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

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__}

valuation = c.analysis("valuation")
valuation_band = c.analysis("valuationBand")
profitability = c.analysis("profitability")
capital_allocation = c.analysis("capitalAllocation")
bs = c.show("BS", freq="Y")

emit_result(
    table=[
        {"method": "relativeMultiple", "result": compact(valuation)},
        {"method": "valuationBand", "result": compact(valuation_band)},
        {"method": "profitabilityQuality", "result": compact(profitability)},
        {"method": "capitalAllocation", "result": compact(capital_allocation)},
    ],
    values={"target": target, "bandMethods": 4, "period": latest_period(bs)},
    date=latest_period(bs),
)

호출 동작 — 5 단 분석 구조

답변은 분석 5 단 (결론 / 근거 / 메커니즘 / 반례·한계 / 후속 모니터링) 매핑. 3 anchor (Graham · EVA spread · CFROI proxy) 결과를 본질가치 band 로 묶어 답안 구성.

1. 결론 도출

회사의 본질가치 band + 현재 시장가 위치 + 3 anchor 합의도 한 문장 정량 결론.

좋은 결론 예시:

• “005930 (삼성전자) 본질가치 band 60,000~85,000 원 (Graham V 72,000 / EVA spread +3.2%p 가치 창출 / CFROI 9.8% > WACC 7%), 현재가 71,500 원 = band 중앙 +1%. 3 anchor 일관 가치 창출 — fair value 근방, 안전마진 부재.”
• “OOOOOO band 18,000~32,000 원 (Graham 22,000 / EVA -1.5%p 가치 파괴 / CFROI 5.2% < WACC 7%), 현재가 14,500 원 = band 하단 -19%. 2/3 anchor 약세 + 시장가 하단 이탈 — value trap 가능성, 보수적 접근.”

금지 — 단일 anchor (Graham 만 또는 EVA 만) 결과로 fair value 단정. 반드시 3 anchor 모두 산출 + band 형태.

2. 핵심 근거 수집

requiredEvidence: skillRef + tableRef + valueRef + dateRef 4 종 명시.

• skillRef: engines.gather 또는 engines.company.show (L1 raw IS/BS/CF/FQ), engines.scan.valuation (PER/PBR snapshot 비교용). analysis valuation axis 의존 X.
• sourceRef: DART 공시 — IS (sales, operating_profit, earnings_before_tax, net_income, depreciation), BS (total_stockholders_equity, long_term_debt), CF (cash_flow_from_operations), FQ (eps_basic). 5 년 연간 시계열.
• 외부 가정: AAA yield (Y_AAA 4.0~5.0%), WACC_proxy (KR 7% / US 8%) — 답변에 가정 명시 + 민감도 (±1%) 동반.
• tableRef (3 행 anchor): anchor × (value, interpretation, marketPriceComparison).
• valueRef: Graham V · EVA spread · CFROI 5y avg · 현재 시장가 · 안전마진 비율 (V/Market).
• dateRef: 5 회계년도 + 시장가 snapshot date.

도구: RunPython (4 raw 호출 + 9 변수 추출 + 3 anchor 계산).

3. 메커니즘 분석

3 anchor 가 서로 다른 가정 으로 본질가치를 추정 — 합의 시 band claim.

graph LR
  EPS["EPS·CAGR·AAA yield"] --> G["Graham V<br/>= EPS×(8.5+2g)×4.4/Y_AAA<br/>회계 기반"]
  OP["NOPAT·Invested Capital"] --> EVA["EVA spread<br/>= ROIC − WACC<br/>자본비용 기반"]
  WACC["WACC_proxy"] --> EVA
  CFO["CFO − maintenance CAPEX"] --> CFROI["CFROI proxy<br/>= (CFO−Dep)/IC<br/>현금흐름 기반"]
  IC["Invested Capital"] --> CFROI
  G --> BAND["본질가치 band<br/>3 anchor 합의"]
  EVA --> BAND
  CFROI --> BAND
  BAND --> SAFETY["안전마진<br/>= 시장가 / V"]

각 anchor 해석 (답변 본문):

• Graham V: 회계 EPS·성장률 + AAA yield 보정. 시장가 < V × 0.5 = deep value 안전마진. Graham 1962-2000 백테스트 +6%p 초과수익.
• EVA spread: ROIC − WACC. +값 = 자본 효율 우월 (자본 창출). -값 = 자본 파괴 (장기 deteriorate). Stewart 1991 correlation 0.50-0.65.
• CFROI proxy: 현금 ROIC. 회계 ROE 보다 noise 적음. HOLT 1950-2020 — CFROI > WACC 회사 미래 stock return 우월.

3 anchor 합의 게이트: 모두 저평가 (V > 시장가, spread > 0, CFROI > WACC) → 강한 매수 신호. 1~2 anchor 만 합의 → watch.

4. 반례·한계

• Falsifier: 3 anchor 중 1~2 만 합의해도 fair value 단정 금지 — 3 anchor 일관 시만 band claim.
• 가정 민감도: AAA yield ±1%, WACC ±2% 변화 시 V/spread/CFROI 변화 큼. 답변에 가정 + 민감도 (low/base/high 3 케이스) 동반 권장.
• Graham 1974 미국 표본: KR 시장 직접 검증 부재. KR chaebol 회계 (지주·자회사 internal trading) 으로 EPS noise 가능.
• EVA WACC proxy: 산업·국가·회사별 다름. CAPM (beta + risk-free + ERP) 정확. 본 recipe 는 7%/8% 단순 가정.
• CFROI 단순화: 원전 (HOLT) 은 인플레이션 조정 IRR over asset life. 본 proxy 는 (CFO − Dep) / IC — asset vintage·inflation 미보정.
• EPS CAGR 사이클: 5 년 CAGR 가 사이클 시작/끝 노이즈 (조선·반도체). 더 긴 (10 년) 또는 정상화 EPS 권장.
• 음수 영업이익: 적자 회사는 EVA spread·CFROI 음 무한대 가능 — band 산출 X.
• 금융업 부적합: 은행·보험 IC 정의 다름 (예금·보험료). 별도 framework.
• 시가총액 시계열 결합 X: c.show("PRICE") 마지막 종가만. 추세 비교 별 처리.
• failureModes — AAA yield KR 적합성 / WACC CAPM 가정 / CFROI inflation 누락 / 3 anchor 가정 차이로 band 폭 큼 / 시점 차이.

5. 후속 모니터링

답변 끝에 모니터링 표:

신호	현재값	임계값	리뷰 주기
Graham V vs 시장가	(계산)	시장가 < V × 0.5 = 매수	분기
EVA spread	(계산)	> 0 (가치 창출)	분기
CFROI − WACC	(계산)	> 0 (자본 효율)	분기
AAA yield (Y_AAA)	(gather)	±50bp	월간
WACC 추정 (CAPM)	(계산)	beta 재계산 시	연간
시장가 / V (안전마진)	(계산)	< 50% = 강한 매수	일간

연계 절차:

• EVA spread > 0 + CFROI > WACC → recipes.screen.compounderCandidates 합의 (진짜 quality)
• EVA spread < 0 + CFROI < WACC → recipes.credit.distressFilter (자본 파괴)
• 5 년 EVA spread 안정 양수 = quality compounder → recipes.quality.dupontDriver 결합
• PER/PBR 정량 매트릭스 → engines.scan.valuation snapshot 비교
• 자본 배분 효율 → recipes.quality.capitalAllocationScorecard

재호출 트리거: “삼성전자 3 anchor 본질가치 band”, “Graham + EVA + CFROI 결합”, “시장가 vs 본질가치 band 비교”.

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 → recipes.screen.compounderCandidates 와 합의.
4. EVA spread < 0 + CFROI < WACC = 자본 파괴 → recipes.credit.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.

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.