fallight.com

그냥 슬프다. 물론, 당신도 알 것이다. 그냥 슬프다는 의미를. 누구에게나 그냥 슬플 때가 있다. 아무 이유 없이, 슬픔이 밀어닥칠 때가 있다. 시선이 향하는 모든 곳에 슬픔이 묻어 나는 때가 있다. 갑자기 눈물이 치솟을 때가 있다. 누구에게나.

삶을 이해하려는 많은 노력을 해본다. 그러나 결코 이해할 수 없다. 사람이 이성에 의해 움직인다는 명명백백한 거짓말을 뒤로 하고 난 슬퍼할 수 밖에 없다.

나는 내 삶조차 통제하지 못한다. 아니, 조절하지 못한다. 내가 가야할 곳은 어디인가, 나는 어디로 가고 있는가, 나는 어디로 가야 하는가, 나는 애초에 어디에 있었는가….

나이를 헛 먹었다. 남은 건 흐르지 않는 눈물 뿐이다.

조낸 유치한 문장만 적었다.

사람들은 흔히 자기과신에 빠진다. 심리학자들에 의하면, 자기과신은 자신의 지식을 과대평가하고 위험을 과소평가하며, 자신의 통제력을 과대평가하는 문제를 야기한다. 투자 의사결정 과정에서 자기과신 현상이 발생하는가?

투자종목의 선정은 어려운 일이다. 그런데 바로 이런 유형의 업무에서 자기과신 현상이 가장 심하게 나타난다. 여러분은 자신의 능력을 과신하지 않는가?

*

투자는 힘든 과정을 거친다. 정보를 수집하고 분석하며, 그러한 정보를 바탕으로 의사결정을 하는 과정을 수반한다. 하지만 자기과신으로 인해 투자자들은 정보의 정확성을 잘못 해석하고, 자신의 정보 분석 능력을 과대평가한다. 이것이 그릇된 투자결정을 유도하는데, 너무 빈번하게 거래를 한다든지 과도한 위험을 부담한다든지 하여 궁극적으로 포트폴리오에 손실을 초래한다.

자기과신 문제를 지닌 투자자는 거래를 너무 빈번하게 한다. 또한 자기과신으로 인해 자신의 투자의견을 지나치게 확신하기 때문에 투자금액을 늘린다. 투자자들은 자신이 입수한 정보의 정확성 및 자신의 정보 분석 능력에 대한 믿음을 바탕으로 투자의견을 도출한다.

일반적으로 투자자는 자신이 입수한 정보의 정확성을 과대평가하고, 그러한 정보를 편파적으로 해석하는 경향이 있다. 자신의 능력을 과대평가하는 투자자는 특정 주식에 대한 자신의 평가를 지나치게 신뢰하고, 다른 사람의 믿음에 대해서는 상대적으로 관심을 더 기울인다.

*

자기과신은 투자자의 위험부담 행태에도 영향을 미친다. 합리적인 투자자는 위험부담을 최소화하면서 수익률을 극대화하려 한다. 그러나 자기과신 성향이 있는 투자자는 위험부담 수준을 잘못 해석한다. 자신이 선정한 종목이 높은 수익률을 거둘 것으로 확신한다면, 위험을 염두에 두겠는가?

자기 과신 성향을 지닌 투자자의 포트폴리오가 보다 높은 위험을 부담하는 데에는 두 가지 이유가 있다.

첫째, 그들은 고위험 주식에 투자하는 경향이 있다. 고위험 주식은 일반적으로 소형주나 신생기업의 주식이다. 둘째, 포트폴리오의 분산투자를 과소하게 하는 경향이 있다.

*

자기과신은 어디에서 비롯되는가? 그것은 부분적으로 지식 착각에서 나온다. 이것은 정보가 많을수록 예측이 정확해진다고 믿는 경향을 말한다. 즉, 정보가 많은수록 지식이 늘어나고, 그에 따라 의사결정의 정확성도 향상된다는 것이다.

하지만 반드시 그렇지는 않다. 예를 들어 내가 6면체 주사위를 던진 경우, 여러분은 어떤 숫자가 나올 것으로 생각하며, 자신의 선택이 옳다고 믿는 근거는 무엇인가?

… 다시말하면, 새로운 정보가 사람들로 하여금 자신의 예측을 보다 신뢰하도록 만든다. 실질적으로 정답을 맞힐 확률은 전혀 변하지 않았는데도 말이다.

*

투자자는 인터넷을 통해 방대한 정보에 접근한다. 이러한 정보에는 과거의 주가 추이나 수익률, 회사의 영업실적 등과 같은 역사적 자료뿐만 아니라 실시간 뉴스나 가격정보 및 거래량 등 현재의 정보도 포함된다. 개인투자자는 투자전문가와 마찬가지로 인터넷을 통해 능숙하게 정보를 획득한다.

하지만 대부분의 개인투자자는 투자전문가처럼 전문적인 훈련도 받지 않았고 경험도 쌓지 못했으므로, 정보를 어떻게 해석할지 잘 모른다. 즉, 개인투자자는 정보를 적절하게 해석하는 훈련을 받지 못했기 때문에, 동일한 정보를 갖더라도 투자상황을 정확하게 판단하지 못한다.

대다수의 개인투자자는 투자정보를 해석하는 자신의 능력에 한계가 있음을 인식하고, 인터넷을 통해 도움을 구한다. 그들은 인터넷을 통해 애널리스트의 투자의견을 얻기도 하고, 전문가 서비스나 뉴스 그룹에 가입하고, 대화방이나 웹 게시물을 통해 다른 투자자의 의견을 기웃거리기도 한다. 하지만 온라인 투자자는 인터넷에서 유통되는 투자의견들을 신중하게 받아들어야 한다. 모든 투자의견이 전문가의 견해는 아니기 때문이다.

 

실제로 그러한 정보 가운데 전문가의 견해는 별로 없다.

*

노벨경제학상 수상자 해리 마코위츠는 50년 전에 모든 투자대상을 하나의 완전한 포트폴리오로 생각하라고 조언했다.

마코위츠의 이론에 의하면, 투자자는 자신이 정한 위험수준에서 최고의 기대수익률을 제공하는 하나의 포트폴리오를 형성해야 한다. 다양한 투자대상을 조합하여 하나의 포트폴리오를 구축하려면, 투자자는 분산투자 방식을 생각해야 한다. 투자자들은 분산투자의 아이디어를 좋아한다.

하지만 그들은 마코위츠의 포트폴리오이론과는 다른 방식으로 분산투자를 한다.

포트폴리오 이론을 실천하려면, 개별 투자대상의 세 가지 중요한 특성을 고려해야 한다.

처음 두 가지 변수는 투자대상의 기대수익률과 위험수준(수익률의 표준편차로 측정)이다. 위험과 수익률의 조사에 대해서는 투자자들이 쉽게 이해한다. 세 번째 중요한 특성은 투자대상 수익률 간의 상관관계이다. 이것은 각 투자대상이 다른 투자대상과 어떻게 상호작용하는지를 나타낸다. 심리회계는 이와 같은 세 번째 특성의 실행을 어렵게 만든다.

… 투자자들은 포트폴리오 이론을 따르지 않고 투자대상별로 매수결정을 하여 포트폴리오를 형성한다. 일반적으로 투자자들은 뷔페식당에서 음식을 고르듯이 투자대상을 선택한다.

"이건 특이하구만. 맛을 좀 봐야지. 이것도 한번 먹어볼까. 이 요리도 들어 본 적이 있디."

투자자들은 새로운 종목을 매수하여 새로운 심리계좌를 개설하면서 투자대상의 상관관계를 고려하지 않는다. 왜냐하면 심리계좌 간에는 상호작용이 일어나지 않기 때문이다.

*

투자자는 심리계좌 상호 간 및 투자자산 간의 상호작용을 간과하는 경향이 있다. 결국 투자자의 분산투자는, 마코위츠의 포트폴리오이론에 따른, 의도적 자산 다양화가 아니라 투자목적의 다양화에서 비롯된다.

이러한 사실은 투자자가 효율적인 포트폴리오를 가지고 있지 않다는 의미이다. 결국 투자자는 자신이 얻는 수익률에 비해 너무 많은 위험을 부담한다. 달리 말하면, 투자자는 현재의 위험수준에서 보다 높은 수익률을 올릴 수 있다.

*

"이번에는 상황이 다르다. 예전의 평가척도는 이제 적합하지 않다."

군집행동이 극단으로 치닫는 기간에 항상 주장되는 코멘트이다. 왜냐하면 전통적인 척도로는 엄청나게 높은 주가를 정당화할 길이 없기 때문이다.

저울에 올라서니 체중이 30파운드가 늘었다면, 그 저울이 더 이상 가능하지 못함은 분명하다. 대중과 부화뇌동하여 투자하는 동안에는 재무자료 분석을 근거로 투자하는 것이 아니라 신념을 바탕으로 투자한다.

* 존 R. 노프싱어, 『투자의 심리학』, 스마트비지니스

사람들은 흔히 자기과신에 빠진다. 심리학자들에 의하면, 자기과신은 자신의 지식을 과대평가하고 위험을 과소평가하며, 자신의 통제력을 과대평가하는 문제를 야기한다. 투자 의사결정 과정에서 자기과신 현상이 발생하는가?

투자종목의 선정은 어려운 일이다. 그런데 바로 이런 유형의 업무에서 자기과신 현상이 가장 심하게 나타난다. 여러분은 자신의 능력을 과신하지 않는가?

*

투자는 힘든 과정을 거친다. 정보를 수집하고 분석하며, 그러한 정보를 바탕으로 의사결정을 하는 과정을 수반한다. 하지만 자기과신으로 인해 투자자들은 정보의 정확성을 잘못 해석하고, 자신의 정보 분석 능력을 과대평가한다. 이것이 그릇된 투자결정을 유도하는데, 너무 빈번하게 거래를 한다든지 과도한 위험을 부담한다든지 하여 궁극적으로 포트폴리오에 손실을 초래한다.

자기과신 문제를 지닌 투자자는 거래를 너무 빈번하게 한다. 또한 자기과신으로 인해 자신의 투자의견을 지나치게 확신하기 때문에 투자금액을 늘린다. 투자자들은 자신이 입수한 정보의 정확성 및 자신의 정보 분석 능력에 대한 믿음을 바탕으로 투자의견을 도출한다.

일반적으로 투자자는 자신이 입수한 정보의 정확성을 과대평가하고, 그러한 정보를 편파적으로 해석하는 경향이 있다. 자신의 능력을 과대평가하는 투자자는 특정 주식에 대한 자신의 평가를 지나치게 신뢰하고, 다른 사람의 믿음에 대해서는 상대적으로 관심을 더 기울인다.

*

자기과신은 투자자의 위험부담 행태에도 영향을 미친다. 합리적인 투자자는 위험부담을 최소화하면서 수익률을 극대화하려 한다. 그러나 자기과신 성향이 있는 투자자는 위험부담 수준을 잘못 해석한다. 자신이 선정한 종목이 높은 수익률을 거둘 것으로 확신한다면, 위험을 염두에 두겠는가?

자기 과신 성향을 지닌 투자자의 포트폴리오가 보다 높은 위험을 부담하는 데에는 두 가지 이유가 있다.

첫째, 그들은 고위험 주식에 투자하는 경향이 있다. 고위험 주식은 일반적으로 소형주나 신생기업의 주식이다. 둘째, 포트폴리오의 분산투자를 과소하게 하는 경향이 있다.

*

자기과신은 어디에서 비롯되는가? 그것은 부분적으로 지식 착각에서 나온다. 이것은 정보가 많을수록 예측이 정확해진다고 믿는 경향을 말한다. 즉, 정보가 많은수록 지식이 늘어나고, 그에 따라 의사결정의 정확성도 향상된다는 것이다.

하지만 반드시 그렇지는 않다. 예를 들어 내가 6면체 주사위를 던진 경우, 여러분은 어떤 숫자가 나올 것으로 생각하며, 자신의 선택이 옳다고 믿는 근거는 무엇인가?

… 다시말하면, 새로운 정보가 사람들로 하여금 자신의 예측을 보다 신뢰하도록 만든다. 실질적으로 정답을 맞힐 확률은 전혀 변하지 않았는데도 말이다.

*

투자자는 인터넷을 통해 방대한 정보에 접근한다. 이러한 정보에는 과거의 주가 추이나 수익률, 회사의 영업실적 등과 같은 역사적 자료뿐만 아니라 실시간 뉴스나 가격정보 및 거래량 등 현재의 정보도 포함된다. 개인투자자는 투자전문가와 마찬가지로 인터넷을 통해 능숙하게 정보를 획득한다.

하지만 대부분의 개인투자자는 투자전문가처럼 전문적인 훈련도 받지 않았고 경험도 쌓지 못했으므로, 정보를 어떻게 해석할지 잘 모른다. 즉, 개인투자자는 정보를 적절하게 해석하는 훈련을 받지 못했기 때문에, 동일한 정보를 갖더라도 투자상황을 정확하게 판단하지 못한다.

대다수의 개인투자자는 투자정보를 해석하는 자신의 능력에 한계가 있음을 인식하고, 인터넷을 통해 도움을 구한다. 그들은 인터넷을 통해 애널리스트의 투자의견을 얻기도 하고, 전문가 서비스나 뉴스 그룹에 가입하고, 대화방이나 웹 게시물을 통해 다른 투자자의 의견을 기웃거리기도 한다. 하지만 온라인 투자자는 인터넷에서 유통되는 투자의견들을 신중하게 받아들어야 한다. 모든 투자의견이 전문가의 견해는 아니기 때문이다.

실제로 그러한 정보 가운데 전문가의 견해는 별로 없다.

*

노벨경제학상 수상자 해리 마코위츠는 50년 전에 모든 투자대상을 하나의 완전한 포트폴리오로 생각하라고 조언했다.

마코위츠의 이론에 의하면, 투자자는 자신이 정한 위험수준에서 최고의 기대수익률을 제공하는 하나의 포트폴리오를 형성해야 한다. 다양한 투자대상을 조합하여 하나의 포트폴리오를 구축하려면, 투자자는 분산투자 방식을 생각해야 한다. 투자자들은 분산투자의 아이디어를 좋아한다.

하지만 그들은 마코위츠의 포트폴리오이론과는 다른 방식으로 분산투자를 한다.

포트폴리오 이론을 실천하려면, 개별 투자대상의 세 가지 중요한 특성을 고려해야 한다.

처음 두 가지 변수는 투자대상의 기대수익률과 위험수준(수익률의 표준편차로 측정)이다. 위험과 수익률의 조사에 대해서는 투자자들이 쉽게 이해한다. 세 번째 중요한 특성은 투자대상 수익률 간의 상관관계이다. 이것은 각 투자대상이 다른 투자대상과 어떻게 상호작용하는지를 나타낸다. 심리회계는 이와 같은 세 번째 특성의 실행을 어렵게 만든다.

… 투자자들은 포트폴리오 이론을 따르지 않고 투자대상별로 매수결정을 하여 포트폴리오를 형성한다. 일반적으로 투자자들은 뷔페식당에서 음식을 고르듯이 투자대상을 선택한다.

"이건 특이하구만. 맛을 좀 봐야지. 이것도 한번 먹어볼까. 이 요리도 들어 본 적이 있디."

투자자들은 새로운 종목을 매수하여 새로운 심리계좌를 개설하면서 투자대상의 상관관계를 고려하지 않는다. 왜냐하면 심리계좌 간에는 상호작용이 일어나지 않기 때문이다.

*

투자자는 심리계좌 상호 간 및 투자자산 간의 상호작용을 간과하는 경향이 있다. 결국 투자자의 분산투자는, 마코위츠의 포트폴리오이론에 따른, 의도적 자산 다양화가 아니라 투자목적의 다양화에서 비롯된다.

이러한 사실은 투자자가 효율적인 포트폴리오를 가지고 있지 않다는 의미이다. 결국 투자자는 자신이 얻는 수익률에 비해 너무 많은 위험을 부담한다. 달리 말하면, 투자자는 현재의 위험수준에서 보다 높은 수익률을 올릴 수 있다.

*

"이번에는 상황이 다르다. 예전의 평가척도는 이제 적합하지 않다."
군집행동이 극단으로 치닫는 기간에 항상 주장되는 코멘트이다. 왜냐하면 전통적인 척도로는 엄청나게 높은 주가를 정당화할 길이 없기 때문이다.

저울에 올라서니 체중이 30파운드가 늘었다면, 그 저울이 더 이상 가능하지 못함은 분명하다. 대중과 부화뇌동하여 투자하는 동안에는 재무자료 분석을 근거로 투자하는 것이 아니라 신념을 바탕으로 투자한다.



* 존 R. 노프싱어, 『투자의 심리학』, 스마트비지니스

.

결국 당신도 늙는구나.

다시는 만나지 않기를.

누구에게나 인생의 전환점이 있다. 아니, 전환점이 아니더래도 그 순간 이전의 기억은 모두 사라지는 그런 순간이 있다. 나에게 그런 순간이란 한 사람으로 귀결된다. 그 사람 이전의 모든 기억은 그 사람으로 수렴되고, 그 사람을 떠올리기 전엔 아무 것도 기억나지 않는다. 그 사람을 잊게 되면 내 수 년간의 기억 역시 사라지는 그런 사람. 누구에게나 인생에 그런 사람은 있다.

나는 차마 그 사람을 대면할 수 없다. 마치 도플갱어(Doppelganger) 같은, 만나게 되면 둘 중의 하나는 죽게되는, 내 현실은 사라지고 과거의 기억이 나를 괴롭히는 상태가 되고 마는, 너무나 만나고 싶지만 너무나 만날 수 없는.

인생은 참 슬프다. 이건 절대 진리다. 그러나, 슬프게 살 수는 없다. 슬픈 인생을 슬프게 살면 그건 아무 것도 아니다. 세상은 가만히 있어도 날 슬프게 만들테니까. 슬픈 인생을 슬프지 않게 사는 것, 그것만이 내 존재의 이유를 말해준다. 그렇지 않다면 죽는 것과 다름 없다.

그러나 가끔은 세상에 날 맡기고 그저 흐르고 싶다. 어느 둔치에 걸려 그대로 썩고 싶다. 그게 나쁜 것이라, 하지 말아야 할 것이라, 할 수 있는 이는 아무도 없다….

세상 사는 데 좋은 일만 있을 수는 없다. 유쾌한 기분으로만 살 수는 없다. 내가 의도치 않게, 혹은 상대방이 의도치 않게 서로의 마음을 상할 수 있다. 대개의 경우 그것은 말로써 촉발된다.

헝클어진 문제의 시작을 따라가보면, 내 잘못이 아님에도 불구하고 내가 측은해져야 하고 무척이나 언짢해져야 하는 경우가 있다. 그것들은 꺼지지 않는 낡은 영사기처럼 대가리속에 떠올라 생각을 교란시킨다. 화가 났다, 측은해졌다, 우스워졌다… 조울증 걸린 미친 놈처럼 정신 둘 곳을 찾지 못한다.

인간이란 존재는 스스로 조절하기도 어려울 뿐 아니라 이해하기도 어렵다. 언제나 그렇듯, 선택은 세 가지다 ⅰ) 나를 접고, 숙이고 상대방을 무조건적으로 수용하는 것--무조건적으로 수용하지 않으면 상대방은 절대 순수히 받아들이지 않는다--ⅱ) 나와 제대로 맞는 이와만 교류하는 것.--평생에 걸쳐 두 명을 만날 수 있었다.-- ⅲ) 오롯이 홀로 지내는 것.

인간관계란 거미줄처럼 가늘어서 끊기면 바람에 날려 어디론가 사라져서 다시는 찾을 수 없다. 그리고 망각은 기억보다 막강하기에 관계의 흔적조차 떠오르지 않게 한다.

내게 가장 편한 건 홀로 지내는 것, 그러나 외로움에의 두려움은 이런 불편함을 감수하게 만든다. 나란 존재가--혹은 인간 존재가-- 본질적으로 나약하게 태어난데서 연유하는 태생적 한계의 위력. 물론, 이게 순전히 나의 변명일 수 있다. 자기 기만이나 자기 합리화일 수 있다. 그러나 중요한 건, 아무리 이성적으로 나를 분석하여 해답을 알게된다한들 내 생각에는 변함이 없을 거라는 사실이다. 정신분석학의 발전에도 불구하고 현대 사회의 정신병이 결코 줄어들지 않는 이유는 다름 아니다.

학교 문예창작학과 초청으로 소설가 K가 왔다. 근래 어느 대학에 출강한다는 얘기와 함께 자기는 시를 쓰고 싶었지만 소설을 쓰게 됐다는 얘기를 하면서, 그래서인지 자신은 제목에 꽤 심혈을 기울인다고 했다. 지난번 국어국문학과 강연회의 소설가 P가 했던 말과 똑같았다. 그런데 실상 제목에 심혈을 기울이지 않는 작가가 얼마나 될까?

자신이 하는 문학을 '순수' 문학이라면서 고정독자 만오천명을 위해 소설을 쓴다고 했을 땐 헛웃음만 나왔다. 요즘 학생들이 책을 안 읽는다고 '쉬운 소설' 부터 친구들에게 권하라는 말에선 어처구니가 없었다. 소설가 J가 D신문에 '한국 소설이 재미없다고요?' 라고 쓴 칼럼을 읽고 느꼈던 그 어처구니 없음을 그대로 K에게서 느낄 줄이야!

이 땅의 소설가들은 일반 독자들이 언제나 그들의 지고지순한 문학적 성과를 받들어줘야하고, 그들의 소설을 이해하지 못하는 독자들은 수준이 낮은 천민 대중으로 밖엔 생각지 못한다. 문단이라는 좁아터진 테두리 안에서 비평가와 작가가 그들만의 세계에서 짝짝꿍하며 서로 띄워주는 이 비정상적인 나라에서 독자는 하위층으로 계급지어졌다.

현대의 고전이라 불리는 문학은 결코 그 시대의 독자들과 괴리되어있지 않았다. 그들이 읽힌 이유는 그만큼 쉬웠기 때문이고, 그만큼 감동적이었기 때문이고 그만큼 재밌었기 때문이다. 요즘 같이 현학적이고 알아먹지도 못할 평론이 없어도 문학은 충분히 평가 받았다.

수준 낮은 독자 핑계, 감각적인 영화 핑계, 퇴폐해가는 사회 핑계…. 도대체 변명거리는 어디서 그렇게들 갖고 오는지. 소설가 답다. '순수' 문학? 요즘은 '순수' 문학을 알아보는 사람이 없다고? 아주 웃기고 자빠졌네. 자신들이 쓴 소설이나 다시 읽어보고 똑바로 본인의 주제를 아는 게 선행될 일이 아닐까.

기본적으로, 삶은 슬프다. --갑자기 어떤 비평가의, 요즘 작가들(90년대)이 쉼표를 너무 남발해서 문장을 망가뜨린다는 요지의 글을 본 게 생각 난다.-- 그래도 나는, 삶은 슬프지 않다고, 죽을 때까지 주장하련다.

Wednesday, December 22, 1999
Man o'War voted best of 20th Century

--------------------------------------------------------------------------------
Associated Press

NEW YORK -- Man o'War and Secretariat, two mighty chestnut colts, ran 1-2 in the race for Horse of the Century.


Man o'War, owned by Samuel D. Riddle and trained by Louis Feustel, won nine of 10 starts as a 2-year-old, then was unbeaten in 11 starts in 1920 before being retired. His loss in 1919 was a second-place in the Sanford at Saratoga to a horse named Upset.


Man o'War was selected as the greatest horse of the century by a six-member panel of experts assembled by The Associated Press. He received four first-place votes to one for Secretariat.

Secretariat won 16 of 21 starts in two years of racing and won the Triple Crown in 1973.


"I'm really thrilled these people in racing who have seen so many good horses would rank Secretariat with Man o'War," said Penny Chenery, who raced Secretariat.


"He had the same electric presence as Man o'War. Going to see Man o'War in the first half of the century was something. Seeing Secretariat in the second half of the century was the same thing."


Citation and Native Dancer tied for third. Citation once won 16 straight races, while Native Dancer's only loss in 22 career starts was a second place in the 1953 Kentucky Derby.


The great gelding Kelso, Horse of the Year five times (1960-64), was fifth.


Rounding out the top 10 were: Tom Fool -- who received the other first-place vote -- Dr. Fager, Count Fleet, Spectacular Bid, and Forego and Seattle Slew, who tied for 10th.




Horses of both sexes were eligible for Horse of the Century, but the top 10 were all males.


As a 3-year-old, Man o'War did not start in the Kentucky Derby, but he won the Preakness and Belmont Stakes. He had only one rival in the Belmont, and he beat him by 20 lengths. His margin of victory in the Lawrence Realization at Belmont Park in 1920 was 100 lengths.


Secretariat won 16 of 21 starts in two years of racing. Trained by Lucien Laurin, he was Horse of the Year in 1972 and again in 1973 when he became the first Triple Crown champion since Citation in 1948.


His Triple Crown was an amazing three-race performance. He became the first horse to break 2 minutes in the 1¼-mile Kentucky Derby (1:59 2-5), won the Preakness with an incredible last-to-first move on the first turn, then won the Belmont by 31 lengths in a world record of 2:24 for 1½-miles on the dirt.


In a separate vote for fillies and mares, Ruffian was picked No. 1, ahead of Twilight Tear. Ruffian was the only filly or mare to get a vote in the horses of both sexes category.


"That is terrific; I'm very pleased," said Stewart Janney III, whose parents owned the filly, trained by Frank Y. Whitely. "She provided us with excitement and unfortunately a moment of great tragedy."


Ruffian, champion 3-year-old filly of 1975, never lost to a filly in her first 10 career starts, but in a match race against Kentucky Derby-winning colt Foolish Pleasure in 1975, she broke down and was euthanized.


Twilight Tear, owned by Calumet Farm and trained by Ben Jones, was champion 3-year-old filly in 1944 when she won 14 of 17 starts and beat males.


--------------------------------------------------------------------------------

작성자 운영자 추천: 0, 조회: 6, 분류: Etc.
속도지수 산출 근거 기록을 찾습니다.
답변 늦어서 죄송합니다.

속도지수를 산출하기 위해 경주당일부터 3년 전의 우승마의 주로상태별 평균기록을

사용합니다.



오늘 현재('05.11.6)부터 3년전 기간의 우승마 평균기록은 다음과 같습니다.



<서울경마공원>

-----------------

거리 주로 평균기록

-----------------

1000 건조 62.734
1000 다습 62.556
1000 불량 62.003
1000 양호 62.764
1000 포화 62.010
1200 건조 76.644
1200 다습 76.199
1200 불량 75.400
1200 양호 76.590
1200 포화 75.457
1400 건조 89.695
1400 다습 88.955
1400 불량 88.251
1400 양호 89.356
1400 포화 88.006
1700 건조 113.757
1700 다습 113.034
1700 불량 111.773
1700 양호 113.851
1700 포화 111.661
1800 건조 120.071
1800 다습 119.453
1800 불량 118.150
1800 양호 120.007
1800 포화 118.032
1900 건조 126.951
1900 다습 126.075
1900 불량 124.860
1900 양호 126.478
1900 포화 124.522
2000 건조 133.109
2000 다습 131.165
2000 불량 130.880
2000 양호 132.930
2000 포화 129.946
2300 건조 152.744
2300 다습 154.950
2300 양호 150.400
2300 포화 145.900
-----------------





부산의 경우는 3년간이 아니라, 최초 모의경주('04.11.28)부터 반영되니 1년 정도의

우승마 평균기록입니다.



-----------------

거리 주로 평균기록

-----------------

1000 건조 63.029
1000 다습 62.667
1000 불량 61.380
1000 양호 62.681
1000 포화 63.062
1200 건조 76.143
1200 다습 75.596
1200 불량 73.900
1200 양호 75.970
1200 포화 75.707
1400 건조 89.900
1400 다습 87.944
1400 불량 87.200
1400 양호 89.410
1400 포화 89.150
1600 건조 103.457
1600 다습 100.450
1600 불량 102.500
1600 양호 101.987
1800 건조 118.167
1800 양호 119.550

-----------------



이용해주셔서 고맙습니다.







<참고: 출주마 분석정보 보는 법>



⑭ 속도지수 : "거리별 주로상태별 최근 3년간(출주일기준)의 우승마 평균경주기록"을 100으로 잡고
-0.2초(1마신)마다 1을 더하고 +0.2초마다 1을 빼서 계산. 지수가 클수록 경주기록이 좋음.
예) 3년간 1000m 건조 주로에서의 평균우승기록이 1:03.0일 때
해당마가 건조주로에서 1:02.0의 경주기록일 경우 속도지수는 105가 됨.
해당마가 건조주로에서 1:03.4의 경주기록일 경우 속도지수는 98이 됨.
- 1년 최고 : 1년간 최고 속도지수
- 최근속도 : 직전 경주 속도지수
- 6월평균 : 6개월간 평균 속도지수




--------------------- 원본글 --------------------
> 글쓴이 : 이정원
> homepage :
> E-mail : fallight@fallight.com
> 제 목 : 속도지수 산출 근거 기록을 찾습니다.
------------------------------------------------


안녕하세요.



유용한 사이트 잘 이용하고 있습니다.

금주의 경마 > 출주마 혈통정보 상에 나타나는 속도지수의 근거가 되는 거리별, 주로상태별 평균기록을 찾습니다. 군별 경주기록을 찾아보았는데 나와있지는 않네요. 가능하다면 제공해주시면 감사하겠습니다.



그리고 부산 경마의 경우 아직 표본이 많지 않을텐데 혹시 서울 경마장의 표본을 근거로 삼고 산출하는 건지도 알고 싶습니다.



환절기 감기 조심하시고,

답변 부탁드립니다.

지방에서 친구가 올라와 간만에 모여 토요일 저녁부터 마시기 시작해서 일요일 새벽까지 먹다가 도저히 더 먹질 못하고 모두 게워냈다. 정답이 없는 돌고 도는 얘기로 쓸데없는 논쟁 때문에 더 역했던지 자리가 파하고도 잠을 못 자 다시 게워냈다. 오랜만이라는 것과 이상하게 괴롭지 않았다는 것.

아침을 먹고 집에 오니 13시. 샤워를 하고 잠에 들었다 깨어나보니 새벽 2시다. 온통 막막하다.

바퀴벌레와 모기 때문에 골치 아프다. 11월인데 그렇게 춥지 않고, 방안은 더더욱 춥지 않으니 이들이 활개치기 딱 좋다. 세워서 꽂아놓은 책더미의 구석구석을 다니면서 똥을 싸놓으니 이것 참 난감한 일이다. 그래서 오늘 책을 모두 눕혀 놓았는데 과연 효과가 있을런지… 책장을 하나 더 사기 전까지는 어쩔 수 없다.

바퀴벌레와 모기는 먹이가 있는 곳에 모이는 습성이 있다. 책장 가까이 쓰레기통과 내 간식거리가 있고 (바퀴벌레) 나는 집에서 대부분 내 방에 있다. (모기) 사람들은 돈이 있는 곳에 모이는 습성이 있는데 성욕, 식욕 등의 원초적, 추상적 욕망들이 돈이라는 개체를 통해 객관적인 모습으로 드러나는 게 아닐까 싶다. '돈벌레' 라는 말을 누가 만들어 냈는지 너무나 탁월하다.


다시 돌아온 환절기 덕분에 비염이 극성이다. 계절이 바뀌는 걸 누구보다 확실히 알 수 있다는, 단점에 비해 너무 초라한 장점이 있긴 하다. 곧 겨울이다.


시창작 강의, 시인 K 교수가 몇주 전 실습시를 고쳐 써오라더니 어제 따로 불러내 내가 '하늘이 내려주신 시적 재능'을 타고 났으니 더 열심히 써보라고 격려했다. 그 자리에선 웃으며 감사하다고 하는 수 밖에 없었으나 돌아서니 혼란스러워졌다. 첫째로, 하늘이… 같은 찬사는 너무 과해서 진실성이 느껴지질 않는다. 더욱이 워낙 칭찬을 좋아하는 분이니까. 둘째로, 이미 시인이 되기에는 너무 늙었다. 문학은, 소위 천재의 문학이 아니면 --적어도 나에겐-- 아무 의미가 없다. 셋째로, 경영학적인 삶(?)과 시적인 삶(?)은 나에게 양립할 수 없는 것으로 느껴진다. 이성적이고 규칙적인 삶과 감정적이고 무규칙적인 삶이 공존할 수 있겠는가? (둘다 자신없지만) 시쓰기는 무척 비효율적이고, 고통스런 부끄러움이다. 가난한 소크라테스보다 배부른 돼지가 좋다. 독살과 살육의 차이를 나는 모른다.


방금 바퀴벌레 한 마리를 죽였다. 애를 배고 있었다.

가끔 생각해보지만 어느 외딴 섬에 바퀴벌레 월드(Roach World)를 만들어서 세상 모든 바퀴벌레들이 그들끼리 잘 먹고 잘 살수 있도록 했으면 하는 바램을 가진다. 그러다가 문득 이게 바로 히틀러의 유태인 척결과 다를 게 뭐냐는 생각을 한다.

각군별 1착마의 평균기록, 최고기록, 최저기록, 그리고 경주수도 함께 정리하였으니 유익하게 이용하시길 바랍니다.

현재의 군이 형성된 것은 2002년 2월 부터이므로 2002년 2월 부터 총 2,726개 경주의 1착마 2,726마리를 대상으로
정리하였습니다.

아울러 최근에 시행되는 외1가,나, 국1가,나 군의 데이터는 아직 경주수가 많질 않은 관계로
외1군과 국1군에 혼합하여 정리하였슴을 알려드립니다.


HND(Human & Dream, Horse & Data) 드림





각군별 1착마의 거리, 함수율별 평균 기록

함수율
군 거리 0~4% 5~9% 10~14% 15~19% 20%
국1 1400 1281 1289 1270 0 0
1700 0 1528 0 0 1491
1800 1590 1592 1578 1580 1579
1900 2080 2065 2065 2045 2052
2000 2141 2138 2115 2122 2106
국2 1400 1294 1274 1283 1292 0
1700 1526 1532 1542 1507 1515
1800 2017 2006 2004 1589 1583
1900 2091 2083 2072 2071 2076
2000 2146 2150 0 2101 0
국3 1200 1171 1159 0 0 0
1400 1298 1292 1288 1279 1281
1700 1546 1543 1537 1532 1529
1800 2024 2020 2011 1591 2008
국4 1200 1167 1164 1164 1154 1154
1400 1303 1301 1296 1292 1290
1700 1560 1549 1545 1540 1531
국5 1000 1034 1032 1029 1027 1024
1200 1173 1173 1169 1165 1161
1400 1312 1313 0 0 0
외1 1400 1285 0 0 0 0
1800 1596 1587 1582 1566 1550
1900 2066 2058 2051 2037 2035
2000 2132 2128 2123 2122 2112
외2 1400 1279 1281 1284 1278 0
1700 1536 1537 1526 1526 1503
1800 2007 2006 1599 1594 1590
1900 2088 2073 2072 2062 0
2000 2154 2151 2097 0 0
외3 1200 1156 1165 1146 0 0
1400 1295 1287 1283 1289 1275
1700 1537 1534 1523 1508 1527
외4 1000 1026 1023 1021 1019 1009
1200 1163 1157 1156 1152 1150
1400 1326 1292 0 1281 0


각군별 1착마의 거리, 함수율별 가장 좋은 기록

함수율
군 거리 0~4% 5~9% 10~14% 15~19% 20%
국1 1400 1269 1289 1270
1700 1528 1491
1800 1575 1571 1562 1574 1579
1900 2056 2037 2044 2034 2029
2000 2123 2096 2077 2089 2086
국2 1400 1288 1261 1272 1292
1700 1526 1518 1539 1507 1515
1800 1588 1564 1578 1577 1561
1900 2053 2046 2054 2029 2057
2000 2141 2134 2101
국3 1200 1171 1159
1400 1282 1269 1274 1253 1263
1700 1521 1512 1513 1502 1508
1800 1599 1593 1585 1566 1595
국4 1200 1152 1143 1140 1140 1140
1400 1273 1261 1271 1263 1270
1700 1541 1522 1524 1521 1524
국5 1000 1012 1013 1011 1005 1011
1200 1153 1138 1150 1136 1145
1400 1294 1299
외1 1400 1283
1800 1572 1549 1570 1552 1550
1900 2058 2026 2032 2021 2010
2000 2104 2082 2090 2106 2107
외2 1400 1273 1262 1280 1273
1700 1524 1525 1508 1526 1499
1800 1568 1569 1572 1581 1552
1900 2063 2049 2039 2027
2000 2154 2148 2097
외3 1200 1147 1145 1141
1400 1273 1258 1260 1263 1258
1700 1517 1507 1500 1488 1510
외4 1000 1008 1007 1006 1004 1003
1200 1144 1127 1137 1123 1137
1400 1326 1283 1281

각군별 1착마의 거리, 함수율별 가장 나쁜 기록

함수율
군 거리 0~4% 5~9% 10~14% 15~19% 20%
국1 1400 1292 1289 1270
1700 1528 1491
1800 2001 2017 1594 1586 1579
1900 2102 2101 2085 2054 2074
2000 2164 2190 2133 2146 2130
국2 1400 1300 1284 1303 1292
1700 1526 1545 1545 1507 1515
1800 2055 2033 2026 2008 2008
1900 2127 2106 2088 2108 2093
2000 2151 2168 2101
국3 1200 1171 1159
1400 1309 1311 1304 1298 1293
1700 1577 1571 1570 1564 1544
1800 2044 2069 2041 2009 2027
국4 1200 1178 1192 1178 1171 1167
1400 1325 1327 1318 1310 1307
1700 1579 1586 1565 1558 1538
국5 1000 1055 1055 1049 1041 1040
1200 1195 1201 1191 1184 1169
1400 1336 1327
외1 1400 1287
1800 2020 2015 1591 1591 1550
1900 2087 2093 2075 2055 2054
2000 2159 2158 2159 2133 2116
외2 1400 1285 1287 1288 1284
1700 1547 1559 1543 1526 1506
1800 2064 2051 2028 2010 2022
1900 2131 2095 2098 2101
2000 2154 2153 2097
외3 1200 1164 1180 1152
1400 1320 1315 1309 1309 1300
1700 1558 1561 1539 1522 1544
외4 1000 1047 1038 1034 1037 1016
1200 1180 1179 1178 1176 1172
1400 1326 1307 1281


각군별 1착마의 거리, 함수율별 마필 두수

함수율
군 거리 0~4% 5~9% 10~14% 15~19% 20%
국1 1400 2 1 1
1700 1 1
1800 4 10 2 2 1
1900 10 19 12 5 2
2000 17 24 7 9 7
국2 1400 2 3 3 1
1700 1 4 2 1 1
1800 17 32 16 8 9
1900 23 22 8 11 3
2000 2 6 1
국3 1200 1 1
1400 19 40 18 13 8
1700 31 63 24 13 11
1800 18 29 14 5 3
국4 1200 24 39 19 11 12
1400 80 136 72 26 21
1700 10 26 13 8 5
국5 1000 105 187 83 53 26
1200 67 147 60 41 19
1400 6 7
외1 1400 2
1800 6 9 4 3 1
1900 8 16 8 3 5
2000 18 28 17 4 2
외2 1400 4 5 2 3
1700 3 6 4 1 2
1800 18 25 12 6 7
1900 13 16 6 3
2000 1 3 1
외3 1200 3 6 4
1400 38 61 18 12 11
1700 20 29 14 4 2
외4 1000 34 53 18 19 4
1200 40 63 37 18 11
1400 1 3 1
총합계 648 1120 499 285 174