Passive.
Passive AI 주식 시장 분석 앱 웹페이지 이동

ROIC와 WACC — 설비투자가 가치를 만드는지 파괴하는지 가르는 선 (2026)

설비투자 규모가 크다는 뉴스는 그 자체로 호재도 악재도 아니다.

판정 기준은 하나다.

그 자본이 자본비용보다 높은 수익률을 내느냐다.

투하자본이익률(ROIC)이 가중평균자본비용(WACC)보다 높으면 가치가 생기고, 낮으면 투자할수록 가치가 깎인다.

이 글은 이 한 줄을 실제 숫자로 확인하는 순서를 정리한다.

시장 전체의 투자 사이클을 숫자로 보고 싶다면 Passive 에서 섹터별 흐름을 확인할 수 있다. https://dinsightlab.com

왜 금액만 보면 틀리나

설비투자 발표는 대개 절대 금액으로 나온다.

금액은 회사가 얼마를 썼는지만 알려주고, 그 돈이 얼마를 벌어올지는 알려주지 않는다.

같은 1조 원이라도 회수 기간이 3년인 투자와 12년인 투자는 완전히 다른 자산이다.

그래서 금액 대신 수익률과 비용의 차이(ROIC − WACC) 를 봐야 한다.

이 차이를 스프레드라고 부른다.

스프레드가 양수인 구간에서는 투자를 늘릴수록 기업가치가 커진다.

음수면 반대다.

투자를 늘릴수록 주주 몫이 줄어든다.

자본집약도 — 매출 대비 얼마를 쓰고 있나

두 번째로 볼 숫자는 매출 대비 설비투자 비율이다.

2026년 기준 대형 클라우드 사업자들의 클라우드 설비투자는 해당 부문 매출의 75~80% 수준까지 올라왔다.

매출 100을 벌기 위해 75~80을 다시 설비에 넣는다는 뜻이다.

이 수치가 높다는 것은 성장 여력이 크다는 신호일 수도 있고, 사업 성격이 소프트웨어에서 인프라로 바뀌고 있다는 신호일 수도 있다.

구분법은 마진 추세다.

자본집약도가 오르는데 영업이익률이 유지되면 전자, 같이 내려오면 후자다.

감가상각이 마진을 누르는 시차

설비투자는 지출한 해에 비용이 되지 않는다.

자산으로 잡혔다가 내용연수에 걸쳐 감가상각으로 나눠 들어온다.

그래서 투자 확대 초기에는 이익이 멀쩡해 보이고, 2~3년 뒤부터 비용이 몰려온다.

여기서 결정적인 가정이 내용연수다.

회사가 6년으로 잡은 자산이 실제로는 4년밖에 못 쓰는 것이라면, 지금 보고된 이익은 과대계상된 상태다.

내용연수 가정은 사업보고서 주석에 있고, 회사가 이 숫자를 늘렸다면 이익이 회계적으로 좋아진 것이지 사업이 좋아진 게 아니다.

투자 전 감가상각 가정과 마진 추이를 함께 보려면 Passive 의 기업 실적 화면이 도움이 된다. https://dinsightlab.com

시나리오로 나눠 보는 법

단일 전망치 하나로 판정하면 거의 항상 틀린다.

세 갈래로 나누는 편이 실용적이다.

기본 시나리오는 매출 성장이 투자 확대를 흡수해 ROIC 가 12~15% 대에 머무는 경우다.

상방 시나리오는 자본 효율이 빠르게 개선돼 영업이익률 40% 이상, ROIC 20% 이상으로 올라가는 경우다.

하방 시나리오는 수익률이 일반 인프라 사업 수준까지 내려앉는 경우다.

세 시나리오의 갈림길은 대개 하나다.

신규 설비가 매출을 내기 시작하는 시점이 감가상각이 본격화되는 시점보다 앞서느냐다.

투자자가 실제로 체크할 항목

분기 실적에서 네 가지만 순서대로 확인하면 된다.

첫째, 설비투자 금액이 아니라 매출 대비 비율의 방향.

둘째, 감가상각비 증가율이 매출 증가율보다 빠른지 여부.

셋째, 내용연수 가정 변경 공시가 있었는지.

넷째, 부문 영업이익률이 자본집약도 상승 국면에서도 유지되는지.

네 항목이 모두 나쁜 쪽이면 투자 규모가 아무리 커도 스프레드는 음수로 가고 있는 것이다.

섹터별 실적과 마진 추이는 Passive 에서 한 화면으로 비교할 수 있다. https://dinsightlab.com

정리

설비투자 뉴스는 금액이 아니라 스프레드로 읽는다.

ROIC 가 WACC 를 넘으면 투자는 가치를 만들고, 못 넘으면 규모가 클수록 손실도 크다.

숫자를 보는 순서는 자본집약도 → 감가상각 시차 → 내용연수 가정 → 부문 마진이다.

본 정보는 투자자문이 아니며 투자 판단과 책임은 사용자에게 있습니다. 더 많은 지표는 Passive 홈에서 확인할 수 있습니다. © 2026 DataInsightLab