자본배분 점수카드 (FCF 5 사용처 + ROIIC + SGR — L1 raw)

학술 근거

Warren Buffett 주주서한 (Berkshire Hathaway, 1977-2024): ”Capital allocation is the most important job of a CEO.” 핵심 원칙:

• 5 사용처 — Free Cash Flow 가 어디로 가나: (1) 재투자 (CAPEX·R&D), (2) 배당, (3) 자사주 매입, (4) M&A, (5) 부채 상환.
• ROIIC (Return on Incremental Invested Capital) = ΔNOPAT / ΔInvestedCapital. 새로 투입한 자본 1 원이 얻는 수익률. 본질적 capital efficiency.
• SGR (Sustainable Growth Rate) = ROE × (1 − payoutRatio). 외부 자본조달 없이 가능한 성장 한계.

학술 검증:

• Penman-Reggiani (2018): ROIIC > WACC 인 회사가 미래 abnormal return 강함. 단순 ROE 보다 우월.
• Damodaran (2010): “Capital Allocation Quality” — 5 사용처 비중이 회사 가치의 30-50% 설명. M&A 비중 높은 회사 평균 가치 파괴.
• Higgins (1977): SGR 가 actual growth 보다 크게 떨어지면 자본 부족 또는 비효율.

5 사용처 정의 (CF Statement 기반)

사용처	CF 항목 (snakeId)	부호
재투자	capital_expenditures	음 (CAPEX 지출)
배당	cash_dividends_paid	음 (배당 지출)
자사주	repurchase_of_treasury_stock	음 (자사주 매입 지출)
M&A	acquisitions_net_of_cash_acquired (또는 investments_acquisition)	음 (인수 지출)
부채 상환	repayment_of_long_term_debt − issuance_of_long_term_debt	순 (상환 - 차입)

FCF (자유현금흐름) = cash_flow_from_operations − capital_expenditures (CFO − CAPEX).

공개 호출 방식

import dartlab
import polars as pl

target = "005930"
c = dartlab.Company(target)

def latest_period(df):
    if hasattr(df, "columns"):
        for col in df.columns:
            if str(col)[:4].isdigit():
                return str(col)
    return "latest"

def compact(obj):
    if isinstance(obj, pl.DataFrame):
        return {"type": "DataFrame", "rows": obj.height, "columns": obj.width}
    if isinstance(obj, dict):
        return {"type": "dict", "keys": list(obj.keys())[:8]}
    return {"type": type(obj).__name__}

capital_allocation = c.analysis("capitalAllocation")
investment_efficiency = c.analysis("investmentEfficiency")
profitability = c.analysis("profitability")
cf = c.show("CF", freq="Y")

emit_result(
    table=[
        {"useOfCash": "shareholderReturn", "result": compact(capital_allocation)},
        {"useOfCash": "reinvestment", "result": compact(investment_efficiency)},
        {"useOfCash": "profitability", "result": compact(profitability)},
    ],
    values={"target": target, "cashUseBuckets": 5, "cfRows": cf.height},
    date=latest_period(cf),
)

호출 동작

1. c.show("CF" | "BS" | "IS", freq="Y") 3 회 — 5 년 wide 시계열.
2. snakeId 로 9 항목 추출 (CFO·CAPEX·배당·자사주·M&A·부채상환·차입·NI·자본).
3. FCF 계산 + 5 사용처 비중 정규화.
4. SGR = ROE × (1 − payout) 계산.
5. ROIIC = ΔNI / ΔInvestedCapital — 증분 자본 수익률.

대표 반환 형태

scorecard : pl.DataFrame — 컬럼:

• year, fcf : float
• reinvestPct, dividendPct, buybackPct, acquisitionPct, debtRepayPct : float — 합 ≈ 100%
• payoutRatio : float — (배당 + 자사주) / NI
• sgr : float — 지속가능성장률
• roiic : float — 증분 자본 수익률

한계

• snakeId 가용성 — 한국 일부 회사 CF 항목 분리 안 됨 (특히 M&A 가 investing_cashflow 안에 통합). fallback 으로 항목 누락 시 0 처리.
• 자사주 소각 vs 보유 구분 X — 한국 회사 자사주 매입 후 소각 안 하는 비중 큼. 본 recipe 는 buyback 지출만, 소각 별도 검증 필요.
• ROIIC 노이즈 — 단년도 ΔNI 변동 크면 음수 / 무한대 가능. 5 년 평균 ROIIC 권장.
• WACC 부재 — Buffett 원전은 ROIIC > WACC 게이트. dartlab WACC 미노출 — 본 recipe 는 ROIIC 절대값만, 자본비용 비교는 외부 추정.
• 부채 상환 부호 — 회사가 적자 보존 위해 부채 차입하면 debtRepay 음수. 자본 사용처가 아니라 조달처.

한국 / 미국 시장 차이

• 한국: 자사주 매입 후 소각 부재로 buybackPct 신뢰성 낮음 (소각 안 하면 효과 0). Value-up 프로그램 (2024-) 으로 변화 시작. 배당 비중 평균 20% 미국 대비 낮음.
• 미국: 자사주 매입 비중 평균 50% (S&P 500). buybackPct 가 자본배분 평가 핵심. M&A 활발 — acquisitionPct 비중 평균 20%.

연계 절차

1. 본 recipe → 5 년 자본배분 표 + ROIIC + SGR.
2. ROIIC < SGR 이면 capital 비효율 신호 → recipes.quality.dupontDriver 로 ROE 동인 점검.
3. M&A 비중 큰 회사 → 인수 후 통합 효율 (goodwill 추적) 별도.
4. 자사주 비중 큰 회사 → 소각 vs 보유 구분, EPS 변화로 검증.
5. SGR < actual growth → 외부 자본조달 의존 (유상증자·차입) 확인.
6. recipes.screen.compounderCandidates 와 상호 검증 — 진짜 compounder 는 ROIIC > 15% 일관.

기본 검증

• 5 사용처 합 ≈ 100% (오차 5% 이내) 확인 — 누락 항목 없는지 검증.
• ROIIC 5 년 평균 분포 — 우량 회사 15-25%, 평균 5-10%, 음수 = 가치 파괴.
• SGR 와 actual revenue growth 비교 — actual > SGR + 5%p = 외부 자본 의존.
• payoutRatio 60% 이상 = 성장 기회 부재 또는 보수적 경영 — 사업 단계 (성숙) 점검.
• “buyback = 좋다” 단정 X — 비싼 시점 자사주 매입 = 자본 파괴.

AI 직접 사용 방식

1. ReadSkill 에서 사용자 질문과 whenToUse를 맞춰 이 recipe를 고른다.
2. GetSkillBody 로 본문 전체를 읽고 linkedSkills 순서대로 먼저 필요한 엔진 skill을 확인한다.
3. ## 공개 호출 방식의 첫 Python 블록을 target만 바꿔 ValidateRecipe(..., capture=False)로 smoke 실행한다.
4. 실행 결과의 skillRef, tableRef, valueRef, dateRef, executionRef 중 누락된 근거가 있으면 답변을 작성하지 말고 호출 또는 근거 요구를 보강한다.
5. 답변은 결론, 핵심 근거, 메커니즘, 반례·한계, 후속 모니터링 순서로 작성하고 falsifier.description이 있으면 반례 단락에서 반드시 확인한다.