내가 들고 있는 종목 위험해

「내가 들고 있는 종목 위험해」라고 물으면

2회차에서 쓴 예제 계좌를 그대로 주고, 이렇게만 물었습니다.

내가 들고 있는 종목 위험해?

삼성전자 50주 · 평균단가 79,600원 · 현재가 268,250원
KB금융 10주 · 평균단가 53,600원 · 현재가 169,400원
셀트리온 40주 · 평균단가 181,738원 · 현재가 200,500원
현대차 1주 · 평균단가 200,500원 · 현재가 444,000원
예수금 2,000,000원

AI 생성 · 검증 전 — 요약해 옮겼습니다. 인용문과 숫자는 원문 그대로입니다.

ChatGPT 대화 전문 보기

AI는 평가금액과 보유 비중을 정확히 계산했습니다. 삼성전자와 셀트리온이 전체 자산의 83.8%라는 점도 찾아냈습니다. 그리고 이렇게 답을 열었습니다.

종목 자체가 위험하다기보다는, 현재 포트폴리오의 ‘집중도’가 꽤 높은 편입니다. (…) 현재 포트폴리오 위험도를 대략 중상 정도(6/10)로 봅니다.

이 계좌의 위험을 집중도로 정한 것입니다. 결과에는 숫자 하나가 남았습니다. 위험도 6/10. 무엇을 뜻하는 점수인지, 어떻게 계산했는지는 설명하지 않았습니다.

「셀트리온은 주가 변동성이 훨씬 커질 수 있다」고도 했습니다. 하지만 숫자는 없었습니다.

과거 가격은 한 번도 가져오지 않았습니다. 대신 기업 실적과 평균단가를 설명했습니다. 원문에는 구체적인 매도·배분 의견도 들어 있습니다. 그 부분은 본문에 옮기지 않았습니다.

실행은 ChatGPT · 2026-08-14 기록입니다. 같은 프롬프트를 다시 넣으면 숫자와 설명은 달라질 수 있습니다.

무엇이 빠졌나

AI가 틀린 답을 한 것은 아닙니다. 우리가 위험의 뜻을 정하지 않자 AI가 집중도를 골랐습니다.

이번 회차의 핵심 용어

위험은 하나가 아닙니다. 이 회차가 다루는 핵심은 변동성 · 최대낙폭 · 하방편차 세 가지 — 셋이 서로 다른 위험을 잽니다. 로그수익률은 이 숫자들을 만드는 재료라 맨 끝에 심화로 뒀습니다.

일별 표준편차 σ = 표준편차(r₁, …, r₇₂₉)
연율화 변동성 = σ × √252   (거래일 252일)

기하평균 ≈ 산술평균 − 분산÷2 = −4.50%

낙폭ₜ = 오늘 종가 ÷ 오늘까지의 최고 종가 − 1
최대낙폭 = min(낙폭ₜ)

하방편차 = √{평균[min(rₜ − 목표, 0)²]} × √252

로그수익률 rₜ = ln(오늘 종가 ÷ 어제 종가)

용어를 갖추고 다시 물으면

같은 계좌, 같은 입력입니다. 질문에 기간과 위험 지표 세 개만 더했습니다.

내가 들고 있는 종목 위험해?
최근 3년 기준으로 연율화 변동성, 최대낙폭, 하방편차 세 가지로 나눠서 종목별로 알려줘

AI 생성 · 검증 전 — B가 낸 근사치와 실제 수정종가 계산값을 나란히 놓았습니다.

ChatGPT 대화 전문 보기

위험이라는 한 단어가 열두 개 숫자로 갈라졌습니다. 하지만 숫자가 늘었다고 계산까지 맞는 것은 아닙니다.

그래서 같은 기간의 실제 종가로 다시 계산했습니다. 2023년 8월 14일부터 2026년 8월 14일까지 수정종가 730개입니다.

pykrx와 FinanceDataReader에서 각각 값을 받았습니다. 한 줄씩 맞춰보니 네 종목의 2,920개 값이 모두 같았습니다.

A/B의 현재가는 장중 가격입니다. 검산은 장 마감 종가를 쓰므로 두 값은 다를 수 있습니다.

B는 스스로 수치를 「근사치」라고 불렀습니다. 하방편차도 정의에 따라 달라진다고 경고했습니다.

둘 다 잘한 일입니다.

문제는 계산 방식입니다. B는 직접 계산하지 않고 외부 사이트 값을 옮겼습니다. 여러 수치가 실제 기간과 달랐습니다.

질문이 좋아져도 계산은 따로 검산해야 합니다.

B는 삼성전자 평가손익도 +8,432,500원이라고 썼습니다. 정답은 +9,432,500원입니다. 이 숫자는 오히려 A가 맞혔습니다.

나란히 놓고 보면

A는 AI가 고른 답이고, B는 내가 고른 답입니다. 정확성을 약속한 것이 아닙니다.

질문의 해상도가 답의 구조를 바꿉니다.

‘위험해?’ 한 마디로는 AI가 어느 위험을 답할지 내가 고를 수 없었습니다. 같은 단어라도, 이름을 아는 만큼 잘게 나눠 물을 수 있습니다.

내 계좌로 해보기

각 종목의 일별 로그수익률을 구해줘.
연율화 변동성은 표본표준편차 × √252,
MDD는 종가 ÷ 누적최고가 − 1의 최솟값,
하방편차는 목표 0%, 전체 관측치를 분모로 계산해줘.

import pandas as pd, numpy as np
px = pd.read_csv('03-risk-prices.csv', encoding='utf-8-sig', index_col='date')
r = np.log(px / px.shift()).dropna()
vol = r.std(ddof=1) * np.sqrt(252)
mdd = (px / px.cummax() - 1).min()
down = np.sqrt(np.minimum(r, 0).pow(2).mean()) * np.sqrt(252)
print(pd.DataFrame({'변동성': vol, 'MDD': mdd, '하방편차': down}))

정리

위험은 하나가 아닙니다. 먼저 이름을 고르고 나서 숫자를 봅니다.

2회차의 수익률도, 이번의 위험도 그랬습니다. 뭉뚱그린 단어는 늘 여러 개의 정밀한 질문으로 갈라집니다 — 다음 회차의 ‘분산’도 마찬가지입니다.

다음 회차에서는 종목 하나가 아니라 네 종목이 함께 움직이는 방식을 잽니다.

예제 계좌는 업종이 서로 다른 코스피 대표주 네 종목으로 교육용으로 구성한 가상 계좌입니다. 수량과 매수 이력은 설계한 값이고 가격만 실제 종가이며, 여기 나온 숫자는 종목의 우열이 아니라 계산 방법을 보여주기 위한 재료입니다. 가격 시계열은 2026년 8월 20일에 KRX 계열과 네이버 계열 데이터로 교차검증한 2026년 8월 14일까지의 수정종가이며 이후 갱신하지 않습니다.