LBO 차입매수 적정성·재무부담 진단

공개 호출 방식

AI 도구 실행 순서는 EngineCall 우선이다. Company.panel("IS"|"BS"|"CF"), Company.filings, scan.quality, scan.audit, scan.disclosureRisk 는 엔진 호출로 근거를 먼저 확보한다. 아래 Python 블록은 확보한 L1/L1.5 근거를 buildEvidenceForensicsMemo 로 묶는 RunPython fallback 절차다 — LBO 공정성 — 엔진 후보.

import dartlab
from dartlab.synth.evidenceForensics import buildEvidenceForensicsMemo

target = "005930"  # KOSPI/KOSDAQ 종목코드
c = dartlab.Company(target)

statements = {}
for topic in ("IS", "BS", "CF"):
    try:
        statements[topic] = c.panel(topic, freq="Y")
    except TypeError:
        statements[topic] = c.panel(topic)
    except Exception:
        pass

sectionTexts = {}
for topic in ("businessOverview", "riskFactors", "mdna", "notesDetail"):
    try:
        sectionTexts[topic] = str(c.panel(topic))[:20000]
    except Exception:
        pass

try:
    disclosure = c.filings()
    events = disclosure.head(20).to_dicts() if hasattr(disclosure, "head") else list(disclosure)[:20]
except Exception:
    events = []

scanRows = []
for axis in ("quality", "audit", "disclosureRisk"):
    try:
        df = dartlab.scan(axis)
        rows = df.head(3).to_dicts() if hasattr(df, "head") else []
        for row in rows:
            row["axis"] = axis
        scanRows.extend(rows)
    except Exception:
        pass

memo = buildEvidenceForensicsMemo(
    target=target,
    market=str(getattr(c, "market", "KR")),
    companyName=str(getattr(c, "corpName", target)),
    statements=statements,
    sectionTexts=sectionTexts,
    events=events,
    scanRows=scanRows,
)

emit_result(
    table=memo["tables"]["engineCandidateMemo"],
    values={
        "target": target,
        "riskScore": memo["headline"].get("riskScore"),
        "signalCount": memo["headline"].get("signalCount"),
    },
    date=memo.get("asOf", "latest"),
    sources=memo["sources"],
)

호출 동작 — 5 단 분석 구조

1. 결론 도출

LBO 거래 구조 + 인수가 적정성 + 부채부담 (Net Debt/EBITDA·이자보상·DSCR) + 의무상환 일정 + 합병 후 영업권 손상 가능성 한 문장.

좋은 결론 예시:

• “하이마트 LBO 케이스 — 유진그룹 인수가 X 조원 / EBITDA Y = M 배 (EV/EBITDA). 인수 SPC 차입 N 조원 → 피인수 회사 합병 후 Net Debt/EBITDA = K 배 (LBO 기준 ≥ 5 배 위험). 이자보상비율 EBIT/이자 = L 배 (< 2 배 위험). PEF 펀드 만기 Z 년 → FCF 회수 기간 W 년 (만기 < 회수 기간 시 차환 의존). 합병 후 영업권 P 조원 → 시너지 가정 (매출 +Q%) 신뢰도 별도. LBO 부채 부담 [높음] + 영업권 손상 위험 [중간][conf:70]. counter — 롯데 인수 후 재무 안정화 (롯데 캐시 백업) 으로 부담 완화.”

금지:

• EV/EBITDA 단독으로 인수가 적정 단정.
• 합병 후 영업권 손상 = 시너지 부정확 단정 시 외부 환경 반례 누락.

2. 핵심 근거 수집

requiredEvidence: skillRef + target + tableRef + valueRef + dateRef + sourceRef + executionRef 필수.

• target (stockCode).
• sourceRef: 인수·합병 공시 (DART 주요사항보고서) + 차입금 주석 (만기·금리·담보) + PEF 운용 보고서 (가능 시 외부).
• tableRef (5+ 표):
  1. LBO 거래 구조 — 인수자 (PEF·전략적 투자자) / 인수 SPC 명 / SPC 차입 규모 / 합병 시점 / 합병 후 차입 이전 여부
  2. 인수가 적정성 — EV/EBITDA + DCF + peer 비교 3 방식 동시 평가
  3. 피인수 회사 부채부담 시계열 — Net Debt/EBITDA · 이자보상비율 (EBIT/이자) · DSCR (OCF/이자+상환원금)
  4. 의무상환 일정 vs FCF 매칭 — 만기별 상환 의무 vs 연도별 FCF
  5. 합병 후 영업권 — PPA 영업권 잔액 + 손상검사 결과 + 시너지 가정 (매출·원가) ledger
• valueRef: EV/EBITDA multiple, Net Debt/EBITDA, 이자보상비율, FCF, 영업권 잔액.
• dateRef: 인수일·합병일·차입 만기일·PEF 펀드 만기일.
• executionRef: RunPython 으로 3 방식 평가 + 시계열 회귀 계산.

3. 메커니즘 분석

LBO 적정성 진단 = 거래 구조 + 인수가 + 부채부담 + 의무상환 + 영업권 5 차원 동시 검증:

graph LR
  ACQ["인수자 (PEF·전략적 투자자)"] --> SPC["인수 SPC 설립"]
  SPC --> BORROW["SPC 차입 (대규모)"]
  ACQ --> EQUITY["자기자본 출자 (소액)"]
  BORROW --> ACQUIRE["피인수 회사 지분 100%"]
  EQUITY --> ACQUIRE

  ACQUIRE --> MERGE["합병 (SPC + 피인수 회사)"]
  MERGE --> DEBT_TRANSFER["SPC 차입이 피인수 회사 부채로 이전"]
  DEBT_TRANSFER --> POST_BS["합병 후 BS — 부채 급증"]

  POST_BS --> NDE["Net Debt / EBITDA"]
  POST_BS --> ICR["이자보상비율 EBIT / 이자"]
  POST_BS --> DSCR["DSCR = OCF / (이자 + 원금)"]

  EV["인수가 EV"] --> APPRAIS["EV / EBITDA + DCF + peer"]
  EBITDA_REF["EBITDA"] --> APPRAIS

  MERGE --> GOODWILL["PPA 영업권"]
  GOODWILL --> IMPAIR["손상검사"]
  SYNERGY["시너지 가정<br/>매출·원가"] --> IMPAIR

  PEF_MATURITY["PEF 펀드 만기"] --> EXIT["매각 시점"]
  FCF["연도별 FCF"] --> RECOV["FCF 회수 기간"]
  EXIT --> COMP_TIMING["만기 vs 회수 비교"]
  RECOV --> COMP_TIMING

  NDE --> SCORE["LBO 위험 점수"]
  ICR --> SCORE
  DSCR --> SCORE
  IMPAIR --> SCORE
  COMP_TIMING --> SCORE

5 패턴 정량 신호:

패턴	신호	임계	가중치
인수가 적정	EV/EBITDA vs peer 평균	±50% 이상 차이	high
인수가 적정	DCF·peer·EV/EBITDA 3 방식 분산	≥ 30%	medium
부채부담	Net Debt / EBITDA	≥ 5 배	high
부채부담	이자보상비율 (EBIT/이자)	< 2 배	high
부채부담	DSCR = OCF / (이자 + 원금)	< 1.5 배	high
의무상환 매칭	PEF 펀드 만기 vs FCF 회수 기간	만기 < 회수 (차환 의존)	high
합병 후 영업권	영업권 / 자본총계	≥ 30%	medium
시너지 가정 신뢰	합병 후 매출 / 시너지 가정	< 70% / 3Y	high
환원 패턴	합병 후 1~2Y 자사주·배당 (PEF 환원)	발생 + 부채 동시 증가	medium

4. 반례·한계

• Falsifier: 인수 공시 본문 또는 차입금 주석 부재 시 LBO 적정성 판정 불가 — DART 합병·인수 공시 + 차입금 주석 fetch 후 재호출.
• PEF 운용 정보 비공개: 사모펀드 (PEF) 펀드 만기·매각 일정·LP·GP 구조는 비공개 가 다수 → 외부 보고서·언론·운용사 공시 별도 fetch 필요. dartlab L1/L1.5 범위 일부 한정.
• 시너지 가정 자기실현 어려움: 인수가 산정 시 시너지 가정 (매출 +X% / 원가 절감 -Y%) 은 예측 이지 fact 아님. 합병 후 3~5 년 실현률 별도 검증.
• 롯데·SK 등 대기업 인수 시 캐시 백업: 전략적 투자자 (대기업) 인수의 경우 그룹 캐시 백업 으로 부채부담 완화 가능. 단순 Net Debt/EBITDA 만으로 위험 단정 금지.
• 합병 직전 자사주 처분·발행: 합병 직전 자사주 처분 또는 신주 발행 으로 인수자 지분 강화 가능. 거래 구조 본문 확인 필수.
• 외부 환경 변화: 인수 후 다운사이클·환율·금리 충격 시 EBITDA 급감 → LBO 부담 자동 격상. 인수 책임 vs 환경 책임 분리 어려움.
• 차환 (refinancing) 옵션: PEF 펀드 만기 < FCF 회수 기간이라도 차환 (refinancing) 으로 만기 연장 가능. 차환 시장 환경 (금리·신용시장) 별도 평가.
• 인수가 < 시장가 케이스: 부실 자산 인수 (저점 매수) 인 경우 EV/EBITDA peer 비교가 잘못된 기준 — DCF 또는 NAV 적용.

5. 후속 모니터링

신호	임계	조치
Net Debt / EBITDA	≥ 5 배 / 3Y	부채부담 격상
이자보상비율	< 2 배	즉시 위험
DSCR	< 1.5 배	차환 의존 격상
합병 후 영업권 손상	발생 / 3Y	시너지 가정 부정확 신호
합병 후 자사주·배당	발생 + 부채 증가 동행	PEF 환원 의심 격상
PEF 매각 시점	임박 (펀드 만기 -1Y)	매각 후 부채 이전 추적
인수가 시계열 EBITDA 추세	-10% / 1Y	시너지 미실현 신호

대표 반환 형태

• tableRef:lbo:transaction_structure — LBO 거래 구조
• tableRef:lbo:acquisition_appraisal — 인수가 3 방식 평가
• tableRef:lbo:debt_burden_timeseries — 부채부담 시계열
• tableRef:lbo:debt_service_schedule — 의무상환 일정 vs FCF
• tableRef:lbo:post_merger_goodwill — 합병 후 영업권
• valueRef:lbo:ev_ebitda — EV/EBITDA
• valueRef:lbo:net_debt_to_ebitda — Net Debt / EBITDA
• valueRef:lbo:interest_coverage_ratio — 이자보상비율
• valueRef:lbo:dscr — DSCR
• valueRef:lbo:goodwill_to_equity — 영업권 / 자본총계
• sourceRef:lbo:acquisition_id — 인수 공시 id
• sourceRef:lbo:merger_id — 합병 공시 id
• executionRef:lbo:calc_id — RunPython 실행 id

연계 절차

• 합병비율 적정성 → recipes.fundamental.quality.forensics.mergerRatioFairness
• 영업권 손상 (합병 후 시너지 부정확) → recipes.fundamental.quality.forensics.goodwillImpairmentCheck
• 영구채·CB·RCPS 분류 (인수 자금 조달) → recipes.fundamental.quality.forensics.hybridSecurityClassification
• 사건 ↔ 재무 매칭 → recipes.fundamental.quality.forensics.eventToStatementMatcher
• EBITDA·OCF·인수가격 bridge → recipes.fundamental.quality.ebitdaCashBridge

재호출 트리거: “LBO 차입매수”, “사모펀드 인수”, “SPC 합병 부채 이전”, “Net Debt EBITDA 인수”, “PEF 만기 회수 매칭”.

기본 검증

• 인수·합병 공시 + 차입금 주석 ≥ 1 종.
• 인수가 3 방식 평가 (EV/EBITDA + DCF + peer).
• 부채부담 3 비율 (Net Debt/EBITDA + 이자보상 + DSCR).
• 합병 후 영업권 시계열 ≥ 3 년.
• PEF 펀드 만기 vs FCF 회수 기간 비교.
• falsifier — PEF 운용 비공개 한계 명시.

AI 직접 사용 방식

1. ReadSkill 에서 LBO·사모펀드·차입매수 질문이면 본 recipe 선정.
2. target stockCode 확인 (피인수 회사 기준).
3. Company.panel("BS","IS","CF",freq="Y") 시계열 + 분기 보완.
4. Company.filings("인수","합병") 거래 공시.
5. Company.panel("차입금") 만기·금리·담보 주석.
6. RunPython 으로 3 방식 평가 + 3 비율 시계열 + 영업권 손상 계산.
7. 답변에 거래 구조 + 인수가 평가 + 부채부담 시계열 + 의무상환 + 영업권 5 셋 + 반례·한계 필수.