기본적 분석 8장: 여러 지표를 하나의 점수로 합칠 때

한 지표에 의존하면 약점이 분명합니다. PER은 이익의 질을 놓치고, ROE는 가격을 놓치며, 매출 성장률은 현금흐름을 놓칩니다. 복합 점수는 이 약점을 줄이기 위한 방법이지만, 지표를 많이 넣는다고 자동으로 좋은 전략이 되지는 않습니다.
점수의 기본 설계
섹션 제목: “점수의 기본 설계”이번 시리즈에서는 각 지표를 같은 표본 안에서 순위화했습니다.
| 축 | 사용 지표 | 선호 방향 |
|---|---|---|
| 가치 | PER, PBR | 낮을수록 좋음 |
| 퀄리티 | ROE, ROA | 높을수록 좋음 |
| 성장 | 매출성장률 | 높을수록 좋음 |
| 현금 | 영업현금흐름 | 높을수록 좋음 |
| 주주환원 | 배당수익률 | 높을수록 좋음 |
factors = { "per": False, "pbr": False, "roe": True, "roa": True, "revenue_growth": True, "cash_flow": True, "div_yield": True,}
score = 0for column, high_is_better in factors.items(): score += df[column].rank(ascending=not high_is_better)실제 구현에서는 결측치 처리, 극단값 winsorization, 산업 중립화, 지표별 가중치를 사전에 정해야 합니다. 특히 전체 표본 중앙값으로 결측치를 채우면 결측이 많은 기업이 실제보다 좋아 보일 수 있습니다.
결과를 읽는 법
섹션 제목: “결과를 읽는 법”| 복합 점수 분위 | 20일 평균 | 20일 중앙값 | 60일 평균 | 60일 중앙값 |
|---|---|---|---|---|
| Q1 강한 신호 | +7.78% | +3.25% | +17.54% | +4.34% |
| Q2 | +6.49% | +2.25% | +16.59% | +1.64% |
| Q3 | +3.44% | -1.99% | +9.82% | -7.13% |
| Q4 약한 신호 | +3.28% | -3.06% | -0.90% | -19.23% |
Q1과 Q4의 차이는 컸지만, 이 결과가 가중치의 최적성을 증명하지는 않습니다. 같은 데이터로 여러 가중치를 시험해 가장 좋은 조합만 고르면 데이터마이닝이 됩니다.
복합 점수의 원자료는 복합 점수 수익률 CSV에서 확인할 수 있습니다.
복합 점수의 세 가지 위험
섹션 제목: “복합 점수의 세 가지 위험”- 중복 측정: ROE·ROA·마진은 비슷한 수익성 정보를 담을 수 있습니다.
- 산업 편향: 고배당·저PBR을 넣으면 특정 업종이 과도하게 선택될 수 있습니다.
- 시점 선택 편향: 결과를 보고 좋은 팩터만 남기면 검증이 아니라 사후 설명이 됩니다.
따라서 복합 점수는 종목을 자동 추천하는 장치가 아니라, 여러 관점을 같은 규칙으로 정렬하는 도구입니다. 다음 장에서는 이 점수가 업종과 시장 국면에 따라 달라지는지 확인합니다.
이 글은 교육 및 연구 목적의 자료이며 특정 종목의 매수·매도를 권유하지 않습니다.