Fundamental Function

🚨 본문을 읽기 전에 반드시 이 글을 먼저 읽고 오세요.

1) 개요

펀더멘털 분석은 기업의 손익계산서, 재무상태표, 현금흐름표를 면밀히 검토하여 비즈니스의 수익성, 안정성, 성장성을 평가하며, 이를 통해 산출된 '공정 가치'와 '시장 가격' 사이의 괴리를 수익의 기회로 삼음. 이러한 접근법은 단기적인 주가 변동이나 시장의 노이즈보다는 기업이 보유한 자산의 질과 경영진의 의사결정, 그리고 산업 내 경쟁 구조와 같은 실질적 요인에 집중함.

워렌버핏이 말하는 가치투자도 기업의 내재가치(intrinsic value)가 시장가격 대비 저평가되어 있을 때 투자하는 접근으로, 펀더멘털 분석을 기반으로 한 대표적인 투자 방식 중 하나라고 볼 수 있음.

현대에 이르러 펀더멘털 분석은 단순한 정성적 분석을 넘어 팩터 투자의 형태로 정교화되었음. PER, PBR 같은 밸류 팩터뿐만 아니라, ROE, ROA 등 기업의 운영 효율성을 나타내는 퀄리티 팩터가 Fundamental Function을 구성하는 주요 요소로 자리 잡았음.

차트분석(기술적 분석)을 기반으로 한 PV Function이 시장의 심리와 수급의 변화를 차트를 통해 포착하여 단기적인 가격 변동에 베팅한다면, Fundamental Function은 기업의 기초 체력을 근거로 시장이 저지른 '평가 오류'를 찾아내는 데 주력함. 따라서, 우리가 Brain 플랫폼에서 할 일은 펀더멘털 지표들을 수만 개의 종목에 대해 동시에 적용하여 횡단면 분석을 하고, 상위에 노출된 기업들에 대해서는 롱-포지션, 하위에 노출된 기업들에 대해서는 숏-포지션을 가져가는 것.

2) 특징

2-1) Trading Frequencies

Fundamental data의 특성상 Trading Frequency와 Turnover는 PV 기반 전략과는 다른 형태로 나타남. 펀더멘털 데이터는 분기·반기·연 단위로 비연속적으로 업데이트되기 때문에, 신호가 일정 기간 유지되다가 특정 시점에만 변화하며 이에 따라 포지션 역시 장기간 유지되는 경향을 보임. 그 결과 평균적인 Turnover는 낮게 형성되는 경우가 많지만, 데이터 업데이트 시점에는 신호 변화가 집중되며 일시적인 리밸런싱이 발생함.

✚ Turnover가 너무 낮은 것도 문제일 수 있다?
일반적으로 Tunover는 거래비용과 직결되기 때문에, 낮은 것이 좋지만 극단적으로 낮아서 통계적 유의성이 확보되지 않는다면 성과가 과대평가될 수 있음.

2-2) Data

• 비슷하지만 다른 지표들을 사용해보기
  예컨대, 수익은 영업으로부터 발생하는 실제 현금흐름(mdf_coa)과 경영진/회계사가 계산하는 발생액(mdf_rev-mdf_coa) 두 부분으로 구성되어있다고 할 수 있는데, 발생액은 일정 부분 조작의 여지가 있기 때문에 실제 기업의 성과는 현금흐름으로 분석할 때 더 나은 결과를 보이는 상황이 있음.(항상 그런건 아니므로, 이런 저런 시도를 하는 게 중요!) 실제로 Sloan등(Sloan et al. 2011)의 연구는 발생액을 포함한 발생주의 이익보다 현금주의 이익이 더 강력한 미래 기업 성과의 예측 요소가 된다는 것을 밝혀냈음.

3) Data

전통적인 펀더멘탈 기반의 함수들은 분기별 실적 발표와 감사 보고서에 의존했으나, 이러한 데이터는 이미 과거의 사실을 기록한 후행적 지표라는 한계가 있음. 후행적 지표를 사용하는 것 자체가 큰 문제는 아니지만, 정보 반영 속도가 빠른 시장에서는 “정보 우위가 사라진 상태에서 거래하게 만든다”는 치명적인 단점이 있기 때문에, 펀더멘털 함수 설계과정에서도 대안 데이터(Alternative Data)를 적극적으로 수용할 필요가 있음. 그러나 재무제표 기반 데이터는 여전히 높은 신뢰성과 전문성을 갖춘 핵심 정보원으로 활용됨.

대안 데이터가 아닌 전통적인 펀더멘탈 데이터들의 data source는 재무제표안에 있는 각종 표라는 것을 기억하자!

3-1) Balance Sheet

• assets
• equity
• debt (assets - equity와 同)
• etc

3-2) Income statement

• revenue
• operating_income
• income
• operating_expense
• ebitda (실제 표에는 없지만 표에서 바로 도출되는 값)
• etc

3-3) cash flow statement

• etc (알아서 찾아보세요)

3-4) statement of shareholer's equity

• etc (알아서 찾아보세요)

• 대체데이터를 통한 선행지표
  

4) 아이디어

4-1) Value

시장가치와 기업의 내재가치를 비교하여서 얼마나 과대/과소평가 되어있는지 확인하는 전략로, 앞선 글에서 살펴봤던 시장성비율을 주로 활용

• OEY vs PER
  둘 다 기업의 수익성과 가격을 비교하는 지표지만, 함수 설계에서는 OEY를 다루는 것이 더 쉬움 (더 좋다는 것은 아님)
  • OEY는 값이 클수록 좋은 방향이라 rank·최적화에서 해석이 직관적
    → $OEY = \frac{\text{Operating Income}}{\text{Market Cap}}$
  • PER은 이익이 0 근처/음수일 때 발산하거나 정의가 불안정해지지만, OEY는 안정적으로 계산 가능
    → $PER = \frac{\text{Market Cap}}{\text{Net Income}}$
  • PER은 분모가 작아질수록 값이 폭발하여(outlier) 분포를 왜곡하지만, OEY는 값이 0 근처로 수렴해 통계적으로 더 robust
    → $\text{Earnings} \to 0 \Rightarrow PER \to \infty,\quad OEY \to 0$

*비슷하게 쓸 수 있는 걸로 enterpirse_value / ebitda도 있음

4-2) Quality

유동성비율, 안정성비율, 수익성비율, 활동성비율을 주로 활용

4-3) Growth

성장성비율을 주로 활용

4-4) Investment/Behavior

• Investment는 “기업이 자본을 얼마나, 어떤 속도로 투자하고 확장하고 있는가”를 보는 개념으로, 자산 증가율(asset growth), CAPEX, R&D, 순발행(net issuance) 등을 통해 측정되며 핵심은 과도하게 투자하는 기업일수록 미래 수익률이 낮아지는 경향(과잉투자)을 이용하는 것

• Behavior는 “회계적으로 보이는 이익이 실제 경제적 성과를 얼마나 제대로 반영하고 있는가”를 보는 개념으로, accruals(발생액), earnings quality, 현금흐름 대비 이익 구조 등을 통해 측정되며 시장 참여자들이 회계상 이익을 과대평가하는 비효율을 이용함

5) 실제 예시

5-1) ts_rank(equity/cap, 20)

• equity에 비해 cap의 업데이트 빈도가 압도적으로 높고 주식 수 변화는 제한적이기 때문에, 단기적으로는 price 변동이 대부분을 결정하는 구조이며 결과적으로 가격 기반 리버전 성격을 가진 전략으로 해석할 수 있음. 다만 단순한 price 신호가 아니라 equity라는 펀더멘털 anchor로 정규화된 값이기 때문에, 기업 규모나 절대 가격 수준과 무관하게 “내재가치 대비 얼마나 괴리가 벌어졌는가”를 기준으로 신호를 생성한다는 점에서 pure price reversal 전략과는 구분됨.

• 참고로 cap/equity는 PBR이라고 함.

5-2) ts_rank(operating_income/cap, 252)

• operating income은 음수가 될 수 있으며, 이 경우 단순 비율 기반 신호는 대소 관계가 왜곡될 수 있음. 따라서 음수 구간을 그대로 포함하면 ranking의 의미가 훼손되므로, sign에 따른 조건 분리가 필요함. 이를 반영한 구현 예시는 다음과 같음
  operating_income > 0 ? ts_rank(operating_income / cap, 252) : 0

5-3) -ts_zscore(enterprise_value/ebitda, 63)

• 기업 가치 = 시장 가치 (시가 총액) + 부채 - 현금 및 현금성 자산으로, 기업을 인수할 때를 가정하고 계산함. 현금및 현금성 자산을 빼는 이유는 예를 들어서 지갑을 샀는데 지갑에 돈이 들어있으면 빼줘야 실제 얼마에 지갑을 샀다고 볼 수 있음

5-4) rank(liabilities/assets)

• 부채비율(liabilities/assets)은 단순히 “높을수록 나쁘다”로 해석하기 어려울 수 있음. 부채가 많다는 것은 리스크가 크다는 의미일 수도 있지만 동시에 성장을 위해 적극적으로 레버리지를 활용하고 있는 상태일 수도 있기 때문임.
  • 따라서, “어쩔 수 없이 빌린 부채인지” vs “의도적으로 베팅한 부채인지”를 구분하는 로직이 추가된다면 조 금더 성능이 향상될 수 있음 (성장성·수익성 등을 추가적으로 고려)

• liabilities와 assets는 모두 재무제표 기반 데이터이므로 분기 단위로 업데이트되며, 그 결과 신호 변화가 느리고 turnover가 낮은 특징을 가짐

5-5) ts_rank(fn_liab_fair_val_l1_a, 126)

공정가치는 자산·부채를 현재 시장 기준으로 다시 가격 매긴 값이며, level은 그 값이 얼마나 직접적으로 시장가격에 기반했는지를 나타내는 척도로서 level 1은 실제 시장 거래가격, level 2는 관측 가능한 변수 기반 추정, level 3은 모델 기반 추정을 의미함. 따라서 이 함수는 장부 부채가 아니라 시장가격으로 재평가된 부채(level 1 공정가치)를 사용해, 금리·신용스프레드 변화에 따라 변하는 기업의 실질 부채 부담을 반영하고, 이를 과거 대비 상대적 위치로 정규화한 신호임.

⭐️ Model data
Brain의 데이터 카테고리를 보면, model부분이 있음. 여기서 model은 재무제표에 있는 “그대로의 값”이 아니라, 여러 원천 데이터와 통계적/계량적 방법을 통해 추정하거나 보정해서 만든 펀더멘털 변수를 의미함. 예를 들어 PER 같은 지표를 단순히 계산하는 수준이 아니라, 결측치 보정·이상치 처리·시점 정렬·미래 예측 또는 스무딩 등을 거쳐 더 안정적이거나 선행적인 형태로 재구성한 값이기 때문에 “model”이라는 표현을 씀.

5-8) 추가적인 결합 아이디어

• sign * magnitude 구조: 방향(sign)은 fundamental로 결정하고, 베팅 강도(magnitude)는 pv로 조절하는 구조로, “무엇을 살지”는 가치/퀄리티 등의 기준으로 정하고 “얼마나 강하게 살지”는 최근 가격 움직임·변동성·과매도 상태 등을 반영해 스케일링하는 아이디어

• 조건부 regime 전환 (fundamental → mom/rev): 펀더멘털 값이 특정 threshold를 넘는 구간에서는 momentum을 적용하고, 그렇지 않은 구간에서는 reversal을 적용하는 방식으로, “상태(state)에 따라 서로 다른 price behavior를 선택적으로 사용하는” regime-based 전략 아이디어