•
팔란티어는 무엇을 하는 회사인가?
◦
팔란티어는 미국의 빅데이터 분석 기업으로, 2003년에 설립.
이 회사는 정부 기관, 금융 기관, 기업 등을 대상으로 빅데이터 분석 서비스를 제공하고 있고, 대규모 데이터를 수집하고 분석하여 고객의 문제를 해결하는 데 초점을 맞추고 있다.
◦
미국 정부의 보안과 대테러 조사, 데이터 분석을 위한 소프트웨어를 제공하며 사업을 시작했고,
추후 일반 기업 시장으로 사업 영역을 확장
◦
팔란티어의 창업자는 페이팔로 창업자로 유명한 피터틸. CEO 는 현재 알렉스 카프. 그리고 조 론스데일, 스티븐 코헨, 나단 게스팅과 같이 창업.
◦
알렉스 카프 曰, “당신이 팔란티어를 사용하지 않으면 경쟁자가 사용할 것이고, 그렇게 되면 당신은 뒤쳐질것”
◦
1Q24 AIP Con / Reference 발표 기업 참고
▪
Lennar (주택건설) / Lowe’s (주택용품) / Archer Aviation (민간항공 스타트업) / General Mills (식료품제조사) / Panasonic (베터리셀제조) / CAZ (사모펀드운용) / MacDermid Enthone (부품제조)
•
빅데이터는 무엇인가?
◦
기존 데이터베이스 관리 도구의 능력을 넘어서는 대량의 정형 또는 비정형 데이터 집합 및 이러한 데이터로부터 가치를 추출하고 결과를 분석하는 기술을 의미
◦
다양한 종류의 대규모 데이터를 수집하고 저장하며, 이를 분석하여 기업이나 정부, 사회 전반에 유용한 정보를 제공하는 역할을 함
예를 들어, 기업에서는 빅데이터를 활용하여 고객의 행동 패턴을 분석하고, 이를 바탕으로 마케팅 전략을 수립하거나 제품 개발에 활용
◦
빅데이터는 다양한 분야에서 활용되고 있으며, 그 중요성이 점점 더 커지고 있다.
빅데이터를 활용하기 위해서는 데이터 수집, 저장, 처리, 분석 등의 기술과 함께, 데이터를 이해하고 분석할 수 있는 전문적인 지식과 역량이 필요
◦
빅데이터 : 4V로 특징
▪
Volume(규모) : 데이터의 물리적 크기를 의미. 빅데이터는 일반적으로 수십 테라바이트(TB)에서 수 페타바이트(PB) 이상의 규모를 가짐.
▪
Velocity(속도) : 데이터가 생성되고 처리되는 속도를 의미. 빅데이터는 실시간으로 생성되고 처리되어야 하기 때문에 빠른 속도가 필요.
▪
Variety(다양성) : 데이터의 종류와 형태를 의미. 빅데이터는 정형 데이터뿐만 아니라 비정형 데이터도 포함하며, 이미지, 음성, 텍스트 등 다양한 형태의 데이터를 포함.
▪
Value(가치) : 데이터를 활용하여 얻을 수 있는 가치를 의미. 빅데이터는 기업이나 정부, 사회 전반에 유용한 정보를 제공하고, 이를 바탕으로 새로운 가치를 창출할 수 있다.
•
팔란티어는 어떻게 빅데이터를 처리하는 것일까?
1.
데이터 통합
a.
다양한 데이터 소스에서 데이터를 수집하고 통합하는 기술을 사용.
b.
다양한 데이터베이스와 API를 연결하고, 데이터를 추출하고 변환하여 단일 데이터 플랫폼에 저장
2.
검색 및 발견
a.
대규모 데이터를 검색하고 발견하는 기술을 사용
b.
자연어 처리 기술을 사용하여 사용자가 자연어로 검색어를 입력하면, 해당 검색어와 관련된 데이터를 찾아줌.
3.
시각화
a.
대규모 데이터를 시각화하는 기술을 사용
b.
다양한 차트, 그래프, 지도 등을 제공하며, 사용자가 데이터를 쉽게 이해할 수 있도록 도와줌.
4.
머신러닝
a.
머신러닝 기술을 사용하여 대규모 데이터를 분석하고, 예측 모델을 구축
b.
다양한 머신러닝 알고리즘을 사용하며, 사용자가 원하는 예측 모델을 쉽게 만들 수 있도록 도와준다.
5.
보안
a.
보안 기술을 사용하여 대규모 데이터 처리 과정에서 보안을 강화
b.
데이터 암호화, 접근 제어, 감사 추적 등의 기술을 사용
6.
분산 처리
a.
대규모 데이터를 처리하기 위해 분산 처리 기술을 사용
b.
여러 서버를 연결하여 데이터를 분산 처리하고, 처리 속도를 높인다.
•
팔란티어의 빅데이터 기술을 알기 위해서 무엇을 알아야 할까?
◦
파운드리와 온톨로지. 팔란티어의 핵심 부분으로 이해를 해야 이 회사의 가치를 알 수 있음.
•
파운드리 (Foundry) 란 무엇인가?
◦
팔란티어의 파운드리는 기초가 되는 소프트웨어 플랫폼
◦
파운드리는 운영 의사 결정 플랫폼. 백엔드 엔지니어부터 실제 현장의 작업자, 데이터 분석가, 경영자 등에 이르기까지 사용자가 데이터와 모델을 통한 임팩트를 창출할 수 있도록 지원.
◦
현재 정부 기관뿐만 아니라 상업 부문의 50개 이상 산업에서 운영.
파운드리를 통해 미션 크리티컬 업무를 추진하는 산업의 예로 의료, 자동차, 소매, 광업, 보험, 유틸리티, 공급망 등 계속적 사업 추진 중.
◦
이런 다양한 산업을 통해 재무데이터, 개인정보 (식별, 헬스, 통제된 미분류 정보 등), 심지어 기밀 정부 데이터 까지 습득하여 데이터 처리
◦
파운드리의 보안은 HIPA (Health Insurance Plan Abstraction), GDPR (General Data Protection Regulation) 및 ITAR(International Traffic in Arms Regulations) 과 같은 프레임워크를 연계하여
산업 및 세계 전반의 규제 요구 사항을 충족
◦
팔란티어는 DT를 위해 복잡성이 존재하는 것을 이해하고, 이를 위해 데이터, 분석 및 운영 등 생생한 조직 표현이 필요하고, 데이터를 실시간으로 연결하여하는데 사용되어야 함을 인지.
또한 표현은 유연해야 하며, 시간에 따라 변화하는 조건에 적응해야 이를 실현할 수 있다고 봄.
◦
과거 다른 빅데이터의 경우, 플랫폼내에서 천천히 수집되고, 추출된 다음 BI, 모델링 애플리케이션 또는 기타 시각화를 통해 출력되며, 이러한 결과를 바탕으로 작업할 수 있었음.
허나 실제로 이러한 데이터를 바탕으로 창출된 결정 사항은 수동적인 처리를 통해 나온 데이터로 이미 죽은 데이터로 무의미한 결과를 준다고 전달.
◦
이를 해결하기 위해 팔란티어의 해답은 온톨로지. 더 구체적으로는 온톨로지와 온톨로지를 지원하는 어플리케이션 → 즉 팔란티어의 핵심!
•
온톨로지(Ontology)란 무엇인가?
◦
온톨로지는 파운드리의 핵심이며, 온톨로지는 여러 레이어(층) 으로 구성되어 있고 객체 종류, 속성, 관계, 기능을 명시함.
▪
시멘틱 레이어 (Semantic Layer)
•
조직 내 모든 유형의 데이터 소스를 디지털 자산으로 표현 및 연결
•
예를 들어 제조 환경에서 각각의 영역을 Asset 으로 표현, 매장위치, 고객, 물류센터 등 다양한 자산과 기업, 이벤트 등 세계를 구현.
이러한 Asset 사이에 개별 연관성도 있고, 상호작용 방식도 있을 것인데, 이런 자산과 속성을 형성하는 단계로 이해하면 될 것.
▪
키네틱 레이어 (Kinetic Layer)
•
해당 레이어는 움직이는, 즉 동적인 모델을 형성
•
온톨로지를 실제로 활성화 하는 단계. 예를 들어 고객이 거래를 완료하고, 제품이 물류센터에서 매장으로 배송되는 등의 작업을 수행. 이러한 모든 자산, 이벤트 등 모델링하여 향후 의사결정, 협업 및 애플리케이션 구축의 초석이 됨.
▪
동적 레이어 (Dynamic Layer)
•
가장 발전된 동적 레이어.
•
시뮬레이션, 최적화 및 프로세스를 자동화에 대해 생각. 다양한 시나리오를 탐색, 분기해서 시나리오가 다운스트림 운영에 미치는 영향을 확인 하고 싶을 때 이러한 시나리오를 사용하여 전략과 의사결정 사항을 확인 가능
◦
이러한 하나의 워크플로우로 시작하여 시간이 지남에 따라 온톨로지를 유기적으로 확장.
◦
온톨로지는 데이터 통합에서 시작된다.
▪
파운드리의 여러 파이프라인 어플리케이션을 사용해 테이블 형식 데이터, 센서 데이터, 트랜잭션 데이터, 타사데이터 등 다양한 데이터 소스를 온톨로지와 신속하게 쉽고 통합할 수 있도록 함 (정형, 비정형 처리)
▪
데이터 소스가 온톨리지에 도달하면 실제 개념과 관련된 직관적인 개념으로 변환 (사용자가 알아볼수 있도록)
◦
다음 스텝으로 기존 모델을 통합, 구성하는 형태로 넘어간다.
▪
정형화된 모델 등을 통해 신속하게 신속하게 개발하지만, 모델에서 임팩트를 창출하는것은 어려움.
▪
기존 사용하던 많은 데이터 모델을 온톨로지에 통합하여 학습 진행
◦
수많은 유형 분석 역량을 강화하기 위해서 기존 데이터를 활용한 부분과 비교하여 분석 진행 및 의사 결정을 위한 서비스 제공.
예를 들어 매장에서 값을 변경하였을때 미치는 영향을 분석하고자 할때, 단순한 데이터를 분석하는 것이 아닌 타 매장 및 여러 동적 레이어를 통해 액션을 하게 되고 그에 따라 비교 분석을 진행하게 됨.
이런 시나리오를 각각 만들게 되고, 이를 활용에 앱을 만들어 자동 가격 변동이 발생하여 제품에 대한 수요가 억제될때 의사결정권자가 상황을 평가하여 결과를 낼 수 있도록 하는 것.
◦
온톨로지를 사용하면 기업을 안정적이고 통제된 방식으로 운영하는 기본 시스템 전반에서 모든 작업을 실행할 수 있음 . 또한 보다 정교한 의사결정을 내리고, 인간 의사 결정권자에게 다양한 ‘가정’ 시나리오를 실행할 수 있는 기능을 제공함으로, 분석과 운영의사 결정을 연계하여 모든 의사결정에 최대한 정보에 입각한 결정이 될 수 있도록 보장하는 것.
◦
OPI 라는 온톨로지 API 를 통해 상호작용됨.
•
팔란티어는 여기서 한가지 의문을 던져본다. 데이터 생태계를 어떻게 구성해야 좋은것일까?
◦
데이터 생태계 구성시 주로 하는 질문
▪
이 데이터는 어디서 온거지?
▪
이 데이터는 어디로 가지?
▪
이 데이터가 그곳으로 가면 무슨일을 하지?
▪
이 데이터에는 누가 접근 가능하지?
◦
사실 데이터에는 고유한 의미가 없다는 점을 기억하는 것이 중요하다. 데이터 생태계 사용자에 의해 의미가 부여될뿐.
◦
만약 우리가 “빨갛고 동근란 겨울철과일이 무엇인가?” 라고 질문을 한다면 어떻게 처리가 될까?
질문을 조금 더 들여다보면 ” 해결하고자 하는 문제가 무엇인가? “ 에 집중해서 답을 찾아야 함.
▪
팔란티어는 문제해결이라는 목적에 따라 데이터의 의미가 부여되는것이 포인트
▪
딸기라는 답은 우리가 학습을 통해서 얻은 데이터이지, 빨갛고 동그란 겨울철 과일의 데이터의 뜻은 과일이 아니다.
▪
팔란티어는 빨갛고 동그랗고 겨울철과일을 찾아달라는 목적에 맞게 데이터의 의미를 부여 하고 딸기를 찾아낸다.
→ 빅데이터는 빨갛고 동그랗고 겨울철 과일이란 뜻을 나타내기 위해 규칙을 찾고 공통점을 찾아낸다.
◦
다소 난해 할수 있으나 규칙을 찾고 공통점을 찾아내는 방식과 목적에 맞게 데이터의 의미를 부여하는 방식은 큰 차이를 보일 수 밖에 없다.
왜냐하면 하나의 데이터에 한가지 뜻을 가진게 아니라 여러 다양한 뜻을 목적에 맞게 부여하기 때문에 폭넓은 사고를 보여줄수 있기 때문.
•
그럼 이런 방대한 시스템을 구축하는것이 과연 편하고 쉽게 할 수 있을것인가? 이런 엄청난 시스템을 고객 스스로 구축 할 수 있는가?
◦
일반적으로 이런 시스템을 구축하기 위해서는 각 개발사에서 FDE (Foward Depolyed Engineers, 파견개발자) 를 보내 적게는 6개월에서 ~ 2년까지의 시간을 들여 구축을 진행함.
이 과정에서는 데이터 형태의 플랫폼을 각 고객사의 환경에 맞게 표준화 및 커스텀마이징 작업이 계속 들어갈 수 밖에 없음. (사실상 인건비 싸움)
◦
현재 팔란티어의 파운드리는 FDE 가 1~2주만의 교육을 통해 각 고객사의 소속된 개발자만으로 시스템을 스스로 구축할 수 있음.
◦
최근 Jacobs (미국 인테리어회사) 는 온톨로지를 구축하는 과정에 FDE 가 관여하는것이 아닌 AI 를 통해 2일 만에 해결이되어 구축이 가능해짐.
▪
이 사건을 주목해 보면, 과거 6개월정도 무료버전으로 구축 및 체험을 하게 하고 만족도를 높여 계약을 하고, 서비스를 운영하게 했다면,
현재는 즉각적인 구축 및 체험을 통해 서비스 운영이 가능하다는것.
즉, 과거 수익화하는 시간이 6개월~2년이 걸렸다면, 현재는 즉각적인 수익구조를 만들어 낼 수 있다는 강점
•
많은 데이터를 저장하기 위해서는 많은 양의 저장 공간이 필요할텐데 해당 비용도 감당이 될 것인가?
◦
팔란티어의 가장 큰 장점으로 데이터를 저장하는 방식 (Data Migration) 이 아닌 데이터를 연결 (Data Connection) 방식
◦
각 회사별로 이미 많은 빅데이터를 구성하고 있는 Pool 이 있을텐데 시스템이 원하는 방식으로 다시 재구성하는 것도 엄청난 일.
▪
이런 회사의 대표적 예는 Snowflake, Databricks 가 있음
→ 정형 데이터를 모아놓는 곳은 Data Warehouse / 비정형 데이터를 모아놓는곳은 Data Lake
→ Snowflake 는 고객이 원하는 형태의 Data Warehouse, Data Lake 를 각각 서비스 함
→ Databricks 는 Data Warehouse + Data Lake = Lake Hosue 를 만들어 서비스 함
•
팔란티어의 제품군은 무엇이 있는가?
◦
4Q23 기준 전체 매출의 53% 가 정부, 47% 가 일반기업에서 발생. 23년 연말기준 497의 총 고객수
◦
팔란티어 AI 플랫폼 요약
▪
고담 (Gotham)
팔란티어 고담, 상대국 선박의 이동을 감지하여 알려줌
•
정부 기관 및 국방 분야에서 사용되는 정보 수집 및 빅데이터 분석 플랫폼
•
머신러닝과 AI기술이 탑재되어 대규모 데이터를 실시간으로 수집 및 분석하여 위협을 감지하고 대응
•
실시간으로 적군의 동태를 파악하고 이상상황 발생 시 사용가능한 무기/군사시설, 경로 등의 정보와 옵션을 제공하여 신속한 결정을 내릴 수 있다. 과거 미국의 대테러 작전에 실제로 채택된 사례 있음.
▪
파운드리 (Foundry)
•
기업 내부의 정형/비정형 데이터를 수집, 통합, 분석, 시각화까지 할 수 있는 풀 스탯 (수직통합)
소프트웨어
•
진보된 AI 기술을 탑재하여 새로운 상황이나 과거 데이터가 부족한 경우에도 만약 (What if)의 상황을 대입하여 시뮬레이션을 돌리고 의사결정을 돕는다. 최신 의사결정들을 반영하여 지속적 개선이 이뤄지며 타사 소프트웨어와 상호 운용도 가능하다.
•
결정적으로 기업의 금융사기, 내부비리를 발견하고 제품 생산관리 등을 분석하여 운영 투명성을 높이는데 기여한다. 사용 예로 공급망 개선, 밸류체인 폐기물 절감, 수요/원재료 예측 정밀화, 업무 자동화 등이 있다
▪
아폴로 (Apollo)
•
SaaS 솔루션으로서 고담과 파운드리의 배포와 지속적 관리를 실행하며, 기업의 소프트웨어를 한번에 관리할 수 있게 해주는 통합 플랫폼이다.
•
멀티 클라우드를 사용하는 기업에게 유용하며, 위성부터 잠수함, 초고도 보안 네트워크, 군용 험비 등 다양한 환경에서 클라우드를 한번에 관리할 수 있다.
•
엔지니어로 하여금 하나의 코드를 작성한 후 모든 소프트웨어에 동일 배포 및 적용할 수 있게 해준다. 또한 보안 관련된 정책도 한번에 통합 업데이트 및 배포할 수 있고, 다양한 수동업무의 자동화도 실현
▪
AIP (Artificial Intelligence Platform) ← 써드파티
팔란티어 AIP, 해당 지역 군사 시설 위치를 질문하면, 파악하여 알려줌
•
팔란티어가 가장 최근 출시한 AI 기반 대형 언어 추론 모델. 간단한 문장 입력을 통해 원하는 업무 관련 정보를 세세하게 받을 수 있고, 업무 분석 및 추론을 통한 답변을 제시.
•
정부와 일반 기관을 대상으로 각 서비스를 제공하며 파운드리 및 고담과 통합 가능하며,
최근 높은 도입 추세로 매출 및 마진 증가에 기여하고 있다.
•
CEO 발표에 따르면 작년 출시한 AI 기반 대형 언어 추론 모델인 AIP의 수요가 미국 시장을 중심으로 높게 나타나며 고객 증가 추세가 나타났다. AIP 활용 고객은 헬스케어, 금융, 자동차 등 다양한 분야에 분포되어 있다.
AIP 활용 예시(이슈에 따른 주문 및 매출 영향 분석)
AIP 플랫폼 내에서 프롬프트 입력
•
팔란티어의 제품 홍보 방식, AIP BootCamp !
◦
팔란티어는 서비스 홍보 목적의 일환으로 AI 부트캠프라는 프로그램을 실시하여 AI 접목이 되는 과정,
사용효과, 레퍼런스 등 고객을 초대하여 교육하는 과정을 제공
◦
고객 유입에 확실한 기여를 하고 있는것이 증명이 됨
→ 부트캠프 행사 이후 미국 기관고객 +22% QoQ (팔란티어社 내용)
◦
23년 AI 부트캠프 실시 이후 약 560개의 부트캠프에서 464개의 기관이 참가한것으로 알려졌고,
24년 500개의 부트캠프를 실시할 계획
◦
발표에 따르면 자동차 렌탈, 통신, 바이오, 케이블 TV 등 다양한 산업에 속한 기업들이 부트캠프를 통해 유입중이고, 기존 고객의 사용 서비스가 늘어나며 고객당 매출 증가로 이어지고 있는 중
•
팔란티어의 리스크(Risk) 는?
◦
경영자의 내부자 매도 : 내부자 매도량은 체크 중
◦
데이터 보안
▪
사업 특성상 대규모 데이터를 다루기 때문에 데이터 보안 문제는 매우 중요하다.
비교적 최근 출시된 아폴로의 보안등급이 높은 것으로 발표했지만, 해커들의 공격이나 데이터 유출 등의 위협은 존재할 것이며, 사고 발생 시 주가 하락으로 이어질 수도 있다.
→ 이 부분은 조금 고민이 필요. 데이터 연결 형태의 서비스를 제공하기 때문에 유출이 난다면,
각 고객사에서 제공하는 데이터 저장소에서 문제가 나거나 전송과정 중 사고도 있기 때문.
◦
동종기업의 경쟁
▪
성장 산업인 AI 시장은 다수의 시장 경쟁자가 존재
▪
상대적으로 높은 기술력이 있지만, 비용 절감이 요구되는 환경에 동종기업 대비 가격에서 뒤처질 위험이 있다. 기업의 운영 효율성이나 투명성, 자동화 등을 개선하는 소프트웨어 경쟁이 있을 것이다.
◦
정부 규제 : 개인적으로 가장 큰 리스크이지 않을까?
▪
팔란티어의 플랫폼인 고담은 미국 정부 군사작전에 사용되는 등 정부 기관과 긴밀한 관계를 유지 중
▪
향후 다른 정부 매출을 포함한 판매 규제가 있을 수 있고, 이는 매출 성장 제한으로 작용할 것으로 예상
•
팔란티어의 현재 흐름은? (24.03.20 기준)
출처 : Seeking Alpha
◦
1Y 동안 +194.55% 의 무서운 성장세. 현재 P/E (TTM) 264 배이고, P/E (FWD) 72.9 배 / EPS (GAAP) Actual 기준 0.04, EPS (FWD) 0.33 배
•
팔란티어 Quant 적 접근 (계절성)
출처 : Seeking Alpha
◦
상장 이후 지속적 성장을 했기 때문에 전체적흐름은 큰 흐름을 보여주고 있음.
◦
통계적으로 유의미할정도의 많은 데이터는 아니지만, 참고는 할 수 있음
◦
매년 4월 승률은 0%. 올해도 그렇게 될 확률을 생각하고 준비해야 함.
매년 6월 승률은 100%. 지켜볼 필요는 있음.
◦
짝수해, 홀수해 데이터는 무의미해서 Skip.
•
미국 애널리스트의 평가는?
출처 : Seeking Alpha
◦
현재 3개월 기준 19명의 월가 애널리스트들이 작성하였으며, 평균적으로 Hold 의 구간으로 나타난다
출처 : Seeking Alpha
◦
월가 애널리스트들의 평균 단가는 20달러 수준이지만, 현재 주가는 해당 평균보다 앞서고 있다.
출처 : Seeking Alpha
◦
월스트리트 애널리스트의 평가는 현재 Hold. 조금 고평가의 구간으로 보는 듯하다.
◦
애널리스트의 목표 주가의 폭의 갭이 너무 크다. 평균적으로는 20달러 정도. 목표타겟을 크게 벗어나진 않는 흐름.
•
재무상태 (Financials) 는 ?
◦
매출의 증감이 지속적으로 되고 있고, 영업이익 역시 지속적으로 증감 중
◦
가장 중요한 키포인트 중 23년도 기준으로 흑자 전환
◦
턴어라운드 때가 투자에서 가장 중요한 시기라고 봄.
22년 12월 마감 시 흑자전환이 나타났고, 23년 03월 마감 시 흑자를 유지하는 것이 개인적으로는 Key Point.
◦
매출액 (연간) / 매출액 (분기)
◦
영업이익 (연간) / 영업이익 (분기)
◦
당기순이익 (연간) / 당기순이익 (분기)
◦
자본구조
출처 : Seeking Alpha
•
과거와 예측 Earnings
출처 : Seeking Alpha
◦
박세익 대표님과 최일호 상무님 (체슬리투자자문)을 통해 배운 것 중 가장 큰 것은 이익의 증감을 지속적으로 보는것이며, 이익이 꺽일때 까지는 지속적으로 들고가야 한다는 것을 계속 강조 하고 있음.
◦
EPS 에 대해 볼때 실제 컨센서스를 항상 초과하여 Suprise 를 나타내고 있고, 이익에 대한 Consesus 가 지속적으로 증감을 하는 것을 볼 수 있기 때문에 현재는 충분히 매력적
•
팔란티어의 경쟁사 (Peer) 는?
◦
개인적으로 Peer 그룹에 팔로알토, 포티넷 등 보안주를 엮어서 비교하는것들을 보여주는 경우를 많이 봤는데, 팔란티어는 절대적으로 보안회사가 아닌 빅데이터를 처리하여 의사결정을 위한 서비스를 해주는것.
◦
그렇기 때문에 Peer 그룹도 빅데이터 저장 서비스를 제공하는 Snowflake 와 데이터 분석 처리를 지원하고 모니터링 하게 해주는 Datadog 이 Peer 로 적당하지 않나 생각한다.
◦
개인적으로 이 주가 차트의 비교를 가장 중요하게 보는데, 나의 뷰는 이렇다.
미국 시장을 전체적으로 바라 볼때 주가의 큰 흐름을 가져다 주는 것, 즉 혁신을 가져오는것은 일반적으로 SW 에서 큰 성장을 가져왔다.
우리가 흔히 알고 있는 MS 는 Windows 를 기반으로 성장했고, Apple 은 HW (Phone) 을 파는 기업이라기보다는 (Phone 은 사실상 외주를 통해 진행하기에) iOS 를 기반으로 다양한 편의성과 혁신을 보여줬다.
해당 차트를 볼때 SW 에 가까운 팔란티어는 시장의 평가에 맞춰 높이 평가 하고 있고, 스노우플레이크는 Data 등 저장을 하는 수단이 제조의 생산과 같은 HW 역할을 하기 때문에 주가의 흐름이 서로 상반되고 있다고 생각한다.
하여, 우리가 시장을 바라볼때 혁신을 가져다 주고 지속적으로 편의성을 주는 것을 초점을 둬야 한다고 생각한다.
◦
주식수 / 내부자 주식수, 퍼센트 / 기관 주식수, 퍼센트
•
그외의 사항
◦
차트의 월봉 사항 (박세익대표님 첨삭)
▪
팔란티어의 경우 상장 후 기대감에 따라 40달러에 가까운 가격으로 상승하였고, 후에 실적에 대해 받혀주지 못하면서 주가는 하락을 한 상태.
▪
이런 기대감이 무너지고 횡보 이후 실적이 돌아서고 모멘텀이 발생될때, 특히 주목을 해야함
▪
현재는 이익과 주가의 흐름이 같이 움직이고 있으며, 과거의 기대감에 의해 발생된 거래량을 잡아먹으면서 차트를 만들고 있기 때문에 이런 경우 실적을 동반하며 전고점을 향해 달려갈 확률이 크고, 이익을 계속 지켜보며 꺽이지 않는다면 충분히 돌파도 가능함
▪
이런 차트가 미국주식이 상장 후 보여주는 일반적인 차트 모습
(로블록스도 앞의 모습과 같이 나타났고, 현재 주가 횡보 중)