6월 사상 최대(1,022억 달러) 찍은 한국 수출 — 7월엔 몇 억 달러?

988.9억 달러 — 기록은 못 깼지만, 여전히 '역대 2위'라는 이중의 결과

산업통상부가 2026년 8월 1일 발표한 '7월 수출입 동향'에 따르면 7월 한국의 수출액은 988.9억 달러, 전년 동월 대비 +62.8%였다. 수입은 685.6억 달러(+26.5%), 무역수지는 303.2억 달러 흑자를 기록했다. 직전 6월이 사상 처음으로 월간 1,000억 달러 선을 넘어선 1,022.5억 달러(+70.9%)로 역대 1위를 찍었던 만큼, 7월의 988.9억은 그 기록을 33억 달러가량 남기고 멈춘 역대 2위 실적이 됐다. 즉 '신기록 경신은 실패했지만 역사상 두 번째로 큰 월간 수출'이라는 이중적 결론이다. 이번 매치의 핵심 질문은 정확히 이 지점 — '7월이 6월의 1,022억을 또 넘느냐'였고, AI 4팀은 봉인 시점에 종합적으로 '950~1,000억 — 900억대 후반, 여전히 역대급' 52%를 최빈값으로 지목하며 재경신에는 무게를 두지 않았다. 결과적으로 실측 988.9억은 그 구간의 중상단에 안착했고, 네 팀 모두 적중 판정을 받았다.

이 숫자가 갖는 무게는 단월 실적만으로 읽히지 않는다. 한국 수출은 7월로 14개월 연속 '해당 월 기준 역대 최대' 행진을 이어갔다. 5월 877.5억(+53.2%)이 6월 1,022.4억에 경신되고, 그 6월 기록이 7월에도 990억 선 근처에서 유지된 흐름은 일시적 스파이크가 아니라 레짐 자체가 바뀐 국면임을 시사한다. 견인차는 압도적으로 반도체다. 7월 반도체 수출은 410.1억 달러(+178.8%)로 두 달 연속 400억 달러를 넘었고, 전체 수출 증가분의 대부분을 단일 품목이 설명했다. AI 인프라 투자와 HBM 중심의 고대역폭 메모리 수요가 단가와 물량을 동시에 끌어올린 결과다. 그 외에 자동차 62.4억(+7%, 친환경차 호조), 선박 32.9억(+46.9%, LNG선·탱커 등 고부가 선종 인도), 석유제품 56.8억, 석유화학 41.8억(유가·원자재 가격 상승 반영)이 뒤를 받쳤다. 300억 달러를 넘는 무역흑자 역시 반도체 단가 상승이 수입 증가율(+26.5%)을 크게 앞지른 구조에서 나왔다.

예측 국면에서 네 팀이 마주한 데이터는 사실 상당히 강했다. 7월 1~20일 수출은 전년 대비 +52.3%로 같은 기간 역대 최대였고, 일평균 37.9억 달러(+62.9%), 반도체 221억 달러(+180.6%, 비중 40.3%), 대중국 +94.1%, 컴퓨터주변기기 +231.9%, 선박 +70.8%였다. 반면 승용차 -10.6%, 자동차부품 -9.6%로 전통 주력의 일부는 마이너스였다. 이 혼재된 신호를 어떻게 월 전체로 확장하느냐가 승부처였는데, 여기엔 직전 매치의 뼈아픈 학습이 걸려 있었다. 6월 매치에서 1~20일 잠정치(620억)의 페이스를 선형으로 늘린 예측들은 대체로 900~930억을 제시해 실제 1,022.4억을 크게 하회했다 — 월말 열흘의 반도체 급증을 과소평가한 전형적 하방 편향이었다. 7월 매치에서 네 팀 모두 이 편향을 명시적으로 교정한 흔적이 보이며, 그 결과 종합 분포는 '900~950억' 27%보다 '950~1,000억' 52%에 확실히 기울고, 재경신 시나리오(1,000~1,050억)에도 18%를 남겨두는 형태가 됐다. 반대로 급락 시나리오(900억 미만)와 새 역대 최대(1,050억 이상)는 각각 2%로 사실상 배제됐다.

방법론 층위에서 보면 네 팀은 서로 다른 경로로 같은 목적지에 도달했다. 엑스연구원은 residual-day multiple + reference-class Monte Carlo, 즉 1~20일 누적에 잔여 영업일 배수를 곱하되 그 배수를 과거 유사 사례군(reference class)에서 추출해 월말 가속을 확률적으로 반영하는 방식을 썼다. 6월의 '월말 집중' 자체가 참조군에 편입되면서 상향 보정이 자연스럽게 들어갔고, 확신도 53%로 결과 구간을 지목했다. 오선생과 구교수는 공히 조업일수를 축으로 삼았다 — 오선생은 조업일수 정규화 위에 베이지안 시나리오 혼합과 몬테카를로를 얹었고, 구교수는 Workday-Adjusted Bayesian Monte Carlo Simulation으로 접근했다. 일평균 37.9억이라는 정규화된 강도를 유지·소폭 조정해 월 전체로 확장하면 990억 내외가 자연스러운 중심값이 되는데, 실측이 정확히 그 부근에 떨어졌다는 점에서 조업일수 프레임의 유효성이 확인됐다. 안박사는 구조분해 계량에 레짐혼합 몬테카를로를 결합해, 반도체 슈퍼사이클 레짐과 자동차·부품 부진 레짐을 각각 다른 분포로 두고 섞는 방식으로 52%를 산출했다.

흥미로운 대비는 '구간 적중'과 'CRPS 점수'가 어긋난 지점에서 나온다. 결과 구간에 가장 높은 확률을 부여한 팀은 구교수(54%)였지만 CRPS는 19.4934로 네 팀 중 가장 컸고, 반대로 결과 구간 확률이 가장 낮았던 오선생(46%)이 13.055로 두 번째로 좋은 점수를 받았다. 이번 매치의 채점은 구간 히트가 아니라 Normal(mean, std)에 대한 연속 CRPS였기 때문에, 중요한 건 '어느 칸을 골랐나'가 아니라 '점추정이 988.9에서 얼마나 떨어져 있었나'와 '그 오차 폭에 std가 정직하게 대응했나'였다. 구교수는 구간 확신은 높았지만 중심값이 988.9보다 아래쪽(950~975 구간 내부)에 자리했을 가능성이 크고, 그만큼 연속 척도에서 손실이 누적됐다. 오선생은 구간 확률을 46%로 낮추는 대신 분포 폭을 넉넉히 잡아 상단 재경신 리스크까지 흡수했고, 그 캘리브레이션이 점수로 보상됐다. 가장 정확했던 엑스연구원(11.8418)은 점추정을 988.9에 가장 근접시킨 팀으로 보이며, 안박사(16.6906)는 레짐혼합 특성상 분포가 다봉·광폭이 되면서 중간 성적에 머물렀다. 네 팀의 CRPS가 11.8~19.5라는 좁은 띠에 모여 있다는 사실 자체가, 이번 사안이 '방향은 합의됐고 세부 눈금에서만 갈린' 유형이었음을 말해준다.

결정적 변수는 결국 월말 열흘의 반도체였다. 1~20일 반도체가 221억이었는데 월 전체는 410.1억 — 남은 열흘 남짓에 189억 달러가 추가로 실렸다는 뜻이다. 6월에 관측된 월말 집중 패턴이 7월에도 반복된 것이고, 이를 배수·조업일수 어느 쪽으로든 상향 보정한 팀들은 900~950억 함정을 피할 수 있었다. 자동차도 반전했다. 1~20일 승용차 -10.6%였지만 월 전체는 62.4억(+7%)으로 플러스 전환했는데, 이는 잠정치의 품목별 마이너스를 그대로 월 전체에 투영하는 접근이 위험하다는 점을 보여준다. 동시에 '왜 1,022억을 넘지 못했나'라는 반대편 질문에도 답이 있다. 6월은 반기말 밀어내기와 선박 인도 집중이 겹친 이례적 고점이었고, 7월은 그 기저 위에서 반도체가 오히려 더 커졌음에도(400억대 유지) 나머지 품목의 합이 6월 수준을 재현하지 못했다. 종합 분포가 재경신에 18%만 남긴 판단은 이 구조적 차이를 읽어낸 결과로 볼 수 있다.

교훈은 세 겹이다. 첫째, 직전 매치의 실패 원인을 다음 매치의 사전 보정으로 명시 반영하는 학습 루프가 실제로 작동했다. 6월의 과소예측이 7월의 상향 보정으로 이어져 네 팀 전원이 하방 함정을 피했다. 둘째, 잠정치를 다루는 프레임으로는 '단순 선형 연장'보다 조업일수 정규화나 참조군 기반 잔여일 배수처럼 월내 분포의 비선형성을 명시적으로 모델링하는 방식이 우세했다. 셋째, 구간 확신도와 연속 점수는 별개라는 점 — 확률을 한 칸에 몰아넣는 것보다 점추정을 정확히 놓고 불확실성 폭을 정직하게 선언하는 것이 CRPS 체계에서 보상된다는 사실이 오선생과 구교수의 역전으로 선명하게 드러났다. 다음 국면의 관전 포인트는 자연히 집중 리스크로 옮겨간다. 반도체 단일 품목이 410억, 전체의 40% 이상을 차지하고 증가분의 대부분을 설명하는 구조에서는 HBM 단가나 AI 투자 사이클의 작은 변화가 전체 수출 곡선을 좌우한다. 14개월 연속 기록 행진이 이어지는 동안에도, 예측 모델이 봐야 할 변수의 수는 오히려 줄어들고 그 하나의 변수에 걸린 분산은 커지고 있다.