[신정현 모두를 위한 정치연구소 온 소장]
"도널드 트럼프 54 vs. 카멀라 해리스 46"
미국 대선을 하루 앞둔 월요일(3일) 아침은 제법 춥고 한산합니다. 롱아일랜드에서 펜스테이션으로 가는 기차 안은 출근하는 뉴욕시민들이 각자 휴대폰을 붙잡고 무언가를 집중해서 읽고 있습니다.
약속장소인 메디슨 스퀘어 가든 앞 초대형 전광판에서는 미국 최대 실시간 예측 시장 플랫폼인 칼시(Kalshi)가 운영하는 선거 베팅 사이트 결과를 확인할 수 있습니다. 열흘 전부터 이 수치를 지켜봤는데 10% 이내로 격차를 좁힌 경우가 거의 없었습니다. 지난 주말 잠시 해리스(민주당 후보)가 트럼프(공화당 후보)를 앞지르는 결과가 나오기도 했지만, 월요일 다시 트럼프 쪽으로 기울었습니다.
친 민주당 성향인 뉴욕타임스(NYT)마저도 일부 경합주에서 반전이 있을 것이라고 약간의 기대를 표할 뿐 다수의 미국의 매체, 배팅사이트, 예측전문기관 등이 트럼프 당선을 전망하고 있습니다. 뉴욕에서 만난 한 정치전문가는 주요국가들이 트럼프의 당선을 전제하고 발빠르게 측근 인사들과 접촉하고 있다고 말합니다.
▲뉴욕 시내 대형 전광판에서 확인할 수 있는 미국 대선 분위기. ⓒ신정현 |
<이미지를 클릭하시면 크게 보실 수 있습니다> |
총알을 피한 트럼프가 성조기 앞에서 한 손을 높이 든 장면에서 트럼프의 승리를, 바이든이 사퇴하고 해리스가 오바마, 클린턴의 박수를 받으며 대관식을 하는 장면에서 해리스의 승리를 점쳤던 게 불과 한달 사이에 벌어진 일입니다. 그 후 트럼프의 망언과 해리스의 실언이 이어지며 서로의 부도덕함과 무능함을 비난하는 사이 무게추는 슬며시 트럼프로 기울었습니다. 그 원인을 공화당 측은 미국의 무너진 질서를 바로 세워야 한다는 미국시민의 의식적인 행동이라고 말합니다. 그래서 마가(MAGA, Make America Great Again)라는 정치 운동이 나타난 것이라고 주장합니다.
반면 민주당은 '히든 해리스'(Hidden Harris, 숨겨진 해리스 표)로 평가받는 백인 여성들이 적극 투표하면 결과가 뒤집힐 거라고 주장합니다. 바이든에서 해리스로 민주당 대선 후보가 교체된 뒤 보수진영의 정치전략가들은 트럼프에게 선거 내내 더 자극적이고 논쟁적인 말을 할 것을 요구했고, 결국 그 전략은 모든 매체에서 트럼프의 말과 행동이 해리스를 지워버리는 결과를 만들었다는 것입니다.
"트럼프 58 vs. 해리스 42" 제가 열흘 전 확인했던 칼시의 선거 베팅 사이트의 수치였습니다. 10%를 넘기는 예측치의 차이는 과연 트럼프에 환호하는 유권자층이 '샤이 트럼프'(Shy Trump, 트럼프 지지를 숨기는 유권자)라는 벽을 깨고 나온 결과일까요, 아니면 해리스를 몰래 지지하는 유권자층이 투표날만을 기다리며 침묵한 결과일까요?
▲칼시에서 운영하는 선거 베팅 사이트에서는 줄곧 트럼프 당선 가능성을 높게 보고 있다. ⓒ신정현 |
<이미지를 클릭하시면 크게 보실 수 있습니다> |
물론 선거 베팅 사이트는 돈을 걸고 참여하는 것이기 때문에 표심이 왜곡될 수 있다고 전문가들은 말합니다. 여론조사와 과거 캠페인에서 수집한 데이터에 기반해 분석하는 '미국 대선 쪽집게'라고 불리는 통계전문가 네이트 실버는 이번 선거가 너무 접전이라 예측하기 힘들다고 말합니다. 선거 결과는 여전히 판세를 가늠하기 힘들 정도로 박빙이며, 선거일 밤까지도 계속될 수 있다고 합니다. 과연 '히든 해리스'와 '샤이 트럼프' 중 어느 쪽이 사실이 될까요?
(11월 5일 있을 미국 대선을 앞두고 미국을 방문 중인 신정현 전 경기도의회 의원(모두를 위한 정치연구소 온 소장)의 글을 게재합니다. 신 전 의원은 세상을 바꾸는 꿈을 품은 청소년운동가에서 세대와 계층, 마을을 연결하는 공동체조직가로 활동하다가 2018년부터 4년간 경기도의원으로 일했습니다. 지금은 "새빛남매의 아빠로, 프로육아러가 주업이 된 부업 정치인"이라고 본인을 소개합니다. 편집자주)
[신정현 모두를 위한 정치연구소 온 소장]
- Copyrights ©PRESSian.com 무단전재 및 재배포금지 -
이 기사의 카테고리는 언론사의 분류를 따릅니다.
기사가 속한 카테고리는 언론사가 분류합니다.
언론사는 한 기사를 두 개 이상의 카테고리로 분류할 수 있습니다.
언론사는 한 기사를 두 개 이상의 카테고리로 분류할 수 있습니다.