우리가 투자를 하면서 흔하게 듣게 되는 격언 중 하나가 "아는 것에 투자하라."는 말입니다. 그런데 투자를 하는 사람들을 관찰해보면(혹은 자기자신을 돌아보면) 누구나 자신이 뭔가를 알고 있다고 생각하고 거기에 투자를 합니다. 심지어 개잡주, 테마주에 투자하는 사람 역시 마찬가지입니다. 그렇게 투자를 한 후 아이디어가 맞아 떨어져서 수익이 나기도 하고, 혹은 아이디어가 틀려서 손실이 나기도 하죠.

"아는 것에 투자하라."는 말을 들으면, 이런 의문이 들게 됩니다. 앎이란 무엇이길래 수익과 손실을 가름하는걸까요? 참된 앎에 이르려면 어떤 조건을 충족시켜야 할까요? 이러한 고민을 한 사람은 제가 처음이 아닐겁니다. 실은 인류가 아주 오래전부터 가져온 화두이기도 합니다.

테아이테토스

https://youtu.be/StpGZ02qIh8?si=uipQf_H79gkwyCz0

플라톤의 대화편중 "테아이테토스"에서도 이러한 고민을 하며 앎(epistēmē)에 대하여 논합니다. 여러 단계를 거쳐 '앎은 설명을 동반한 참인 판단이다.’ 라는 명제에 도달하지만 앎은 지각도, 참인 판단도 그에 덧붙여진 설명도 아니라는 결론을 내리며 끝나고, 후에 이 조건들이 변형되어 정당화된 참인 믿음(justified true belief)은 앎이라는 JTB조건이 만들어집니다. 그러나...

게티어문제

https://youtu.be/r3Vm2N2hO8c?si=xzpC0Po0Kz9bWfG0

1963년 에드먼드 게티어(Edmund Gettier)는 JTB 조건을 모두 만족시키지만 직관적으로 앎이 아닌 사례를 제시하며 JTB조건이 앎의 충분조건이 아니라는 것을 증명합니다.
​https://m.cafe.naver.com/ca-fe/web/cafes/philosophyandtalk/articles/34?useCafeId=false&tc

JTB조건을 만족시켜도 그것이 앎이 되기에 충분하지 않다면 우리는 어떻게 투자를 해야할까요? 모르겠습니다. 앎이란 무엇인지도 모르는데 어찌 아는 것에 투자를 하겠습니까? 

이럴때는 외주형 두뇌 ai에게 물어보도록 하겠습니다.

​https://chatgpt.com/share/69073193-6314-8009-a3bf-f6f376f8e08b
​https://www.perplexity.ai/search/jusigtujareul-halddae-aneun-ge-ABVSmIr1Ti.SJySFIdNJcg
​https://g.co/gemini/share/a5f272c2bad6

​요약 (한 문장)
“아는 것에 투자하라”에서 말하는 **앎(knowledge)**은 단순한 정보 수집을 넘어서 — 근거(justification), 신뢰성(reliability), 인과적 이해(causal understanding), 그리고 불확실성 하에서 작동하는 검증 가능한 모델을 포함해야 한다. 고대 플라톤에서 최근 과학철학까지의 논의를 투자 의사결정에 적용하면 구체적이고 실행 가능한 체크리스트로 바꿀 수 있다.
​1) 철학적 배경 — 핵심 아이디어 정리
​플라톤: 『테아이테토스』(지식의 정의 문제)
• 플라톤은 “지식은 무엇인가?”를 탐구하며 여러 정의(지식=지각, 지식=정당화된 참된 믿음 등)를 검토.
• 특히 지식과 믿음의 구별, 그리고 지식이 참이어야 한다는 조건을 논의한다.
• 투자에선 “어떤 주가 오를 거라는 믿음”과 “그 믿음을 지식이라고 부를 수 있는가?”를 구분하게 해준다.
​게티어 문제 (Gettier, 1963)
• 전통적 정의인 정당화된 참된 믿음(JTB) 만으로는 지식이 충분치 않음을 보여줌.
• 즉, 우연히 맞는 경우(정당화는 있었지만 근거가 우연히 맞아떨어진 경우)는 진짜 아는 것이 아니다.
• 투자에선 **우연한 수익(운이 좋은 트레이드)**과 **체계적 우위(진짜 아는 것)**를 구별해야 함을 시사.
​칸트
• 칸트는 인식의 조건(선험적 형식, 예: 시간·공간, 그리고 범주들)을 강조—우리가 경험을 조직하는 방식이 중요.
• 특히 선험적(참/사실 이전의) 지식 구조와 경험으로 채워지는 합성적 판단 개념은, 투자에서의 기본 가정(예: 시장 효율성에 대한 전제)과 데이터 해석 방식을 점검하게 해준다.
​과학철학 (간단 요약: Popper, Kuhn, Lakatos, Bayesian 등)
​• Popper: 가설은 반증 가능해야 과학적. 투자 모델도 반증 가능한(시험 가능한) 가설로 구성해야 신뢰성↑.
​• Kuhn: 정상과학과 패러다임 전환 — 시장의 규칙(패러다임)이 바뀌면 기존 모델은 무용지물. 패러다임 변화 가능성을 항상 고려.
​• Lakatos: 연구 프로그램(핵심 가정 + 보호대책) — 투자 전략도 핵심 가정을 명확히 하고, 실패 시 보완 전략을 설계.
​• Bayesian 접근: 불확실성 하에서 사전 신념(prior)을 데이터로 업데이트하는 합리적 규칙 — 투자 판단을 확률적으로 표현하고 업데이트하는 데 유용.
​2) 철학적 개념을 투자에 적용 — 구체적 해석
아래는 철학적 개념들을 투자 현실에 대응시킨 핵심 포인트들이다.
​• 지식 ≠ 단순 정보
• 뉴스·리포트·차트는 데이터다. 지식은 그 데이터가 왜 의미가 있는지 설명(정당화)해주고, 반복적으로 작동하는 메커니즘을 제시함.
​• 정당화된 믿음(Justification)
• 근거: 재무제표의 특정 항목, 고유 기술/시장지배력, 규제환경 변화, 고객 행태 변화 등.
• 근거의 질을 평가: 출처, 표본 크기, 대체 가설 검토.
​• 우연과 진짜 우위 구분(게티어에서 배움)
• 한두 번 수익을 낸 전략은 우연일 수 있음. 통계적 검정, 백테스트의 표본제한, 생존편향을 의식해야 함.
​• 반증 가능성(팝퍼적 관점)
• “이 투자 아이디어가 거짓임을 보여줄 수 있는 상황은 무엇인가?”를 명시. 그런 신호가 발생하면 포지션을 재평가/축소.
​• 모델과 패러다임 리스크
• 전략의 핵심 가정(예: 금리 동결 시 이익, 특정 밸류에이션 배수가 유지 등)을 문서화. 패러다임 전환(위기, 규제, 기술혁신)에 대비한 시나리오 플랜을 마련.
​• 베이지안 업데이트
• 새로운 정보가 들어오면 신념(확률)을 수치로 조정. 예: 성공 확률 30% → 새로운 실적 발표로 60%로 상향.
​• 절차적 지식(know-how)과 친숙성(know-of)
• 회사의 제품/서비스를 직접 써보거나 산업에 친숙해지는 것은 매우 큰 장점(직접 관찰은 정보의 질을 바꾼다).
​3) 실전 적용 — 무엇을 “알아야” 하는가 (핵심 체크리스트)
아래 체크리스트는 투자 결정 전/중/후에 반복적으로 사용하도록 설계됨. 각 항목에 대해 증거, 검증 가능성, 업데이트 규칙을 적어두라.
​투자 결정 전 (아이디어 검증)
​• 핵심 주장(Thesis) 한 문장으로 쓰기
• 예: “A사는 3년 내 시장점유율을 2배로 늘릴 것이다. 그로 인해 매출이 연평균 25% 증가한다.”
​• 왜(인과 메커니즘)를 설명할 수 있는가?
• 수요·공급, 기술 우위, 규제 변화, 네트워크 효과 등 구체적 인과관계 작성.
​• 증거(데이터)는 무엇인가?
• 재무지표, 고객 지표, 시장 조사, 경쟁사 비교 — 각각 출처와 날짜 명기.
​• 대체 가설(왜 틀릴 수 있는가)은 고려했는가?
• 최소 2~3개의 반대 시나리오와 발생 조건을 명시.
​• 반증 신호(Stop-loss / Red flags)를 설정했는가?
• 실적 지표 미달, 고객 이탈률 상승, 규제 발표 등 구체적 수치 포함.
​• 확률적 추정(Bayesian) — 성공 확률을 숫자로 적었는가?
• 초기 사전 확률, 정보를 얻을 때마다 업데이트할 규칙.
​• 데이터의 신뢰성(우연/바이어스) 검토
• 표본 크기, 기간, 생존 편향, 스누핑(후행 선택) 여부 점검.
​• 내 우위(edge)는 무엇인가?
• 내가 가진 정보·접근·해석·속도 중 무엇 때문에 이 아이디어가 다른 투자자보다 유리한가?
​• 포지션 사이징(리스크/리워드 비율) 정했는가?
• 최대 손실 한도, 목표 수익, 변동성 고려한 비중.
​투자 실행 중 (모니터링 & 업데이트)
​• 모니터링 지표 3개 이상 설정
• 예: 월별 활성 사용자(MAU), LTV/CAC, 분기 매출 증가율 등.
​• 정보 업데이트 규칙 명시
• 어떤 정보가 들어오면 확률을 몇 퍼센트로 변경할지(정성→정량 전환 규칙).
​• 반증(패러다임 전환) 체크주기
• 분기별/연간으로 핵심 가정(시장 구조, 규제, 기술) 재평가.
​• 감정·편향 통제 장치
• 체크리스트, 외부 의견(리서치, 멘토), 데시전 로그(결정 이유 기록).
​투자 이후 (리뷰)
​• 사후검증(Post-mortem)
• 결과가 잘못되었으면 왜? 게티어 스타일(우연인가, 근거가 틀렸는가, 정보 누락인가)로 분석.
​• 학습과 문서화
• 성공/실패의 원인을 짧게 기록하고 모델을 업데이트.
​4) 실무용 체크리스트 템플릿 (복사해서 쓰기 좋게)
• 투자 아이디어(한 문장):
• 핵심 인과 논리(왜 수익이 날까?):
• 주요 증거(출처/날짜/메트릭):
• 대체 가설(적어도 2개):
• 반증 신호(구체적 수치 포함):
• 초기 성공 확률(%) / 목표 수익률(%) / 허용 손실(%):
• 포지션 사이징(총 자산 대비 %):
• 모니터링 지표(3개) 및 체크 주기:
• 업데이트 규칙(어떤 정보로 얼마나 조정할지):
• 우위(edge) — 내가 가진 정보·능력:
• 사후검증 일정 및 담당자:
​5) 자주 빠지는 함정(철학적 통찰로 경고)
​• 우연의 함정: 소수의 성공 사례로 일반화하지 말라(게티어 교훈).
​• 확증 편향: 처음 세운 스토리에 맞는 정보만 모으는 오류.
​• 과도한 확신(Overfitting): 과거 데이터에 너무 딱 맞춘 모델은 새로운 패러다임에서 붕괴.
​• 모델 맹신: 모델은 도구일 뿐 ‘진리’가 아니다 — 반증이 나오면 고치거나 버려야 함.
​• 인과와 상관의 혼동: 상관관계만 알고 인과를 주장하면 큰 손실을 부를 수 있음.
​6) 구체적 예시(짧게)
• 아이디어: “B사(소프트웨어)는 구독모델로 전환해 2년 내 ARPU가 증가할 것이다.”
• 인과: 기존 고객의 유입·업그레이드 + 낮은 이탈률 → ARPU 상승
• 증거: 베타 유료 전환율 8%, 이탈률 2% 감소(3분기 자료)
• 반증: 베타 전환율 3%로 떨어지거나 경쟁사가 무료 기능 공개
• 업데이트 규칙: 전환율이 분기 기준 5% 미만이면 확률 -30% 조정
​마무리 — 어떻게 시작할지 (실행 제안)
• 위 체크리스트 템플릿을 첫 투자 5건에 적용해보라.
• 각 투자마다 “반증 신호”와 “업데이트 규칙”을 반드시 적어두고 실천하라.
• 분기마다 사후검증을 한 뒤, 모델(신념)과 절차를 개선하라.