영업이익 상승기에 PER은 어떻게 오를까? 2

이전편

2025.02.24 - [투자/주식] - 영업이익 상승기에 PER은 어떻게 오를까? 1

영업이익 상승기에 PER은 어떻게 오를까? 1

 

 

 

섹터별 PER 패턴의 차이

영업이익 급증 시 PER 변화 패턴은 산업 섹터별로 상이하게 나타날 수 있습니다. **기술주(성장주)**의 경우 높은 성장 기대를 반영해 평소에도 PER가 높으며, 이익이 급증하면 PER가 더욱 크게 확장되는 경향이 있습니다. 실제로 “기술 섹터는 성장 기대치가 높아 전통적 유틸리티 섹터보다 PER가 높게 형성된다”는 일반론이 있습니다​reddit.com. 기술기업은 지속 성장 기대 속에 이익이 늘면 투자자들이 PER를 기꺼이 높게 유지하거나 상승시키곤 합니다. 반면 제조업이나 원자재 같은 경기순환주는 패턴이 다릅니다. 경기순환 산업에서는 호황기에 이익 급증에도 불구하고 PER가 오히려 낮아지는 역설적 현상이 종종 관찰됩니다. 이는 투자자들이 현재 호황 이익이 지속되지 않을 것으로 보고 미래 이익 하락을 미리 감안하기 때문입니다. 실제로 사이클릭 기업들은 “이익이 사이클 최고점일 때 PER가 매우 낮고, 이익이 바닥일 때 PER가 오히려 매우 높게 나타나는” 경향이 있다고 합니다​netnethunter.com.

 

 즉 경기민감주는 이익 급증기에는 PER 확장이 제한되거나 축소되고, 불황기엔 선행 기대로 PER가 높아지는 반대 패턴을 보일 수 있습니다. 한 연구 분석에 따르면 대부분의 기업들에서 PER 확장은 특정 섹터에 국한되지 않고 성장의 지속 기간과 투자자 신뢰에 달려 있었으며, 경영진 능력이나 섹터 전망과 같은 질적 요소들도 PER 결정에 영향을 주는 것으로 나타났습니다​rntujournals.aisect.org. 요약하면, **성장산업(예: 기술)**에서는 고성장 기대에 따른 PER 상승효과가 두드러지고, 성숙산업이나 경기순환주에서는 PER가 보다 보수적으로 반응하거나 역주행 패턴도 나타나는 등 섹터별 차이가 존재합니다.

머신러닝 기반 이익예측 vs 전통적 회귀모델과 시장 반응

**머신러닝(ML)**을 활용한 영업이익 예측은 전통적 회귀모델에 비해 예측 정확도가 높고 비편향적인 것으로 밝혀지고 있습니다. 복잡한 비선형 관계를 포착하는 ML 모델은 고차원 데이터를 다루면서 과적합을 피할 수 있어, 단순 회귀보다 뛰어난 성과를 보입니다​bauer.uh.edu. 예컨대 비선형 트리 기반 알고리즘은 기존의 횡단면 회귀모형이나 단순 추세모형보다 낮은 오류로 기업 이익을 예측했고, 특히 소형주나 이익 변동성이 큰 기업, 미국 외 시장에서 오차를 6~10% 이상 줄였다는 연구 결과가 있습니다​bauer.uh.edu. 반면 전통적 회귀모델이나 애널리스트 컨센서스는 종종 편향이나 낮은 정확도로 인해 시장에 왜곡된 신호를 줄 수 있습니다. 앞서 언급한 NBER 연구에서 애널리스트들의 낙관적 이익 예상은 **향후 낮은 주가 수익률(과대평가 시 수정)**과 연결되어 있었는데, 예상치가 과도하게 높았던 기업들은 이후 주가가 저조했고 경영진은 그 틈에 주식발행을 하는 경향도 보였습니다​nber.org. 이는 부정확한 예측이 투자자들에게 잘못된 기대를 심어 과도한 PER 상승을 유발했다가, 실현 이익이 못 미치면 주가 조정으로 이어질 수 있음을 시사합니다. 머신러닝 모델이 보다 정확하고 편향이 적은 예측을 제공하면, 이러한 예상과 실제의 격차를 줄여 시장 반응의 과민함을 완화시킬 수 있을 것입니다. 요컨대, ML 기반 예측은 보다 현실에 가까운 기대치를 형성하게 하여 **PER의 급격한 변동(과대 확장 혹은 급락)**을 억제하고, 전통적 회귀 모델에 의존할 때 나타나는 극단적 시장 반응을 완화하는 데 기여할 수 있습니다​nber.orgbauer.uh.edu.

종합 결론

영업이익이 급증할 때 PER이 선형 이상으로 상승하는 현상은 여러 사례와 연구를 통해 확인되었습니다. 지속적 고성장에 대한 기대가 주가에 반영되면 PER는 기하급수적으로 상승하여 멀티플 확장을 일으키지만, 이러한 효과는 성장 전망의 지속성에 따라 제한되기도 합니다. 단순 회귀직선 기반의 이익 예측은 급변하는 실제 이익 경로를 제대로 따라가지 못해 예측 오류가 크게 발생하며, 시장은 이러한 단순 모델의 한계를 인지하고 독자적인 기대감을 주가에 반영함으로써 PER에 추가적 프리미엄을 붙이거나 혹은 과도한 낙관을 걸러내기도 합니다. 섹터별로 이러한 현상은 다르게 나타나는데, 기술 등 성장산업에서는 이익 급증 시 PER도 큰 폭으로 뛰는 반면, 전통 제조업이나 금융, 원자재같은 경기순환 산업에서는 이익 급증기 오히려 낮은 PER를 보이는 등 상이한 양상이 관찰됩니다. 마지막으로, 머신러닝을 활용한 정교한 이익 예측은 전통적 모델보다 정확하여 시장의 기대와 현실의 차이를 줄임으로써, 과도한 PER 변동성을 억제할 잠재력이 있습니다. 종합하면, 이익 급증-주가수익률 상관관계는 단순한 선형 공식 이상으로 복합적이며, 투자자들은 이를 고려해 기대를 조정하고 있으며, 예측 기법의 발전(예: 머신러닝)이 이러한 시장 현상의 양상에 영향을 미치고 있습니다. 이러한 통찰은 투자 전략 수립이나 기업가치 평가 시 고성장기의 주가 밸류에이션을 이해하는 데 중요한 시사점을 제공합니다.