천천히 꾸준히

주식이나 암호화폐 시장에서 거래량은 가격 움직임의 방향성과 강도를 파악하는 데 중요한 역할을 합니다. OBV(On-Balance Volume)는 거래량과 가격 변동 간의 상관관계를 기반으로 하여 추세를 예측하는 기술적 지표입니다.

OBV의 기본 개념

OBV는 "거래량의 누적 값"으로, 가격이 상승할 때 거래량을 더하고 가격이 하락할 때 거래량을 빼는 방식으로 계산됩니다. 이 과정을 통해 OBV는 누적된 거래량 변화를 시각적으로 보여주며, 시장의 강세와 약세를 나타낼 수 있습니다.

OBV 계산 방법:

1. 오늘의 종가가 어제보다 상승한 경우:
   OBV = 이전 OBV + 오늘의 거래량
2. 오늘의 종가가 어제보다 하락한 경우:
   OBV = 이전 OBV - 오늘의 거래량
3. 오늘의 종가가 어제와 동일한 경우:
   OBV = 이전 OBV

OBV 지표의 해석

1. OBV와 가격 움직임이 같은 방향일 때
   • OBV가 상승하고 있다면, 이는 거래량이 증가하며 가격 상승을 뒷받침하고 있다는 신호입니다.
   • OBV가 하락하고 있다면, 거래량 감소와 함께 가격 하락이 예상될 수 있습니다.
2. OBV와 가격 움직임이 반대 방향일 때
   
   • OBV가 상승하지만 가격이 하락하거나 횡보 중이라면, 현재 매집중인 상태로 보고 이는 곧 가격 상승이 나타날 수 있는 강세 신호로 해석됩니다.
   • 반대로, OBV가 하락하는데 가격이 상승 중이라면 매도세가 늘어난 것으로 보고 주가가 하락하는 약세 신호로 볼 수 있습니다.

OBV를 활용하는 방법

1. 추세 확인
   OBV가 지속적으로 상승하면 매수 신호로 볼 수 있으며, 하락하면 매도 신호로 해석할 수 있습니다.
2. 다이버전스(Divergence) 활용
   OBV와 가격 사이의 다이버전스를 활용해 추세 전환의 가능성을 파악할 수 있습니다.
3. 추세선 및 이동평균과 결합
   OBV에 추세선이나 이동평균을 적용하여 보다 명확한 추세 신호를 얻을 수 있습니다.

장점과 한계

• 장점:
  OBV는 거래량의 변화와 가격의 움직임을 통합적으로 분석하기 때문에 강한 추세를 파악하는 데 유용합니다.
  주식 시장이 매집단계에 있는지 분산 단계인지 분석할 수 있습니다.
• 한계:
  OBV는 누적된 거래량만 계산하는 지표이기 때문에 자전거래 등 비정상적인 거래량 또는 적은 거래량으로 움직이는 종목에서 신호가 신뢰도를 잃을 수 있습니다. 

마무리

OBV는 기술적 분석에서 간단하지만 강력한 도구로, 시장의 매수·매도 압력을 평가하는 데 도움을 줍니다. 이 지표를 다른 기술적 분석 도구와 조합하면 더 나은 투자 결정을 내릴 수 있습니다.

퍼셉트론(Perceptron)은 여러 개의 신호를 받아 하나의 신호로 출력하는 간단한 알고리즘입니다.

예로 들어, 누군가 당신을 때릴 때 어디를 맞느냐에 따라 소리가 나올 수도 있고 나오지 않을 수도 있습니다.

맞는 부위가 여러 개라면 (여러 개의 입력 신호), "악!" 소리가 나는 것 (0:소리 안남, 1:"악!") 을 출력신호로 이해할 수 있습니다. 퍼셉트론은 이러한 개념을 기반으로 설계되며, 다음과 같은 수식으로 표현할 수 있습니다.

퍼셉트론의 구조

아래 그림은 퍼셉트론의 구조를 나타냅니다.

• x1​,x2​ : 입력 신호
• w1​,w2 ​: 가중치
• θ : 편향 (Threshold)

퍼셉트론의 출력 y는 다음의 식으로 계산됩니다.

입력 신호에 가중치를 곱해 모두 더한 값이 편향 θ보다 크면 y=1을 출력하고, 그렇지 않으면 y=0을 출력합니다.

퍼셉트론으로 논리 회로 구현하기

퍼셉트론을 활용하면 간단한 논리 회로를 설계할 수 있습니다.
예를 들어 AND 게이트를 구현해보겠습니다.

AND 게이트란?

AND 게이트는 입력 신호 x1​과 x2​가 모두 1일 때만 출력이 1이 되는 논리 회로입니다.
다음은 AND 게이트의 진리표입니다.

AND 게이트 구현

위의 퍼셉트론 식을 기반으로 가중치 w1​,w2​와 편향 θ를 설정하면 AND 게이트를 구현할 수 있습니다.
예를 들어, 다음과 같은 값을 설정해봅시다.

• w1=0.5
• w2=0.5
• θ=0.6

이 경우, 입력 신호를 계산해보면 다음과 같은 결과가 나옵니다:

• w1x1 + w2x2 ≤ θ일 때 y = 0
• w1x1 + w2x2​ > θ일 때 y = 1

따라서 x1과 x2​가 모두 1일 때만 출력 신호 y가 1이 되어 AND 게이트의 조건을 만족합니다.

OR/NAND 게이트도 구현 가능

마찬가지로, 가중치와 편향 값을 조정하여 OR 게이트나 NAND 게이트도 설계할 수 있습니다.

결론

퍼셉트론은 단순하지만 강력한 알고리즘으로, 논리 회로를 구현할 수 있는 기본적인 도구입니다.
오늘날 딥러닝의 근간이 되는 신경망 모델도 퍼셉트론의 아이디어에서 시작되었다고 볼 수 있습니다.

 
HK이노엔은 전문 의약품과 H&B(Health & Beauty) 제품을 중심으로 성장 중인 제약사입니다. 특히 신약 개발과 H&B 사업의 확장을 통해 시장에서 입지를 다지고 있습니다. 이번 글에서는 HK이노엔의 주요 사업, 수익 구조, 미래 성장성을 분석하고 투자 가치를 살펴봅니다.
 

1. HK이노엔은 어떤 회사인가?

HK이노엔은 전문 의약품과 H&B 제품을 주력으로 하는 제약사입니다.

• 2018년: 한국콜마에 인수.
• H&B 사업 확장: 코스메틱 및 탈모·두피케어 시장으로 진출.
• 연구개발 강화: 암, 간질환, 자가면역질환 등 다양한 혁신 신약 개발에 집중.

주요 사업 부문

• 전문의약품:
  • 케이캡, 로바젯, 에포카인, 수액제 등.
• H&B 제품:
  • 컨디션(숙취 해소 음료), 헛개수(헛개나무 음료).

2. 주요 제품

케이캡 (Tegoprazan)

• 위식도역류질환(GERD) 치료제.
• 국내에서 성공적으로 출시되었으며, 중국 기술 수출로 글로벌 시장 공략 중.

에포카인

• 신성 빈혈 치료제.
• 국내 최초, 세계에서 세 번째로 개발된 EPO 의약품.

로바젯

• 로수바스타틴+에제티미브 복합제.
• 고지혈증 치료에 사용되며, 고효율 복합제로 시장에서 주목받고 있음.

GLP-1 계열 치료제 (IN-B00009)

• 적응증: 당뇨, 비만, 비알코올성 지방간염(MASH).
• 특징: 주 1회 투여로 체중 감소와 혈당 조절 효과.
• 진행 상황:
  • 중국 3상 진행 중(2024년 4월).
  • 2024년 한국 임상 3상 IND 신청 목표.
• 시장 규모:
  • 2029년 글로벌 GLP-1 시장 약 142조 원 전망.
• 경쟁 제품: 삭센다, 위고비(노보노디스크).
  • 노보노디스크는 위고비 출시 이후 141% 주가 상승을 기록.

3. 매출 구조

24년 반기 매출액 4319억, 영업 이익 416억
(전문의약품 89%, H&B부문 11%)
 
노보 노디스크 PER :  35 (기준 24.09)임으로 평균적인 신약 개발회사의 평균 PER는 보아야 하겠지만 24년 예상 PER는 보수적으로 잡아도 20까지는 오를가능성 있음 = 약 48000평단까지는 보수적으로 볼 수 있다.
추가적으로, ROE도 증가하는 추세임으로 수익 건전성이 발달중임
 
아래 내용은 네이버 주식에서 추출

4. 투자 매력과 리스크

투자 매력

• 성장성: GLP-1 치료제와 케이캡의 글로벌 확장 가능성.
• 수익성: 전문 의약품 매출이 전체 수익의 89% 차지하며 안정적.
• 시장 규모: GLP-1 치료제의 글로벌 시장 전망이 긍정적(142조 원).

리스크

• 신약 개발의 불확실성: 임상 3상 결과 및 허가 여부.
• 강력한 경쟁자: 노보노디스크 등 글로벌 제약사의 강세.

5. 결론: 투자 가치

HK이노엔의 추가적인 모멘텀의 핵심은 GLP-1 3상 시험일 것으로 판단됨. 현재의 캐시카우는 신약 개발 역량과 H&B 사업 을 기반으로 성장 중임.
 
아래 표와 같이 임상 시험이 통과만 한다면 위고비(노바 노디스크)의 CASE처럼 강한 성장 모멘텀을 가질 예정. 추가로 현재의 가격을 기준으로 봤을 때 추가적인 변수가 없다면 개인적인 평가로 46000~48000 보고있음 
 
적절한 금액의 매수 예정 
 
 IN-B00009

참고 자료

• DART 반기보고서 (2024년).
• HK이노엔 공식 발표 자료.
• 노보노디스크 사례 분석.

 
 
 
 
해당 글은 개인적인 평가 결과이며 절대 투자를 권유하지 않습니다.
 

확률과 라이클리후드(Likelihood)는 통계에서 많이 등장하지만, 그 차이를 구분하는 것이 헷갈릴 수 있습니다.

이 글에서는 확률과 라이클리후드의 차이를 쉽게 설명하고, 최대우도추정(MLE)이 무엇인지 알아보겠습니다.

Likelihood란 무엇인가?

먼저 사전적으로 "Likelihood"는 '어떤 일이 일어날 가능성'을 의미합니다. 하지만 통계에서 likelihood는 조금 다른 의미를 가지고 있습니다. 보통 Probability(확률)과 함께 다뤄지는데, 이 둘을 구분해보겠습니다.

• 확률 (Probability): 어떤 사건이 일어날 가능성을 말합니다. 예를 들어, 특정 아이가 키가 클 확률 또는 카지노 게임에서 이길 확률을 생각해볼 수 있습니다.
• 가능도 (Likelihood) : 관측된 사건이 고정된 상태에서 확률 분포가 변화될 때, 확률을 나타냅니다. 즉, 데이터를 바탕으로 여러개의 확률분포를 적용하여 해당 확률 분포가 적합한지를 추정하는 데 사용됩니다. 식은 아래와 같습니다.
•  

Likelihood

위의 식을 좀더 쉽게 이해하기 위해, 아래 식을 이해하면 좋습니다.

여기서 θ는 확률 분포를 구성하는 parameter(매개변수)를 의미합니다. 

쉽게 말해, 특정 확률 분포의 성질을 정의하는 숫자들이라고 생각하면됩니다.

예를 들어, 확률분포가 정규분포를 따른다면 "θ"는 parameter는 평균 μ와 표준편차 σ가 됩니다.

따라서 위의 식은 likelihood는! 데이터 x일 때, 가정한 확률분포(예로 정규분포)의 확률값( P(x∣θ) )을 모두 곱한 값 (Π)이 됩니다.

예시 :

아래와 같이 데이터  x = {1,4,5,6,9} 가 주어졌을 때, 우리는 이 데이터를 가장 잘 설명할 수 있는 확률밀도함수(PDF)를 찾고자 합니다. 아래 그림처럼 여러 개의 PDF가 있을 수 있는데, 그 중에서 Likelihood 값이 가장 큰 확률밀도함수가 주황색 그래프입니다. likelihood값이 더 큰 확률밀도함수(PDF)는 주황색이 되겠죠. 

이런 식으로, likelihood가 최대가 되는 확률밀도함수를 찾는 방법이 최대우도추정법 ( MLE, Maximum Likelihood Estimation) 입니다.

reference

- https://xoft.tistory.com/30

- https://www.youtube.com/watch?v=XhlfVtGb19c&t=339s