시황: 일본 닛케이 지수가 이상하다
→ 美 증시가 하락할 때 같이 하락, 상승해도 계속 하락
→ 도쿄 올림픽으로 인한 손실 , 코로나 환자 폭증 등
→ 하방으로 추세가 터질 가능성
→ 4차 산업혁명 분야에 인력 부족이 심각
→ 한국의 IT관련 인력들을 스카웃
→ IT관련 스타트업도 부족
→ 반면 투자 수요는 넘침
→ 일본 경제에 부정적인 요소들
▷ (화) 美 소매판매, 파월 연설, (수) FOMC 회의록 공개
주린이를 위한 가치평가 입문
제 1장: 가치 평가의 중요성
→ 참고서 : 주식 가치평가를 위한 작은 책
→ 저자 : 애스워드 다모다란 : 뉴욕대 경영대 재무학과 교수, 일명 밸류에이션 닥터
▶ 건강한 투자란?
→ 가치 > 가격
→ 어떤 자산에 대해 그 자산의 가치보다 높은 가격을 지불하지 않는 것
→ 어떤 자산이든 사기 전에 그 가치를 계산해 보아야 함
→ 어떤 가격이든 그 가격을 받아들인 타인이 있다면 그 가격이 정당화 될 수 있다는 주장에 대해
→ 터무니 없는 주장임
→ 폭탄 돌리기와 다를 바 없음
→ 내 손에서 폭탄이 터지지 않는다는 보장도 없음
→ 그림, 조각에는 이런 주장이 통해도, 금융자산은 아니다
→ 금융자산은 미래에 예상되는 현금흐름을 기대하고 사는 것
※ 트레이더의 입장은 다름
→ 가치보다 훨씬 높은 가격이라도 모멘텀이 있다고 판단되면 매수
▷ 비트코인은?
→ 가치평가는 미래의 현금흐름을 전제
→ 따라서 비트코인의 경우 가치평가는 불가능, 가격산정만 가능
▶ 가치평가에 대한 접근법
1) 내재적 접근 (intrinsic approach) : 자산에서 발생할 미래 현금흐름과 그에 대한 확실성의 정도
→ 현금흐름이 크고 확실할수록 높은 가치
→ 불확실한 현금흐름보다는 확실한 현금흐름이 낫다
2) 상대적 접근 (relative approach) : 비슷한 자산들의 가격에 따라 가치평가
→ 둘중 하나만 택할 이유는 없다
3) 옵션 이론을 통한 가치 평가 방법도 존재 (책에 없는 내용)
→ 광물탐사, 원유시추 관련 중소기업 등
→ 자원을 발견시 대박, 아니면 서서히 자본이 잠식되며 파산
→ 옵션과 유사하므로 옵션 이론을 해당 기업의 가치평가에 적용 가능
▶ 가치평가가 중요한 이유는?
▷ 단기 트레이더, 장기 투자자 모두에게 유용
→ 주식 투자자는 관심 기업 중에서 저평가된 것을 찾기 위해 활용
→ 차트 매매자도 추세와 모멘텀의 변화를 찾아내는데 활용 가능
ex) 저평가로 판단되면 상방으로 기술적 지표를 활용하여 매수 진입
→ 타이밍을 잡으려는 사람도 시작 지점의 상태를 결정하는데 활용 가능
▷ 투자 외의 분야에서도 유용
→ 스타트업이 벤처 투자를 받을 때
→ IPO를 앞둔 경우
→ 재무제표 상의 자산을 공정가치(Fair Value)로 계산할 때
▶ 가치평가에 대한 불편한 진실
1) 가치평가는 한쪽으로 치우치게 마련
→ 기업 또는 주식에 대한 사람들의 관점은 가치평가 전부터 굳어 있거나 편향되어 있음
→ 가치 평가를 하는 당사자에 따라 뚜렷한 편향이 관찰됨
ex) 증권사 애널리스트
→ 개인적인 편향 + 기관 요소(institutional factor)
→ 본인이 다루는 기업과 증권사의 관계를 고려해서 매도보다는 매수의견을 더 많이 냄
→ 좋아하는 기업에 대해서는 무의식적으로 높은 성장률, 낮은 할인율을 적용하는 경우가 많음
→ 성장률, 할인률 산정에는 어느정도 재량적 요소가 작용하기 때문
→ 따라서 개인적인 편향에 크게 좌우되는 측면이 있음
2) 가치평가는 대부분 틀리기 마련
→ 수학, 물리학처럼 딱 맞아떨어지는 분야가 아님
① 수집한 정보와 데이터의 정확성 문제
② 수집한 정보를 통해 예측치를 추정하는 과정에서 추정 오류(estimation error) 발생
ex) 가치평가에 사용하는 데이터는 분기별 데이터 (10년을 잡아도 데이터의 양이 적음)
③ 개별 기업의 불확실성이 존재 (firm-specific uncertainty)
ex) 인수합병, 오너리스크 등
④ 개별 기업에 영향을 주는 거시 경제 상황은 끊임없이 변함
ex) 특정 기업의 밸류에이션이 좋아도 시점이 금융위기 직전이라면?
→ 가치 평가를 한 시점에서는 그 평가의 정확성을 판단하기 어려움
→ 어떤 경우에는 더 많은 정보를 수집하고 분석할수록 불확실성이 커지기도 함
※ 그렇다고 가치평가 자체를 회피하여 불확실성의 위험을 무마할수는 없음
3) 단순한 것이 더 좋을 수 있음
→ 지난 20년간 컴퓨터 성능 향상과 정보 및 데이터 접근성 향상으로 가치평가가 복잡해짐
→ 그러나 모델은 무조건 복잡하다고 좋은 것은 아님
→ 상쇄(Trade-off)되는 부분이 존재
※ 과유불급
→ 복잡할수록 더 많은 정보를 이용해 세밀한 추정이 가능하지만 수많은 변수 중에 몇 개만 잘못되어도 에측이 크게 빗나갈 가능성 높아짐
ex) 3가지 변수로 가치평가가 가능하다면, 5가지 변수를 입력하지 말라
ex) 3년간 전망치로 가치평가가 가능하다면, 10년간의 현금흐름을 쓰지말라
ex) ARK Invest의 테슬라 Monte Carlo 모델
선행편 15편 : 기계학습 모델의 Overfitting / Underfitting 문제 참조
▶ 결론 : 남들보다 덜 틀리면 된다!
→ 가치평가의 복잡성, 정보의 불충분성, 불확실성이 가치평가 시도를 멈출 이유는 아님
→ 투자의 성공은 옳은 데서 오는 것이 아니라 다른 사람보다 덜 틀리는데서 온다는 것을 명심할 것
→ 투자는 상대평가