가짜 수익 인증이 만드는 착각: SNS와 생존자 편향

외환 거래를 시작한 초보자가 SNS나 커뮤니티에서 가장 많이 보는 게시물은 수익 인증이다. 반면 손실 인증은 드물고, 설사 올라와도 조용히 묻히는 경우가 많다. 이 불균형한 정보를 그대로 믿으면 실제 성공률보다 훨씬 높은 기대를 갖게 된다. 통계학에서는 이런 현상을 생존자 편향이라고 부른다.

생존자 편향(survivorship bias)은 어떤 과정을 통과한 뒤 남은 사례만 보고 결론을 내리는 오류다. 외환 거래에서는 손실로 포기한 사람은 사라지고, 수익을 낸 사람만 남아 보이는 상황을 뜻한다. 여기에 편집하거나 과장한 허위 인증이 더해지면 왜곡은 더 커진다.

목차

01

가상 시뮬레이션: 100명이 거래한다면

02

기대값 계산: 피드가 주는 왜곡

03

생존자 편향과 위험 관리

가상 시뮬레이션: 100명이 거래한다면

설명을 위해 숫자를 하나 정하자. 이 수치는 실제 시장 통계가 아니라 계산을 돕기 위한 가상 시뮬레이션이다. 100명의 초보 트레이더가 같은 기간에 외환 거래를 시작했고, 실제 결과는 다음과 같이 나왔다고 가정한다.

• 70명: 원금의 10% 손실
• 20명: 본전
• 8명: 10% 수익
• 2명: 50% 수익

이 결과에서 수익자는 모두 10명이므로 실제 수익 비율은 10%다. 그런데 SNS에는 수익자가 먼저 인증을 올리고, 손실자는 대부분 침묵한다고 가정하자. 피드에 수익 인증 10건과 손실 인증 2건이 올라왔다면, 피드에서 보이는 수익 인증 비율은 10 ÷ 12 = 약 83%다.

실제 비율 10%와 피드 비율 83%는 73%포인트 차이다. 이 차이는 단순한 착각이 아니라, 보이지 않는 70명의 손실이 통계에서 빠졌기 때문에 생긴다. 생존자 편향이 피드의 성공률을 실제보다 높게 보이게 만든 예다.

수치는 본문의 가상 시뮬레이션에 기반한다.

기대값 계산: 피드가 주는 왜곡

기대값은 어떤 사건이 반복될 때 평균적으로 기대할 수 있는 결과를 보여주는 통계 개념이다. 실제 데이터와 SNS 노출 데이터를 각각 기대값으로 바꾸면 왜곡이 숫자로 드러난다. 공식은 다음과 같이 적을 수 있다.

실제 기대값 = (수익자 비율 × 수익자의 평균 수익) + (본전 비율 × 0) + (손실자 비율 × 손실자의 평균 손실)

• 수익자 10명의 평균 수익은 (8 × 10% + 2 × 50%) ÷ 10 = 18%다.
• 손실자 70명의 평균 손실은 -10%다.
• 실제 기대값 = 0.10 × 0.18 + 0.20 × 0 + 0.70 × (-0.10) = -5.2%다.

이번에는 SNS 피드에 노출된 데이터만으로 같은 계산을 해보자. 수익 인증 10건의 평균 수익은 18%, 손실 인증 2건의 평균 손실은 -10%다. 피드 기대값은 (10 × 0.18 + 2 × (-0.10)) ÷ 12 = 약 +13.3%로 나온다.

같은 가상의 거래자 집단인데도 실제 기대값은 -5.2%, 피드 기대값은 +13.3%로 정반대 방향이다. 어떤 데이터를 보느냐에 따라 시장에 대한 기대가 완전히 달라질 수 있다는 뜻이다.

생존자 편향과 위험 관리

생존자 편향에 대해 처음 접하는 초보자가 자주 하는 오해를 정리하면 다음과 같다.

• 피드에 올라온 수익이 전부 가짜라는 뜻은 아니다. 일부는 실제 수익일 수 있지만, 그 표본은 전체 거래자를 대표하지 않는다.
• 수익 인증이 많은 전략이 반드시 나쁜 전략이라는 뜻도 아니다. 피드만으로는 성공 확률을 판단할 수 없다는 뜻이다.
• 수익과 손실 인증의 비율을 직접 비교하는 것도 주의해야 한다. 글을 올리는 행동 자체가 사람의 선택을 거치므로, 피드의 비율은 실제 비율과 다르다.

생존자 편향이 위험 관리와 만나는 지점은 바로 기대값의 차이다. 보이지 않는 손실을 빼고 계산한 기대값은 실제보다 낙관적이고, 그 낙관은 과도한 거래나 큰 위험을 감수하는 태도로 이어질 수 있다. 피드의 수익 인증은 살아남은 사례와 선택된 사례의 일부일 뿐이다. 실제 성공 비율을 알려면 보이지 않는 손실까지 포함한 통계가 필요하고, 그 통계가 없다면 SNS의 수익 인증을 기대값의 근거로 삼기 어렵다.