주식 종목 가치평가 알고리즘

 

이 알고리즘은 "채권 쟁이 서준식의 다시 쓰는 주식 투자 교과서"에 나온 가치투자 기법을 바탕으로 개발하였습니다. 

기업의 재무제표 항목 중 주당순이익(EPS), 주당순자산(BPS), 자기 자본 이익률(ROE), 주당 순이익률(PER) 그리고 주가를 활용하여 5년 뒤의 기대 BPS를 구한 뒤 연간 기대 수익률 15%로 계산하여 현재 기대 주가를 산출해내는 기법입니다.

이번 포스팅에서는 파이썬 코드와 결과값을 보여주며 그 방식에 대해 소개하겠습니다.

 

1. 크롤링

def get_html(jcode):     #재무재표 크롤링
    url = 'http://comp.fnguide.com/SVO2/ASP/SVD_main.asp?pGB=1&gicode=A%s' % jcode
    html = urlopen(url).read()
    html = bs4.BeautifulSoup(html,'lxml')
    table = html.find('div',{'id':'highlight_D_Y'})
    crt_data = html.find('div',{'id':'corp_group2'}).find_all('dl')
    crt_PER = crt_data[0].find_all('dd')[1].text   #PER
    crt_around_PER = crt_data[4].find_all('dd')[1].text   #업종 PER
    crt_PBR = float(crt_data[6].find_all('dd')[1].text)
    crt_price = int(html.find('span',{'id' : 'svdMainChartTxt11'}).text.replace(',',''))
    name = html.find('h1',{'id':'giName'}).text

    date_col = table.find_all('tr')[1].find_all('th')[:5]
    date_col=list(i.text for i in date_col) #dataframe의 column

    j = table.find_all('td',{'class','r'})
    tr = table.find_all('tr')[18:]
    df = pd.DataFrame()


    for i in tr:        #테이블 항목 가져오기
        category = i.find('span',{'class':'txt_acd'})
        if(category==None):
            category=i.find('th')
        category = category.text.strip()
        value_list = []
        j = i.find_all('td',{'class','r'})[:5]

        for value in j:
            temp = value.text.replace(',','').strip()
            try:
                temp = float(temp)
                value_list.append(temp)
            except:
                value_list.append(0)
            data = {category:value_list}
            data = pd.DataFrame(data)
        df = pd.concat([df,data],axis=1)

    df.index=date_col
    return df
    

 

 

 

이 메서드의 실행 결과는 다음의 데이터프레임입니다.

INPUT : 삼성전자 005930

Comp.fnguide.com

삼성전자(A005930) | Snapshot | 기업정보 | Company Guide

 Fnguide에서 제공하는 재무제표를 크롤링하여 최근 5년간의 재무제표로 재구성하였습니다.

---

2. 기대 BPS 계산

def df_extension(df):       #데이터테이블 확장(2025년까지)
    for i in range(1,7):
        ROE_mean = df['ROE'].mean()
        new_eps = df['BPS'][-1]*ROE_mean/100
        new_bps = new_eps + df['BPS'][-1]
        PER = df['PER'][-1]
        PBR = df['PBR'][-1]
        stock_ret = df['배당수익률'][-1]
        df.loc['202'+str(i)+'/12'] = [df['ROA'].mean(),ROE_mean,new_eps,new_bps, np.nan, PER, PBR, np.nan, stock_ret]
    return df

이 메서드의 실행 결과는 다음과 같습니다.

반복문을 통해 5년 뒤의 기대 BPS를 계산하였습니다.

계산식

Expected BPS = BPS + BPS*(ROE/100) 

---

3. 현재 가치로 환산

def report(self):
  self.new_price = int(self.df['BPS'][-1]/((1.15)**5))

  self.all_datas = pd.DataFrame(index = ['종목이름','종목코드','평균ROE','PER','업종PER','현재가치','주가','평가'],
  data = [self.name,self.jcode,self.ROE_mean,self.crt_PER,self.crt_around_PER,self.new_price,self.crt_price,\
  '적합' if self.new_price>=1.5*self.crt_price else '부적합']).T
  return self.all_datas

이 메서드의 실행 결과는 다음과 같습니다.

현재 기대 주가는 5년 뒤 기대 BPS를 기대수익률 15%로 계산하여 현재 가치를 구합니다. 현재 가치가 주가의 1.5배보다 크다면 적합, 아니면 부적합으로 평가됩니다. 삼성전자의 경우 현재 가치가 주가를 한참 밑돌고 있고 PER로 업종 PER보다 높게 나와 부적합으로 평가되었습니다.

 

---

4. 고배당주와 시가총액 상위 순으로 기업 조회

def get_excel_high_dividend(self):    #고배당주 엑셀 read
        load_wb = load_workbook("stock_div.xlsx", data_only=True)
        load_ws = load_wb['Sheet1']
        row_num = 0
        jcode=[]
        for row in load_ws.rows:
            row_num+=1
            if row_num==1:
                continue
            elif row_num==100:   #100개만
                break
            jcode.append(row[2].value)
        return jcode

    def get_excel_siga_top(self):  #시가총액 엑셀 read
        load_wb = open('siga.csv','r',encoding='utf-8')
        load_ws = csv.reader(load_wb)
        row_num = 0
        jcode=[]
        for row in load_ws:
            row_num+=1
            if row_num==1:
                continue
            jcode.append(row[1])
        return jcode

이 두 메서드는 시가총액 순서대로 기업코드가 적혀있는 엑셀과 고배당주 순서대로 기업코드가 적혀있는 엑셀을 읽어와 기업코드를 리턴하는 메서드입니다. 따라서 반복문을 시행하면서 위 알고리즘을 적용해 데이터 프레임을 산출해내면 다음과 같습니다.

 

이 프로그램의 실행결과 적합 판정을 받은 기업이 소수입니다. 현재 그만큼 자산시장이 고평가 되어있다고 볼 수도 있을 것 같습니다.