분석 방법론
입력 변수, 분포 가정, 시뮬레이션 절차, Reverse-DCF 역산, 그리고 정직한 한계까지 — 저희 평가 엔진이 실제로 어떻게 작동하는지 소개합니다.
사용자 입력 및 조정 가능한 변수
모든 평가는 분석 리포트에서 직접 확인하고 조정할 수 있는 몇 가지 핵심 변수에서 시작합니다. 매출 성장률은 최근 실적과 5년 평균을 기준으로 하고, 영업이익률은 최근 12개월(TTM) 데이터를 사용합니다. ROIC는 기업이 투하자본 대비 얼마나 효율적으로 이익을 내는지 보여주며, WACC는 할인율이고, 자본집약도는 매출 1원당 필요한 투하자본을 나타냅니다. 분석 리포트의 슬라이더를 통해 각 변수를 조정할 수 있어, 단일 변수를 바꾸면 가치가 얼마나 민감하게 변하는지 즉시 확인할 수 있습니다. WACC 프레임워크는 Aswath Damodaran의 할인율 기반 DCF 평가 자료의 할인율 방법론을 따릅니다.
분포 가정(개념 수준)
기업이 무한정 선형 성장한다고 가정하지 않고, 성장률, 영업이익률, ROIC가 로그공간에서 평균회귀 경로를 따르며 정규분포 변동이 더해진다고 가정합니다. 우량 기업은 현재 수준을 더 오래 유지한 뒤 장기 평균으로 천천히 회귀하도록 모델링합니다. WACC는 정규분포로 샘플링한 뒤 합리적인 상·하한 범위로 클리핑하고, 터미널 성장률은 장기 GDP 수준에 근접한 범위에서 균등 분포로 샘플링합니다. 이는 보수적인 통계 관행에 기반한 것입니다 — 결정론적 예측이 아니라 결과의 범위를 만들어내는 가정입니다. 분포·시나리오 샘플링은 NIST의 Monte Carlo Tool(ASTM E1369)이 규정하는 몬테카를로 절차(입력별 분포 정의·추출·반복 실행)를 따릅니다.
시뮬레이션 절차
평가당 수천 개의 시나리오를 시뮬레이션합니다. 각 시나리오는 10년 DCF 경로를 통해 주당 가치를 산출하고, 시나리오 전체가 가능한 주가 분포를 형성합니다. 이 분포에서 P10·P25·P50·P75 백분위, 긍정 수익률 확률, 결과 히스토그램을 산출합니다. 시뮬레이션 분포가 시장 가격에서 크게 벗어나면 결과를 시장가쪽으로 보수적으로 블렌딩하여(베이지언 앵커링 개념) 과도한 모형 출력이 답에 끼치는 영향을 줄입니다.
Reverse-DCF 역산 로직
일반 DCF가 주식 가치를 묻는다면 Reverse-DCF는 반대의 질문을 던집니다. 시장이 이미 어떤 성장률을 할인하고 있는가? 우리는 현재 기업가치를 정당화하는 성장률을 수치 근사(브라켓팅 방식)으로 역산하며, 탐색 범위는 극단적 저성장부터 고성장까지를 포함합니다. 이렇게 역산된 기대 성장률(g_implied)을 기업의 실제 5년 성장률(g_actual)과 비교합니다. 두 값의 차이로 Strong Buy, Buy, Fair, Expensive 4개 구간으로 분류합니다. Reverse-DCF 프레임은 CFA Institute 자료의 주식 밸류에이션 표준을 참고합니다.
데이터 출처
재무제표와 시장데이터는 주로 Finnhub에서 가져오며 SEC EDGAR XBRL을 폴백으로 사용합니다. 데이터는 매일 갱신되고 계산 결과는 성능을 위해 24시간 캐시됩니다. 제공자 상세와 갱신 주기는 데이터 출처 페이지에서 자세히 확인할 수 있습니다. 주요 공시 자료는 SEC EDGAR 공식 XBRL 접근을 통해 수집됩니다.
모델의 한계
이 모델이 하지 못하는 것을 정직하게 말씀드립니다. 미래 현금흐름은 본질적으로 불확실하며, 분포 가정은 객관적 사실이 아니라 주관적 선택입니다. 모델은 거시 충격, 인수·합병, 자본 구조 변화, 산업 규제를 반영하지 않습니다. 소형주나 신규·상장사는 데이터가 얇아 결과 신뢰도가 낮아질 수 있습니다. 또한 단일 섹터중립 기준을 적용하므로 기업별 특수 위험을 놓칠 수 있습니다. 마지막으로 모든 출력은 예측이나 추천이 아니라 확률 추정치입니다.
면책 고지
이 페이지의 내용은 투자 조언이 아니며, 어떤 매매를 추천하는 것이 아닙니다. 판단은 반드시 본인의 책임 하에 수행하고 필요시 전문가와 상담하십시오. 이 사이트를 이용함으로써 여러분은 이용약관에 동의하게 됩니다.
최종 업데이트: 2026-08-26
지금 주식을 분석해보세요
시작하기