기업을 읽는 숫자들 (Numbers That Read Companies)

결론부터 말씀드립니다. 앞서 크롤링으로 수집하고 판다스(Pandas)를 통해 데이터프레임(DataFrame)으로 예쁘게 가공한 재무 데이터는, 결국 내 컴퓨터 바탕화면에 '파일' 형태로 저장되어야 비…

은행에서 기업 여신 심사를 담당하며 수백 곳의 기업 재무제표를 열어볼 때, 매출액이나 당기순이익보다 훨씬 더 예민하게 살피는 계정과목이 있습니다. 바로 '가지급금'과 '가수금'입니다…

아는 것과 실전에 적용하는 것은 다르다 지난 1편부터 14편까지, 우리는 기업의 3대 재무제표(재무상태표, 손익계산서, 현금흐름표)를 읽는 법부터 DART 공시의 텍스트에 숨겨진 치명적인 리스크를 찾아내는 방법까지…

지난 2편에서 파이썬과 VS Code 설치를 무사히 마쳤다면, 이제 가장 가슴 뛰는 첫 실전입니다. 매일 아침 HTS나 포털 금융 화면에 접속해 거시 경제 지표를 확인하고 엑셀에 옮겨 적던 일과를 파이썬 스크립트…

숫자를 넘어서: 진짜 리스크는 '글' 속에 숨어 있다 지금까지 13편의 연재를 통해 재무제표의 핵심 숫자와 비율을 분석하는 방법을 숨 가쁘게 달려왔습니다. 그렇다면 이 모든 데이터의 원천인 금융감…

결론부터 말씀드립니다. 앞선 크롤링 단계에서 수집한 파편화된 주가 데이터들을 엑셀과 같은 완벽한 '표(Table)' 형태로 정렬하고 연산해 주는 핵심 도구가 바로 판다스(Pandas)입니다. 크롤링…

단일 지표 하나를 크롤링하는 것을 넘어, 이제 여러 관심 종목의 데이터를 한 번에 수집하고 실무에 쓸 수 있도록 '깨끗하게 정제'하는 단계로 넘어갑니다. 웹 크롤링 실무에서 가장 많이 부딪히는 장벽은…

결론부터 말씀드립니다. 코딩 비전공자나 일반 직장인이 파이썬(Python) 자동화를 가장 빠르고 확실하게 마스터하는 방법은 '내가 매일 반복해서 찾아보는 금융 데이터'를 직접 수집해보는 것입니다. …

기업의 재무제표와 거시 경제 지표를 분석하다 보면 필연적으로 방대한 숫자를 마주하게 됩니다. 이 숫자들을 일일이 엑셀에 타이핑하는 대신, 파이썬(Python)이라는 비서를 고용해 자동으로 데이터를 수집하고 가공하…

획일적인 잣대가 낳는 치명적인 오판 초보 투자자나 신입 심사역들이 재무제표 분석의 기본기를 떼고 나면 흔히 저지르는 실수가 하나 있습니다. 바로 모든 기업을 똑같은 잣대로 평가하려 든다는 점입니다. 앞서 배운 …

엑셀 노가다에서 벗어나는 첫걸음 기업의 재무제표를 읽는 법과 숨겨진 리스크를 파악하는 지표들까지 모두 익혔다면, 이제 실전에 적용해 볼 차례입니다. 하지만 관심 있는 수십 개의 기업이나 거래처를 분석할 때마다 …

결론: 완벽한 조작은 없다, 부자연스러운 흔적을 찾아 피하는 것이 상책 우리는 지금까지 재무제표라는 훌륭한 기업 건강검진표를 읽는 법을 배웠습니다. 하지만 만약 그 건강검진표 자체가 고의로 조작된 가짜라면 어떨…

수많은 숫자 중 '알짜'만 골라내는 채점표 지금까지 1편부터 9편까지 손익계산서, 재무상태표, 현금흐름표, 그리고 그 이면에 숨겨진 각종 리스크(가지급금, 우발부채 등)를 하나씩 해부해 보았습니다. …

장부에 뚜렷하게 보이지 않는 빚이 가장 무섭다 은행 현업에서 기업의 신용을 평가하다 보면, 장부에 명확하게 찍혀 있는 은행 빚(차입금)보다 훨씬 더 등골을 서늘하게 만드는 것들이 있습니다. 바로 재무상태표 전면…

빚에도 '착한 빚'과 '무서운 빚'이 있다 은행에서 기업 여신 심사 업무를 하다 보면, 뉴스에서 연일 호실적을 자랑하던 기업이 하루아침에 부도 처리가 되어 법정관리에 들어가는 충격적…