컨텐츠 바로가기

11.17 (일)

트럼프 당선됐는데, 정당 추종 ETF는 민주당이 압승 왜?

댓글 첫 댓글을 작성해보세요
주소복사가 완료되었습니다
미국 민주당 ETF 1년 수익률
공화당 상품보다 7% 높아
해당 상품 빅테크 많이 담아
시장 평균보다도 웃도는 수익
“당선과 직접 수혜 연결 안돼”


미국의 정치인 테마주를 추종하는 상장지수펀드(ETF) 중 미국 민주당 의원들이 투자하는 종목을 추종하는 ETF 수익률이 공화당 ETF를 7% 이상 앞질렀다.

지난 5일 치러진 미국 대선에서 공화당 도널드 트럼프 전 대통령이 민주당 후보인 해리슨 부통령에게 승리했지만 주식 투자로는 민주당 의원들이 더 재미를 봤을 확률이 높다는 얘기다.

민주당 추종 ETF는 빅테크 중심으로 포트폴리오를 구성하고 있지만 공화당 추종 ETF는 금융·에너지 기업 위주로 투자해 성과 희비가 엇갈렸기 때문이다.

15일(현지시간) 민주당 추종 ETF인 ‘언유즈얼 서버시브 민주당 ETF(티커명 NANC)’ 의 최근 1년 수익률은 34.50%를 기록헀다. 반면 같은기간 공화당 추종 ETF인 ‘언유즈얼 서버시브 공화당 ETF(KRUZ)’의 수익률은 26.97%였다.

S&P 500은 이 기간 30.22%가 올라 상대적으로 NANC는 시장 평균을 웃돌았고, KRUZ은 미치지 못했다. 이날 기준 NANC의 종가는 38.75달러, KRUZ는 32.48달러를 기록했다.

공화당 후보로 나선 트럼프 전 대통령이 대선에서 승리했지만 민주당 ETF가 공화당 ETF의 수익률을 뛰어넘은 이유는 민주당 의원이 주로 빅테크 기업을 많이 담고 있기 때문이다. 이를 추종하는 ETF도 자연스럽게 상승한 것이다.

반면 공화당 의원들은 주로 가치주를 담고 있어 금융·에너지 업종 비중이 높다. 두 상품은 각각 500~600개 종목으로 구성된다.

미국 주식거래금지법상 연방의회 의원들은 본인 또는 배우자가 1000달러 이상의 주식을 거래한 경우 관련 정보를 45일 이내 의회 사무처에 보고해야 한다. 의회 사무처는 해당 거래 내역을 의회 홈페이지에 공개한다.

NANC, KRUZ ETF는 공개된 정보를 바탕으로 의원과 배우자 보유 종목으로 각각 포트폴리오를 구성한다. NANC는 낸시 펠로시 민주당 하원의원(전 하원의장)을, KRUZ는 테드 크루즈 공화당 상원의원을 지칭한다.

NANC 주요 구성 종목은 엔비디아(13.18% ), 마이크로소프트(7.77%), 아마존(4.94%), 세일즈포스(4.89%), 애플(3.90%), 알파벳(3.68%), 아메리칸 익스프레스(2.99%), 코스트코(2.88%), 필립 모리스 인터내셔널(2.67%), 넷플릭스(2.60%)다. AI 대장주 엔비다아를 비롯해 테크기업 비중이 41.6%로 가장 높다.

KRUZ의 상위 10개 구성종목은 JP모건 체이스(4.00%), 엔비디아(3.44%), 컴포트 시스템즈 USA(3.13%), 피델리티 내셔널 인포메이션 서비스(2.55%), 사이먼 프로퍼티 그룹(2.43%), AT&T(2.39%), 액센추어(2.32%), 셰브런(2.24%), 올스테이트 코퍼레이션(2.19%), 다우(2.06%)다. KRUZ 역시 테크 비중이 가장 높긴 하지만 22.5%로 NANC의 절반 수준이다.

파이낸셜타임스는 이 두 상품에 대해 “일반인들은 상당수 의원이 기업 관련 조사나 입법 등 내부 정보를 활용해 사적으로 투자 수익을 추구한다고 생각하고 있다”며 “앞으로 일반인들도 정치인들의 투자 정보를 활용할 수 있게 된 것”이라고 평가하기도 했다.

그러나 이런 정치인 테마형 ETF는 투자하기에 적합하지 않다는 지적도 있다.

황병준 유안타증권 연구원은 “양당 정치인 가족 주식 신고 내역으로 구성한 테마성 ETF로 후보자 당선 여부에 따른 직접적 수혜와 직결되지 않을 가능성이 높아 접근에 유의해야 한다”고 지적했다.

황 연구원은 “우선 두 ETF의 6개월 누적 수익률 차이는 1.2%P에 불과하며, 지난 트럼프 피격 이후 지지율 하락이 지속되던 구간에서도 KRUZ 비기술주향 업종 로테이션 영향 수혜를 본 적이 있다”고 꼬집었다.

[ⓒ 매일경제 & mk.co.kr, 무단 전재, 재배포 및 AI학습 이용 금지]
기사가 속한 카테고리는 언론사가 분류합니다.
언론사는 한 기사를 두 개 이상의 카테고리로 분류할 수 있습니다.