글

코스피 7.57% 급락, 하락 배경과 증시 전망을 가를 세 가지 조건

-
이미지
코스피 급락을 미국 물가나 AI 악재 하나로 설명하기는 어렵습니다. 10월 15일 국내 증시에서는 큰 폭의 하락과 거래 중단이 확인됐고, 시장에서는 미국 물가 상승과 AI 투자 수익성 우려가 함께 거론됐습니다. 앞으로의 증시 전망은 금리 부담, 기업이 실제로 버는 돈, 상승·하락 종목의 분포 가 함께 개선되는지로 나눠 보는 편이 낫습니다. 기준: 2026년 10월 16일 01:15 KST 자료 확인 · 국내 지수는 10월 15일 15:30 KST 정규장 종가입니다. 이 시각 미국은 10월 15일 정규장이 아직 진행 중이므로, 미국의 그날 종가나 한국 10월 16일 장 결과를 미리 반영하지 않았습니다. 이 글은 시장 이해를 위한 해설이며 투자 권유나 매매 시점 추천이 아닙니다. 크게 떨어졌다는 사실과 앞으로도 계속 떨어진다는 전망은 다른 말입니다. 먼저 확정된 숫자를 보고, 그다음 원인에 대한 해석과 조건부 전망을 분리해 보겠습니다. 핵심 요약 10월 15일 코스피는 5,554.22, 전일 대비 −7.57% , 코스닥은 760.82, −7.65% 로 마감했습니다. 미국 9월 CPI는 전년 대비 3.7% 올랐지만, 근원 CPI는 2.6%였습니다. 휘발유가 월간 전체 물가 상승의 절반 이상을 설명해, 물가의 구성도 봐야 합니다. AI 공급망의 실적 성장과 AI 서비스 기업의 투자금 회수 문제는 다릅니다. TSMC 실적은 산업 전체의 수요가 사라졌다고 단정하기 어렵게 하는 반대 근거입니다. 하루 반등, 서킷브레이커 해제, 낮아진 주가만으로 바닥을 확인할 수는 없습니다. 전망은 아래 세 가지 조건을 함께 점검하는 방식으로 다룹니다. 국내 마감·거래 중단: YTN 마감 보도 · 지수 소수점 수치 교차 확인: OCI홀딩스 IR 시세 화면 . 물가와 기업 실적의 원자료는 해당 절에 연결했습니다. 목차와 먼저 알아둘 용어 얼마나 하락했나: 종가와 서킷브레이커 미국 CPI와 금리는 왜 증시에 부담이 되나 반도체주 하락은 AI 수요 붕괴를 뜻할...
댓글 쓰기
자세한 내용 보기

뱅크오브아메리카(BAC), 이자이익 늘었는데 순익은 왜 줄었나

-
뱅크오브아메리카(BAC)의 2026년 3분기는 이자이익이 늘어도 순이익은 줄 수 있다는 사례 입니다. 규제 합의 비용 12억 달러와 다른 비용 증가가 함께 반영됐습니다. 합의 비용을 뺀 조정 순이익도 전년보다 약 2.4% 낮아, 이를 모두 일회성 비용 탓으로 돌리면 설명이 부족합니다. 보고 EPS는 0.91달러, 회사가 제시한 조정 EPS는 1.08달러입니다. 두 숫자 중 좋은 것만 고르기보다, 비용을 얼마나 뺐는지와 무엇이 남았는지를 함께 보겠습니다. 실적 공시 · 회사의 조정 내역 기준: 2026-10-15 KST · 대상: NYSE 상장 Bank of America Corporation(BAC)의 2026년 3분기, 9월 30일 종료 분기. 미국장 기준 거래일은 뉴욕 현지 10월 14일입니다. 실적 발표는 10월 14일 06:45 미국 동부시간(EDT), 한국시간 같은 날 19:45였습니다. 주가·등락률은 이 글에서 인용하지 않습니다. 핵심 요약 영업의 한 축은 성장: GAAP 순이자이익은 164.49억 달러로 전년보다 약 8% 늘었습니다. 보고 이익은 감소: GAAP 순이익은 69.33억 달러로 전년의 83.32억 달러보다 약 16.8% 낮았습니다. 조정 후에도 남는 부담: 12억 달러 비용을 제외한 순이익은 81.33억 달러로 계산됩니다. 전년 보고 순이익에는 여전히 못 미칩니다. 금액은 회사 공시의 백만 달러 단위를 억 달러로 바꿨고, 증감률은 원자료로 계산했습니다. 조정 값은 비GAAP이며 보고 실적의 대체물이 아닙니다. 분기 실적표·비GAAP 조정표 1. 이자이익보다 비용이 더 빨리 늘었다 항목 3분기 결과 · 전년 대비 매출 299.58억 달러 · +3.2% 순이자이익 164.49억 달러 · +8.0% 비이자비용 197.22억 달러 · +13.8% 순이익 69.33억 달러 · −16.8% 모두 GAAP, 단위는 미 달러이며 같은 분기의 전년 대비입니다. 매출은 이자비용 차감 후 매출입니다. ...
댓글 쓰기
자세한 내용 보기

메타 Muse Wonder·Full, 모델 차이와 주가·메모리 산업 영향

-
Meta의 Muse Wonder·Full 은 긴 작업을 수행하는 AI 에이전트용 모델입니다. 장기 코딩에는 강점이 있지만, Meta 주가와 메모리 산업의 영향은 실제 사용량·매출·작업당 비용에 달려 있습니다. 기준일: 2026-10-14 KST · 발표일: 2026-10-12 · 공식 명칭은 ‘Wonder Full’이며 ‘Wonderful’이라는 별도 모델이 아닙니다. 이 글의 비교는 공개 자료 분석이며 직접 실행한 모델 테스트가 아닙니다. 목차 — 먼저 정의, 그다음 차이와 영향 Wonder와 Full: 무엇이 공개됐나 Active Memory·Active Focus: 무엇에 쓰나 다른 모델과의 차이: 잘하는 일과 평가 조건 Meta 주가: 매출 기회와 비용 부담 AI·메모리·데이터센터 산업의 변화 요약과 앞으로 확인할 지표 핵심 용어의 한 줄 정의 AI 에이전트: 목표를 받고 도구를 사용해 여러 단계의 일을 수행하는 시스템입니다. Active Memory: Meta가 부르는, 대화를 넘어 중요한 사용자 정보를 기억하고 필요한 때 찾아 쓰는 능력입니다. Active Focus: Meta가 부르는, 장애물이나 새 조건을 만나도 목표를 향해 작업을 이어가는 능력입니다. 컨텍스트 윈도: 모델이 한 번의 추론에서 다룰 수 있는 입력·대화 문맥의 범위입니다. HBM: AI 가속기 등에서 쓰는 고대역폭 메모리입니다. KV 캐시 는 토큰 생성 때 이전 문맥 계산을 재사용하는 데이터이며, 둘은 기능과 장치를 가리키는 서로 다른 말입니다. CapEx: 서버·설비 등에 쓰는 자본적 지출입니다. 지출 시점의 현금 부담과 이후 감가상각 비용을 함께 봅니다. 1. Wonder와 Full, 무엇이 공개됐나 Wonder는 API와 Muse Code로 제공되는 모델이고, Full은 Muse Code에서 제공되는 더 높은 성능 지향의 모델입니다. Meta의 발표는 Full을 일반 API로도 사용할 수 있다고 설명하지 않습니다. 모델...
댓글 쓰기
자세한 내용 보기

JP모건(JPM) 실적, 순익 증가에도 EPS가 예상 밑돈 이유

-
JP모건은 2026년 3분기 순이익이 전년보다 6% 늘었지만, 주당순이익(EPS)은 시장 예상에 못 미쳤습니다. 회사가 공개한 6억5,800만 달러의 순투자증권 손실이 보고 EPS를 0.18달러 낮췄고, 채권 매매 부문의 매출도 전년보다 줄었습니다. 그렇다고 은행의 핵심 영업 전체가 약해졌다고 단정하기는 어렵습니다. 순이자이익과 전체 매출은 증가했고, 주식시장 관련 거래와 투자은행 수수료도 성장했습니다. 이번 실적은 ‘순익 증가’와 ‘예상 하회’가 동시에 나온 이유를 나눠 보는 게 중요합니다. 한 번의 EPS 숫자보다 금리·예금·트레이딩·비용이 각각 어디서 움직였는지 살펴보겠습니다. 핵심 요약 3분기 순이익은 153억 달러로 전년 대비 6% 증가했고, 순매출은 509억 달러로 8% 늘었습니다. 희석 EPS는 5.57달러였습니다. AP가 보도한 시장 예상치 5.93달러에는 못 미쳤지만, 전년 동기의 5.07달러보다는 높았습니다. 회사는 6억5,800만 달러의 순투자증권 손실이 EPS를 0.18달러 낮췄다고 밝혔습니다. 이 항목을 제외한 회사의 비GAAP 조정 EPS는 5.75달러로, AP가 인용한 예상치와는 여전히 차이가 있습니다. 순이자이익과 주식시장 부문은 강했지만, 고정수익(채권) 시장 매출은 전년 대비 4% 감소했습니다. 따라서 실적을 한 가지 원인만으로 설명하면 중요한 차이를 놓칠 수 있습니다. 1. 실적은 늘었는데 왜 ‘예상 하회’가 나왔을까? JP모건체이스의 2026년 3분기 순이익은 153억 달러, 희석 EPS는 5.57달러였습니다. 전년 동기와 비교하면 순이익은 6%, EPS는 10% 증가했습니다. 하지만 AP가 10월 13일 보도에서 인용한 월가 EPS 예상치 5.93달러와 비교하면 실제 EPS는 0.36달러 낮았습니다. 예상치는 집계 기관과 시점에 따라 달라질 수 있으므로, 여기서는 AP 보도에 인용된 수치로 한정합니다. 회사는 기업 부문에 반영된 6억5,800만 달러의 순투자증권 손실이 분기 EPS를 ...
댓글 쓰기
자세한 내용 보기

LLM 추론 성능 지표 이해하기, TTFT·TPOT·ITL부터 처리량까지

-
이미지
DEOKS · TECH LEARNING LLM PERFORMANCE LLM이 빠르다는 말은 첫 반응, 답을 이어 쓰는 속도, 전체 처리량 중 무엇을 재는지에 따라 달라집니다. 이 글에서는 TTFT·TPOT·ITL과 처리량을 정의부터 예시·계산 방법까지 차례로 살펴봅니다. 첫 글자는 빨리 나오는데 답변 중간에 멈추는 챗봇을 떠올려보세요. “첫 반응은 빠르다”와 “끝까지 매끄럽게 읽힌다”는 서로 다른 평가입니다. 여기에 여러 사람을 동시에 처리하는 서버의 능력까지 구분하면 성능표가 훨씬 명확해집니다. 다루는 범위는 LLM 추론 서비스의 응답 속도와 처리 능력 입니다. 추론 문제의 정답률은 별도 평가해야 합니다. 모든 그림·GIF의 수치는 교육용 가정이며 특정 모델·GPU의 실측 결과가 아닙니다. 이번 글의 목차와 용어 핵심 용어 정의 한눈에 보기 → 1. 기본 준비 — Token · Tokenizer · ISL · OSL · Prefill · Decode · KV Cache → 2. TTFT — 첫 반응까지의 기다림 → 3. TPOT — 첫 토큰 이후의 평균 속도 → 4. ITL · Chunk · ICL — 스트리밍의 끊김 → 5. Latency(E2E) — 답변 완료까지의 시간 → 6. Throughput · TPS · RPS — 전체 처리 능력 → 7. Concurrency · Request Rate · Batching — 부하 조건 → 8. P50 · P95 · P99 · SLO · Goodput — 느린 경험과 목표 → 9. 그래서 어떻게 재고 계산하나요? → 10. 요약 — 어떤 지표를 먼저 볼까? → Appendix. 캐싱 · 입력 분할 · 양자화 · 추측 디코딩 → 공식 출처와 자료 사용 안내 → 핵심 용어 정의 한눈에 보기 용어 먼저 기억할 정의 TTFT 요청부터 첫 내용 토큰을 받을 때까지의 시간. TPOT 첫 토큰 이후, 출력 토큰당 걸리는 평균 시간. ITL 이어지는 출력 사이의 간격. 제품에 따라 평균 간격을 뜻하기도 합니다. L...
댓글 쓰기
자세한 내용 보기