본질가치 3 anchor (Graham + EVA + CFROI proxy — L1 raw)

학술 근거

3 학술 framework 동시 적용 — 회계 기반 (Graham), 자본비용 기반 (EVA), 현금흐름 기반 (CFROI) 의 3 anchor 가 서로 다른 가정 → 합의 시 본질가치 band.

1. Graham 수정공식 (1974)

Benjamin Graham, Intelligent Investor + 1974 Toronto 강연에서 수정:

V = EPS × (8.5 + 2g) × 4.4 / Y_AAA

항	의미
8.5	무성장 회사 적정 PER
2g	성장률 (%) × 2
4.4	1962 AAA 회사채 yield 정규화 상수
Y_AAA	현재 AAA 회사채 yield (%)

검증:

• 1962-2000 미국 백테스트 — 본 공식 V × 0.5 < 시장가 = 안전마진. 매수 후 5 년 평균 +6%p 초과수익.

2. EVA Spread (Stern Stewart, 1991)

G. Bennett Stewart III, The Quest for Value:

EVA = NOPAT − (WACC × Invested Capital) = (ROIC − WACC) × Invested Capital

본 recipe 의 spread 만 측정:

ROIC = NOPAT / Invested Capital = (EBIT × (1−taxRate)) / (Equity + LongTermDebt) spread = ROIC − WACC_proxy

WACC_proxy = 7% (한국 평균), 8% (미국 평균) — 단순 가정.

검증:

• Stewart (1991): EVA spread 와 stock price correlation 0.50-0.65 (회계 EPS 보다 높음).
• O’Byrne-Young (2000): 5 년 EVA 변화가 5 년 stock return 과 강한 상관.

3. CFROI Proxy (HOLT)

Bartley Madden, CFROI Valuation (1999):

원전 CFROI = 인플레이션 조정 IRR over asset life. 본 recipe 의 단순 proxy:

CFROI_proxy = (CFO − maintenance CAPEX) / Invested Capital maintenance CAPEX ≈ depreciation expense (가정)

검증:

• HOLT 데이터베이스 (1950-2020): CFROI > WACC 인 회사가 미래 stock return 우월. 회계 ROE 보다 noise 적음.

공개 호출 방식

import dartlab
import polars as pl

c = dartlab.Company("005930")

is_df = c.show("IS", freq="Y")
bs_df = c.show("BS", freq="Y")
cf_df = c.show("CF", freq="Y")
fq_df = c.show("FQ", freq="Y")  # EPS 등 비율
years = ["2025", "2024", "2023", "2022", "2021"]

def fetchSeries(df: pl.DataFrame, snake: str, years: list[str]) -> list[float]:
    row = df.filter(pl.col("snakeId") == snake).select(years)
    return row.to_numpy()[0].tolist() if row.height > 0 else [0.0] * len(years)

ni = fetchSeries(is_df, "net_income", years)
op = fetchSeries(is_df, "operating_profit", years)
ebt = fetchSeries(is_df, "earnings_before_tax", years)
sales = fetchSeries(is_df, "sales", years)
equity = fetchSeries(bs_df, "total_stockholders_equity", years)
ltd = fetchSeries(bs_df, "long_term_debt", years)
cfo = fetchSeries(cf_df, "cash_flow_from_operations", years)
dep = fetchSeries(is_df, "depreciation_expense", years)
eps = fetchSeries(fq_df, "eps_basic", years)

# 1) Graham 수정공식 — EPS 5 년 평균, 성장률 = 5 년 CAGR
epsAvg = sum(eps[:5]) / 5
epsCagr = ((eps[0] / eps[4]) ** (1/4) - 1) * 100 if eps[4] > 0 else 0
yAaa = 4.5  # 한국 회사채 AAA yield 가정 (외부 fetch 필요)
grahamV = epsAvg * (8.5 + 2 * epsCagr) * 4.4 / yAaa

# 2) EVA spread — 당년
taxRate = 1 - (ni[0] / ebt[0]) if ebt[0] > 0 else 0.25
nopat = op[0] * (1 - taxRate)
investedCapital = equity[0] + ltd[0]
roic = nopat / investedCapital * 100 if investedCapital > 0 else None
waccProxy = 7.0  # 한국 평균 가정
evaSpread = roic - waccProxy if roic is not None else None

# 3) CFROI proxy — 5 년 평균
cfroiSeries = [
    (cfo[i] - dep[i]) / (equity[i] + ltd[i]) * 100 if (equity[i] + ltd[i]) > 0 else None
    for i in range(len(years))
]
cfroi5y = sum(c for c in cfroiSeries if c is not None) / len([c for c in cfroiSeries if c is not None])

valueBand = pl.DataFrame({
    "anchor": ["Graham_V", "EVA_spread", "CFROI_5y_avg"],
    "value": [grahamV, evaSpread, cfroi5y],
    "interpretation": [
        f"본질가치 EPS 기준 = {grahamV:.0f}원 / 시장가와 비교",
        f"ROIC − WACC = {evaSpread:.1f}%p (양수 = 가치 창출)",
        f"5 년 평균 CFROI = {cfroi5y:.1f}% (WACC 7% 와 비교)",
    ],
})

호출 동작

1. c.show("IS" | "BS" | "CF" | "FQ", freq="Y") 4 회.
2. snakeId 로 9 raw 항목 추출.
3. Graham — 5 년 평균 EPS + 5 년 CAGR + AAA yield 가정 → 본질가치 V (원).
4. EVA spread — NOPAT / InvestedCapital − WACC_proxy → spread (%p).
5. CFROI proxy — (CFO − Depreciation) / InvestedCapital 5 년 평균 → CFROI (%).
6. 3 anchor band — 각 anchor 의 시장가 비교 해석.

대표 반환 형태

valueBand : pl.DataFrame — 컬럼:

• anchor : str — Graham_V / EVA_spread / CFROI_5y_avg
• value : float — 추정값
• interpretation : str — 시장가 비교 해석 1 문장

추가 가능 — 시장가 (c.show("PRICE") 마지막 종가) 와 비교한 정량 안전마진 컬럼.

한계

• Graham AAA yield 가정 — 본 recipe 는 4.5% 고정. 실제는 한국 회사채 AAA 일평 yield 변동. 외부 fetch 필요. 또는 AA- 등급 회사채 yield 사용 권장.
• EVA WACC proxy 7% — 산업·국가·회사 별 다름. 정확한 WACC 는 산업 beta + risk-free rate + ERP 결합. 본 recipe 는 단순 가정.
• CFROI 단순화 — 원전은 인플레이션 조정 IRR over asset life. 본 recipe 는 현금 ROIC 근사. asset vintage 미반영.
• EPS CAGR 5 년 — 사이클 회사는 5 년 CAGR 가 사이클 시작/끝 노이즈. 더 긴 기간 (10 년) 또는 정상화 EPS 권장.
• 시가총액 시계열 결합 X — c.show("PRICE") 의 마지막 종가만 사용 가능. 추세 비교는 별 처리.

한국 / 미국 시장 차이

• 한국: AAA yield 평균 4.0-4.5%. WACC 평균 7%. Graham V 적용 가능. EVA spread 평균 −1%p (ROIC 평균 6% < WACC 7%) — 한국 chaebol 자본 비효율 신호.
• 미국: AAA yield 평균 4.5-5.0%. WACC 평균 8%. EVA spread 평균 +2%p (ROIC > WACC) — 자본 효율 우월. CFROI 데이터베이스 본 시장.

연계 절차

1. 본 recipe → 3 anchor 표 + 해석.
2. Graham V vs 시장가 — 시장가 < V × 0.5 = 안전마진 (deep value).
3. EVA spread > 0 + CFROI > WACC = 진짜 capital efficiency → engines.recipe.compounderCandidates 와 합의.
4. EVA spread < 0 + CFROI < WACC = 자본 파괴 → engines.recipe.distressFilter 와 결합 검토.
5. 5 년 EVA spread 추세 — 안정 + 양수 = quality compounder, 변동 큼 = 사이클.
6. engines.scan.valuation 의 PER/PBR snapshot 과 본 anchor 비교 — 시장 multiple vs 본질가치 ratio.

기본 검증

• 3 anchor 합의 — 모두 저평가 신호 (V > 시장가, spread > 0, CFROI > WACC) 시 강한 매수 신호.
• 단일 anchor 의존 X — Graham V 만 본 결정 위험.
• 5 년 추세 확인 — 단년도 spread 는 일시적, 5 년 평균이 본질.
• AAA yield + WACC 가정의 민감도 점검 — yield ±1%, WACC ±2% 변화 시 결과 변화 검증.
• “V = 100,000 원 = 매수” 단정 X — 본질가치는 추정. 시장가 < V × 0.5 의 안전마진 게이트 필수.