열심남의 데이터분석과 가치투자

GPT-5 전격 분석: GPT-4와 무엇이 달라졌을까? (비전공자가 체감할 AI의 6가지 혁신)

열심남 — Sat, 9 Aug 2025 10:20:22 +0900

안녕하세요, 인공지능에 관심 많은 여러분! 최근 OpenAI에서 GPT-5를 출시하며 또 한 번 AI 세상이 들썩이고 있습니다. 'GPT-5가 과연 뭐가 달라졌을까?' 궁금해하는 분들이 많으실 텐데요. 오늘 이 글에서는 복잡한 기술 이야기 대신, 우리가 일상에서 GPT-5를 어떻게 더 '똑똑하고 편리하게' 느낄 수 있을지에 초점을 맞춰 쉽고 친절하게 설명해 드릴게요!

GPT-5, 무엇이 달라졌나요? 일상에서 체감할 6가지 핵심 변화

GPT-5는 단순히 "더 똑똑해진" 수준을 넘어, 정확성, 일관성, 표현력 모두 개선되었다는 것이 특징입니다. 사용자 경험(UX) 또한 크게 단순화되었습니다.

1. 더 똑똑해지고 '생각하는' AI 등장!

GPT-5는 단순히 지식이 많아진 것을 넘어, 문맥을 훨씬 더 깊이 이해하고 복잡한 문제를 더 정확하게 해결합니다.

• 예를 들어, 아주 긴 보고서나 대화 내용을 요약할 때, GPT-4는 핵심만 잡지만 세부 데이터가 일부 누락될 가능성이 있었습니다. 하지만 GPT-5는 긴 문서에서도 세부 맥락과 데이터를 모두 유지하며 정확히 요약해 줍니다.

• 복잡한 다단계 계산, 논리 퍼즐, 법률/기술 분석 등에서도 오류율이 낮아졌습니다.

• 특히 'Thinking' 모드가 도입되어, 마치 사람이 깊이 고민하듯 여러 단계를 거쳐 추론하며 복잡한 과학 문제나 수학 문제를 거의 완벽하게 풀어냅니다. 이 덕분에 의료 분야 벤치마크(HealthBench)에서는 GPT-4o의 15.8%였던 환각(Hallucination) 비율이 GPT-5 'Thinking' 모드에서는 1.6%로 대폭 줄어들었습니다.

2. 이미지, 음성까지 더 자연스럽게 소통! '멀티모달' 능력 강화

이제 AI와 텍스트로만 대화하는 시대는 지났죠? GPT-5는 이미지 분석 능력이 대폭 강화되었습니다.

• 차트, 도면, 사진, 심지어 스크린샷까지 올리면 세부 정보를 정밀하게 추출하고 설명해 줍니다.

• 예시로, 그래프 이미지를 업로드했을 때 GPT-4는 "대략 증가"라고 설명했지만, GPT-5는 “2020~2024년 매출이 15% 증가”라고 정확히 수치까지 제시할 수 있습니다.

• 일부 환경에서는 음성 입력과 출력 기능도 지원하여, 마치 사람과 대화하듯 자연스럽게 질문하고 답변을 들을 수 있습니다. 회의 내용을 실시간으로 받아 적고, 요약 후 바로 음성으로 브리핑해주는 것도 가능해졌죠.

3. 늘 최신 정보를 아는 '정보통' AI!

기존 AI는 특정 시점까지의 정보만 알고 있어서 '최신 뉴스'나 '최신 기술 트렌드'에 약했죠. 하지만 GPT-5는 내장 지식을 더 최근 시점까지 확장했으며, 필요할 때는 실시간 웹 검색까지 결합하여 가장 업데이트된 정보를 제공합니다.

• 그래서 "2025년 AI 규제 동향" 같은 질문에도 GPT-4는 답변 불가였지만, GPT-5는 최신 뉴스나 보고서를 참고하여 답변해 줄 수 있습니다.

4. 내 마음을 아는 듯한 '맞춤형 글쓰기' 전문가!

글쓰기 실력도 한층 업그레이드됐습니다. GPT-5는 요청에 맞춰 글쓰기 톤, 깊이, 구조를 훨씬 더 정밀하게 조절할 수 있어요.

• 복잡한 설명을 간단하게 풀어쓰거나, 반대로 초보적인 설명을 전문가 수준 분석으로 확장하는 능력이 좋아졌습니다.

• 장편 소설 집필이나 마케팅 카피 같은 창의적 작업에서도 장기 구조를 일관성 있게 유지하며 참신한 결과를 냅니다.

5. 더 이상 모델 선택 고민은 끝! '자동 최적화' 시스템

이전에는 GPT-4, GPT-4o 등 어떤 모델을 쓸지 사용자가 직접 선택해야 했죠? 하지만 GPT-5는 이런 번거로움을 없앴습니다.

• GPT-5는 지능형 라우터를 통해 사용자의 질문을 스스로 분석해서 가장 적합한 모델(빠르고 간단한 질문엔 'GPT-5-mini/nano', 복잡한 추론엔 'GPT-5 Thinking' 모델 등)을 자동으로 선택해 줍니다.

• 이러한 '통합 시스템' 덕분에 이전 모델들은 소비자용 인터페이스에서 폐지되었습니다. 이는 마치 비서가 알아서 필요한 도구를 꺼내 쓰는 것처럼, 더 효율적이고 경제적인 AI 사용을 가능하게 합니다.

6. 환각 현상 확 줄어든 '믿음직한' AI!

AI의 가장 큰 단점 중 하나가 바로 '환각 현상', 즉 사실이 아닌 정보를 그럴듯하게 말하는 것이었죠. GPT-5는 이러한 환각 현상을 현저히 줄였습니다.

• 웹 검색 기능을 사용했을 때 GPT-5의 일반적인 환각 비율은 9.6%('Thinking' 모드에서는 4.5%)로, GPT-4o의 약 12.9%보다 개선되었습니다.

• 이러한 '고신뢰성' 모드 제공은 정확성이 타협 불가능한 금융, 법률, 의료와 같은 고위험 분야의 사용 사례를 더 효과적으로 공략할 수 있게 합니다. 이는 기업의 주요 도입 장벽이었던 '신뢰성 부족' 문제를 해결하는 중요한 진전입니다.

GPT-5, 우리의 일상에 어떤 변화를 가져올까요?

• 나만의 'AI 비서'가 현실로: GPT-5의 향상된 추론, 지시 사항 준수, 도구 사용 능력은 AI 에이전트 시대의 본격적인 시작을 알립니다. 이메일 관리, 스케줄 조정 같은 여러 단계를 거치는 복잡한 생산성 작업을 AI가 자율적으로 처리해 주는 날이 머지않았다는 뜻이죠. 물론 아직은 인간의 감독 하에 반자율 시스템으로 도입될 가능성이 높습니다.

• 더 빠르고 정확하게, 더 편리하게: 일상생활과 업무에서 AI를 활용하는 방식이 크게 달라질 거예요. 자료 검색, 문서 작성, 아이디어 구상 등 다양한 작업에서 GPT-5는 더욱 정확하고 일관성 있으며 표현력이 풍부한 결과를 제공하며 우리의 생산성을 한 차원 높여줄 것입니다.

GPT-5는 단순히 "더 똑똑해진" AI를 넘어, 우리 삶에 AI가 더 깊숙이, 그리고 더 신뢰할 수 있는 형태로 들어오게 할 중요한 이정표입니다. 앞으로 GPT-5와 함께할 더 편리하고 효율적인 AI 시대를 기대해봐도 좋겠습니다!

함께 보면 좋을

[충격] GPT-5 출시, GPT-4는 장난감이었습니다. 차원이 다른 GPT-5의 발표!

GPT-5 vs GPT4 인포그래픽

https://uincity.github.io/GPT5vsGPT4.html

GPT-5: 생성형 AI의 새로운 시대

프론티어 모델 (예: GPT-5) 복잡한 추론, R&D, 전략 수립 소형 언어 모델 (SLM) 고객 지원, 데이터 분류, 콘텐츠 생성 등 특정/반복 작업

uincity.github.io

[가치투자] '비올' 투자 후기(Feat. 비올을 떠나보내며)

열심남 — Sun, 27 Jul 2025 15:54:03 +0900

제가 분석했던 비올 기업분석 자료입니다. 짧은 기간이지만, 아쉽기도 하지만, 행운에 감사하며 분석자료를 공개합니다.

해당 자료는 버틀러, 회사 IR자료, company guide, 회사 사업보고서와 각 리서치를 참고했습니다.

안녕 비올~!

비올(VIOL): 피부미용 의료기기 시장의 주요 플레이어 분석 (기업분석_비올(202503).pdf 요약)

피부 미용에 대한 관심이 높아지면서 관련 의료기기 시장 또한 꾸준히 성장하고 있습니다. 오늘 이 포스팅에서는 첨부된 '기업분석_비올(202503).pdf' 자료를 바탕으로 비올이라는 기업이 어떤 회사인지, 주요 투자 포인트와 밸류에이션, 그리고 잠재적 리스크까지 상세히 살펴보겠습니다.

--------------------------------------------------------------------------------

01. 비올은 어떤 회사인가요?

비올은 고주파(RF:Radio Frequency) 에너지를 기반으로 한 마이크로니들 RF 피부미용 의료기기를 주력으로 연구, 개발, 제조, 판매하는 기업입니다. 대표 제품으로는 2010년 출시된 스칼렛(SCARLET), 2015년 출시된 실펌(Sylfirm), 그리고 2020년 출시된 **실펌엑스(Sylfirm X)**가 있습니다. 특히, 이러한 의료기기에 사용되는 소모품용 팁(TIP)이 전체 매출에서 상당한 비중을 차지하고 있습니다.

비올은 주력 핵심 분야인 마이크로니들 RF 제품군 외에도 HIFU(고강도 초음파) 및 모노폴라 RF(비침습 고주파) 제품으로 포트폴리오를 확대하고 있습니다. 현재 비올의 최대주주는 (주)디엠에스이며, 지분율은 36.6%에 달합니다.

--------------------------------------------------------------------------------

02. 비올의 투자 포인트는 무엇인가요?

비올은 피부 미용기기 산업의 높은 성장성과 더불어 여러 강점을 보유하고 있습니다.

• 경쟁사 대비 우월한 재무 지표:

◦ 영업이익률 및 ROIC(투자자본수익률)가 상대적으로 우월한 것으로 나타납니다.

◦ 매출원가율과 판매관리비율이 상대적으로 낮아 효율적인 비용 관리를 보여줍니다.

◦ 부채비율과 유동비율 역시 경쟁사에 비해 더 안정적인 수준을 유지하고 있습니다.

◦ 2025년 3월 14일 기준으로 POR(Price to Operating Revenue) 멀티플이 13.1로 경쟁사 대비 상대적인 저평가 상태입니다.

• 해외 시장에서의 성장성:

◦ 수출 비중이 95% 수준으로 매우 높으며, 매년 수출 금액이 증가 추세를 유지하고 있습니다.

◦ 월별 수출 금액 기준으로도 지속적인 성장세를 보여줍니다.

◦ 특히 최근 중국 시장 매출 확대와 함께 아시아 지역 수출 실적이 증가 추세이며, 유럽 지역 역시 증가 추세를 보이고 있습니다.

◦ 신제품의 일본 및 미국 시장 진출을 통한 매출 증가가 기대됩니다.

--------------------------------------------------------------------------------

03. 비올의 밸류에이션 및 리스크

제공된 자료는 비올의 잠재적 가치와 함께 고려해야 할 리스크 요인들을 제시합니다.

• 밸류에이션:

◦ 보수적으로 17.9의 멀티플을 적용할 경우, 63%의 상승 여력(UPSIDE)이 기대됩니다.

◦ 2027년 시가총액 기준으로는 7,589억 원에서 9,750억 원 수준을 적정 가치로 산정하고 있습니다.

◦ 이러한 가치 추정은 매출 및 이익 추정을 기반으로 합니다.

• 주요 리스크:

◦ 미용 의료기기 산업의 경쟁 심화 및 지속 성장에 대한 의문이 대두되고 있으며, 이로 인해 관련 피어 그룹의 멀티플이 하락하는 경향이 있습니다 (예: Inmode의 이익 가이던스 하향).

◦ 국내 선도 기업인 클래시스와의 경쟁 심화가 예상됩니다. 특히 클래시스가 이루다 합병을 통해 마이크로니들 RF 기술을 확보하고 HIFU 장비 분야에서도 경쟁을 시작하면서 더욱 치열해질 수 있습니다.

◦ 미용 기술 트렌드에 대한 대응 부진 (신제품 개발 등) 또한 리스크 요인으로 꼽힙니다.

◦ 신제품의 해외 (미국, 일본) 매출 부진이 발생할 경우에도 성장에 부정적인 영향을 미칠 수 있습니다.

--------------------------------------------------------------------------------

비올은 안정적인 재무구조와 강력한 해외 시장 경쟁력을 바탕으로 성장을 이어가고 있지만, 변화하는 시장 환경과 경쟁 구도에 대한 지속적인 대응이 중요할 것으로 보입니다.

[텍스트마이닝] 호갱노노 살아 본 이야기 로 본 아파트 특징 파악하기(feat. 더샵센텀파크1차)

열심남 — Thu, 5 Jun 2025 22:22:34 +0900

들어가며

제 오랜 염원중에 하나가 호갱노노의 살아본 이야기의 게시물들을 한번에 분석하는 거 였습니다.

회원가입후 스크롤해서 계속 이야기를 읽어보면 되지만, 언제 그 많은 걸 다 읽어보겠습니까?

GPT의 도움을 받아 해당 내용을 가져와서 텍스트 마이닝을 해보았습니다.

그 대상은 부산에서 가장 관심이 많은 해운대구에 있는 "더샵센텀파크1차" 아파트 입니다.

구축임(21년차)에도 국민평형인 84타입에서는 가장 높으 가격대를 유지하고 있습니다. 실거래가 기준으로 10억3700만원이네요.

여기의 이야기들 가져와서 한번 살펴보겠습니다.

단어 빈도 분석 해보기

현재는 1058건인데 수집시점에는 1013건의 이야기가 있었습니다.

가져온 텍스트를 단어별로 토큰화 해서 빈도 분석을 해보면 아래와 같습니다.

'좋아요'란 단어가 108번으로 가장 많고, 좋은, 좋습니다. 좋고 등도 자주 반복되는 만큼 상당히 좋은 아파트임이 느껴지지 않습니까? 가볍게 워드클라우드로 그려봅니다.

좋아요 외에는 눈에 띄는건 '학군', '아이들','애들', '수영강','데크층', '입지','동해선','교통','백화점' 이런 단어네요. 결국 요약하자면 아이들 키우기에 학군도 좋고, 근처에 수영강도 있고 백화점도 있고 교통도 좋다! 일까요?

감성분석 해보기

감성분석을 한번 해보겠습니다. 센텀파크 1차의 경우 긍정키워드가 훨씬 많은 빈도가 보입니다.

긍정과 부정의 키워드 TOP 10개를 살펴보면 부정키워드에는 "층간소음","소음", "불편" 이란 단어가 보이구요.

긍정에는 특이하게 '편해요', '가까워', '평지', '편리' 라는 단어가 또 보입니다. 이건 기본적인 감성사전을 기준으로 한거라서 아파트 살이에 특화한 단어들을 추가해보기로 하겠습니다.

바로 아래와 같은 단어를 긍정, 부정으로 추가하는 거죠.

긍정 단어 추가 : "만족","넓다","편리","깨끗", "쾌적", "친절","가깝고"
부정 단어 추가 : "시끄럽다", "소음", "불편", "냄새","주차문제","층간소음","좁다","답답"

'살기' 란 단어는 '살기 좋다'와 연결되는 경우가 많겠지만 '살기 불편한', '살기 싫은' 도 될수는 있어서 일단 중립으로 선언해놓았습니다. 그래서 보니 아래처럼 긍정, 부정의 빈도가 바뀌었네요.

감성별로 키워드 TOP 10 단어를 보면 아래와 같습니다. 긍정은 바뀐 부분이 많지는 않는데, 부정쪽에 단어들이 추가되어 몇개 보이네요. 하지만 빈도는 작기 때문에~ 감안을 해야 할 것 같습니다.

연관단어 분석

이제는 어떤 단어들이 연관되어서 많이 짝을 지어 나왔는지 한번 살펴보겠습니다.

자주 연관되언 나오는 단어들을 가지고 네트워크 다이어 그램을 그리면 이렇게 됩니다. 같이 언급이 많이 된 횟수는 선의 두께로 나타납니다. 굳이 해석을 해보자면

살기에 너무 좋다. 교통과 학군이 같이 언급되고, 아이들 키우기 좋은 아파트 라고 해석이 됩니다. 제가 생각하기엔 센텀파크 위치가 지하철에서는 조금 애매한 위치여서 교통이 불편하다고 생각했지만, 자동차 교통은 비교적 좋은게 아닐까 추정해 볼수 있을듯합니다. 물론 '교통이 안좋다'라고 언급할수 있겠지만 같이 언급되지는 않았네요.

정말 교통이 좋고 학군이 좋은지 해당 단어들을 넣어서 조금 더 자세히 살펴보겠습니다.

아래 키워드들이 들어간 문장을 한번 추출해서 5번 이상 언급된 내용을 보겠습니다.

"교통", "학군", "살기", "아이들", "스트레스", "불편", "층간소음"

해당 키워드로 네트워크 그래프를 그려보니 이렇게 나옵니다. 학군 좋고, 아이들 키우기 좋다는건 확실히 드러납니다. 살기 편해요도 뭔가 조금 확인된 느낌입니다.

해당 부분을 감성을 결합해서 표시를 해보면 아래와 같습니다. 그래프는 해석을 하기 위해 좀더 공부가 필요해 보입니다. 긍정으로 보이는 단어들을 보면 교통, 해운대, 데크층, 좋은, 키우기 인데 모두 좋은쪽으로 해석이 필요하다는걸까요? 좋아요란 단어가 중립으로 보이고, 좋고도 중립으로 보이는 이유가 뭔지 제가 좀더 분석을 해봐야 할것 같습니다.

커뮤니티 클러스터링 분석

이러한 단어들을 토픽을 중심으로 클러스터링을 해보겠습니다. 오 뭔가 좀더 상세한 내용이 보입니다.

총 9개의 커뮤니티(클러스터링)가 생겼습니다. 각각의 기준점으로 연결해보면 관련된 내용의 해석이 가능해보입니다.

독립되었지만 센텀초, 센텀중이 같이 언급된건 아무래도 학군상 해당 학교 진학된 내용ㅇ 많아서 그런거 같습니다.

CY-한진 같은 경우도 센텀파크 건너편 부지에 개발과 관련된 내용이 언급되어서 주변 개발호재를 의미하는것 같습니다.

4번 그룹과 2번그룹 보면 아이들이 살기 좋다로 요약이 가능하네요. 3번그룹은 주면 환경에 대한 부분이 언급되네요. 상권, 공원, 강변, 데크층 7번그룹은 주변 시설인 백화점, 마트, 학원, GS(편의점일까요? 슈퍼일까요?)가 언급이 되어 있구요.

7번 그룹(마트)만 자세히 살펴볼까요?

마트가 언급된 부분은 아래와 같은 내용들입니다.

빈도를 이쁘게 워드클라우드로 보면 마트 가깝고, 백화점 가깝고가 될것 같습니다. 그외 은행, 산택, 홈플러스, 코스트코, 이비인후과, 학원등이 눈에 보이네요.

9개의 그룹별로 내용들을 추출해서 자세히 살펴보면 좋겠지요?

해당 내용들은 엑셀로 각기 다르게 추출하고 파악한다면 훨씬 해당 아파트에 대해서 잘 알게 되겠군요.

아래 내용이 3번 그룹(너무_학군_좋습니다_좋고)의 리뷰를 추출한 부분입니다. 아파트 입주민들은 최고의 학군으로 꼽고 있는거 같네요.

이상으로 호갱노노 살아본 이야기를 가지고 텍스트 분석을 해보았습니다. 좀 의미가 있었나요?

네 제겐 적어도 그렇습니다. 이사를 가야 하거나, 분양을 받아야 한다고 하면 사람들이 어떤 이야기를 하는지 알아야 하니까요.

이렇게 데이터 분석을 통해서 쉽게 파악이 가능합니다. 물론 그 아파트에 대한 임장이 가장 중요하겠지만요.

오늘은 여기까지입니다.

[가치투자] K-뷰티의 강자 비올(335890)

열심남 — Sun, 23 Feb 2025 17:54:49 +0900

1. 기업 개요 및 기술 경쟁력

비올은 피부미용 의료기기 분야에서 독자적인 마이크로니들 기술을 보유하여 글로벌 시장으로 사업 영역을 확장하고 있는 기업입니다.

기술력 및 특허
- 비올은 마이크로니들 기술을 통해 차별화된 제품 경쟁력을 확보하고 있으며, 지난해 미국 ITC 특허 소송에서 승소하여 102억원의 특허 수입을 기록하는 등 기술력의 우수성을 입증받았습니다.
글로벌 확장
- 아시아, 유럽, 북미뿐 아니라 최근 아프리카(예: 나이지리아) 시장 진출로 성장 모멘텀 확보에 힘쓰고 있습니다.

2. 재무 건전성 및 성장성

수익성과 성장

매출 및 영업이익 성장
- 지난해 매출액 582억원과 영업이익 361억원을 기록했으며, 각각 36.9%, 61.6% 증가하는 성과를 보였습니다.
- 최근 1분기 실적에서도 매출액과 영업이익이 전년 대비 크게 증가해, 지속적인 성장세를 확인할 수 있습니다.
높은 수익성
- 영업이익률이 62%에 달하는 점은 기업의 운영 효율성이 매우 우수함을 보여주며, 이는 장기 투자 관점에서 중요한 긍정 신호입니다.

재무 구조

안정적인 유동성
- 유동자산이 전체 자산의 93.5%를 차지하며 단기 지급능력을 충분히 확보하고 있습니다.
자본 증가와 부채 관리
- 자본총계가 꾸준히 증가하는 반면, 단기 부채는 유동자산의 증가로 상쇄되고 있어 재무 건전성이 양호합니다.
- 다만, 비유동부채가 크게 증가한 점은 장기적인 자금 운용 측면에서 주의가 필요하나, 향후 투자 및 성장 전략에 따른 의도된 재무 구조 조정으로 해석할 여지도 있습니다.

3. 가치투자 관점에서의 평가

저평가 매력도

낮은 PER
- LS증권 등 전문가들은 비올의 선행 PER이 약 13배로 저평가되어 있다고 분석하며, 이는 현재 주가(약 7,800~8,000원)가 내재가치 대비 낮은 수준임을 시사합니다.
마진 오브 세이프티
- 견고한 영업이익률과 지속 가능한 매출 성장, 그리고 특허를 통한 기술 독점 효과는 내재 가치 상승 요인으로 작용하여 장기 투자자에게 매력적인 ‘안전 마진’을 제공합니다.

경쟁 우위 및 성장 동력

기술적 경쟁력
- 마이크로니들 기술은 의료 및 미용 분야에서 지속 가능한 경쟁 우위를 제공하며, 기술 보호와 특허 소송 승소 사례는 그 신뢰성을 높여줍니다.
글로벌 시장 확장
- 다양한 지역으로의 진출은 매출 다각화 및 위험 분산 측면에서 긍정적이며, 향후 성장 전망에 대한 기대감을 높입니다.

4. 리스크 및 고려사항

외부 시장 요인

투자 심리 및 외국인·기관 매도
- 최근 외국인 및 기관 투자자들의 순매도가 지속되고 있어 단기적으로 주가 변동성이 존재합니다.
시장 및 정책 불확실성
- 금리 인상, 경기 둔화, 그리고 관련 규제 변화 등이 전체 주식시장 및 코스닥 시장에 부정적 영향을 미칠 수 있습니다.

내부 기업 거버넌스

소액주주 운동 및 경영진 비판
- 일부 투자자들이 소액주주 권리 강화를 위해 목소리를 내고 있으며, 경영진의 전략과 배당 정책 등에 대한 비판이 존재합니다. 이는 향후 기업 거버넌스 개선의 계기가 될 수 있으나, 단기적 불안 요소로 작용할 수 있습니다.

5. 결론

가치투자자의 관점에서 볼 때, 비올은 다음과 같은 점에서 매력적인 투자 대상이 될 수 있습니다.

내재 가치 대비 저평가: 낮은 PER, 강한 영업이익률, 꾸준한 매출 성장 등은 현재 주가가 내재가치보다 낮게 평가되고 있음을 시사합니다.
확실한 경쟁 우위: 독자 기술과 특허 확보, 글로벌 시장 확장은 장기적인 성장 동력으로 평가됩니다.
재무 건전성: 안정적인 유동성 및 점진적인 자본 증가 등은 재무적 안정성을 뒷받침합니다.

다만, 단기적 외부 시장의 불확실성과 외국인·기관 매도, 그리고 내부 거버넌스 관련 이슈 등은 투자 결정 시 신중하게 고려해야 할 리스크 요소입니다. 가치투자자는 이러한 위험 요소를 충분히 감안하면서, 장기적인 안목으로 기업의 성장성과 내재 가치를 재평가할 필요가 있습니다.

"음식의 기원과 변화를 추적하다: 주영하의 '9+3첩 인문학 밥상' 독후감"

열심남 — Fri, 17 Jan 2025 15:27:15 +0900

음식과 관련된 인문학을 표방한 책이다. 그냥 음식의 기원이나 이런것들이 궁금해서 보게 된 책인데 생각보다 재밌다. 역사적인 관점에서 뭔가를 훑어서 그 기원과 변화를 쫓는 형태의 기록들을 좋아하는데, 이 책도 음식 관련된 부분에서 그런 형식을 취한다.

저자분이 워낙 이쪽에 오랫동안 학자로서 연구하신 분이라서, 사료와 지역에 대한 연구를 하면서 음식과 관련된 여러가지 내용들을 잘 정리하신듯하다.

음식을 공부합니다

방대하고 다양한 자료를 치밀하게 분석해 가장 신뢰할 만한 음식문화사를 들려주는 음식인문학자 주영하 교수. 35년간 음식의 역사와 문화를 연구하면서 터득한 ‘음식 공부’ 노하우를 아낌없이 독자들과 나누고자 이 책을 썼다. 하나의 공부법에 가장 적절한 음식 한 가지를 사례로 들어 12가지 ‘음식 공부법’을 쉽고 맛깔나게 전달한다. 라면의 기원지로 알려진 란저우에는 ‘라면’이 없다? 아이스크림은 축산물? 가을 전어가 아니라 입하 전어? 전국적으로 설날에

저자: 주영하

출판: 휴머니스트

출판일: 2021.11.22

12개의 장으로 나뉘어 각 장마다 재미있는 이야기들을 풀어낸다.

라몐, 라멘, 라면 같은 경우는 이름이 생긴 부분에 대해서 이게 중국,일본, 대만과 한국에서 어떻게 불리우는지,

아이스크림은 축산물? 이란 2강의 경우는 음식의 분류, 혹은 범주에 대한 부분에 대해서 다룬다.

막걸리는 와인처럼 발견된 음식이 아니라, 인위적으로 효모를 추가해서 만든 발명된 음식이란 점도 재밌었다. 평양냉면이 겨울음식이라는점은 평냉 메니아로서 익히 알고 있던 내용이지만, 음식의 재료를 언제 확보 가능하느냐가 그 음식의 계절 역시 나타낸다는 점도 재미었다. 그런 의미에서 전어 역시 입하(여름)에서 가을 전어로 바뀌는 부분도 흥미로웠다.

요즘이야 사시사철 별의별 음식을 다 먹는 시대라, 제철음식이라는 정의가 어려워졌지만, 그 음식이 처음 만들어지고 식문화로 만들어진 시점은 그런 영향이 많았던 부분이 있는지라, 그런 역사적, 지역적 의미를 함께 보는거 역시 재미있는 부분이다.

비슷한 맥락으로 전주비빔밥이 유행한 곳이 서울이라는 점역시 이탈리아의 피자가 미국에서 보편화 되어서 세계적인 음식이 되었다는 측면과 연결해서 설명하는 부분도 흥미로웠다.

내가 좋아하는 잡채란 음식도 탄생시점에는 당면이 들어가지 않았다는 점, 그것도 나중에 당면이란게 보편화 되어서 근대에 들어서 이런 류의 잡채가 되었다는 점도 재밌었다.

개인적으로 부산에 살면서 밀면을 많이 접하는데 서울에서 흔하게 먹던 냉면대신 밀면을 먹을수 밖에 없었던 부산의 역사(6.25전쟁, 메밀대신 밀가루)도 이 책에 없지만 실렸더라면 더 재밌었을것 같다.

음식을 사료에 기반해서 그 역사적 근원과 시발점을 찾는것들은 또다른 역사에 대한 공부가 아닌가 싶다.

책정보

음식을 공부합니다 : 음식에 진심인 이들을 위한‘9+3’첩 인문학 밥상

Author : 주영하 지음
Publisher : 휴머니스트
Format : 272 pages
ISBN : 9791160807332

[부산 아파트 가격 예측 3편] 부산 남구 아파트 실거래가 예측: 머신러닝 모델 비교와 분석

열심남 — Sun, 29 Dec 2024 00:34:31 +0900

들어가며

지난 1,2편을 통해서 부산 남구 아파트의 실거래가 데이터를 가지고 특징을 살펴보았습니다. 이제 실거래가 데이터를 가지고서 간단하게 '거래금액'을 예측하는 모델을 만들어서 확인해보겠습니다. 여러가지 머신러닝 기법들이 있는데 가장 직관적인 회귀모형(Linear Regression), 의사결정나무(Decison Tree)기반의 RandomForest, 의사결정나무 같은 학습법을 추가로 학습하는 Gradient Boosting 기반의 XgBoost, Gradient Boosting 을 더 개선한 LightGbm 모델, 그리고 Elastic Net, Ranger, SVR 등으로 예측모델을 만들어서 비교를 해보도록 하겠습니다.

학습용 데이터셋 정리

머신러닝 기법은 기본적으로 데이터셋이 학습에 적합하도록 적당한 변환이 필요합니다. 실거래가 데이터셋에서 가격에 영향을 줄수 있는 변수들만 최소한으로 추출합니다.

"법정동시군구코드"     "법정동읍면동코드"     "법정동지번코드"       "법정동본번코드"       "법정동부번코드"       "도로명"               "도로명시군구코드"    "도로명코드"           "단지명"               "지번"                 "전용면적"             "계약년도"             "계약월"               "계약일"
"거래금액"             "층"                   "건축년도"             "단지일련번호"         "해제여부"             "해제사유발생일"       "아파트동명"
"토지임대부아파트여부" "법정동코드"           "시도명"               "시군구명"             "읍면동명"             "계약일자"

계약년도+계약월+계약일을 기준으로 생성한 "계약일자", 전용면적, 거층, 건축년도, 동명이 실거래가 데이터셋에서는 그나마 가격에 영향을 주는 변수로 생각하고 학습용 데이터셋을 만들었습니다.

단지명과 동명의 경우 Char 타입인데, 학습을 위해서 범주형(Factor)변수로 변환을 해줍니다.

훈련및 검증용 데이터셋 분리

이후 현제 14,116개의 데이터를 학습용 데이터 80%, 테스트용 데이터 20%로 나눕니다.

모델정의

# 7. Ranger (더 빠르고 효율적인 Random Forest 구현)
ranger_model <- function(train_data, test_data) {
  model <- ranger(거래금액 ~ .,
                  data = train_data,
                  num.trees = 500,
                  importance = 'impurity')

  predictions <- predict(model, test_data)$predictions
  predictions_list[["Ranger"]] <<- predictions
  return(calculate_metrics(test_data$거래금액, predictions))
}

모델별 성능 지표 확인

성능지표로 RMSE, MAE, R2를 사용하고 각 모델별 수행시간을 측정하여 최종적으로 효율성 지표까지 만들어서 확인해보겠습니다. 효율성 지표(Efficiency)는 RMSE/Execution Time으로 만든 값입니다.

1. RMSE (Root Mean Squared Error)

뜻: 평균 제곱 오차의 제곱근입니다.
설명: 예측값과 실제값의 차이를 제곱한 뒤 평균을 구하고, 이를 다시 제곱근으로 변환해 오차의 크기를 나타냅니다.
특징: 큰 오차에 더 민감하게 반응하므로, 큰 오차를 줄이는 데 초점을 맞춘 모델을 평가할 때 유용합니다.
수식: RMSE=1n∑i=1n(yi−y^i)2RMSE = \sqrt{\frac{1}{n} \sum_{i=1}^n (y_i - \hat{y}_i)^2}

2. MAE (Mean Absolute Error)

뜻: 평균 절대 오차입니다.
설명: 예측값과 실제값의 차이를 절대값으로 변환해 평균을 계산합니다.
특징: 오차의 크기를 직관적으로 이해하기 쉽고, 모든 오차를 동일하게 취급합니다.
수식: MAE=1n∑i=1n∣yi−y^i∣MAE = \frac{1}{n} \sum_{i=1}^n |y_i - \hat{y}_i|

3. R² (R-squared, 결정 계수)

뜻: 예측 모델이 데이터를 얼마나 잘 설명하는지를 나타내는 지표입니다.
설명: 0에서 1 사이의 값을 가지며, 1에 가까울수록 모델의 예측력이 높습니다. R2=0R^2 = 0이면 모델이 데이터를 설명하지 못하며, R2=1R^2 = 1이면 완벽히 설명합니다.
특징: 모델의 전체 성능을 직관적으로 평가하는 데 적합합니다. 음수값도 나올 수 있으며, 이는 모델이 평균보다도 성능이 떨어짐을 의미합니다.
수식: R2=1−∑i=1n(yi−y^i)2∑i=1n(yi−yˉ)2R^2 = 1 - \frac{\sum_{i=1}^n (y_i - \hat{y}_i)^2}{\sum_{i=1}^n (y_i - \bar{y})^2} 여기서 yˉ\bar{y}는 실제값의 평균입니다.

요약

RMSE: 큰 오차에 민감.
MAE: 오차의 평균 크기를 단순히 계산.
R²: 모델의 전체적인 설명력을 평가.
각 지표는 특성이 다르므로 문제 상황에 맞게 선택해 사용하는 것이 중요합니다.

이렇게 각 지표를 기준으로 테스트셋으로 수행한 지표는 아래와 같습니다. RMSE값이 가장 적은(잘 맞춘) 순으로 정렬되었습니다. LGB(LightGBM)모델이 RMSE값이 가장 낮습니다. RMSE의 값은 직관적으로 이해 하자면, 예측된 값과 실제값의 차이가 5963만원 정도 난다는 것으로 받아들이면 좋을것 같습니다. XGB(XgBoost)모델이 2위이구요. LM(회귀모형)이 가장 값이 높아서 예측력이 떨어지는 편이라고 이해하면 될것같습니다.

MAE 지표 역시 비슷한 개념이지만 오차값에 대한 절대값이라 오차가 큰 경우 설명력이 약해질수 있습니다.

MAE기준으로 보면 LGB, RF, Ranger, XGB 순으로 RandomForest가 XgBoost보다 괜찮게 나오네요.

여기서 수행시간(제 노트북에서 실행한 시간)기준으로 보면 RF가 가장 오래걸리고, SVR도 역시 오래걸리네요. 성능이 좋은 LGB, XGB가 2초가 안걸리는 훌룡한 속도를 보여줬습니다.

표로 보면 어려우니 시각화를 해서 비교해보겠습니다. 한눈에 평가지표와 성능이 보이시죠?

역시 LGB가 상당히 좋아 보입니다.

각 모델별로 테스트 데이터를 어느정도 맞췄는지 산점도를 그려서 살펴보겠습니다. 산점도는 x축에 실제거래금액을 y축에 모델이 에측한 거래금액을 기준으로 산점도를 그린것입니다. 이 산점도가 기울기가 1인 선에 근접할수록 정확히 맞춘것으로 보이겠지요? LGB, XGB모델이 기울기1인 직선에 근접하게 점들이 모여 있는게 보이시죠?

가장 RMSE값이 작은 LGB모델만 살펴보면 이런 모습입니다. 점선 기준으로 많이 벗어난 데이터들이 왜 예측값의 차이가 많은지 실제값보다 더 높게 예측된 것들과 낮게 예측된 것들을 살펴보면, 뭔가 더 보완할 변수가 생각이 날까요?

마무리

이번 포스팅은 실거래가 데이터셋에 거래금액에 영향을 미칠수 있는 변수들만을 가지고 단순한 예측모델을 만들어서 각 모델별로 성능을 비교해보았습니다. 아직은 RMSE기준으로 5~6천만원의 차이가 있는 상태의 모델입니다. 아파트 가격에 영향을 미치는 다른 많은 변수들(예를 들어 아파트 세대수, 학군, 초품아, 상권, 주차대수, 평지 여부)을 데이터셋에 결합한다면 뭔가 더 성능이 좋은 모델을 만들수 있지 않을까요?

다음 포스팅을 기대해주세요.

함께 보면 좋을

* 데이콘의 2016년 아파트 실거래가 예측 경진대

https://dacon.io/competitions/official/21265/overview/description

아파트 실거래가 예측 AI 경진대회 - DACON

분석시각화 대회 코드 공유 게시물은 내용 확인 후 좋아요(투표) 가능합니다.

dacon.io

* 데이콘의 아파트 실거래가 예측 프로젝

https://dacon.io/edu/1018

아파트 실거래가 예측 프로젝트

아파트 실거래가 예측 프로젝트 통해 머신러닝 대회에 참여하기 위한 기법을 배우세요. 창의력과 인내력으로 데이터 분석 실력을 향상시키세요.

dacon.io

* 빅재미 : 부동산데이터분석 : 아파트 집값 예측

https://blog.naver.com/cslee_official/223455799971

부동산 데이터 분석 : 아파트 집값 예측

안녕하세요!! 빅재미입니다. 최근 부동산 가격이 떨어지고 있다고는 하지만, 여전히 비싸고... 내 집 ...

blog.naver.com

* 정보처리학회 논문(2023) : 딥러닝과 머신러닝을 이용한 실거래가 예측

https://www.kci.go.kr/kciportal/ci/sereArticleSearch/ciSereArtiView.kci?sereArticleSearchBean.artiId=ART002935936

딥러닝과 머신러닝을 이용한 아파트 실거래가 예측

코로나 시대 이후 아파트 가격 상승은 비상식적이었다. 이러한 불확실한 부동산 시장에서 가격 예측 연구는 매우 중요하다. 본 논문에서는다양한 부동산 사이트에서 자료 수집 및 크롤링을 통

www.kci.go.kr

* 기계학습을 이용한 아파트 매매가격 예측 연구

https://manuscriptlink-society-file.s3-ap-northeast-1.amazonaws.com/kips/conference/2020fall/presentation/KIPS_C2020B0235.pdf

* 공간적 상관성을 고려한 딥러닝 기반 부동산 가격 예측 방법 제안

https://ki-it.com/xml/39412/39412.pdf

[부산 아파트 가격 예측 2편] 부산 남구 아파트 실거래가 데이터 분석: 거래량, 금액, 주요 단지 트렌드

열심남 — Sat, 28 Dec 2024 11:36:48 +0900

들어가며

탐색적데이터분석(EDA)은 잘 모르는 데이터 셋을 살펴보는 유용한 방법입니다. 분석의 방향이 잡히지 않을때 데이터셋의 통계량과 관계, 특징을 살펴봄으로써 또다른 인사이트를 얻을수 있습니다. 지난 1편에 이어 실거래가 데이터를 좀더 자세히 살펴보겠습니다.

년도별 동별거래량 살펴보기

부산 남구는 6개의 법정동으로 이루어져 있습니다. 대연동, 용호동, 문현동, 감만동, 우암동, 용당동입니다.

출처 : 나무위키

2020년~2023년 동별 아파트 거래건수

용호동이 2101건의 거래로 가장 높았고, 대연동 역시 2056건으로 2000건이 넘는 거래가 있던 해였습니다. 그외 문현동, 감만동, 용당동, 우암동 순이었습니다. 아파트 거래량의 경우 해당 동에 있는 아파트 단지 수와 세대수에 따른 차이도 있으니 그부분을 감안해서 보셔야 합니다. 즉 용호동과 대연동에 아파트 단지가 많다는 이야기도 됩니다. (부산 남구의 아파트 단지에 대한 분석은 함께보면 좋을 부분에 참고하시면 됩니다.)

2020년까지는 거래량이 많은 해였으나, 2021년이후 거래량이 급감합니다. 특이하게 거래량이 급감한 2021~2023년에는 대연동이 용호동과 순위를 바꾼채로 거래량을 유지하고 있습니다. 아무래도 대연동에 신축아파트들이 많아서 거래량이 없는 시기에도 그나마 거래건수가 좀더 있는게 아닐까 추측해 볼 수 있습니다. 데이터분석 대상인 2024년 9월까지의 데이터로 보면 2022년보다 거래량이 회복이 되긴 했습니다만 2023년 수준에 이르는것으로 보입니다.

동별로 연도별 모아서 보기

그래프를 동별로 모아서 한꺼번에 시각화를 해보았습니다.

최근 4년간 각 동별 통계를 요약해보면 다음과 같습니다. 평균 거래량으로는 대연동이 가장 높습니다.

거래량 기준으로 가장 많은 해인 2020년 대비 거래량이 급감한 2022년에는 약1/4 수준으로 거래가 줄기도 했습니다.

동별 Top 아파트 단지 살펴보기

동별 전용면적 Top 3 아파트단지

동별로 거래된 아파트중에 전용면적이 가장 큰 단지를 추출해보았습니다. 대연동의 경우 '대연동푸르지오'아파트가 262제곱미터(약 79평) 로 가장 넓은 평이네요. 저렇게 큰 아파트가 있었다니 몰랐네요. 그외 오륙도sk뷰와 엘지메트로시티 역시 70평대 아파트 들이 거래가 되었습니다.

동별 거래금액 Top 3 아파트단지

해당 기간동아 가장 실거래가 거래금액이 높은 아파트들을 동별로 추출해보았습니다.

절대가격으로 용호동의 더블유 주상복합 아파트가 38억으로 우월하구요. 대연동의 경우 대장아파트로 불리우는 '대연힐스테이트푸르지오'가 19억의 거래로 가장 비싼 아파트로 보입니다.(물론 전용면적이 넓어서 그러니, 이부분은 평당가로 환산해서 따로 봐야겠지요)

동별로 가장 비싼 아파트의 거래를 보면 해당 동의 시세 수준을 바로 파악이 가능합니다. 용호동과 대연동을 제외한 다른 동은 실거래가 기준으로 10억 넘는 거래가 없습니다.

동별 건축년도(구축) Top 3 아파트단지

동별로 가장 오래된 아파트를 살펴보았습니다. 대연동의 '중앙'멘션인 남구에서는 가장 오래된 아파트로 보입니다. 1971년생이네요. 감만동의 경우 1979년 '삼화' 문현동의 경우 '동처맨션' 1972년, 용당동은 그나 1990년이 가장 오래된 아파트이구요 용호동의 겨우는 1978년된 신일맨션이 가장 오래된 아파트입니다.

30년이 넘은 아파트만 호갱노노로 필터링을 해보았는데, 중앙아파트 주변에도 오래된 아파트들이 꽤 많습니다.

네이버지도로 한번 살펴보았는데 이런 느낌입니다. 위치는 대연롯데캐슬레전드의 뒷동과 가까운 위치이고, 조금 높은 지대입니다. 바로 옆 마마맨션(1988)년의 경우는 재건축 논의가 한참 있는것으로 보입니다.

거래량 많은 아파트 단지 Top 15

해당 기간동안 거래량이 가장 많은 아파트 단지를 추출해보았습니다. 대연롯데캐슬레전드(세대수 3149)가 거래량이 가장 많습니다. 2위는 특이하게 오륙도SK뷰(세대수 3000)이네요. 3위가 대연혁신이라고 불리우는 대연힐스테이트푸르지오(세대수 2100)입니다. 상위 3위는 역시 대단지들이 차지했습니다. 세대수 대비 거래량으로 보면 대연롯데캐슬레전드가 29%로 역시 많은데요. 실거래상의 전용면적 평균을 보면 74제곱미터로. 30평이하 거래가 많은것으로 추정됩니다.

평균 거래금액 Top 10 아파트 단지

거래된 아파트들의 평균 거래금액 상위 10개 아파트 단지입니다. 어떤 단지들이 일단 비싼 곳인지 러프하게 판단할수 있습니다. 앞서 살펴본것처럼 주상복합인 더블유가 역시 압도적으로 평균거래금액이 높습니다.

거래가 3건된 록원월드타워란 곳은 처음 듣는 이름인데요. 찾아보니, 현재 대연3구역(대연디아이엘)의 재개발에 포함된 건물이었네요. 아마도 아파트 입주권이 나오는 거래건이어서 그렇게 등록이 된거 같습니다. 상위권에 있는 대연비치의 경우도 더비치푸르지오써밋으로 재건축이 된 아파트인데요, 아마 신규 아파트 전 구축 거래가 나온것으로 보입니다.

평균 거래 금액만 봐도 어디가 주요 아파트 단지인지 바로 눈에 들어오네요.

거래량 상위 아파트 거래내역 분석 요약

해당 기간동아 거래량이 많은 남구의 아파트 단지들입니다. 동별로 봤을대 해당 아파트들이 해당 동의 대표 아파트로 봐도 되는 단지라고 생각합니다. 보통 대장아파트란 용어를 쓰지요. 그럼 부산 남구의 대표 대장아파트는 어디일까요?

주상복합인 더블유(W)를 제외하면 , 거래건수와 평균 거래금액을 조합하면 아무래도 '대연힐스테이트푸르지오'라고 할수 있지 않을까 생각합니다. 구별 대장아파트는 세대수가 많고, 평형대가 다양해서 거래량이 많은(선호) 아파트가 될 수 밖에 없겠지요.

마무리

지금까지 부산 남구의 아파트 실거래가를 가지고 좀더 다양하게 살펴보았습니다. 궁극의 목표인 아파트 가격 예측모형을 만들기 위해서 다음번에는 예측모델을 만들어서 살표보도록 하겠습니다.

함께 보면 좋을

부산광역시 남구 행정구역(나무위키)

https://namu.wiki/w/%EB%82%A8%EA%B5%AC%28%EB%B6%80%EC%82%B0%EA%B4%91%EC%97%AD%EC%8B%9C%29/%ED%96%89%EC%A0%95

남구(부산광역시)/행정

관할 법정동은 대연동이다. 대연동 은 과거 1970년대~1980년대에는 고급 대형 주택들이 많이 모여있던 부촌이던

namu.wiki

부산 남구 아파트 데이터 분석(열심남의 네이버 블로그)

https://blog.naver.com/uuincity/223671450490

부산 남구 아파트 데이터 분석(세대수·주차대수·가격 트렌드)

들어가며 오래간만에 부산 데이터 분석을 해보는 열심남입니다. 제가 살고 있는 부산에도 아파트가 많이 있...

blog.naver.com

부산아파트 가격 예측 1편(열심남 작성)

https://uincity.tistory.com/320

"[부산 아파트 가격 예측 1편] 2020-2024 부산 남구 실거래 데이터 분석 및 시각화"

들어가며왜 부산 남구 아파트 실거래 데이터를 분석해야 할까?아파트 실거래 데이터를 기반으로 가격 예측모형을 만들때 우선 고려할 요소는 부동산의 특성입니다. 상대적 입지와 비교에 대한

uincity.tistory.com

"[부산 아파트 가격 예측 1편] 2020-2024 부산 남구 실거래 데이터 분석 및 시각화"

열심남 — Wed, 25 Dec 2024 11:30:53 +0900

들어가며

왜 부산 남구 아파트 실거래 데이터를 분석해야 할까?

아파트 실거래 데이터를 기반으로 가격 예측모형을 만들때 우선 고려할 요소는 부동산의 특성입니다. 상대적 입지와 비교에 대한 상품인 부동산의 경우, 특정 지역에 한정되는 특성이 있습니다. 세부적으로 보면 어떤 특정 동의 특정 지역에 한정할 수도 있습니다. 그렇다고 시 전체의 데이터를 가지고 하면, 넓은 지역의 특징이 모두 평균적으로 반영되어 개별 아파트의 가격 예측의 정확성이 떨어질 수 밖에 없습니다.

그래서 구 단위의 데이터를 가지고, 구 단위의 예측모델을 만드는게 목표입니다. 부산의 13개의 구,군이 있습니다. 이중에서 제가 살고 있는 부산남구의 데이터를 가지고 예측모델을 만들어보고, 다음에는 해운대구, 수영구, 동래구 등으로 개별 모델을 만들어 보려고합니다.

더 비치 푸르지오써밋(from 대우건설 홈페이지)

데이터 분석 및 예측 모델의 중요성

데이터 분석을 통해서 아파트 실거래가 데이터의 특성을 알아보고, 어떤 요소들이 부동산 가격에 영향을 미치는 중요 변수인지 확인하는게 이 프로젝트의 목표입니다. 부가적으로 예측모델을 만들어 실제 매물들의 가격을 예측해보고, 그 차이를 통해서 매물들의 저평가 가능성을 확인할 수 있습니다.

2020-2024년 데이터를 선택한 이유

부산의경우 2020년을 전후로 하여 부동산가격이 급등하고 이후 22년 23년을 거치면서 다시 하락을 했습니다. 전 고점대비 평균적으로 2~30% 하락한 시점이고, 이 데이터 역시 2010년 후반에 비하면 많이 오른 가격입니다. 최근 4년정도의 데이터를 가지고 흐름을 보는게 적절하다고 판단하였습니다.

실제 데이터는 2020년 1월~2024년 9월까지의 부산 남구의 아파트 실거래가 입니다.

대연 혁신 힐스테이트푸르지오(from 나무위키)

데이터 수집 및 준비

데이터 수집 경로와 출처 소개

데이터는 공공데이터 포털에서 제공하는 국토교통부 아파트 매매 실거래가 상세자료를 이용하였습니다. 여기서 제공되는 open api를 이용해서 python을 이용해서 수집하였습니다.

데이터 구성 및 주요 변수 설명

수집된 데이터는 아래와 같습니다. 법정동 코드와 지번코드 주소관련 정보와 단지명(아파트명) 그외 거래된 년,월,일, 거래금액, 전용면적, 층수, 건축년도 등이 있고 기타 부가적인 정보(해제일, 부동산중개소 주소 등)가 있습니다.

데이터 정제 과정

데이터분석은 R을 통해서 진행했습니다. 분석을 위해서 추가적인 작업을 하였습니다.

결측치 처리 및 이상치 제거 방법

필요 없는 변수 제거 및 변수 생성

1. 계약년월일 컬럼 생성 : 계약년도, 월, 일이 분리 되어 있어서 3개를 합해서 1개의 컬럼을 생성하였습니다.

# 계약일자 생성(계약년도+계약월+계약일)
df_trade <- df_trade %>%
  mutate(
    # Create date by combining year, month, day
    계약일자 = as.Date(
      paste(
        계약년도,  # Year
        sprintf("%02d", 계약월),  # Month with leading zero
        sprintf("%02d", 계약일),  # Day with leading zero
        sep = "-"
      )
    )
  )

2. 컬럼에 값이 없는(NA)이 없는 컬럼을 제외하였습니다. 32개의 컬럼중 5개가 na값으로 되어 있습니다.

#NA값만 있는 컬럼 제외
df_clean <- df_trade %>%
select_if(~!all(is.na(.))) # Keep only columns where not all values are NA

이렇게 정리하면 14,116개의 레코드와 27개의 컬럼으로 구성된 데이터셋을 세팅하였습니다.

EDA (탐색적 데이터 분석)

1. 컬럼명 확인

> print(names(df_clean))
[1] "법정동시군구코드"     "법정동읍면동코드"     "법정동지번코드"       "법정동본번코드"       "법정동부번코드"       "도로명"
[7] "도로명시군구코드"     "도로명코드"           "단지명"               "지번"                 "전용면적"             "계약년도"
[13] "계약월"               "계약일"               "거래금액"             "층"                   "건축년도"             "단지일련번호"
[19] "해제여부"             "해제사유발생일"       "아파트동명"           "토지임대부아파트여부" "법정동코드"           "시도명"
[25] "시군구명"             "읍면동명"             "계약일자"

2. 기본 통계량 확인( skim 패키지)

Detailed Summary Statistics:
> skim(df_clean)
── Data Summary ────────────────────────
                           Values
Name                       df_clean
Number of rows             14116
Number of columns          27
_______________________
Column type frequency:
  character                18
  Date                     1
  logical                  1
  numeric                  7
________________________
Group variables            None

── Variable type: character ─────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────
   skim_variable        n_missing complete_rate min max empty n_unique whitespace
1 법정동시군구코드             0        1        5   5     0        1          0
2 법정동읍면동코드             0        1        5   5     0        6          0
3 법정동지번코드               0        1        1   1     0        2          0
4 법정동본번코드               0        1        1   4     0      236          0
5 법정동부번코드               0        1        1   4     0       61          0
6 도로명                       4        1.00     3  10     0      139          0
7 도로명시군구코드             4        1.00     5   5     0        1          0
8 도로명코드                   4        1.00     7   7     0      139          0
9 단지명                       0        1        2  20     0      356          0
10 지번                         0        1        1   9     0      607          0
11 단지일련번호                 0        1        7  10     0      359          0
12 해제여부                 13308        0.0572   1   1     0        1          0
13 해제사유발생일           13308        0.0572   8   8     0      482          0
14 토지임대부아파트여부         0        1        1   1     0        1          0
15 법정동코드                   0        1       10  10     0        6          0
16 시도명                       0        1        5   5     0        1          0
17 시군구명                     0        1        2   2     0        1          0
18 읍면동명                     0        1        3   3     0        6          0

── Variable type: Date ──────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────
  skim_variable n_missing complete_rate min        max        median     n_unique
1 계약일자              0             1 2020-01-01 2024-09-30 2021-05-03     1655

── Variable type: logical ───────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────
  skim_variable n_missing complete_rate mean count
1 아파트동명        12310         0.128    1 TRU: 1806

── Variable type: numeric ───────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────
  skim_variable n_missing complete_rate     mean       sd     p0     p25     p50     p75    p100 hist
1 전용면적              0             1    80.7     29.9    16.2    59.9    84.5    85.0    262. ▆▇▂▁▁
2 계약년도              0             1  2021.       1.44 2020    2020    2021    2023     2024  ▇▅▂▃▂
3 계약월                0             1     6.54     3.22    1       4       6       9       12  ▇▆▇▅▇
4 계약일                0             1    15.8      8.69    1       8      16      23       31  ▇▇▇▇▆
5 거래금액              0             1 42074.   32350.   3000   19900   32700   56000   380000  ▇▁▁▁▁
6 층                    0             1    11.9      8.84    1       5      10      17       68  ▇▃▁▁▁
7 건축년도              0             1  2004.      10.6  1971    1997    2004    2013     2024  ▁▂▇▇▆

3. 수치형 변수 요약 통계 확인

> #기본 통계량 생성: Generate summary statistics using skimr
> cat("\nDetailed Summary Statistics:\n")

> print(summary_stats)
    전용면적         계약년도        계약월          계약일         거래금액            층           건축년도
Min.   : 16.25   Min.   :2020   Min.   : 1.00   Min.   : 1.00   Min.   :  3000   Min.   : 1.00   Min.   :1971
1st Qu.: 59.94   1st Qu.:2020   1st Qu.: 4.00   1st Qu.: 8.00   1st Qu.: 19900   1st Qu.: 5.00   1st Qu.:1997
Median : 84.52   Median :2021   Median : 6.00   Median :16.00   Median : 32700   Median :10.00   Median :2004
Mean   : 80.67   Mean   :2021   Mean   : 6.54   Mean   :15.82   Mean   : 42074   Mean   :11.89   Mean   :2004
3rd Qu.: 84.98   3rd Qu.:2023   3rd Qu.: 9.00   3rd Qu.:23.00   3rd Qu.: 56000   3rd Qu.:17.00   3rd Qu.:2013
Max.   :262.42   Max.   :2024   Max.   :12.00   Max.   :31.00   Max.   :380000   Max.   :68.00   Max.   :2024

4.수치형 변수 히스토그램 분포 확인

거래금액은 대부분의 거래가 5억 이하이고, 3억이하 거래가 비중이 높은편이네요.

건축년도 기준으로 보면 조금 다양한ㄴ데 그래도 2000년 이후와 2020년전후 아파트의 거래량이 많습니다.

년도로 보면 2020년에 가장 거래량이 많았고 2022년이 거래량이 가장 작았습니다.

거래월은 6월과 10월이 가장 빈도가 높고, 계약일은 15일정도가 가장 빈도가 높게 나오네요

전용면적으로 보면 84, 혹은 59타입에 해당하는 34평, 25평대 거래가 가장 빈도가 높은것으로 보입니다.

층별로는 10층이하 거래가 많고, 중층으로 보이는 15~6층대 거래도 빈도가 있는것으로 보이네요.

5. 범주형 변수의 확인

일부 건만 확인해봤는데 전체 거래건수중에 808건이 해제로(실거래가 취소거래) 등록되어 있습니다.

동별로 보면 대연동 5185건으로 가장 거래건수가 많고, 용호동, 문현동 순입니다.

$해제여부
  Value Count Percentage
1     O   808        100

$읍면동명
   Value Count Percentage
1 감만동  1028   7.282516
2 대연동  5185  36.731369
3 문현동  2044  14.480023
4 용당동   647   4.583451
5 용호동  4596  32.558799
6 우암동   616   4.363842

6. 수치형 변수 상관관계 분석

기본적으로 거래금액은 전용면적과 상관관계가 높고(너무 당연하겠지요), 계약년도 와도 상관관계가 조금 높게 나오네요. 즉 최근 거래일수록 거래금액이 조금 상승한다고 봐야겠지요.

'층'수를 기준으로 보면 층이 높을수록 거래금액이 높고, 전용면적이 넓을수로 층도 높은 경우가 있나봅니다.

건축년도 기준으로 보면 최근 건축년도(신축)일수록 거래금액이 높다는거 너무 당연한걸까요? 그외 층수와 계약년도와도 상관관계가 높게 나왔습니다.

7. 결측치 분석 Missing Values Analysis

결론 및 다음 단계

이번 분석에서 얻은 주요 인사이트

이번 포스팅에서는 부산남구 지역의 실거래가 데이터로 간단히 EDA를 통해서 확인을 해보았습니다.다음번에는 해당 데이터셋을 년도별로, 동별로 좀 더 자세히 살펴보겠습니다. 예측모델을 만들때까지 한번 계속 봐주세요.

함께 보면 좋을

국토교통부_아파트 매매 실거래가 상세 자료

https://www.data.go.kr/tcs/dss/selectApiDataDetailView.do?publicDataPk=15126468

국토교통부_아파트 매매 실거래가 상세 자료

행정표준코드관리시스템(www.code.go.kr)의 법정동 코드 중 앞5자리(예시 : 서울 종로구 - 11110), 계약년월(예시 : 201801)로 해당 지역, 해당 기간의 아파트 매매 신고 상세정보를 조회

www.data.go.kr

[기업분석] 메쎄이상, 지배구조로 살펴보는 저평가 사유

열심남 — Wed, 18 Dec 2024 23:33:09 +0900

들어가며

메쎄이상은 전시회를 주관하는 국내 1위의 압도적인 사업자입니다.

https://uincity.tistory.com/318

[(408920)메쎄이상] 어떤 기업일까? 가치투자 대상 인가?

어떤 기업인가요?메쎄이상은 대한민국의 대표적인 전시 주최 기업입니다. 2008년에 설립되어 2019년 현재의 형태로 통합되었으며, 본사는 서울특별시 마포구에 위치해 있습니다. 주요 사업 영역

uincity.tistory.com

이상네트웍스의 자회사였다가 SPAC을 통해 상장을 했습니다. 상장 후 주가의 흐름이 우하향 추세에 있습니다. 매출과 영업이익이 분명 좋아지는 국면인데도 주가의 흐름은 상당히 안좋습니다. 주주환원 차원에서 자기주식 취득도 하는중인데도 주가의 흐름은 여전히 좋지 않네요.

메쎄이상 분기별 매출및 영업이익(from 버틀러)

황금에스티, 이상네트웍스, 메쎄이상으로 연결되는 지배구조와 대주주 지분율이 높고, 유통물량이 작은점이 단점이라고 볼수 있겠네요. 어떤 부분때문에 시장에서 소외되고 주가가 상대적으로 저평가 되었는지 챗GPT와 함께 분석해보았습니다.

코스닥 상장이력과 낮은 주주환원율에 대한 관점 분석

1. 코스닥 상장 이력과 관련된 분석

(1) SPAC 합병을 통한 상장

메쎄이상은 특수목적회사(SPAC, Special Purpose Acquisition Company)와의 합병을 통해 2023년 코스닥 시장에 상장되었습니다. 이는 전통적인 IPO(기업공개) 절차가 아닌 대안적 방식으로 이루어졌으며, 이러한 상장은 시장에서 몇 가지 특징을 나타냅니다:

신뢰성 이슈: SPAC 상장은 일반적으로 상장 절차가 빠르고 규제 부담이 적지만, 투자자들에게 기업의 내재가치가 충분히 검증되지 않았다는 인식을 줄 수 있습니다.
시장 인식 부족: 상장 이후 초기에는 투자자들이 해당 기업에 대한 깊은 이해를 가지지 못해 낮은 거래량과 주가 형성이 나타날 가능성이 큽니다.

(2) 주식 유통 물량 제한

SPAC 합병을 통해 상장된 기업의 경우, 상장 초기 대주주의 지분율이 높고, 유통 주식 수가 제한적입니다. 이는 주식의 유동성을 낮추고 시장에서의 활발한 거래를 방해할 수 있습니다. 메쎄이상의 경우, **대주주(이상네트웍스)의 지분율이 61.7%**로 상당히 높은 상황입니다.

2. 낮은 주주 환원율의 분석

(1) 배당 정책

메쎄이상은 2023년 기준 배당금에 대한 언급이 없거나, 주주 환원 정책이 미흡한 것으로 보입니다.
이는 기업이 안정적인 수익성을 가지고 있음에도 불구하고, 배당을 통해 이익을 주주에게 환원하지 않는다는 것을 의미할 수 있습니다.

(2) 연결지배구조의 영향을 받은 재무 활용

메쎄이상이 벌어들인 이익과 현금 흐름이 지배구조 상위 기업인 이상네트웍스 및 황금에스티의 경영 전략(예: 부채 상환, 신규 투자) 또는 상위 기업의 배당 자금으로 활용될 가능성이 큽니다.
이는 소액주주의 이익 보호보다 대주주 중심의 경영 활동으로 비춰질 수 있어, 주주가치를 훼손할 우려가 있습니다.

(3) 주주 친화적 정책 부족

시장에서 평가받는 높은 PER(주가수익비율)과 PBR(주가순자산비율)을 보유한 동종 업계 기업들은 대부분 주주 친화적 경영을 채택하고 있습니다.
반면, 메쎄이상은 현재 이러한 점에서 부족해 보이며, 이는 투자자들의 신뢰를 약화시키고 주가 저평가의 원인이 됩니다.

3. 결론

메쎄이상의 코스닥 상장 이력은 SPAC 합병 방식을 통해 이루어진 특수성과 함께, 시장 신뢰 부족 및 유동성 한계를 내포하고 있습니다. 동시에, 낮은 주주 환원율은 배당 정책 부재와 지배구조 내 재무 활용 문제로 인해 주가에 부정적인 영향을 미치고 있습니다.

이러한 문제를 해결하기 위해서는:

주주 환원 정책 강화: 정기적인 배당 지급 또는 자사주 매입 등의 주주 친화적 정책 도입.
시장 신뢰 회복: 사업 실적과 성장 가능성을 강조하는 IR(Investor Relations) 활동 강화.
지배구조 개선: 상위 지배구조의 재무적 요구에 의존하지 않고 독립적인 성장 전략을 마련해야 합니다.

이 점은 가치투자 관점에서 기업의 개선 가능성을 평가하는 핵심 요소가 될 수 있습니다.

그렇다면 어떤 관점에서 투자해야 할까?

메쎄이상 회사는 SPAC으로 상장이후 분기별 실적에 대한 IR자료를 꾸준히 발표하고 있습니다.

메쎄이상 IR자료 목록(from 메쎄이상 홈페이지)

최근 자사주 취득(20억) 관련 공시를 한후 자사주를 조금씩(5억, 24년 11.28일 기준) 매입하고 있습니다.

자기주식 취득공시(from DART)

자기주식 취득 신탁 매입내역 (from DART)

상장한지 얼마 안된 상태이나, 2023년 기준으로 50원 배당을 했었습니다. EPS기준 배당성향은 40%에 이릅니다.

물론 이게 일시적인 현상일수도 있습니다. 올해 배당을 얼마할지? 주주환원에 대한 정책을 지속할지를 지켜봐야 할것 같습니다.

메쎄이상 배당성향(from 버틀러)

지배구조 개선 관점의 분석

1. 지배구조 개선의 필요성

메쎄이상의 현재 지배구조는 다음과 같은 특징과 문제점을 포함합니다:

(1) 지배구조의 상위 의존성

황금에스티 → 이상네트웍스 → 메쎄이상으로 이어지는 구조에서, 메쎄이상의 경영 전략 및 재무 활동은 상위 회사의 경영 방침과 재무적 필요에 크게 영향을 받습니다.
이로 인해 메쎄이상이 자체적으로 재무 안정성을 강화하거나 성장 전략을 독립적으로 실행하는 데 제약이 생길 수 있습니다.

(2) 소액주주 보호 부족

상위 지배구조는 대주주의 이익을 우선시하며, 메쎄이상의 소액주주들이 이익을 실현할 기회가 제한될 가능성이 큽니다.
대주주의 높은 지분율(예: 이상네트웍스 61.7%)은 의사결정의 독점적 권한으로 이어지며, 소액주주들에게 불리한 방향으로 운영될 수 있습니다.

(3) 투명성 부족

연결 지배구조 하에서는 자금 흐름의 투명성이 저하될 수 있으며, 메쎄이상의 수익이 상위 회사의 부채 상환이나 투자 자금으로 사용될 가능성이 있습니다. 이는 메쎄이상의 장기적인 발전을 저해할 수 있습니다.

2. 독립적인 성장 전략의 개념과 방향

메쎄이상의 독립적인 성장 전략은 상위 지배구조의 영향을 최소화하고, 자체적인 사업 경쟁력과 장기적인 발전 가능성을 확보하는 것을 말합니다. 주요 전략 방향은 다음과 같습니다:

(1) 사업 다각화

현재 메쎄이상의 주요 사업은 전시회 주최 및 부대행사 운영입니다. 그러나 전시 산업은 경기 변동에 민감하며, 경쟁 심화로 성장에 한계가 있습니다.
이를 보완하기 위해:
- 디지털 전환: 메타버스 전시, 온라인 박람회 플랫폼 강화.
- 신사업 확장: 이벤트 관리 소프트웨어, 전시 데이터 분석 및 마케팅 솔루션 개발.
- B2B 협업: 전시를 통한 기업 네트워크 확장을 활용한 컨설팅 서비스 제공.

(2) 재무 독립성 확보

메쎄이상이 상위 지배구조로부터의 자금 지원에 의존하지 않고, 자체적인 현금 흐름 관리와 재무 건전성을 강화하는 것이 중요합니다.
- 배당 정책 강화: 자체적으로 배당 성향을 설정하여 주주 신뢰를 제고.
- 자금 운용의 투명성 확보: 상위 회사로의 자금 이전 최소화.

(3) 브랜드 강화

메쎄이상이 전시 주최 업계에서 독립적인 브랜드 이미지를 구축하면, 상위 회사 의존도를 낮출 수 있습니다.
- 글로벌 전시 사업 확장: 해외 전시회 개최 및 협력 네트워크 구축.
- 지역 특화 전시회 개발: 특정 산업 분야나 지역에 특화된 전시회로 차별화된 포지셔닝.

(4) 내부 지배구조 투명성 확보

경영진과 이사회 구성의 독립성을 강화하여 상위 회사의 영향력 최소화.
- 사외이사 비중 확대: 의사결정 과정에서 공정성과 독립성을 보장.
- 투명한 재무 공시: 연결 지배구조 내 자금 흐름과 관련된 내용을 정기적으로 공시.

(5) 주주 친화 정책

소액주주와의 신뢰 구축을 위해:
- 정기적인 주주 간담회 개최.
- 자사주 매입 프로그램 도입을 통한 주주 가치를 증대.

3. 지배구조 개선의 기대 효과

지배구조를 개선하고 독립적인 성장 전략을 실행하면 다음과 같은 효과를 기대할 수 있습니다:

주가 상승: 시장의 신뢰를 확보하여 현재 저평가된 주가를 끌어올릴 수 있습니다.
소액주주 보호: 소액주주와의 관계를 강화하여 장기적인 투자 유인을 제공합니다.
지속 가능한 성장: 독립적인 수익 구조와 사업 다각화를 통해 경기 변동과 외부 리스크를 줄일 수 있습니다.
투자 매력도 향상: 글로벌 투자자들에게 신뢰받는 기업으로 자리매김할 수 있습니다.

결론적으로, 메쎄이상의 독립적인 성장 전략은 지배구조 리스크를 줄이고, 장기적으로 기업의 내재 가치를 높이는 데 핵심적인 역할을 할 것입니다.

23년의 배당금(50원)과 24년 자사주 매입 프로그램에 대한 분석

1. 현재 주주 환원 수준 분석

(1) 배당

배당금 50원 기준으로, EPS(주당순이익) 123원 대비 **배당성향은 약 40.7%**로 계산됩니다.
이는 일반적인 코스닥 상장사의 평균 배당성향인 **20~30%**를 상회하며, 특히 성장 중인 기업으로서는 높은 수준의 배당 정책으로 볼 수 있습니다.

(2) 자사주 매입

자사주 매입은 주주가치를 높이는 데 효과적인 방법입니다.
20억 원 규모의 자사주 매입은 코스닥 상장사 중 소규모 기업으로서는 의미 있는 금액으로 평가됩니다.
- 이는 유통 주식수를 감소시켜 주당가치(EPS, BPS 등)를 상승시키고, 장기적으로 주가 안정에 기여할 수 있습니다.

2. 글로벌 및 동종 업계와 비교

(1) 글로벌 비교

선진국의 성숙한 시장에서는 배당성향이 40~50% 이상으로 유지되는 경우가 많습니다. 메쎄이상의 배당성향(40.7%)은 이와 비교해도 뒤처지지 않는 수준입니다.
다만, 글로벌 기업들은 배당 외에도 지속적이고 일관된 자사주 매입 프로그램을 운영하며, 이는 주주 신뢰를 높이는 데 기여합니다.

(2) 국내 동종 업계와 비교

코스닥 상장사나 중소기업의 평균 배당성향은 20~30% 수준으로, 메쎄이상은 이보다 높은 배당성향을 유지하고 있어 동종 업계 대비 우수한 주주 환원 정책을 가지고 있습니다.
자사주 매입을 병행하는 사례는 상대적으로 적기 때문에, 메쎄이상의 자사주 매입 정책은 차별화된 점으로 볼 수 있습니다.

3. 주주 환원 정책에 대한 개선 가능성

(1) 장기적 지속성

현재 배당 및 자사주 매입은 긍정적이지만, 지속 가능성이 중요한 요소입니다.
- 주주환원 정책이 단발성이 아닌 장기적이고 일관된 전략으로 자리 잡아야 합니다.
- 향후 배당 성장률(DPS 증가율)을 꾸준히 유지하거나 점진적으로 증가시키는 것이 투자자들의 신뢰를 확보할 수 있는 핵심입니다.

(2) 배당률 향상 여지

배당성향이 이미 40%를 넘어선 만큼, 추가적인 배당률 인상은 다소 어려울 수 있습니다. 대신 **주당배당금(DPS)**을 점진적으로 늘리는 방향이 적절합니다.
EPS 성장률과 연동한 배당금 증가로 안정적인 배당 정책을 유지할 수 있습니다.

(3) 자사주 매입 확대

자사주 매입은 주가 안정 및 가치 상승에 긍정적인 영향을 미칩니다.
- 현재 매입 규모(20억 원)는 메쎄이상의 자본 규모를 고려하면 적정한 수준으로 보이지만, 정기적 자사주 매입 계획으로 발전시킬 수 있습니다.

(4) 주주 커뮤니케이션

배당 및 자사주 매입과 같은 주주 환원 노력을 시장에 충분히 홍보하고, 정기적인 IR 활동을 통해 투자자 신뢰를 제고해야 합니다.
중장기적인 주주환원 정책을 명확히 제시하는 것이 중요합니다.

4. 결론 및 권고 사항

메쎄이상의 현재 주주 환원 수준은 국내 및 동종 업계 대비 높은 수준이며, 글로벌 기준에서도 경쟁력이 있습니다.
그러나 주주 환원의 지속 가능성을 강화하기 위해 다음을 권장합니다:
1. 장기 배당 성장 목표 수립: EPS 성장에 맞춰 배당을 점진적으로 늘려 나가는 방식.
2. 정기적 자사주 매입 프로그램 도입: 자사주 매입을 매년 일정 비율 또는 금액으로 설정하여 실행.
3. 투명한 주주 소통: 주주 환원 정책의 의도와 실행 계획을 시장에 명확히 알리는 활동 강화.

이와 같은 노력을 통해 투자자 신뢰를 높이고, 주가 저평가 상태를 개선하는 데 기여할 수 있습니다.

마무리

1. 메쎄이상은 주주환원에 뭔가 노력하는 모습은 보인다.

2. 다만 이게 지속가능하는지에 대한 회사의 의지 확인, 향후 배당성향및 DPS 상향의 여지가 있는지를 좀더 지켜봐야한다.

3. 국내 전시주관사 1위인데, 추가적인 성장여력이 있는지에 대한 확인도 필요하다.(메타버스? 요즘 한물 갔는데?, 인도전시장 사업의 매출과 이익 성장 확인이 되는지?)

좀더 지켜봐야 할것 같습니다.

[(408920)메쎄이상] 어떤 기업일까? 가치투자 대상 인가?

열심남 — Sun, 15 Dec 2024 21:37:07 +0900

어떤 기업인가요?

메쎄이상은 대한민국의 대표적인 전시 주최 기업입니다. 2008년에 설립되어 2019년 현재의 형태로 통합되었으며, 본사는 서울특별시 마포구에 위치해 있습니다.

주요 사업 영역

메쎄이상의 핵심 사업은 전시회 및 전시 부대행사의 기획, 개최, 운영입니다. 연간 18개 산업 분야에서 66회 이상의 전시회를 개최하며, 17,340개 이상의 부스와 438,544㎡ 이상의 전시 면적을 운영하고 있습니다

.주요 전시회:

경향하우징페어
코베베이비페어
코리아빌드
메가주(MEGAZOO)
K-hospital

기업 특징

데이터 기반 운영: 메쎄이상은 자체 IT 전문 인력을 보유하고 있으며, 고객 및 등록관리 시스템, 애플리케이션 등을 직접 개발하여 운영합니다.

빅데이터 활용: 산업 현황 분석, 소비자 트렌드 분석, 신규 전시 및 특별관 기획 등에 빅데이터를 적극 활용합니다.
글로벌 네트워크: 세계 각국의 주요 전시 주최자들과 네트워크를 구축하여 국내외 참가기업 및 바이어에게 새로운 가치를 제공합니다
코스닥 상장: 2023년 3월, 전시 주최사 중 최초로 코스닥에 상장되었습니다.

재무 정보 (2023년 12월 31일 기준)

자본총계: 601억 4,062만원
매출액: 473억 1,349만원
순이익: 51억 2,095만원

미래 전략

메쎄이상은 단순한 전시 기획사를 넘어 '데이터 마케팅 플랫폼'으로의 발전을 지향하고 있습니다. 또한, 인도 뉴델리의 IICC 전시장 운용권을 확보하여 한국 중소기업의 서남아 시장 진출을 지원할 계획입니다.

.메쎄이상은 혁신적인 전시 운영과 데이터 기반의 마케팅 전략을 통해 국내 전시 산업을 선도하고 있으며, 글로벌 시장으로의 확장을 통해 지속적인 성장을 추구하고 있습니다.

가치 투자 관점의 접근

1. 사업 개요와 경쟁력

주요사업: 메쎄이상은 국내외 전시회 및 부대행사 기획·운영이 주요 사업입니다. 최근에는 디지털 전환과 메타버스 기반 전시회 플랫폼 개발에도 진출한 것으로 보입니다.
시장 지위: B2B와 B2C 전시 분야에서 국내 주요 플레이어로 자리 잡고 있으며, 다양한 산업군에서 전시회를 주최하고 있습니다. 이는 비교적 안정적인 수익원을 제공할 가능성이 높습니다.
사업 다각화: 전시회뿐 아니라 디지털 플랫폼, 광고 대행, 콘텐츠 제작 등 다각화된 사업군이 존재하나, 전시사업 의존도가 여전히 높습니다.

2. 재무 분석

재무상태

유동비율: 보고서 상으로 확인된 유동비율은 안정적이나, 유동부채와 단기차입금 의존도가 증가했습니다. 이는 단기 유동성 압박 가능성을 시사합니다.
부채비율: 부채비율은 100%를 하회하며 안정적인 수준을 유지 중이나, 최근 차입 증가와 자본금 확대로 인해 부채구조 변화가 관찰됩니다.
현금흐름: 운영 현금흐름은 긍정적이지만, 대규모 투자나 신규 사업 확장에 따른 자금 유출이 주기적으로 발생하고 있습니다.

수익성

매출 성장률: 전시회 산업 회복과 신규 전시회 런칭으로 매출이 증가했으나, 전시 개최의 계절성으로 분기별 실적 변동이 큽니다.
영업이익률: 영업이익률은 경쟁사 대비 높은 수준을 유지하고 있으나, 디지털 플랫폼 투자 등 고정비 상승으로 다소 하락세를 보였습니다.

3. 투자 관점에서의 유의사항

주요 리스크
- 전시 산업 의존도: 매출의 대부분이 전시 사업에서 발생해 특정 산업군의 경기 상황에 따라 실적 변동성이 클 수 있습니다.
- 계절성과 코로나19 잔존 리스크: 전시회 사업 특성상 특정 분기에 수익이 집중되며, 대규모 전염병 재발 등의 외부 리스크에 취약합니다.
- 차입금 증가: 성장 및 확장을 위한 차입이 늘어나면서 이자비용 부담이 증가할 가능성이 있습니다.
기회 요인
- 디지털 전환: 메타버스 기반 전시회 및 디지털 플랫폼 개발은 새로운 수익 모델을 창출할 가능성이 높습니다.
- 시장 회복: 코로나19 이후 전시 산업의 글로벌 회복세가 긍정적 영향을 미칠 것으로 보입니다.
경영진 역량
- 주요 경영진의 전시업계 경험은 회사의 성장과 안정성에 긍정적입니다. 다만, 대규모 투자가 이루어지는 만큼 리스크 관리 역량이 중요합니다.

4. 가치투자 관점 결론

현재 주가는 과대평가 가능성 낮음: 회사의 주가는 상대적으로 낮은 PBR(주가순자산비율)을 보이며, 가치투자자에게 매력적인 수준일 가능성이 있습니다.

장기적 성장 가능성: 메타버스와 디지털 콘텐츠 등으로 사업 다각화와 시장 점유율 확장 가능성이 높습니다.
유의점: 단기 부채 부담과 전시 산업 의존도는 리스크 요인이므로, 분기 실적 변동성 및 신규 사업 성과를 지속 모니터링해야 합니다.

위 내용을 종합하면, 메쎄이상은 성장 잠재력을 가진 기업이지만, 단기적인 재무 리스크와 산업 의존도를 염두에 두고 장기 투자 관점에서 접근하는 것이 적절해 보입니다.

함께 보면 좋을

가치가자님의 분석글 : 기업분석 메쎄이상

https://blog.naver.com/casa1015/223474064022

[기업분석] 메쎄이상

홈페이지 : messeesang.com 기업분석 1. 개요 국내 1위 전시 주최 업체 메쎄(Messe)는 독일어로 박람회/전...

blog.naver.com

lidoresearch 님의 투자실패 복기

https://blog.naver.com/lidoresearch/223160495388

투자 실패 복기 (이상네트웍스, 메쎄이상)

주식투자를 시작 한지 7~8년이 넘은 지금 크게 실패했던 투자에 대해 복기해보려한다. 때는 바야흐로 2019...

blog.naver.com