펀드 멀티플보다 중요한 자본 회전율

URL: https://www.youtube.com/watch?v=U_ManIWISzw 날짜: 2026-09-15 채널: 20vc

---

메타데이터

• 원문 제목: Why Fund Multiple Doesn't Matter Without a Timeline | David Morehead, Baylor University CIO
• 출연자: David Morehead, Baylor University Chief Investment Officer(CIO)
• 기관: Baylor University
• 기금 규모: 약 26억 달러(대화 중 약 27억 달러로도 언급)
• 핵심 주제: 대학 기금(endowment)의 시간·유동성·복리·자본 회전율 중심 자산배분
• 처리일: 2026-09-15

---

📌 핵심 질문 / 이 영상이 다루는 핵심 논점

==펀드의 최종 멀티플(multiple)만으로는 투자 성과를 평가할 수 없으며, 같은 수익을 얼마나 빨리 회수해 다시 배치하는지가 대학 기금의 실제 부를 결정한다.==

• 18년에 걸쳐 15배가 된 투자보다 6년마다 3배를 세 번 재투자해 18년 뒤 27배가 되는 투자가 더 큰 기금을 만든다.
• Baylor는 연간 약 5%의 의무 분배와 향후 10~15년의 학령인구 감소를 감안해, 사모자산(private assets)의 비중과 유동성 상한을 먼저 정한다.
• 관리자는 맡은 전략과 역할을 임의로 바꾸기보다 약속한 역할을 수행해야 하며, 투자위원회는 개별 매니저보다 전체 자산배분과 포트폴리오의 빈틈을 먼저 관리한다.

Baylor의 투자 조직은 등록금과 국제학생 수 감소로 대학 재정이 압박받는 상황에서 기금 분배의 중요성이 커진다고 본다. 그래서 사모투자의 높은 수익 잠재력은 활용하되 강제매각(force selling)을 피할 수 있는 유동성을 보존하고, 공개시장(public markets)에서는 가치·고품질 요인과 기계적인 하락 매수, 포트폴리오 전체의 볼록성(convexity)을 결합한다. AI·소프트웨어·데이터센터처럼 기대가 과열된 분야도 인간 행동, 규제, 전력·허가 같은 실제 병목을 분석한 뒤 전문 매니저의 현장 지식과 allocator의 자본배분 판단을 결합해 접근한다.

1. Baylor가 기금을 운용하는 재정적 배경

대학의 투자수익은 단순한 성과 자랑이 아니라 학생 지원과 교수진을 위한 현금 분배를 지속해야 하는 운영 재원이 된다.

1.1. 고등교육의 구조적 압박

1. 미국 고교 졸업생 감소

   1. 대불황(Great Financial Crisis) 이후 미국의 고등학교 학생 수가 줄어들고 있다.
   2. 학생 수가 감소하면 대학이 받을 수 있는 등록금(tuition dollars)도 줄어든다.

2. 국제학생 유입의 어려움

   1. 최근 몇 년 동안 국제학생이 미국에 입국하고 적절한 비자를 받아 체류하는 일이 어려워졌다.
   2. 국제학생은 대체로 재정보조가 적은 전액 부담(full-pay) 학생이므로, 이들의 감소는 대학 재정을 더 직접적으로 압박한다.

3. 국내 학생 확보 경쟁

   1. 국제학생 감소와 고교생 감소가 동시에 나타나면서 대학 간 국내 학생 경쟁이 강해졌다.
   2. 2030학년도 신입생을 둘러싼 최근 입시에서 미국 곳곳의 학교가 목표 신입생 수를 채우지 못했다.
   3. 등록금 수입이 예상보다 부족해지면 대학은 다른 수입원을 찾아야 한다.

1.2. Endowment 분배의 역할 확대

1. 향후 10~15년의 운영 재원

   1. 학령인구와 국제학생 문제는 단기간에 사라지지 않으므로 향후 10~15년 동안 endowment에서 나오는 분배금의 중요성이 커진다.
   2. Baylor는 투자 포트폴리오를 평가할 때 최종 평가액뿐 아니라 학교에 실제로 공급할 수 있는 달러의 지속 가능성을 함께 본다.

2. 하방 방어에서 상방 개선으로

   1. Baylor 투자사무국은 과거부터 하방 방어에 강했다.
   2. 2026년 1분기에 S&P 500이 약 4% 하락했을 때 Baylor는 보합을 기록했다.
   3. 2018년 4분기, 2016년 1분기, 2012년 같은 과거의 약세 구간에서도 하락폭을 상대적으로 잘 방어했다.
   4. 다만 시장은 약 70%의 기간 동안 상승하므로 하방만 방어하고 상승장에서 계속 뒤처지면 장기적으로 문제가 된다.
   5. Baylor는 학령인구 문제를 5년 전부터 예상하고 지난 5년 동안 상승 쪽 분포(right side of the distribution)를 개선하도록 조직과 포트폴리오를 재정비했다.

2. 공개시장과 사모시장을 함께 설계하는 방식

Baylor의 첫 번째 의사결정은 어떤 매니저를 고를지보다 포트폴리오가 감당할 수 있는 비유동성의 범위를 정하는 일이다.

2.1. 공개시장 포트폴리오의 구조

1. 가치·고품질 중심의 equity book

   1. 주식의 equity beta를 직접 통제하기는 매우 어렵다.
   2. 장기간 put을 매수해 하락을 계속 막는 방식은 theta 비용 때문에 돈을 잃기 쉬운 전략이다.
   3. Baylor는 가치(value)와 고품질(high quality)을 중심에 두고 factor allocation을 통해 주식 포트폴리오의 성격을 설계한다.

2. 상승장에서 생기는 추적오차

   1. 가치·고품질 요인은 momentum과 growth가 주도하는 시장에서 상승폭을 놓칠 수 있다.
   2. 상승장에 계속 trailing하면 시장이 오르는 대부분의 기간에 복리 효과를 잃게 된다.
   3. Baylor는 최근 3~5년 동안 정규화된 기준에서 theta bill을 계속 내지 않으면서도 상승 참여도를 높이는 convexity를 도입했다.

2.2. 사모자산 비중과 유동성 상자

1. 현재 비중과 설계 순서

   1. Baylor는 대략 45%를 private, 55%를 public에 배분한다.
   2. 빈 종이에서 포트폴리오를 시작한다면 private side를 먼저 확정해야 한다.
   3. Private assets는 유동성을 빨아들이고 매니저·전략 사이에서 자본을 옮길 능력을 묶어버리므로, 감당 가능한 liquidity environment를 먼저 정해야 한다.
   4. Private allocation을 정한 뒤에는 그 비중을 하나의 상자로 묶어 운용 기준으로 삼는다.

2. 35~55%의 private 범위

   1. Baylor의 private allocation range는 35~55%다.
   2. 주식이 하락해 public side가 작아지는 denominator effect가 생길 때 private 비중이 55%까지 가는 것은 허용한다.
   3. private side가 더 커져 강제로 자산을 팔아야 하는 상태는 피한다.
   4. 피해야 할 첫 번째 재난은 사기(fraud)이고, 두 번째 재난은 강제매각(force selling)이다.
   5. 정상적인 목표치는 약 45%이며, public assets가 앞서면 private 비중에 하방 압력이 생기고 금융위기에서는 상방 압력이 생긴다.

3. 과거 스트레스 구간

   1. 2022년 기술주 하락 때와 팬데믹 이전 몇 년 동안 private 비중이 51~52%까지 올라간 적이 있다.
   2. 그러나 그 정도의 증가는 매니저 배분 능력을 제약하거나 force selling을 일으킬 만큼 크지 않았다.

3. Private book의 목적과 자본 회전율

Private assets는 단순히 자산군을 채우는 장식이 아니라 학교를 위해 더 큰 현금 더미를 만드는 수단이다.

3.1. 높은 초과수익으로의 집중

1. 사모투자의 존재 이유

   1. Private assets가 존재하는 단 하나의 이유는 돈을 벌기 위해서다.
   2. 학생 수와 등록금이 압박받는다면 기금은 학교의 분배금을 늘릴 수 있는 초과수익(excess returns)을 만들어야 한다.
   3. 높은 수익을 낼 가능성이 낮은 real assets 투자는 만기가 오면 축소하거나 갱신하지 않는다.

2. 현재 집중하는 영역

   1. Baylor는 private book을 venture capital(VC), growth equity, expansion capital, buyout 중심으로 재편했다.
   2. 돈을 오래 묶는다면 가장 높은 수익을 제공할 가능성이 있는 전략이어야 한다.
   3. Ivy League나 Stanford 같은 기관보다 VC 브랜드에 늦게 진입해 Sequoia, Benchmark, Founders Fund 같은 대형 브랜드에 쉽게 접근하지 못했지만, 그 결과 newer upstart와 신생 boutique 매니저를 많이 검토하게 됐다.
   4. Baylor의 투자팀은 expansion·growth equity 영역에서 탁월한 성과를 냈고, 이 영역에 한계적으로 자본을 더 배분할지 검토하고 있다.

3.2. 멀티플보다 타임라인이 중요한 이유

1. 15배의 착시

   1. 과거 VC 펀드는 대체로 10~12년이었지만, 현재는 15~18년으로 길어졌다.
   2. 18년에 걸쳐 15배가 된 성과는 표면적으로는 훌륭해 보이지만, 그 멀티플이 18년에 걸쳐 만들어졌다는 시간을 함께 보면 평가가 달라진다.

2. 재투자의 복리 계산

   1. weighted average life가 6년인 growth equity fund가 3배가 되었다고 가정한다.
   2. 같은 방식의 다른 펀드에 회수금을 재투자해 다시 6년 동안 3배를 만들고, 18년 동안 이 과정을 세 번 반복하면 3×3×3, 즉 27배가 된다.
   3. 18년 뒤 한 번의 15배보다 세 번의 3배가 27배로 약 2배 더 큰 자산을 만든다.
   4. 학생은 수익률이라는 추상적 숫자로 등록금을 낼 수 없고 실제 달러로 낸다.
   5. 따라서 목표는 GP의 마케팅 자료에 가장 좋아 보이는 멀티플이 아니라 학생을 위해 가장 큰 돈더미를 만드는 것이다.

3. 자본의 velocity

   1. Baylor는 사무실에서 time을 언급하지 않고 return만 말하는 것을 허용하지 않는다.
   2. Capital velocity는 자본이 회수되어 다음 투자로 이동하는 속도이며, return on capital만으로는 포착되지 않는 핵심 변수다.
   3. 자본 회전율이 더 이상 크게 개선되지 않고 점근적으로 한계에 접근하면 해당 투자에서 빠져 다음 기회로 이동해야 한다.
   4. 6년 동안 3배를 만드는 일 자체가 쉽지 않지만, 그 회수금을 다시 배치할 수 있느냐가 최종 부의 크기를 바꾼다.

4. GP의 사업과 LP의 목적이 어긋나는 지점

   1. GP는 승자를 더 오래 보유해 3배 대신 6배를 보여주면 다음 펀드 조성에 유리하다.
   2. 그러나 Baylor는 GP의 마케팅과 다음 펀드 조성보다 학생에게 돌아갈 돈의 크기를 최적화한다.
   3. 이 때문에 펀드의 장기 보유 전략과 endowment의 복리·분배 목적 사이에 긴장이 생긴다.

3.3. VC를 보유하는 이유

1. 시간대가 다른 수익의 층화

   1. VC의 회수는 6~10년 뒤에 나타날 수 있고, growth equity의 수익은 3~5년 뒤, 공개시장 쪽 수익은 1~3년 안에 나타날 수 있다.
   2. Baylor는 각 자산군을 이처럼 서로 다른 현금흐름 시간대의 조합으로 바라본다.

2. 다각화와 비대칭적 승자

   1. VC는 Baylor에게 순수한 단기 수익 수단이라기보다 다각화와 큰 승자에 대한 선택권을 제공하는 단계(stage) 투자다.
   2. Baylor endowment의 약 2.5%가 Anthropic에 노출되어 있다.
   3. SpaceX와 OpenAI에는 노출이 없지만 Anthropic 포지션은 VC 매니저가 만든 승자다.
   4. 포지션이 상장되면 보유·매도·추가 매수 여부는 회사에 대한 판단과 상장 후 포지션 크기, 포트폴리오 내 위험에 따라 결정한다.

4. 포트폴리오를 매니저보다 먼저 설계하는 방법

Baylor의 allocator는 각 투자자의 개별 성과를 존중하되, 전체 포트폴리오에서 그 성과가 실제로 의미 있는 크기와 역할을 갖는지 먼저 확인한다.

4.1. Co-mingled fund의 한계와 별도 계정

1. 평균 LP를 위한 평균 위험

   1. 고등교육 기관은 전통적으로 여러 매니저에게 endowment 투자를 외주화한다.
   2. Co-mingled fund에는 한 명의 GP와 수백~수천 명의 LP가 있고, GP는 모든 LP가 받아들일 평균적인 risk-return profile을 제공해야 한다.
   3. 특정 시점의 Baylor risk-return 필요는 그 펀드의 평균 LP가 원하는 것과 다를 수 있다.

2. GP와의 직접 협상

   1. Baylor는 GP에게 같은 전략을 유지하되 Baylor만을 위한 별도 실행을 할 수 있는지 제안한다.
   2. Baylor는 포트폴리오에 무엇이 들어가는지 확인하거나 조정할 수 있어 전체 endowment의 위험 노출을 최적화한다.
   3. 예를 들어 전체 포트폴리오에 Nvidia가 이미 충분히 있으면 다음 GP가 Nvidia를 더 사려 할 때 추가 매수를 거절할 수 있다.
   4. 반대로 Baylor가 Nvidia에 거의 노출되지 않았고 GP가 Nvidia를 매수하려 한다면, 해당 포지션을 받아들이되 Baylor의 목표 위험·수익 구조에 맞게 세 배 정도 크게 만들도록 요청할 수 있다.
   5. 이런 맞춤 조정은 최근 2~3년 동안 매우 잘 작동했다.

4.2. 포지션 크기를 달러로 역산하기

1. Underlying company별 목표 금액

   1. Baylor는 펀드 약정액의 비율보다 underlying company 하나에 실제로 얼마를 배치할지를 먼저 계산한다.
   2. Expansion, buyout, venture에서 대체로 회사당 250만~300만 달러를 목표로 한다.
   3. 매니저가 8개, 10개, 12개 회사를 보유할지에 따라 총 약정액을 계산한다.

2. Materiality 확보

   1. 10개 회사를 가진 플랫폼에 회사당 300만 달러를 노출하면 총 3,000만 달러를 배정한다.
   2. 특정 회사가 5배가 되면 Baylor에 1,500만 달러가 돌아오므로 전체 endowment에 영향을 줄 만큼 의미가 생긴다.
   3. 반대로 7배 승자가 생겼는데 Baylor 몫이 40만 달러뿐이라면, 해당 성과는 전체 endowment에 거의 영향을 주지 못한다.

4.3. 매니저의 역할을 지키게 하는 기준

1. 야구팀의 포지션 비유

   1. CIO는 야구팀의 general manager처럼 각 매니저를 3루수, 유격수, 2루수 등 특정 역할에 배치한다.
   2. 선수의 수비율과 타율을 고려해 포지션을 정하지만, 필드에 2루수만 두 명 있고 3루수가 없다면 팀 구조가 망가진다.
   3. 3루수가 2루수를 더 잘할 수 있다고 생각하면 포지션을 바꾸기 전에 general manager와 대화해야 한다.
   4. 매니저가 훌륭한 수익을 내더라도 약속한 역할을 일방적으로 바꿔 포트폴리오에 중복을 만들면 재약정하지 않을 수 있다.

2. 역량 데이터에 근거한 변경

   1. Public equity 매니저가 항상 fully invested하고 현금 타이밍을 모른다고 약속했다면, 어느 날 10% 현금을 들고 나타나는 것은 전략 변경이다.
   2. 시장을 timing할 경험과 데이터가 없는 매니저가 갑자기 global macro equity manager처럼 행동하면 그 매니저를 실험 대상으로 삼지 않는다.
   3. VC에서도 product-market fit이 확인된 회사를 사는 매니저가 갑자기 아이디어만 가진 두 사람의 garage startup에 투자하겠다고 바꾸면 같은 전략으로 볼 수 없다.
   4. 반면 early stage에서 late A로 이동하는 정도처럼 본질적으로 같은 접근의 범위 내 변화는 허용할 수 있다.
   5. 핵심은 인위적인 카테고리 이름이 아니라 매니저가 실제로 수행하기로 한 역할과 그 역할을 뒷받침하는 데이터다.

5. AI와 소프트웨어를 판단하는 인간 행동 프레임

AI 과열 논쟁에서 중요한 것은 기술의 가능성만이 아니라 실제 기업과 소비자가 검증되지 않은 기술을 언제, 어떤 위험으로 도입할지다.

5.1. 소프트웨어 종말론에 대한 반론

1. 현장 기업의 전환 비용

   1. 2026년 초 시장에는 소프트웨어가 죽었고 모든 것이 0이 되며 누구나 vibe coding으로 대체할 수 있다는 주장이 퍼졌다.
   2. David Morehead는 3,500명 규모의 private family business를 운영하는 지인들에게 전화를 걸어 사위가 vibe code한 제품으로 CRM을 뜯어내겠느냐고 물었다.
   3. 그들은 그런 일을 하지 않을 것이라고 답했으며, 사업 운영에 중요한 부분을 검증되지 않은 시스템으로 바꾸지 않는다.
   4. 수직 통합된 niche 제조기업의 운영자는 자기 산업을 깊이 이해하지만, 검증되지 않은 기술 하나로 핵심 운영을 교체하지 않는다.

2. 93%의 정확성과 100%의 요구

   1. Salesforce CEO가 AI가 잘할 수 있는 수준을 93% 정확성으로 언급한 사례가 있다.
   2. 93%는 많은 사람보다 뛰어나지만 회계 장부처럼 100% 맞아야 하는 소프트웨어를 대체하기에는 부족하다.
   3. 숫자 하나가 틀려도 되는 문서와 단 한 건의 오류도 허용하기 어려운 핵심 시스템은 AI 도입 기준이 다르다.

3. Software as the delivery mechanism for AI

   1. AI가 소프트웨어를 없애기보다 수직 산업의 기존 소프트웨어를 통해 전달될 가능성이 있다.
   2. 기업은 이미 신뢰하는 소프트웨어 공급자에게 AI 기능을 기존 시스템 위에 추가해 달라고 요청할 수 있다.
   3. 수십억 달러 가치의 SaaS 기업이 기존 신뢰와 고객 관계를 버리고 사업을 0으로 만들 이유는 없다.
   4. 소프트웨어에 대한 신뢰가 AI 기능의 배포 채널이 되면 기존 SaaS 사업자는 오히려 AI 전환의 수혜자가 될 수 있다.

5.2. Allocator와 전문 매니저의 분업

1. 행동에 대한 allocator의 edge

   1. Morehead는 엔지니어가 아니지만 사람들이 생각하고 의사결정하는 방식에는 자신이 있다.
   2. 기업 운영자가 핵심 시스템을 검증되지 않은 기술로 교체하지 않을 것이라는 인간 행동 분석으로 소프트웨어 매도세를 판단했다.
   3. 소프트웨어가 2025년 10월 이후 50~60% 하락했을 때 기업의 실제 행동을 확인한 뒤, 하락한 자산을 매수할 판단을 세웠다.

2. 전문성은 매니저에게 맡기기

   1. Baylor가 모든 기술의 승자와 패자를 직접 고를 수는 없으므로 전문 매니저에게 현장 분석을 맡긴다.
   2. Shawn과 같은 매니저에게 더 많은 자본을 주되, AI로 대체될 가능성이 가장 낮은 회사 목록을 함께 검토하고 그 기업들을 보유하도록 요청한다.
   3. allocator는 사람과 시장의 행동을 바탕으로 자본배분을 결정하고, 매니저는 각 산업의 기업·제품·경쟁구조를 분석한다.
   4. 이는 단순히 모든 결정을 매니저에게 위임하는 것이 아니라, allocator가 incremental dollars를 어느 매니저와 회사에 보낼지 결정하는 역할이다.

5.3. VC 포트폴리오를 학습 아카데미로 보는가

1. Public side에서 얻는 정보

   1. Morehead는 자신의 VC 포트폴리오보다 public-side manager에게서 더 많이 배운다고 말한다.
   2. 벤처 업계는 2016년에 3년 안에 자율주행차가 대규모로 등장할 것처럼 전망했지만, 10년이 지나도 도로 위에 있는 차량 수는 약 5,000대 수준에 그쳤다는 현실을 지적한다.

2. 상상과 실행의 시간차

   1. 자율주행에는 사람을 죽이지 않기 위한 규제와 안전 검증이 필요하다.
   2. 달에 기지를 세우고 자원을 채굴하겠다는 구상도 가능하지만, 실제 실행을 평가하려면 30년 뒤 결과를 봐야 한다.
   3. VC의 장기 비전은 포트폴리오 학습보다 과장된 상상과 실제 도입 사이의 시간차를 확인하게 하는 사례에 가깝다.

6. 시장 가격, 밸류에이션, 성장주 배분

공개시장의 가격은 집단적 정보 반영이라는 장점이 있고, 비공개시장의 가격은 소수의 협상에 좌우된다는 차이가 있다.

6.1. Public market과 private market의 가격 형성

1. 시장 참여자의 규모

   1. Public market도 사람이 지배하므로 비이성적일 수 있다.
   2. 그러나 수천만 명이 매일 각 기업의 달러에 대해 사고팔며 가격을 만든다.
   3. Private market에서는 세 명 정도가 방에 모여 기업 가치가 X라고 정하고 한 투자자가 그 가격에 5,000만 달러를 주면 전체 가격이 재설정된다.
   4. Public market의 가격이 항상 옳다는 뜻은 아니지만, 이용 가능한 정보가 더 많은 참여자에 의해 반영된 가격이라는 점에서 private market보다 정당성이 높다.

2. SpaceX와 유명 창업자의 프리미엄

   1. 수천만 명의 참여자가 Elon Musk와 SpaceX에 높은 프리미엄을 부여해 SpaceX를 1조 8,000억 달러 규모의 기업으로 평가할 수 있다.
   2. 이 평가가 옳다는 뜻은 아니지만, 비공개시장의 소수 협상 가격과 달리 광범위한 정보와 의견이 반영된다.

6.2. Private marks를 보수적으로 관리하기

1. 매일 가격을 매기는 이유

   1. Public trading book은 매일 가격을 표시한다.
   2. 가격을 잘못 표시하면 투자자가 심리적으로 잘못된 기준점에 묶인다.
   3. 실제 가치가 1,000만 달러인데 장부에 3,000만 달러로 표시되어 있고 2,000만 달러 제안이 들어오면, 장부상 손실처럼 보여 제안을 거절할 수 있다.
   4. 가격 표시는 시장의 현실과 투자자의 심리를 맞추는 장치다.

2. Baylor의 conservative valuation

   1. Baylor는 매니저가 valuation을 공격적으로 밀어 올리지 않고 보수적으로 표시하도록 관리한다.
   2. 투자 회수나 상장 직전 6~9개월 동안 Baylor가 보유한 자산의 평균 상승폭은 약 60~90%다.
   3. 같은 기간 시장에서 관찰되는 상승폭은 약 30~50% 수준이다.
   4. 이 차이는 Baylor 매니저의 private marks가 평균보다 보수적으로 잡혀 있을 가능성을 보여준다.
   5. CIO는 이 valuation을 regents와 행정부에 설명하고 책임져야 하므로, 평균보다 현실적인 marks를 중요하게 본다.

6.3. Growth equity를 선호하는 이유

1. 수익과 회수기간의 균형

   1. Growth equity는 VC보다 return-to-timeline profile이 매력적이다.
   2. 이미 성장과 제품 검증이 어느 정도 진행된 기업을 대상으로 하므로 0이 되는 회사가 더 적다.
   3. 실패하는 투자가 적으면 성공한 투자가 실패분을 보전하기 위해 더 큰 수익을 낼 필요가 줄어든다.

2. 기대수익 hurdle

   1. Baylor가 보유한 growth equity book은 연율 약 30% 수준으로 계산된다.
   2. 이는 Baylor가 요구하는 약 8%의 bogey를 충분히 넘는다.
   3. VC는 큰 승자 가능성을 제공하지만, growth equity는 낮은 실패율과 빠른 회수라는 구조적 장점을 가진다.

7. 현금, 유동성, 하락장에서의 기계적 배분

현금은 수익을 포기한 잔액이 아니라 의무 분배와 미래의 높은 기대수익 기회를 동시에 사는 선택권이다.

7.1. 연간 유동성 요구와 현금의 기회비용

1. 객관적 분배 의무

   1. Baylor는 endowment에서 연간 약 5%를 분배한다.
   2. 분배액은 장학금, 교수직(professorships) 등 학교의 실제 프로그램을 지원한다.
   3. Endowment가 커질수록 5%라는 비율이 의미하는 달러 금액도 커진다.

2. 주관적 기회자금

   1. 다음에 연 20~30%가 될 기회를 잡으려면 현금도 필요하다.
   2. 신입 분석가에게 향후 4년 안에 어디서든 20% 상승 기회를 찾을 확률이 얼마나 되는지 물으면 대체로 매우 높다고 답한다.
   3. 현금이 연 3.5%를 번다고 가정해도, 언제든 투자할 수 있는 선택권의 가치가 약 5% 더해진다.
   4. 따라서 현금의 실질적인 기회비용 수익률은 약 8.5%다.
   5. 8.5%를 넘는 투자 기회를 찾으면 실행하고, 그렇지 않으면 현금 비중을 늘린다.

3. 현금 잔액의 의미

   1. 2017~2019년에는 매력적인 투자처가 보이지 않아 팬데믹에 약 15~16%의 현금을 들고 들어갔다.
   2. 최근에는 연율 20~30%를 기대할 수 있는 기회를 계속 찾아 현금 잔액이 낮게 유지됐다.
   3. 현금 규모는 고정된 자산배분 목표가 아니라 환경에서 발견되는 수익 기회의 함수다.

7.2. 손실 경험에서 만든 규율

1. 항상 더 나빠질 수 있다는 원칙

   1. 트레이딩에서는 돈을 잃는 일이 확실히 생기고, 때로는 큰돈을 오랫동안 잃는다.
   2. 새 CIO는 자신에게 그런 일이 일어나지 않을 것이라 생각하지만, 결국 정강이를 차이고 2×4 목재로 머리를 맞는 경험을 한다.
   3. 그래서 어떤 투자에도 all-in하지 않는다.
   4. 소프트웨어가 50~60% 하락한 2026년 2~3월에도 추가로 70~80% 하락할 가능성을 열어두고 전 재산을 넣지 않았다.

2. 10% 단위로 나누는 하락 매수

   1. 무한히 긴 투자기간을 가진 포트폴리오에서 0~10% 하락은 정상적인 변동성으로 보고 특별히 반응하지 않는다.
   2. 10% 할인은 매장에 달려갈 정도가 아니고, 20% 할인은 고민하며, 30%면 살 가능성이 커지고, 40%면 확실히 사는지 묻는 식으로 하락폭을 생각한다.
   3. 유동성을 10% 하락 구간마다 배분할 수 있게 설계한다.
   4. 20% 하락 때 목표 자금의 20%를 투입하고, 30%에서 다시 20%, 40%에서 다시 20%를 투입하는 식이다.
   5. 실제로는 반등 전에 항상 전부 투자되지 않으므로 일부 상승을 놓친다.
   6. 대신 최고로 사랑하는 자산을 이미 너무 많이 사서 더 살 수 없는 상황을 피한다.

7.3. Falling knife를 다루는 매니저 관리

1. 심리 상태를 함께 점검하기

   1. Baylor가 개별 주식을 직접 거래하지 않더라도 매니저의 심리와 감정이 올바른 위치에 있는지 점검한다.
   2. 소프트웨어 하락이 심했던 2026년 초에는 Shawn과 4주 동안 거의 매일 통화했다.
   3. 두 사람은 개별 기업, 시장에서 들은 이야기, 기사, 인용문, 뉴스와 가격 하락 시 행동을 계속 교환했다.

2. 하락 시나리오 질문

   1. 특정 종목이 추가로 20% 하락하면 무엇을 할지 매니저에게 묻는다.
   2. 두 종목 중 어느 쪽의 risk-adjusted opportunity set이 더 좋은지 비교하게 한다.
   3. 하락장에서는 실제로 포트폴리오가 더 집중되는 경우가 많으므로, 중복이 아니라 더 좋은 기회에 집중되는지 확인한다.

8. 팀 구축, 인센티브, 미션

Baylor의 조직 설계는 Waco라는 지역적 제약을 장기 근속과 내부 육성의 장점으로 전환하는 방식이다.

8.1. Undergraduate 중심 채용

1. 지역에 맞는 채용

   1. Baylor는 비슷한 규모의 endowment가운데 드물게 학부 졸업생을 거의 독점적으로 채용한다.
   2. Baylor는 Waco에 있고 Dallas와 Austin에서 각각 약 100마일 떨어진 중간 지점에 있다.
   3. Los Angeles나 New York의 mid-career 전문가를 Waco로 데려와 10년 머물게 하기는 어렵다.
   4. 학부생은 이미 Baylor와 지역을 선택했으므로 해당 지역에 남을 가능성이 높고, 채용 과정에서 이를 강하게 확인한다.

2. 초기 육성 비용

   1. 학부생을 채용하면 향후 5~6년 동안 상당한 시간을 투자해 분석가의 역량을 끌어올려야 한다.
   2. 그 기간에는 CIO가 여러 모자를 쓰며 팀의 부족한 경험을 직접 떠안아야 한다.
   3. 장기적으로 안정적인 투자팀을 얻는 대가로 초기에는 팀을 carry하는 비용을 부담한다.

3. 장기근속과 수익

   1. Renee와는 약 16년 동안 함께 일했고, 다음으로 채용한 Jyn은 11년 동안 근무했다.
   2. 투자업계에서는 longevity가 returns를 낳는다는 관계가 나타난다.
   3. Mid-career 전문가를 채용하면 plug-and-play라는 장점이 있지만 turnover와 잠재적인 낮은 수익이라는 다른 위험을 떠안는다.

8.2. Endowment 투자자의 미션 기반 동기

1. 보상 구조에 대한 관점

   1. Fund-of-funds 매니저가 성과를 내면 carry를 통해 큰 보상을 얻지만, endowment 투자자의 성과는 개인 급여로 곧바로 연결되지 않을 수 있다.
   2. 이를 잘못된 인센티브라고 보지는 않지만, 해당 직무에는 강한 mission orientation이 필요하다.

2. 학생을 보내는 동기

   1. Morehead의 동기는 아직 대학을 생각하지 않는 고등학교 2학년 학생이나, 야구 점수에만 관심 있는 7~8학년 학생이 훗날 Baylor에 진학할 수 있게 만드는 것이다.
   2. 부엌을 새로 꾸미거나 여행을 가거나 가족에게 좋은 물건을 사는 것도 좋지만, 그것이 CIO와 팀의 핵심 동기는 아니다.

9. AI가 교육과 사람의 사고에 미치는 영향

AI의 교육적 활용은 가능하지만, 생각하는 능력을 AI에 외주화할 때 사람의 인지 근육이 약해질 수 있다는 우려가 있다.

9.1. 학습과 뇌 기능

1. AI 전면 의존의 위험

   1. MIT 등 권위 있는 기관에서 나온 것으로 알려진 일부 연구는 AI를 모든 과제에 사용하는 학생의 뇌 기능이 낮게 나타날 수 있다고 시사한다.
   2. 해당 연구의 정확성을 확신할 수는 없지만, 사용하지 않는 근육이 위축되는 것과 같은 원리라는 직관은 타당하다.

2. 인간 논리의 위임

   1. 인간의 고유한 능력 중 하나는 논리적으로 생각하고 판단하는 일이다.
   2. 동물과 달리 인간은 생각하지만, 생각할 책임을 AI에 양도하면 인간도 생각하지 않는 존재가 될 수 있다.
   3. 교육기관은 AI를 유익하게 사용하는 방법을 찾아낼 수 있지만, 더 근본적인 문제는 human discipline의 문제다.

10. 규모, 벤치마크, 조직의 변화

Endowment 규모가 커질수록 높은 멀티플보다 전체 기금에서 차지하는 materiality와 시스템 확장성이 중요해진다.

10.1. 비교와 자기 기준

1. 상대성과 절대 목표

   1. 모든 대학은 서로 다른 우선순위와 필요를 갖는다.
   2. Baylor의 현재 목표는 학생 1인당 endowment를 높이는 것이다.
   3. 2025년 Baylor의 수익률 9.4%는 Dartmouth의 최저치 10.8%보다 낮아 상대적으로 실망스러웠다.

2. 수익률 하락의 전환기 설명

   1. Baylor는 2020~2021년 이후 private commitment 연간 금액을 약 60~70% 늘렸다.
   2. Private portfolio가 두 번째 J-curve를 겪으며 기존 펀드가 회수된 뒤 신규 투자자산이 수익을 내기 전까지의 공백이 생겼다.
   3. 일부 새 asset class와 fund-of-one은 한동안 flat하다가 상승하기 시작했다.
   4. 최근 회계연도는 private J-curve의 영향을 더 이상 크게 받지 않고 fund-of-one 및 다른 전략의 수익도 동시에 반영된 첫 해였다.
   5. 이는 달리는 차의 엔진을 교체하는 일과 같았으며, Baylor는 차가 고속도로를 달리는 동안 더 큰 엔진을 장착했다.
   6. 작년에는 전환 지연이 있었지만 올해 수익률은 SpaceX나 유명 AI 승자 없이도 약 18.5~19%가 될 것으로 예상한다.
   7. 구조적으로 향후 몇 년은 전환된 포트폴리오가 만드는 순풍을 받을 가능성이 높다.

10.2. 대형 Endowment의 materiality 문제

1. 규모가 커질 때의 전환점

   1. Baylor는 약 10억 달러에서 50억 달러로 가는 구간에서 투자 조직의 성격이 크게 변하는 것을 체감했다.
   2. Notre Dame은 약 200억 달러 규모에서도 100억·150억 달러에서 발생할 것이라 예상한 문제를 아직 겪지 않았지만, 더 큰 Ivy League 기관은 유사한 문제에 접근하고 있다.

2. 작은 약정의 영향력 감소

   1. 400억~600억 달러 endowment가 펀드에 2,000만 달러를 넣고 그 투자에서 50배를 얻어도 수익은 10억 달러다.
   2. 10억 달러는 절대 금액으로 훌륭하지만 400억~500억 달러 기금의 약 2%에 불과하다.
   3. 규모가 큰 기관은 소액 수표를 여러 펀드에 보내기보다 A16Z처럼 플랫폼을 만들거나 3억 달러처럼 훨씬 큰 금액을 직접 배치하는 방식으로 바꿔야 할 수 있다.
   4. 대형 VC 플랫폼은 필요한 투자기간 동안 위험을 보상할 만큼의 수익률을 내기 어렵고, law of large numbers 때문에 규모가 커질수록 높은 수익을 내기 어려워진다.

11. 데이터센터와 인허가가 만드는 AI 인프라 병목

AI 인프라의 희소성은 기술만으로 결정되지 않고 전력, 토지, 허가, 지역 주민의 정치적 동의로 결정된다.

11.1. 데이터센터의 가치가 이동한 순서

1. 핵심 자산의 변화

   1. 5~6년 전 데이터센터에서 가장 중요한 것은 토지였다.
   2. 이후에는 전력이 공급되는 토지가 중요해졌다.
   3. 현재는 허가(permitted), 전력이 확보된 토지가 가장 중요하다.

2. 지역사회의 반발

   1. 데이터센터가 들어오면 전력 가격과 특히 텍사스·애리조나 같은 건조 지역의 물 가격이 상승할 수 있다.
   2. 전력 dispatch는 여전히 공급 제약을 받고 있어, 향후 5~7년 동안 문제가 해결되기 전까지 전기요금이 오를 수 있다.
   3. 지역 주민은 자기 뒷마당에 데이터센터가 들어오는 것을 원하지 않는다는 표지판을 세우고, 허가위원회는 주민에게 선출되는 기관이므로 반대 여론을 무시하기 어렵다.

11.2. 허가를 받은 토지의 희소 프리미엄

1. 실패 프로젝트의 파급효과

   1. 전체 데이터센터 중 전력과 허가를 확보한 프로젝트가 실제로 얼마나 완공되지 못할지는 Morehead도 숫자로 답할 수 없다고 선을 그었다.
   2. 다만 충분히 많은 프로젝트가 무산되고 있어 전력회사들이 허가를 가진 사업자에게 예상보다 빠른 전력 공급을 제안하고 있다.

2. Baylor book의 실제 관찰

   1. Baylor가 보유한 데이터센터 부지는 6개월 전보다 약 50% 상승했다.
   2. 영국에서는 허가된 데이터센터 부지가 허가를 보유했다는 사실만으로도 높은 가치가 생긴다.
   3. 중국은 주민 반대보다 필요한 곳에 건설하는 방식에 가깝지만, 미국·영국에서는 주민과 선출직의 동의가 건설 속도를 제한한다.

11.3. 유럽에 대한 선별적 접근

1. 유럽 전체에 대한 비관

   1. Morehead는 인허가, 방위 구조, 러시아와의 지정학적 위험, AI 경쟁에서의 지연 때문에 유럽 전체를 낙관하지 않는다.
   2. 영국은 데이터센터 인허가 문제가 미국보다 훨씬 심각하다.

2. Long-short와 Macro hedge

   1. 유럽에서 모든 기업이 패배한다고 보지는 않으므로 유럽 long-short 매니저에는 투자한다.
   2. 유럽 기업 중 승자와 패자가 갈릴 것이라는 판단에 따라 선별적으로 접근한다.
   3. 더 큰 macro hedge 중 일부는 유럽 지수에 대해 설정한다.

12. Quickfire: 바뀐 생각과 선호 자산

짧은 답변에도 소프트웨어·에너지·private credit·biotech에 대한 최근의 판단 변화와 조직적 선호가 드러난다.

12.1. 지난 12개월 동안 바꾼 생각

1. 소프트웨어 비중 확대

   1. 소프트웨어가 과도하게 매도되었다고 보고 2026년 초 소프트웨어에 강하게 진입했다.
   2. 현장 기업의 전환 행동과 기존 소프트웨어에 대한 신뢰를 근거로, AI가 모든 소프트웨어를 대체한다는 논리를 거부했다.

2. 에너지 비중 축소

   1. 미국-이란 전쟁과 원유 가격 상승의 흐름에서 crude가 배럴당 100달러를 넘었을 때 energy long exposure를 줄였다.
   2. 이는 당시 가장 실행 가능한 asset allocation 변화 중 하나였다.

3. Private equity sponsor 확대

   1. 3~4월 무렵 private equity sponsor에 대한 배분을 늘렸다.
   2. Private credit은 선호하지 않지만 private equity sponsor는 선호한다.

12.2. 과대평가된 자산과 피하는 이유

1. Private credit

   1. Private credit은 구조가 쉬워 보인다는 이유로 과대 유입된 자산군으로 본다.
   2. 기업의 downside에서는 equity처럼 손실 위험을 지지만, upside에서는 equity 수준의 수익을 얻지 못하는 신용 노출이 생길 수 있다.
   3. 위험·보상(risk-reward) 구조가 어긋나므로 private equity를 선호한다.

2. 가장 존경하는 Endowment

   1. Brown University를 가장 존경한다.
   2. Jane과 팀이 구축한 조직의 성과는 Baylor보다 최근 10년 수익률이 좋았고, Baylor는 최근 5년에서 앞설 가능성이 있지만 따라잡아야 할 차이가 있다.
   3. Brown 팀은 위험을 무모하게 키우지 않으면서도 risk-return profile을 깊이 검토하고 용기가 필요한 결정을 내리는 진짜 투자자다.

3. 들어가고 싶은 Fund

   1. Benchmark를 꼽는다.
   2. Benchmark의 조직과 투자 방식에 대한 존경은 진행자도 공유한다.

12.3. 향후 10년의 기회와 개인적 목표

1. Biotech

   1. Biotech은 앞으로 10년 동안 지난 10~20년보다 더 큰 영향을 미칠 가능성이 있다.
   2. Baylor는 올해 여러 biotech conference에 참석하고, 이미 가진 biotech exposure를 더 늘릴지 검토한다.
   3. Biotech 과학의 진전은 시장과 상관관계가 낮고, 증상을 치료하는 데서 나아가 질병 자체를 해결하는 방향으로 이동하고 있다.

2. 10억 달러에서 50억 달러로 가는 조직의 성장

   1. Baylor 투자사무국은 endowment가 10억 달러에서 50억 달러로 커지는 중간 지점에 있다.
   2. 50억~100억 달러에서 모든 것을 추적하려면 팀 성장, 시스템 구축, 프로세스의 systematization이 필요하다.
   3. 사무국이 스스로 굴러가는 self-perpetuating 조직이 되면서도 새로운 아이디어를 시도하는 창의성을 유지해야 한다.
   4. 10억에서 50억 달러 사이에는 단순한 규모 증가가 아니라 조직·데이터·의사결정 체계를 바꾸는 선택이 집중된다.
   5. 향후 2~3년 안에 이 전환 구간을 통과하고 더 빠르게 성장하는 것이 개인적으로 가장 기대되는 목표다.

주요 발언 모음

“Private가 존재하는 단 하나의 이유는 돈을 벌기 위해서다. Period.”

“Returns에 대해 말할 때는 time에 대해서도 말하지 않으면 안 된다.”

“학생은 returns로 등록금을 낼 수 없다. 학생은 dollars로 등록금을 내야 한다.”

“우리가 정말 원하는 것은 returns on capital이 아니라 capital의 velocity다.”

“나는 절대로 all-in하고 싶지 않다. 상황은 언제나 더 나빠질 수 있다.”

“소프트웨어는 100% 정확해야 한다. AI가 93% 정확하다는 것은 훌륭하지만, 장부가 맞아야 하는 문제에는 충분하지 않다.”

“우리는 달리는 차가 고속도로에 있는 동안 더 크고 새로운 엔진을 넣었다.”

“Longevity begets returns.”

핵심 데이터 & 수치

• Baylor endowment: 약 26억~27억 달러.
• 현재 자산배분: private 약 45%, public 약 55%.
• Private allocation range: 35~55%; 목표치는 약 45%.
• 연간 분배율: 약 5%; 장학금과 professorships 등 운영 재원으로 사용한다.
• 현금의 기회비용: 현금수익률 약 3.5%에 향후 기회를 위한 약 5%의 선택권 가치를 더해 약 8.5%로 계산한다.
• Anthropic 노출: endowment의 약 2.5%; SpaceX와 OpenAI에는 노출이 없다.
• 하락장 사례: 2026년 1분기 S&P 500 약 -4%에 Baylor는 보합.
• Private mark 관찰: 회수·상장 전 6~9개월 Baylor 보유자산 상승폭 약 60~90%, 시장 관찰치 약 30~50%.
• Growth equity 기대수익: 연율 약 30%; Baylor의 약 8% bogey를 상회한다.
• 목표 포지션 크기: underlying company당 약 250만~300만 달러.
• 전환기 성과: 2020~2021년 이후 private commitment를 약 60~70% 늘렸고, 올해 수익률은 약 18.5~19%로 예상한다.
• 데이터센터 부지: Baylor book의 허가·전력 확보 부지가 6개월 만에 약 50% 상승했다.
• 대형 기금의 materiality: 400억~500억 달러 endowment가 2,000만 달러를 50배로 만들어도 10억 달러, 전체의 약 2%다.

결론 및 시사점

1. 멀티플을 시간과 함께 보라: 15배라는 숫자를 보자마자 좋은 투자라고 판단하지 말고, weighted average life와 회수 후 재투자 가능성을 계산한다.
2. 자본 회전율을 관리하라: 최종 수익률보다 회수금이 다음 기회로 이동하는 속도가 장기 endowment 규모와 학교 분배액을 결정한다.
3. Private allocation을 먼저 잠가라: 비유동성 자산의 목표 범위와 force selling 방지선부터 정한 뒤 public·private 내 매니저를 배치한다.
4. 강제매각을 막을 유동성을 보유하라: 35~55% 범위와 5% 분배 의무를 감당할 현금을 유지하고, 기회비용을 연 8.5% 수준으로 비교한다.
5. 하락장에서 기계적으로 움직여라: 10% 단위로 유동성을 예약해 심리와 확신이 과도해지는 것을 막고, 반등 전 미투자 잔액을 감수한다.
6. 매니저의 역할과 성과를 분리해 평가하라: 좋은 수익률이 나와도 약속한 포지션과 다른 역할로 이동하면 포트폴리오 중복과 검증되지 않은 역량에 노출된다.
7. 매니저별 회사 노출을 material하게 만들라: 회사당 목표 달러를 역산해 승자 하나의 수익이 전체 기금에 실제 영향을 주도록 설계한다.
8. AI의 기술 가능성과 도입 현실을 구분하라: 93% 정확성의 AI가 핵심 장부를 대체하지 못하는 것처럼, 규제·신뢰·전환 비용이 실제 채택 속도를 결정한다.
9. Allocator와 전문 매니저를 결합하라: allocator는 인간 행동과 incremental capital의 방향을 판단하고, 매니저는 산업·기업·제품에 대한 현장 전문성을 제공한다.
10. 규모가 커질수록 시스템을 바꿔라: 10억에서 50억 달러로 가는 구간에서는 팀, 데이터, 프로세스, 플랫폼 구조를 확장하되 새로운 투자 기회를 찾는 창의성을 보존해야 한다.

핵심 요약 (20줄)

1. Baylor는 학령인구와 국제학생 감소로 등록금 압박이 커져 향후 10~15년 동안 endowment 분배금의 중요성이 높아진다고 본다.
2. 2026년 1분기 S&P 500이 약 4% 하락했을 때 Baylor는 보합을 기록하며 하방 방어력을 입증했다.
3. 하방 방어만으로는 시장 상승 기간의 복리를 놓치므로 최근 3~5년 동안 상승 참여를 위한 convexity를 추가했다.
4. 공개시장 포트폴리오는 가치·고품질 factor allocation을 중심으로 설계하고 장기 put 매수에 따른 theta 비용을 경계한다.
5. Private allocation은 35~55% 범위로 관리하며 정상 목표치는 약 45%이고 강제매각을 가장 큰 유동성 재난으로 본다.
6. Private book은 돈을 벌기 위한 수단이므로 real assets를 줄이고 VC·growth equity·expansion capital·buyout에 집중한다.
7. 18년 동안 15배가 되는 투자보다 6년마다 3배를 재투자해 18년 뒤 27배를 만드는 전략이 더 큰 부를 만든다.
8. Baylor는 수익률을 말할 때 반드시 시간을 함께 말하며 capital velocity를 return on capital보다 중요한 지표로 둔다.
9. VC는 긴 회수기간을 감수하는 다각화와 대형 승자에 대한 선택권이며 Anthropic 노출은 endowment의 약 2.5%다.
10. Baylor는 co-mingled fund의 평균 위험 대신 별도 실행을 통해 전체 포트폴리오에 맞는 risk-return profile을 조정한다.
11. Underlying company당 250만~300만 달러를 배치해 한 기업의 5배 성과가 전체 기금에 의미 있게 반영되도록 한다.
12. 매니저는 맡은 포지션을 지켜야 하며 데이터 없이 public equity의 현금 타이밍이나 VC 단계 전략을 바꾸면 재약정하지 않는다.
13. 소프트웨어가 50~60% 하락했을 때 기업의 핵심 CRM을 검증되지 않은 vibe coding 제품으로 교체하지 않을 것이라는 인간 행동을 근거로 매수했다.
14. AI의 93% 정확성은 훌륭하지만 장부처럼 100%가 필요한 소프트웨어를 대체하기에는 부족하다.
15. AI는 소프트웨어를 없애기보다 기업이 신뢰하는 기존 SaaS 위에 기능으로 전달될 가능성이 크다.
16. Baylor는 연간 약 5%를 분배하고 현금의 기회비용을 현금수익률과 미래 투자 선택권을 합친 약 8.5%로 계산한다.
17. 하락장에서는 10% 단위로 현금을 나눠 투입해 falling knife를 한 번에 잡는 감정적 결정을 피한다.
18. Undergraduate 중심 채용은 초기 5~6년의 육성 비용을 치르는 대신 장기근속과 조직 안정성을 얻는 방식이다.
19. 데이터센터 가치는 토지에서 전력·허가 확보 토지로 이동했고 Baylor의 관련 부지는 6개월 동안 약 50% 상승했다.
20. 대형 endowment는 소액 펀드 약정의 materiality가 낮아지므로 규모에 맞는 플랫폼·시스템·직접배분 구조로 진화해야 한다.