU(Data Processing Unit)와 SuperNIC은 이러한 역할을 맡고 있음. 이들은 기존 CPU의 연산 부하를 줄여주고, GPU 간의 데이터 전송 속도를 크게 향상시키는 기능을 함.
‒ NVIDIA의 RoCE 기술: NVIDIA는 SuperNIC을 통해 GPU 간 직접 통신이 가능하게 하며, 이더넷을 통해 데이터 전송을 최적화하는 RoCE(RDMA over Converged Ethernet) 기술을 도입하고 있음. 이를 통해 CPU의 부하를 줄이고 네트워크 성능을 극대화할 수 있음.
‒ DPU의 중요성: DPU는 GPU와 서버 간의 데이터 통신을 가속화하는 역할을 하며, 서버 간 병목을 해결하는 데 중요한 역할을 할 것으로 예상됨. NVIDIA는 이 DPU를 업그레이드하여 메모리 대역폭과 컴퓨팅 성능을 각각 4.2배, 4배 향상시킬 수 있다고 발표함.
4. 물리적 접근을 통한 병목 해결
‒ 광통신(Optical Interconnects)의 중요성: 전기 신호를 통해 데이터를 전송하는 기존 방식은 장거리 통신에서 신호 손실이 발생하는 문제를 가지고 있음. 이를 해결하기 위해 광섬유 기반의 광통신이 도입되고 있으며, 이는 기존 전기 신호보다 훨씬 빠르고 안정적으로 데이터를 전송할 수 있음.
‒ 실리콘 포토닉스(Silicon Photonics): 전기 신호를 광신호로 전환하는 과정에서 발생하는 전력 소모를 줄이고, 데이터 전송의 효율성을 높이기 위해 실리콘 포토닉스 기술이 필수적임. 이 기술은 광신호를 전기신호로 변환하거나 그 반대로 전환하는 데 필수적인 역할을 함.
‒ CPO(Co-Packaged Optics): CPO는 광신호와 전기신호 간의 변환 과정을 최소화하여 전송 효율성을 극대화하는 기술임. 이는 GPU와 서버 간의 통신을 보다 빠르고 안정적으로 만들어 줄 것으로 예상됨. 특히, TSMC와 같은 파운드리 업체들이 CPO 기술을 개발하며, 이 기술은 향후 데이터센터의 핵심 기술로 자리 잡을 것으로 보임.
5. 향후 병목 해결을 위한 기술적 전망
‒ 데이터센터 내 네트워크 인프라 개선: 서버 간 통신의 병목을 해결하기 위해서는 네트워크 스위치와 SuperNIC, DPU와 같은 시스템적 해결책뿐만 아니라, 물리적으로 데이터를 빠르게 전송할 수 있는 광섬유와 광통신 장치가 필요함. 특히 AI 학습 과정에서 발생하는 대규모 데이터 트래픽을 효율적으로 처리하기 위한 기술들이 점점 중요해지고 있음.
‒ NVIDIA와 TSMC의 역할: NVIDIA는 GPU와 관련된 기술뿐만 아니라, 네트워크 병목을 해결하는 기술에서도 시장을 선도하고 있음. 또한 TSMC는 GPU와 광통신 장치 간의 통신 효율성을 높이는 SoIC와 같은 공정을 통해 병목 현상을 해결하는 데 중요한 역할을 하고 있음.
6. 투자 인사이트
‒ GPU와 HBM 관련 기술 발전: AI 시대에서 GPU는 기존의 CPU를 대체하는 핵심적인 연산 장치로 자리 잡았으며, 이에 따른 HBM과 관련된 기술의 발전이 계속될 것임. 또한, 서버와 서버 간의 데이터 트래픽 병목을 해결하기 위한 네트워크 장치(DPU, SuperNIC, NVSwitch 등)와 광통신 기술(Optical Interconnects, Silicon Photonics, CPO) 등이 지속적으로 중요해질 것임.
‒ 주목할 기업: NVIDIA는 GPU, SuperNIC, DPU와 같은 고성능 네트워크 기술을 선도하고 있으며, TSMC는 이들 기술을 실현할 수 있는 파운드리 공정에서 강력한 역할을 하고 있음. 또한 광통신 장비를 제조하는 Fabrinet과 Fujikura와 같은 기업들도 큰 수혜를 볼 가능성이 높음.
#테크
Gromit 공부방
신영증권_산업_반도체_및_관련장비_20241008085542.pdf
국장에서는 관련해서 이수페타시스 말고는 투자할만한 게 없어 보이는데 새로운 수혜호소주들이 등장하려나
Forwarded from 엄브렐라리서치 Jay의 주식투자교실
미국 리쇼어링, $10tn의 기회 (MS)
우리는 미국이 재산업화(re-industrialization)의 초기 단계에 접어들고 있다고 믿으며, 이는 10조 달러 규모의 다년간의 기회로 20년 이상 침체된 미국 산업 경제의 성장을 회복할 것으로 보고 있음
미국의 리쇼어링 테마는 팬데믹과 그에 따른 공급망 중단 이후 구조적인 기술 발전과 운영 탄력성에 대한 더욱 집중이라는 논제를 뒷받침
2000년 중국이 WTO에 가입한 이후 미국은 세계 제조업 점유율의 9퍼센트(연간 생산액 약 1.5조 달러)를 잃었고, 미국의 무역은 균형에서 연간 1조 달러 적자로 전환되었으며 미국 제조업 고정자산 투자의 감소를 주도
그러나 2020년 이후 미국은 1990년대 이후 볼 수 없었던 속도로 외국인 직접투자(FDI)를 유치하고 있으며, 미국 제조업 건설은 코로나 이전의 3배 수준으로 프로젝트 착공이 안정화되면서 최대 300%까지 급증하고 있는 등 흐름이 바뀌고 있어
수십 년 동안 저비용 노동력을 쫓아다녔던 미국은 이제 자본에 대한 접근성과 최종 사용자에 대한 근접성이 자본 투자의 지역별 배분을 주도하게 될 것
미국 리쇼어링의 불꽃이 점화되었고 모멘텀이 계속되고 있어
2018년 트럼프 관세가 40년 만에 처음으로 글로벌 공급망에 대한 논의를 촉발하고 눈에 띄는 변화를 가져옴에 따라 이 불길은 처음 점화
그 후 코로나19는 장기간의 경직된 공급망의 진정한 비용이 드러나면서 무역 중단으로 인한 역사적인 경제 혼란에 기름을 부어
주요 무역 파트너에 대한 혼란과 신뢰도 하락으로 인해 국내 정책은 무엇보다도 국내 경제의 회복력을 강화하고 시스템적 충격의 위험을 줄이는 데 중점을 두었고, 이는 불길을 더욱 부채질
이제 횃불은 미국 제조업의 구조적 순풍인 테크 확산으로 넘어갔으며, 최신 AI의 발전은 미국 제조업의 비용 곡선을 낮추는 동시에 글로벌 보호무역주의의 다음 라운드를 촉진하고 있음
이 기회는 25년간의 미국 제조업의 저투자로 인해 더욱 커졌고, 수십억 달러 규모의 기업들이 수조 달러의 기회를 노리고 있어
우리는 미국이 재산업화(re-industrialization)의 초기 단계에 접어들고 있다고 믿으며, 이는 10조 달러 규모의 다년간의 기회로 20년 이상 침체된 미국 산업 경제의 성장을 회복할 것으로 보고 있음
미국의 리쇼어링 테마는 팬데믹과 그에 따른 공급망 중단 이후 구조적인 기술 발전과 운영 탄력성에 대한 더욱 집중이라는 논제를 뒷받침
2000년 중국이 WTO에 가입한 이후 미국은 세계 제조업 점유율의 9퍼센트(연간 생산액 약 1.5조 달러)를 잃었고, 미국의 무역은 균형에서 연간 1조 달러 적자로 전환되었으며 미국 제조업 고정자산 투자의 감소를 주도
그러나 2020년 이후 미국은 1990년대 이후 볼 수 없었던 속도로 외국인 직접투자(FDI)를 유치하고 있으며, 미국 제조업 건설은 코로나 이전의 3배 수준으로 프로젝트 착공이 안정화되면서 최대 300%까지 급증하고 있는 등 흐름이 바뀌고 있어
수십 년 동안 저비용 노동력을 쫓아다녔던 미국은 이제 자본에 대한 접근성과 최종 사용자에 대한 근접성이 자본 투자의 지역별 배분을 주도하게 될 것
미국 리쇼어링의 불꽃이 점화되었고 모멘텀이 계속되고 있어
2018년 트럼프 관세가 40년 만에 처음으로 글로벌 공급망에 대한 논의를 촉발하고 눈에 띄는 변화를 가져옴에 따라 이 불길은 처음 점화
그 후 코로나19는 장기간의 경직된 공급망의 진정한 비용이 드러나면서 무역 중단으로 인한 역사적인 경제 혼란에 기름을 부어
주요 무역 파트너에 대한 혼란과 신뢰도 하락으로 인해 국내 정책은 무엇보다도 국내 경제의 회복력을 강화하고 시스템적 충격의 위험을 줄이는 데 중점을 두었고, 이는 불길을 더욱 부채질
이제 횃불은 미국 제조업의 구조적 순풍인 테크 확산으로 넘어갔으며, 최신 AI의 발전은 미국 제조업의 비용 곡선을 낮추는 동시에 글로벌 보호무역주의의 다음 라운드를 촉진하고 있음
이 기회는 25년간의 미국 제조업의 저투자로 인해 더욱 커졌고, 수십억 달러 규모의 기업들이 수조 달러의 기회를 노리고 있어
Forwarded from 엄브렐라리서치 Jay의 주식투자교실
어떤 회사를 가장 선호?
ETN과 ROK
ETN(eaton)은 아실테고, ROK는 rockwell automation입니다. 산업자동화, 제어시스템, 데이터 관리 솔루션 등 자동화 솔루션 기업입니다.
그외에 HUBB, TT, FAST, EMR 등 관심주
ETN과 ROK
ETN(eaton)은 아실테고, ROK는 rockwell automation입니다. 산업자동화, 제어시스템, 데이터 관리 솔루션 등 자동화 솔루션 기업입니다.
그외에 HUBB, TT, FAST, EMR 등 관심주
Gromit 공부방
3년 전 고점까지 도달한 #LEU
음 갠적으로 SMR 쪽은 펀더보단 투기가 좀 많이 낀 것 같은 느낌
미국 기준 시총 1.8조 원이면 스몰캡에 해당되는 사이즈인데,
wsb DD(Due Diligence; 분석이나 투자 아이디어 공유하는 곳) 카테고리 내 최근 게시글 훑어보면 이번 우라늄 밸류체인 콜이랑 전에도 원자력 관련된 게시글이 특히 주목을 많이 받았음
https://www.reddit.com/r/wallstreetbets/search/?q=flair%3ADD&include_over_18=on&sort=new
여기에 숏 플롯도 13% 수준이라 스퀴즈난 물량도 일부 있을 것으로 추정되고..
그렇다고 국장 제주반도체 금양 이런 것마냥 펀더 없이 내러티브 투기로만 올랐다 이런 건 아닌데 지금 주가 수준에서 "앞으로 미국 에너지 대안은 원자력이다, SMR이 미래다, 구조적 성장 레쓰고" 외치다간 변동성에 크게 다칠 위험이 있지 않을까 싶음
*개인 의견일 뿐 틀릴 수 있음
미국 기준 시총 1.8조 원이면 스몰캡에 해당되는 사이즈인데,
wsb DD(Due Diligence; 분석이나 투자 아이디어 공유하는 곳) 카테고리 내 최근 게시글 훑어보면 이번 우라늄 밸류체인 콜이랑 전에도 원자력 관련된 게시글이 특히 주목을 많이 받았음
https://www.reddit.com/r/wallstreetbets/search/?q=flair%3ADD&include_over_18=on&sort=new
여기에 숏 플롯도 13% 수준이라 스퀴즈난 물량도 일부 있을 것으로 추정되고..
그렇다고 국장 제주반도체 금양 이런 것마냥 펀더 없이 내러티브 투기로만 올랐다 이런 건 아닌데 지금 주가 수준에서 "앞으로 미국 에너지 대안은 원자력이다, SMR이 미래다, 구조적 성장 레쓰고" 외치다간 변동성에 크게 다칠 위험이 있지 않을까 싶음
*개인 의견일 뿐 틀릴 수 있음
Forwarded from [삼성 전종규] 차이나는 투자전략 (전종규)
중국 4조위안 부양의 추억
얼마나 부양해야해?
중국의 경제위기를 극복하기 위해서 강력한 경기부양 패키지가 부상했습니다. 중국 증시가 20%, 30% 급등한 이유입니다.
중국 경기부양의 가장 큰 경험은 2008년 금융위기 시점의 4조 패키지였습니다. 4조 패키지와 시진핑 24년 부양계획을 비교해봐야합니다.
08년 4조 패키지
- 시점: 08.11.5일
흥미로운 지점입니다. 미국 대선,(11.4일)결과 오바마 당선 다음날 발표됩니다.
- 규모: 4조 위안, 당시 GDP 12.5% 쓸만큼 썼습니다. 2000년대 호황으로 돈은 넉넉했고 정부재정도 건전했습니다.
- 용처: 지진복구 1조, 도로/항만 1.5조, 보장성 주택 4천억, 무려 3조 위안을 소멸성/기간 인프라에 쏟아부었습니다. 무이익자산 투자는 부채로 누적되었습니다.
■ 시사점: 미국 대선 이후 10조 이상
- 24년 부양패키지는 미국 대선 이후에 발표될 가능성이 높습니다. 4조 위안부양 패키지 발표시점은 미국 대선 결과가 중국의 base 시나리오대로 였기에 바로 부양정책을 발표한것 같습니다.
- 트럼프 재집권의 경우, 중국에게는 통상 불확실성이 커지는 시나리오이기 때문에 부양 패키지는 더 강회되어야합니다.
2008년 4조 위안의 재정자극 효과(당시 GDP 12.5%)를 감안하면 이번은 최소 10조 위안 이상이 필요하다는 것이 저희 의견입니다.
t.me/jkc123
얼마나 부양해야해?
중국의 경제위기를 극복하기 위해서 강력한 경기부양 패키지가 부상했습니다. 중국 증시가 20%, 30% 급등한 이유입니다.
중국 경기부양의 가장 큰 경험은 2008년 금융위기 시점의 4조 패키지였습니다. 4조 패키지와 시진핑 24년 부양계획을 비교해봐야합니다.
08년 4조 패키지
- 시점: 08.11.5일
흥미로운 지점입니다. 미국 대선,(11.4일)결과 오바마 당선 다음날 발표됩니다.
- 규모: 4조 위안, 당시 GDP 12.5% 쓸만큼 썼습니다. 2000년대 호황으로 돈은 넉넉했고 정부재정도 건전했습니다.
- 용처: 지진복구 1조, 도로/항만 1.5조, 보장성 주택 4천억, 무려 3조 위안을 소멸성/기간 인프라에 쏟아부었습니다. 무이익자산 투자는 부채로 누적되었습니다.
■ 시사점: 미국 대선 이후 10조 이상
- 24년 부양패키지는 미국 대선 이후에 발표될 가능성이 높습니다. 4조 위안부양 패키지 발표시점은 미국 대선 결과가 중국의 base 시나리오대로 였기에 바로 부양정책을 발표한것 같습니다.
- 트럼프 재집권의 경우, 중국에게는 통상 불확실성이 커지는 시나리오이기 때문에 부양 패키지는 더 강회되어야합니다.
2008년 4조 위안의 재정자극 효과(당시 GDP 12.5%)를 감안하면 이번은 최소 10조 위안 이상이 필요하다는 것이 저희 의견입니다.
t.me/jkc123