확증편향: 우리는 왜 듣고 싶은 정보만 믿을까?
투자를 하다 보면 이상한 경험을 하게 된다. 어떤 종목을 매수한 뒤에는 그 종목이 오를 것이라는 뉴스와 분석만 눈에 들어온다. 반대로 부정적인 의견은 괜히 기분이 나쁘거나 틀린 이야기처럼 느껴진다.
리플 보유자들은 유튜브를 보면서 날마다 그런 경험을 하고 있다고 해도 과언이 아닐 것이다.. 가격이 상승할 것이라고 기대할 때는 호재 뉴스가 반갑고, 부정적인 전망은 지나치게 비관적이라고 생각하게 된다. 하지만 시간이 지나고 보면 시장은 내 기대와 상관없이 움직인다.
문제는 대부분의 투자자들이 이런 현상을 스스로 인식하지 못한다는 점이다.
사람은 원래 듣고 싶은 것만 듣는다
심리학에서는 이를 확증편향(Confirmation Bias)이라고 부른다.
자신이 이미 믿고 있는 생각을 뒷받침하는 정보는 적극적으로 받아들이고, 반대되는 정보는 무시하거나 과소평가하는 심리적 경향이다.
예를 들어 어떤 종목을 매수한 투자자는 상승 전망 영상은 끝까지 시청하면서도 부정적인 분석은 몇 분 만에 끄는 경우가 많다. 정보가 부족해서가 아니라 보고 싶은 정보만 선택적으로 받아들이기 때문이다.
리플 투자자에게도 익숙한 장면
리플이 상승할 것이라고 믿는 투자자는 소송 관련 호재나 기관 투자 소식에 집중하게 된다. 반면 규제 위험이나 경쟁 프로젝트에 대한 이야기는 상대적으로 가볍게 넘기는 경우가 많다.
반대로 리플에 부정적인 사람은 호재가 나와도 인정하지 않는다. 오히려 작은 악재 하나를 발견하면 자신의 생각이 맞았다고 확신한다.
흥미로운 것은 두 사람이 같은 뉴스를 보면서도 전혀 다른 결론을 내린다는 점이다. 정보보다 해석이 더 큰 영향을 미치기 때문이다.
닷컴 버블이 보여준 교훈
1990년대 후반 인터넷 기업 열풍이 불었을 때도 비슷한 일이 있었다. 사람들은 인터넷이 세상을 바꿀 것이라는 사실에 집중했다. 실제로 그 판단은 맞았다.
하지만 문제는 모든 인터넷 기업이 성공할 것이라고 믿기 시작했다는 점이다. 투자자들은 위험 신호를 무시했고 자신이 듣고 싶은 이야기만 받아들였다.
결국 닷컴 버블은 붕괴했고 수많은 기업들이 역사 속으로 사라졌다. 기술의 미래는 맞았지만 투자 판단은 틀렸던 셈이다.
유튜브 알고리즘의 함정
요즘 투자자들이 확증편향에 빠지기 쉬운 이유 중 하나는 유튜브와 SNS 때문이다.
예를 들어 리플 관련 영상을 몇 개 시청하면 알고리즘은 비슷한 영상들을 계속 추천한다. 자연스럽게 투자자는 자신과 같은 생각을 가진 사람들의 의견만 접하게 된다.
결과적으로 객관적인 시장을 보는 것이 아니라 자신이 보고 싶은 시장만 보게 된다. 그리고 그 순간 투자 판단은 점점 위험해진다.
찰리 멍거의 습관
워런 버핏의 오랜 투자 파트너였던 Charlie Munger는 항상 반대 의견을 찾으려고 노력했다고 한다. 그는 "내 생각이 틀렸다는 증거를 먼저 찾으라"는 취지의 이야기를 자주 했다. 자신이 맞다는 증거를 찾는 것은 쉽지만, 자신의 오류를 찾는 것은 훨씬 어렵기 때문이다.
그래서 훌륭한 투자자는 찬성 의견보다 반대 의견을 더 진지하게 검토한다.
확증편향을 줄이는 방법
첫 번째는 일부러 반대 의견을 찾아보는 것이다.
어떤 종목을 사고 싶다면 "왜 사야 하는가?"보다 "왜 사면 안 되는가?"를 먼저 검색해 보는 습관이 도움이 된다.
두 번째는 투자일지를 활용하는 것이다.
매수 이유를 기록해 두면 나중에 자신의 판단이 맞았는지 틀렸는지를 객관적으로 확인할 수 있다. 감정이 아니라 사실을 기준으로 평가하게 되는 것이다.
세 번째는 "내가 틀릴 수도 있다"는 전제를 유지하는 것이다.
시장은 언제나 예상과 다르게 움직일 수 있다. 자신의 판단을 지나치게 확신하는 순간 위험은 커진다.
투자에서 가장 위험한 것은 정보 부족이 아닐 수 있다. 오히려 너무 많은 정보 속에서 자신이 듣고 싶은 이야기만 골라 듣는 것이 더 위험할 때가 있다.
시장은 우리의 희망을 실현해 주기 위해 존재하는 곳이 아니다. 때로는 불편한 진실이 가장 가치 있는 정보가 되기도 한다.
다음에 투자 관련 영상을 보거나 기사를 읽을 때 한 번 생각해 보자. 나는 정보를 찾고 있는가, 아니면 내 생각이 맞다는 확인을 받고 싶은 것인가?
