1. Inputs

1.1 VIX (CBOE Volatility Index)

VIX 지수는 시카고 옵션 거래소 변동성 지수 (Chicago Board Options Exchange (CBOE) Volatility Index) 를 의미합니다.
VIX 는 S&P 500 지수의 옵션 가격에 기초하며, 향후 30일간 지수의 풋옵션 그리고 콜옵션 가중 가격을 결합하여 산정합니다.

보통 공포 지수로 잘 알려져 있으며, 주가가 대폭 상승 또는 하락할 것으로 예상하는 투자자는 옵션을 이용해서 해지를 합니다.
따라서 S&P 500지수와 반대로 움직이는 경향이 있으며, 보통 하락 추세에 옵션에 대해서 더 많은 풋옵션을 매입하며, 이때 VIX지수가 오르게 됩니다.

  • 30이상이면 높다고 말하며, 20 이하면 낮다고 판단
  • 2000년 ~ 2007년 평균 19.6 에서, 2008년 리먼 브라더스 사태때 89.86 (11월 20일)에 기록함
  • 한국 Kospi에서는 KSVKOSPI 가 있음

1.2 샤프 지수 (Constant Sharpe Ratio)

\[S_a = \frac{\mathop{\mathbb{E}} \left[ R_a - R_b \right] }{ \sigma_a}\]
  • \(R_a\) : 주식같은 위험 자산의 수익률 (예. S&P500 또는 특정 주식)
  • \(R_b\) : 무위험 수익률, 국채, 코스피 같은 기준지표. (예. 10년 만기 미국 국채 또는 코스피)
  • \(\sigma_a\) : population standard deviation을 해준다. (즉 std(ddof=0))
  • 기준지표대비 자산의 초과 수익률이며, 수치가 높을수록 수익률이 좋다 (다만 비례해서 리스크도 높다)
  • 샤프 비율 이라고도 한다
  • constant 가 분은 이유는 cov계산시 \(\sigma_a\) 만 계산하기 때문. 즉. 시장상황은 constant값으로 봄

보통 해석은 다음과 같이 합니다.

  • \(S_a > 3.0\) : 매우 좋음
  • \(S_a > 2.0\) : 좋음
  • \(S_a < 1.0\) : 그닥..
  • \(S_a < 0\) : 손실 ㅎㅎ

예를 들어서 S&P500의 Constant Sharpe Ratio는 다음과 같습니다.

\[S_a = \frac{\mathbb{E} \left[ \text{S&P500} - \text{10년만기 미국 국채} \right] }{ \sigma(\text{S&P 500})}\]

Python에서는 다음과 같이 합니다.

import numpy as np

# S&P500 년도별 수익률 (percentage 를 100으로 나눠서 소수점으로 만듬)
s = np.array([ 0.228 ,  0.1648,  0.1245, -0.1006,  0.2398,  0.1106, -0.085 ,
               0.0401,  0.1431,  0.1898, -0.1466, -0.2647,  0.372 ,  0.2384,
              -0.0718,  0.0656,  0.1844,  0.3242, -0.0491,  0.2155,  0.2256,
               0.0627,  0.3173,  0.1867,  0.0525,  0.1661,  0.3169, -0.031 ,
               0.3047,  0.0762,  0.1008,  0.0132,  0.3758,  0.2296,  0.3336,
               0.2858,  0.2104, -0.091 , -0.1189, -0.221 ,  0.2868,  0.1088,
               0.0491,  0.1579,  0.0549, -0.37  ,  0.2646,  0.1506,  0.0211,
               0.16  ,  0.3239,  0.1369,  0.0138,  0.1196,  0.2183])


# 미국 10년만기 국채 년도별 수익률 (percentage 를 100으로 나눠서 소수점으로 만듬)
t = np.array([0.04  , 0.0419, 0.0428, 0.0493, 0.0507, 0.0564, 0.0667, 0.0735,
              0.0616, 0.0621, 0.0685, 0.0756, 0.0799, 0.0761, 0.0742, 0.0841,
              0.0943, 0.1143, 0.1392, 0.1301, 0.111 , 0.1246, 0.1062, 0.0767,
              0.0839, 0.0885, 0.0849, 0.0855, 0.0786, 0.0701, 0.0587, 0.0709,
              0.0657, 0.0644, 0.0635, 0.0526, 0.0565, 0.0603, 0.0502, 0.0461,
              0.0401, 0.0427, 0.0429, 0.048 , 0.0463, 0.0366, 0.0326, 0.0322,
              0.0278, 0.018 , 0.0235, 0.0254, 0.0214, 0.0184, 0.0233])

# Sharpe Ratio (안전자산에 대비한 초과 수익률)
sharp_ratio = (s-t).mean()/np.std(s)
# 0.32816403642800934

1.3 리스크 프리미엄 (Equity Risk Premium, ERP)

위험 프리미엄 Equity Risk Premium (ERP) 주식같은 위험 자산에 투자할때,
국채나 은행과 같은 무위험(risk-free) 자산에 비해 투자자에게 요구되는 최소한의 초과 수익률을 의미합니다.
쉽게 이야기 하면 하이 리스크, 하이 리턴…
(리스크가 이렇게 높은데 들어갈수 있겠니?)

예를 들어 default위험이 있는 회사의 채권은 이자율이 더 높고, 건실한 기업에서 내놓는 채권의 금리는 싼것과 같습니다.

VIX는 일명 공포 지수로서 위험 지수를 나타내고, 샤프 지수는 초과 수익률을 의미합니다.
VIX 공포지수는 주가가 떨어질때 오르고, 반대로 초과 수익률은 시장이 좋아서 주가가 올라갈때 오릅니다.
주가가 올라갈때는 공포지수가 낮추는 효과가 나오고, 주가가 떨어질때는 공포지수가 높아지면서 서로 상쇄 시키는 효과가 있습니다.
극단적인 상황에서 수익률이 0% 라면, 리스크 프리미엄은 0이 됩니다.
반대로 리스크가 없다면 리스크 프리미엄도 없게 됩니다.
리스크 프리미엄은 리스크를 동한반 수익률을 의미합니다.
예제로 1년동안의 ERP 추정치는 다음과 같습니다.

\[\text{ERP} = \mathbb{E} \left[ \text{1년동안의 Sharpe 지수}\right] \times \mathbb{E}\left[\text{지난 1년동안의 VIX} \right]\]
  • 위의 공식은 예제이고 ERP 공식은 변화 가능.. 하나의 예일 뿐
  • 1년을 가정한 이유는 최소 1년동안 투자한후 홀딩하겠다는 뜻
  • 시간은 분석 하려는 목표에 맞춰서 하면 됨
  • Sharpe 지수는 초과수익률이며 vix는 sharpe 지수와 반대로 주가가 떨어질때 올라간다.

아래 그림에서 ERP평균값 이상으로 올라간때는 다음과 같습니다.

  • 닷컴 IT버블
  • 911 테러
  • 서브프라임 모기지 사태

# 과거 1년동안의 분기별 vix 평균값. (분석에 따라서 월로 쓸지 분기별로 쓸지.. 자유롭게)
vix = np.array([12.86, 15.34, 17.35, 10.31])

# 다음분기 S&P500 예측값과, 10년 국채 예측값을 더 넣어준다.
s2 = np.append(s, 0.0172)
t2 = np.append(t, 0.032)
sharpe_ratio = (s2-t2).mean()/np.std(s2)

# ERP는 sharp_ratio를 반영한다
erp = sharpe_ratio * vix.mean() / 100
# 0.045 = 0.3225 * 13.965 / 100

1.4 연방기금금리 (Federal Funds Rate)

  • 연방준비은행 (Federal Reserve Bank)에 예치되어 있는 지급준비금을 은행 상호간에 1일간 (overnight) 빌릴때 적용되는 금리
  • 은행은 일정이상의 돈을 항시 갖고 있어야 하며, 때문에 은행간 여유가 있는곳이 있고 부족해서 빌려야 하는 곳도 생김 -> 이때 빌릴때 적용되는 금리
  • 연방공개시장위원회 (FOMC, Federal Open Market Committee) 에서 해당 금리를 결정하며, 매 7주간격 연 8회 FOMC가 열린다
  • FOMC는 연방기금목표금리 (Federal Funds Target Rate) 정하게 되며, 0%~0.25% 또는 0.25%~0.5% 같이 금리를 설정하게 됨
  • 은행들은 해당 Target Rate안에서 상호간에 초과분/부족분을 대여/대차 거래를 하게됨
  • 이때 항상 target안에서만 하는건 아니고, 서브프라임 모기지 사태때는 은행들이 긴급하게 돈이 필요해져서 target이상으로 금리가 온라간 적도 있음
  • 실제 은행들간에 거래된 금리의 평균을 연방기금유효금리 (Federal Funds Effective Rate)라고 함
  • 관련 데이터는 https://www.federalreserve.gov/monetarypolicy.htm에서 문서를 봐야 함

실무적으로 들어와서, FOMC가 FOMC statement를 내놓으면 바로 분석에 들어가야 하며,
문서중에서 빠르게 금리를 찾는 방법은 target range로 검색하면 됨
아래서 중요한 부분은 federal funds rate를 0% ~ 0.25% 로 설정하겠다는 뜻

그외 FOMC statement와 같이 보면 좋은 macroeconomic 변수들은 다음과 같습니다.
아래의 내용이 중요한 이유는 statement안에 왜 target rate가 어떻게 설정이 됐는지 나오는데..
그 주요 변수들이 아래의 것들이며, 잘 이해하고 있다면 다음 target rate도 어느정도 유추할 수 있습니다.

  1. GDP
  2. Unemployment
  3. Personal Consuptions Expenditure (PCE) inflation
  4. Core inflation

위의 방식이 어렵다면 Chicago Mercantile Exchange (CME) 에서 Futures 거래를 보면 됩니다.
마지막 가격을 보면 되며, 예를 들어 JAN 2021 의 마지막 가격은 99.91 인데.. 100에서 빼주면 됩니다.
즉 100 - 99.91 = 0.09 이며 이며 현재 target rate (0~0.25) 그 사이임을 알 수 있습니다.

1.5 Beta

특정 주식, 펀드, 포트폴리오가 전체 시장과 얼마나 유사한 변동성을 갖는지를 나타낸 지표.
Linear 공식이 y = y_intercept + beta * x_mean 인데.. 여기서 b는 slope을 나타내고..
실제로 이 b가 beta값을 나타냅니다. 즉.. beta == slope 이다!

  • \(\beta > 1.0\) : 특정 주가가 시장의 변동폭보다 더 심하게 움직이며, 리스크가 높다
  • \(\beta = 1.0\) : 트정 주가가 시장의 변동폭과 동일하다
  • \(\beta < 1.0\) : 특정 주가가 시장의 변동폭보다 덜 움직이며, 리스크가 적다
  • \(\beta = 0\) : 특정 주가는 시장의 흐름과 상관관계가 없다
  • \(\beta < 0\) : 특정 주가는 시장의 흐름과 반대로 움직인다 (negatively correlated)

따라서 beta 값은 종종 위험보상(risk-reward)를 측정할때 사용되며, 쉽게 말해..
투자자로서 얼마나 큰 리스크를 감수하고 잠재적 보상을 얻겠는가 임.
참고로 yahoo finance의 경우 월별 변화량을 사용하며, market으로 S&P500 를 사용함.

\[\begin{align} \beta &= \frac{cov( s, m)}{\sigma^2( m)} \\ \end{align}\]
  • \(\beta\) : 베타 상관계수
  • \(s\) : 특정 주식의 일별 변화량 (percentage)
  • \(m\) : 시장의 일별 변화량 (percentage)
  • \(\sigma^2\) : variance

조금 더 설명하면 아래와 같습니다.

\[\begin{align} cov(s, m) &= \frac{\Sigma^N_{i=1} (s_i - \bar{s}) \times (m_i - \bar{m})}{N-1} \\ cor(s, m) &= \frac{cov(s, m)}{\sigma_s \times \sigma_m} \\ \sigma_m &= std(m) = \sqrt{ \frac{\Sigma^N_{i=1} (m_i - \bar{m})^2}{N-1}} \\ \sigma_m^2 &= var(m) = \frac{\Sigma^N_{i=1} (m_i - \bar{m})^2}{N-1} \end{align}\]
  • cov: covariance 이며, 문제점이 수치가 커질수록 상관관계가 높은데.. normalization이 안된 상태
  • cor: 상관관계 공식이며, cov에 두 변수의 표준편차를 곱해서 normalization 하는데 -> 결론적으로 -1 ~ 1 사이의 값으로 만듬
    이걸 넣은 이유는 사실 Beta값은 이론적으로 상관계수에서 나온 공식이라서 그러함. 참고
  • \(\sigma\) : sample standard deviation 이다. 따라서 분모가 N 이 아니라 N-1 이다.

Python 예제는 다음과 같습니다.

import numpy as np

# 페덱스 일별 주가 변동
s = np.array([ 3.052447,  5.224366,  0.101958,  2.502108,  7.811279,  5.185549,
              -6.122374, -2.556716,  2.952812,  0.776698, -8.855169,  8.284153,
              -0.7809  ])

# S&P500 일별 주가 변동
m = np.array([ 0.054649,  1.930289,  2.218817,  2.80826 ,  0.983162,  5.617872,
              -3.894738, -2.688451,  0.27188 ,  2.160835,  0.48424 ,  3.602159,
              3.026322])

Numpy

def cal_beta(m, s):
    cov = ((s - s.mean()) * (m - m.mean())).sum()
    var = np.sum((m - m.mean())**2)
    return cov/var

cal_beta(m, s)
# 1.1401684598427013

Numpy - Matrix

import statsmodels.api as sm

def cal_beta2(m, s):
    """
    :return : [y-intercept, slope]
    """
    m = sm.add_constant(m)
    a = np.linalg.inv(m.T @ m)
    b = m.T @ s
    B = a @ b
    return B

cal_beta2(m, s)
# array([-0.10172452,  1.14016846])  

Numpy - Simple Version

def cal_beta3(m, s):
    y = np.cov(s, m, ddof=0)/np.var(m)
    return y[0][-1]

cal_beta3(m, s)
# 1.1401684598427015

Scipy

from scipy.stats import linregress

linregress(m, s)
# LinregressResult(slope=1.1401684598427015,
#                  intercept=-0.10172451628899193,
#                  rvalue=0.5716942376087407,
#                  pvalue=0.04122636145990893,
#                  stderr=0.4933667245626671)

2. 자본자산 가격결정모형 (CAPM)

\[\begin{align} \text{CAPM} &= \text{risk-free rate} + \beta \times \text{ERP} \end{align}\]
  • CAPM: Capital Asset Pricing Model
  • risk-free rate: 10년 만기 미국 국채의 1년 평균
    • 데이터는 Fred 에서 다운로드
    • 실제 모델링에서는 Linear Regression모델링 또는 여튼 미래시점의 수익률을 넣는 것이 좋다
  • \(\beta\) : 베타값. 1.14
  • ERP: 리스크 프리미엄. sharpe(0.317) * vix(13.965) = 4.428
  • 캐팸~ 이렇게 읽음

2.1 Risk Free Rate

먼저 라이브러리를 불러오고, 10년만기 미국 국채의 최근 1년 평균값을 계산합니다.

import numpy as np
import yfinance as yf
from fredapi import Fred

# 미국 10년만기 미국 국채
fred = Fred(API_KEY)
us10 = fred.get_series('DGS10')
us10 = us10.groupby([us10.index.year, us10.index.month]).mean().iloc[-4:]
# 2020  10    0.787143
#       11    0.870000
#       12    0.933636
# 2021  1     1.082500

risk_free_rate = us10.mean() / 100 # 0.0091

2.2 Beta

베타값을 계산 합니다.

# S&P 500 의 1년간의 월별 변동성 평균
snp = yf.Ticker('^GSPC')
snp = snp.history('5y', '1mo')[['Close']].dropna()
snp = snp.groupby([snp.index.year, snp.index.month]).first()
snp = snp.pct_change().dropna()

# Fedex 1년간의 월별 변동성 평균
fdx = yf.Ticker('FDX')
fdx = fdx.history('5y', '1mo')[['Close']].dropna()
fdx = fdx.groupby([fdx.index.year, fdx.index.month]).first()
fdx = fdx.pct_change().dropna()

# 개월수 맞추기
stocks = fdx.join(snp, rsuffix='_snp')
fdx = stocks.iloc[:, 0].values
snp = stocks.iloc[:, 1].values


# Fedex의 Beta값 = 1.9515830745778673
def cal_beta(m, s):
    n = len(m)
    cov = ((s - s.mean()) * (m - m.mean())).sum()
    var = np.sum((m - m.mean())**2)
    return cov/var

beta = cal_beta(snp, fdx)
# 1.3183174059639897

2.3 Risk Premium

\[\text{Risk Premium} = \text{Sharpe} \times \bar{\text{1-year vix}}\]

리스크 프리미엄은 샤프지수 * VIX 이며,
특정 종목이 아니라, 주식시장 자체에 투자 했을 경우의 리스크 프리미엄을 계산했습니다.
따라서 S&P500 수익율 그리고 미국 10년 만기 국채 수익율 데이터를 사용하며,
제가 배운 책에서는 역사적 모든 데이터를 사용하지만, 개인적으로는 시대가 달라지니 10년치를 사용하겠습니다.

사용하는 데이터

  • 10년 만기 미국 국채 금리 수익률 (10년 데이터)
  • S&P 500 수익률 (10년치 데이터)
  • S&P 500의 Volatility Measure 로서 CBOE Volatility Index 사용 (1년치 데이터)
# 10년 만기 미국 국채 금리 -> 수익률
# API_KEY는 Fred에서 받아서 넣어야 함
fred = Fred(API_KEY)
us10 = fred.get_series('DGS10')
us10 = us10.groupby([us10.index.year, us10.index.month]).mean()
us10 = us10.pct_change().dropna()  # 퍼센트 -> 소수점 으로 바꾸면서 변화량을 계산

# S&P500 주가 -> 수익률
snp = yf.Ticker('^GSPC')
snp = snp.history('10y', '1mo')[['Close']].dropna()
snp = snp.groupby([snp.index.year, snp.index.month]).first()
sharpe = snp.pct_change().dropna()

# index 맞추기
sharpe['us10'] = us10
snp = sharpe.iloc[:, 0].values
us10 = sharpe.iloc[:, 1].values 

# Constant Sharpe Ratio. 0.3854
sharpe = (snp - us10).mean()/snp.std()

VIX 데이터를 가져오고, 리스크 프리미엄을 계산합니다.

# VIX for S&P500 Volatility Measure  
vix = yf.Ticker('^VIX')
vix = vix.history('1y', '1mo')[['Close']].dropna()
vix = vix.groupby([vix.index.year, vix.index.month]).first()
#                Close
# Date Date           
# 2020 2     40.110001
#      3     53.540001
#      4     34.150002
#      5     27.510000
#      6     30.430000
#      7     24.459999
#      8     26.410000
#      9     26.370001
#      10    38.020000
#      11    20.570000
#      12    22.750000
# 2021 1     37.209999


# Calculate Equity Risk Premium
# 0.1212 = 0.3854 * 31.4508 / 100
risk_premium = sharpe * vix.values.mean() / 100

2.4 CAPM

\[\begin{align} \text{CAPM} &= \text{risk-free rate} + \beta \times \text{ERP} \\ 11.6281 &= 0.9175 + 1.3048 \times 12.1764 \end{align}\]
  • risk-free rate 그리고 ERP 값 모두 한번만 계산해두면.. 마치 상수처럼 모든 종목에 다 쓰임.
    즉 개별종목에 영향을 주는건 beta 밖에없음. (확인했음. 정말 이렇게 계산함)
  • 리스크가 존재할때 위험 정도에 따라서 해당 증권의 적절한 기대수익률을 계산할때 사용
  • 주주의 요구수익률이 최소한의 무위험 이자율리스크를 한 이자 수익률을 계산한다고 생각하면 됨
# 0.16900644116976196 = 0.0091 + 1.3183 * 0.1212
capm = risk_free_rate + beta * risk_premium

CAPM 값이 29.46가 나왔다는 뜻은 required return on equity = 29.46% 라는 것이며,
29.46% 수익률이 나와줘야 한다는 뜻이다. (현재 beta값은 작은데.. GME 사태로 인해서 risk premium이 높아진 상태)

3. 가중평균자본비용 (Weighted Average Cost of Capital, WACC)

3.1 EBIT & Interest Expense

\[\begin{align} \text{EBIT} &= \text{Revenue} - \text{COGS} - \text{Operating Expenses} \\ \text{EBIT} &= \text{Net Income} + \text{Interest} + \text{Taxes} \end{align}\]
  • EBIT: Earnings Before Interest and Taxes
    • 법인세 비용과 이자 비용을 공제하기 전 회사의 순이익
    • Operating Income (영업이익) 도 법인세 비용과 이자 비용을 공제하기 전이라 유사하나.. 다르다.
  • COGS: Cost of Goods Sold (매출원가)
  • Interest Expense
    • 채권 발행을 통하여 자금을 조달시 세금 절감 효과가 있다
    • 손익계산서 상으로 정부에게 납부해야 할 세금 금액 계산 전에, 채권자에게 주어야 할 이자가 차감 되기 때문이다 (Tax Deductible)
    • EBIT을 계산하기 전에 interest expense를 차감해주고 -> 그 다음에 세금을 먹인다.

* Source 에서 가져온 내용 입니다.

3.2 WACC

\[\begin{align} \text{WACC} &= \frac{\text{E}}{\text{E} + \text{D}} \times R_E + \frac{D}{\text{E} + \text{D}} \times R_D \\ R_E &= \text{CAMP} \\ R_D &= \frac{\text{Total Interest Cost} }{\text{Total Debt}} \times (1-\text{Effective Tax Rate}) \end{align}\]
  • E: Equity (자기자본의 시장가치 = 시가총액 = 발행주식수 x 현재주가)
  • D: Debt (부채의 시장가치 = 발행채권수 x 채권의 시장 가격)
  • V: E + D (기업의 시장가치는 부채와 자기자본의 가치를 합한 것. 총자산 = 자기자본 + 총부채)
  • E/V: 자기자본으로 조달된 자본의 비중 (%)
  • D/V: 부채로 조달된 자본의 비중 (%). (1 - E/V) 로 표현 가능
  • \(R_E\): Cost of Equity (자기자본비용 = CAPM 사용)
    • 변동성(위험)에 대해 투자자들이 요구하는 수익률 (리스크가 높으니 일단 기본으로 요정도 수익률은 깔고 가자!)
    • CAPM, DDM(Dividend Discount Model), Arbitrage Pricing Model, PMP 등등.. 여러가지 있다
  • \(R_D\): Cost of Debt (타인자본조달비용)
    • After-tax cost of debt: 총금융비용/평균이자발생부채 (1 - 실효세율) 적용
    • Pre-tax cost of debt: 실효세율 적용 없음

자세하게 알아야 하는 사항

  • D: Debt
    • Short-term borrowings: 단기 차입금
    • Current portion of long-term debt : 장기부채에 대한 단기 상황금 및 이자 (current = 유동성/1년이내)
      • 야후: Current Debt And Capital Lease Obligation
    • Long Term Debt And Capital Lease Obligation
    • 이때 아래의 계정은 제외 된다
      • (야후) 미지급금 및 미지급 비용 Payables And Accrued Expenses
      • (야후) 연금 및 기타 퇴직 후 혜택 플랜 Pension & Other Post Retirement Benefit Plans Current
      • (야후) 직원 혜택 Employee Benefits
      • 외상 매입 계정 Accounts payable
      • 미지급 비용 (Accrued liabilities)
      • 이연 매출/수익 deferred revenues
    • Yahoo Finance
      • Current Debt And Capital Lease Obligation 사용
      • Long Term Debt And Capital Lease Obligation 사용
  • 타인자본조달비용 (Cost of Debt)
    • 예를 들어 회사가 1000원을 4% 이자율로 장기대출 그리고 5% 이자율로 2000원의 채권을 사용한다면..
      Cost of Debt = (1000*0.04 + 2000*0.05)/(1000+2000) = 0.046
      여기서 유효세율이 30%라고 가정하면, 세후 부채 비용은..
      0.046 * (1-0.3) = 0.032
      따라서 Cost of Debt는 3.2% 가 됩니다.
    • 672000000/((1974000000 + 964000000 + 64147000000 + 16617000000)/2)
    • (야후) Interest Expense Non Operating
      • interest expense (이자비용)은 일반적으로 공제가 가능합니다. 따라서 세금 절감된 비용을 고려하여 계산을 합니다.
      • \(\)
    • (야후) 총부채의 2년치 평균값
# 자기자본 / (자기자본 + 총부채)
total_capital = 62682000000  # 시가총액 
short_debt = 1974000000  # 단기 부채
long_debt = 34147000000  # 장기 부채
equity_tc = total_capital/(total_capital + short_debt + long_debt) # equity to total capital 0.6344139347995507  

# 타인자본조달비용 Cost of Debt After Tax
interest_expense = 672000000
effective_tax_rate = 0.25 # 유효세율

short_debt_sum = 1974000000 + 964000000  # Current Debt And Capital Lease Obligation 2년치 평균
long_debt_sum = 34147000000 + 16617000000  # Long Term Debt And Capital Lease Obligation 2년치 평균 
debt_avg = (short_debt_sum + long_debt_sum)/2

cost_of_debt_after_tax = interest_expense/debt_avg * (1-effective_tax_rate)  # 0.018770250642434174


# 최종 WACC 0.11408218342417117
wacc = equity_tc * capm + (1-equity_tc) * cost_of_debt_after_tax

최종적으로 11.4% WACC값을 계산했습니다.

3. 용어

3.1 자산 Assets

  • 유동자산 (Current Assets)
    • 당좌 자산 (Quick Assets)
      • 현금및현금등가물(cash and cash equivalent)
      • 단기금융상품(financial instrument)
      • 유가증권(marketable securities)
      • 단기매매증권(trading securities)
      • 매출채권(trade receivable)-대손충당금
      • 단기대여금(short-term loans)-대손충당금
      • 미수금(non-trade receivables)-대손충당금
      • 미수수익(accrued revenues)
      • 선급금(prepaid payments)
      • 선급비용(advance expenses)
    • 재고 자산 (Inventories)
      • 상품(merchandise)
      • 제품(finished goods)
      • 반제품(semi-finished goods)
      • 재공품(work-in progress)
      • 원재료(raw materials)
      • 저장품(supplies)
      • 부산물(by-products)
      • 미착품(goods in transit)
  • 고정자산 (Fixed Assets)
    • 투자자산 (Investments)
      • 투자유가증권(investment securities)
      • 지분법적용투자주식(securities under equity method)
      • 매도가능증권(available-for-sale securities)
      • 장기금융상품(long-term financial instruments)
      • 장기대여금(long-term loans)-대손충당금
      • 장기성매출채권(long-term trade receivables)-현재가치할인자금-대손충당금
      • 투자부동산(investment in real estate)
      • 보증금(guarantee deposit)
      • 이연법인세차(deferred income tax assets)
    • 유형자산 (Tangible Assets)
      • 토지(land)
      • 건물(buildings)-감가상각누계액
      • 구축물(structures)-감가상각누계액
      • 기계장치(machinery)-감가상각누계액
      • 선박(ships)-감가상각누계액
      • 차량운반구(vehicles and transportation equipment)-감가상각누계액
      • 비품(office equipment)-감가상각누계액
      • 건설중인자산(construction in-progress)
    • 무형자산 (Intangible Assets)
      • 영업권(goodwill)
      • 산업재산권(intellectual proprietary rights)
      • 광업권(mining rights)
      • 어업권(fishing rights)
      • 차지권(land use rights)
      • 개발비(development costs)

3.2 부채 (Liabilities)

  • 유동부채 (Current Liabilities)
    • 매입채무(trade payable)
    • 단기차입금(short-term borrowings)
    • 미지급이자(accrued interest expense)
    • 미지급금(non-trade payables)
    • 선수금(advances from customers)
    • 미지급비용(accrued expense)
    • 선수수익(unearned revenue)
    • 미지급법인세(income taxes payable)
    • 미지급배당금(dividends payable)
    • 유동성장기부채(current portion of long-term debts)
  • 고정부채 (Long-Term Liabilities)
    • 사채(debentures)-사채발행자금
    • 퇴직급여충당금(provision for severance benefits)
    • 장기차입금(long-term borrowings)
    • 장기성매입채무(long-term trade payable)-현재가치할인자금
    • 임대보증금(leasehold deposits received)
    • 이연법인세대(deferred income tax liablilities)

3.3 자기자본 (Owner’s Equity)

  • 자본금 (Capital Stock)
    • 보통주자본금(common stock)
    • 우선주자본금(preferred stock)
  • 자본잉여금 (Capital Surplus)
    • 자기주식처분이익(gain on sale of treasury stock)
    • 주식발행초과금(paid-in capital in excess of par value)
    • 감자차익(gain on capital reduction)
    • 기타자본잉여금(other capital surplus)
  • 이익잉여금(Retained Earnings) 또는 누적결손금(Accumulated Deficit)
    • 이익준비금(legal reserve)
    • 기업합리화적립금(reserve for business rationalization)
    • 재무구조개선적립금(reserve for financial structure improvement)
    • 처분전이익잉여금(unappropriated retained earnings carried over to subsequent year)
    • 차기이월결손금(undisposed accumulated deficit carried over to subsequent year)
  • 자본조정 (Capital Adjustments)
    • 주식할인발행차금(discount stock issuance)
    • 자기주식(treasury stock)
    • 미교부주식배당금(unissued stock dividends)
    • 투자유가증권평가이익(gain on valuation of investment securities) 또는 손실(loss on-)
    • 지분법적용투자주식평가이익(gain on valuation of securities under equity method) 또는 손실(loss on-)