DuPont 5-step ROE 동인 분해 (L1 raw 시계열 직접 계산)

학술 근거

DuPont 사 (E.I. du Pont de Nemours, 1920 년대) 가 도입한 ROE 분해. CFA Institute Level 1 표준 (CFA Curriculum, FRA Reading 22). 핵심 식:

ROE = (NI / EBT) × (EBT / EBIT) × (EBIT / Sales) × (Sales / Avg Assets) × (Avg Assets / Avg Equity) = TaxBurden × InterestBurden × OperatingMargin × AssetTurnover × FinancialLeverage

각 항목의 의미:

• TaxBurden — 세후 / 세전. 1 에 가까울수록 세부담 낮음. 산업·국가·세제 의존.
• InterestBurden — 세전 / 영업이익. 1 에 가까울수록 이자비용 낮음. 부채 자본 구조 반영.
• OperatingMargin — 영업이익 / 매출. 사업 본업의 수익성.
• AssetTurnover — 매출 / 평균자산. 자산 효율 (자본 회전).
• FinancialLeverage — 평균자산 / 평균자기자본. 부채를 통한 자본 증폭 — equity multiplier.

ROE 가 같은 두 회사도 5 동인 분포가 다르면 사업 모델이 완전 다름. 예: 명품 회사는 OpMargin 높고 Turnover 낮음, 마트는 반대.

검증 사례:

• Penman (2013): DuPont 분해가 future earnings 예측에서 단순 ROE 보다 우월. RNOA (Return on Net Operating Assets) 와 결합 시 가장 강한 신호.
• Soliman (2008): 산업 평균 대비 OpMargin·Turnover 분해로 미래 수익률 예측 가능.

L1 데이터로 직접 계산 (analysis axis 미사용)

dartlab 의 c.show() 가 L1 provider 데이터 그대로 노출. analysis 엔진의 profitability / efficiency axis 결과를 의존하지 않고 raw 시계열에서 직접 분해.

공개 호출 방식

import dartlab
import polars as pl

c = dartlab.Company("005930")

is_df = c.show("IS", freq="Y")   # 손익계산서 (매출·영업이익·세전·순이익)
bs_df = c.show("BS", freq="Y")   # 재무상태표 (자산·자본 시계열)

years = ["2025", "2024", "2023", "2022", "2021"]

def dupontDecompose(is_df: pl.DataFrame, bs_df: pl.DataFrame, years: list[str]) -> pl.DataFrame:
    sales = is_df.filter(pl.col("snakeId") == "sales").select(years).to_numpy()[0]
    op = is_df.filter(pl.col("snakeId") == "operating_profit").select(years).to_numpy()[0]
    ebt = is_df.filter(pl.col("snakeId") == "earnings_before_tax").select(years).to_numpy()[0]
    ni = is_df.filter(pl.col("snakeId") == "net_income").select(years).to_numpy()[0]
    assets = bs_df.filter(pl.col("snakeId") == "total_assets").select(years).to_numpy()[0]
    equity = bs_df.filter(pl.col("snakeId") == "total_stockholders_equity").select(years).to_numpy()[0]

    avg_assets = [(assets[i] + assets[i+1]) / 2 for i in range(len(years)-1)]
    avg_equity = [(equity[i] + equity[i+1]) / 2 for i in range(len(years)-1)]

    rows = []
    for i, y in enumerate(years[:-1]):
        rows.append({
            "year": y,
            "taxBurden": ni[i] / ebt[i],
            "interestBurden": ebt[i] / op[i],
            "operatingMargin": op[i] / sales[i],
            "assetTurnover": sales[i] / avg_assets[i],
            "financialLeverage": avg_assets[i] / avg_equity[i],
            "roeReconstructed": (ni[i] / ebt[i]) * (ebt[i] / op[i]) * (op[i] / sales[i])
                               * (sales[i] / avg_assets[i]) * (avg_assets[i] / avg_equity[i]),
        })
    return pl.DataFrame(rows)

result = dupontDecompose(is_df, bs_df, years)

호출 동작

1. c.show("IS", freq="Y") — 5 기간 손익계산서 시계열 (snakeId 기반 wide).
2. c.show("BS", freq="Y") — 5 기간 재무상태표.
3. snakeId 로 6 항목 추출 — sales / operating_profit / earnings_before_tax / net_income / total_assets / total_stockholders_equity.
4. 평균자산 / 평균자본 계산 (직전년도 + 당년도 / 2).
5. 5 동인 직접 계산 + 재구성 ROE (5 곱) — 원본 ROE 와 일치 검증.

대표 반환 형태

result : pl.DataFrame — 컬럼:

• year : str — 4 기간 (5 년 시계열에서 평균자산 계산으로 1 기간 손실)
• taxBurden : float — NI/EBT
• interestBurden : float — EBT/EBIT
• operatingMargin : float — EBIT/Sales
• assetTurnover : float — Sales/AvgAssets
• financialLeverage : float — AvgAssets/AvgEquity
• roeReconstructed : float — 5 동인 곱 (원본 ROE 일치 확인)

한계

• earnings_before_tax snakeId 가용성 — 일부 회사 IS 에서 영업외손익 분리 안 됨. fallback 으로 net_income / (1 - taxRate) 추정.
• 평균자산 단일 시점 가중 — Q1·Q2·Q3·Q4 가중평균이 더 정확하나 본 recipe 는 연말 + 전년말 평균만.
• 연결 vs 별도 — 한국 회사 연결재무 기준. 자회사 효과 큰 지주회사는 분해 해석 주의.
• 금융업 부적합 — 은행·보험 IS 구조 다름 (이자수익·보험료 매출). 별도 분해 framework 필요.

한국 / 미국 시장 차이

• 한국: 법인세율 변동 작아 TaxBurden 안정. 영업외손익 비중 큰 회사 (지주·금융 자회사) 다수 → InterestBurden 변동 크게 나타나는 경우 주의.
• 미국: 본 framework 의 본 시장. S&P 500 대표 회사 5 동인 평균 배포 — Damodaran 산업 데이터로 비교 가능.

연계 절차

1. 본 recipe → ROE 5 동인 시계열 도출.
2. 동인 변화 큰 (표준편차 큰) 항목 식별 — ROE 변동의 원인.
3. OperatingMargin 변동 → engines.recipe.workingCapitalQuality 로 운전자본 효율 점검.
4. AssetTurnover 변동 → 자산 재투자 시점 (CAPEX 시계열) 분석.
5. FinancialLeverage 변동 → engines.recipe.creditDistressDual 로 부채 위험 점검.
6. 5 년 일관 quality compounder 인지 → engines.recipe.compounderCandidates 와 상호 검증.

기본 검증

• roeReconstructed 와 원본 ROE (net_income / avg_equity) 차이 ≤ 0.5%p 이어야 분해 정확.
• 5 동인 변화율 표 확인 — 한 동인이 전체 ROE 변화의 70% 이상 설명하면 단일 동인 사이클.
• 산업 평균 분해와 비교 — 본 회사가 동종 대비 어느 동인이 우월/열위인지.
• 음수 영업이익 시 InterestBurden 무한대 — 흑자 5 년 회사만 적용 권장.
• “ROE 15% = 좋다” 단정 X — 5 동인 분포로 구조적 우위 (margin·turnover) vs 일시적 (leverage 상승) 구분.