Research and Investment

최근에 더위 때문인지 피부가 좋지 않다.

거리를 높여보라는 아버지의 말대로 아침 일찍 달리기에 나서본다.

(미라클 모닝이라는 것도 해볼겸?)

열대야로 새벽 5시인데도 온도가 꽤나 높다.

학교 뒷 길로 뛰어가면서 강변을 따라 계속 달리다보니,

저 멀리 독립기념관이 보인다.

노래의 힘을 빌려 독립기념관에 도착,

장거리를 뛴게 얼마만인가..

그래서 돌아가는 길이 힘겹다.

중간에 편의점을 들려 포카리스웨트를 원샷한 뒤

집으로...

기록은 참.. 옛날엔 어떻게 빨리 뛰었는지 ㅋ

2021년 7월 22일, 연구실 사람들과 달리기를 한지도 거의 3달째이다.

매주 화요일과 목요일 2번 달리기 하기로 약속을 하고,

애들의 페이스에 맞춰 약 1km 6분대 속도로 운동장 10바퀴를 달려왔다.

3달의 기간 동안 10명이 넘었던 인원들이 5명으로 줄었다.

우리는 항상 어떠한 계기로 다짐을 하고, 자신과 또는 타인과 약속을 하지만

그것을 계속 실천하기란 참으로 어렵다.

10명 중 남은 인원들은 연구실 내 나와 같은 공간을 쓰는 사람들이다.

3달동안 적재적소에 당근과 채찍을 주기 위해 나 또한 상당히 노력했다고 생각한다.

(그러니까 지금까지 따라왔겠지?)

아버지가 항상 하시던 말씀처럼

생산적(의미있는)인 일들을 꾸준히 한다는 것은 정말 어렵고,

남들을 좋은 방향으로, 특히 약속한 것대로 끌고가기 위해서 리더는 그 약속을 항상 빈틈없이 지켜야만 한다.

목요일 달리는 날에 새롭게 정신을 차리고 열심히 하겠다는 연구실 학생이 나오지 않았다.

2번 만에 운동 약속을 지키지 못했다.

(물론, 그 전날 나와 같이 밤늦게 까지 보고서 작성한 것 때문에 늦게 잔 부분이 있긴 하다만...)

그래도 그 다음날 내가 얘기하기도 전에 스스로 벌금을 내고 못다한 운동량을 채운다고 한다.

참으로 기특하다.

최근에는 학부생 3/4학년 학생들 또한 참여하고 있으니

다시금 나도 마음을 다잡으려 한다.

이를 위해, 즉, 꾸준히 계속하기 위해 새로운 변화가 필요하여

이제부터 달리는 일상도 적어보고자 한다.

달리기 기록의 향상과 꾸준함은 비례한다는 아버지 말처럼

오늘은 애들의 기록을 조금 향상시켜보고자 

속도를 높여보았다.

단기간에 시속 12까지 이끌어 보자.

ESG.

환경(Environment), 사회(Social), 지배구조(Govarnace)의 약칭인 ESG가 지속적으로 매스컴을 타고 있다. 홍수가 나고, 기온이 오르는 등 전세계적으로 이상기후가 언급될 때마다 ESG에 대한 이야기는 더 자주 들려오고 있다.

사실, 지구의 이상기후가 인간으로부터 비롯됐다 라는 관점이 아직 논쟁 중에 있다만... 혹자는 태양계의 순환에 따른 변화라고도 한다.

그러나, 투자를 하는 사람으로써, 대중적인 시각으로도 특정 사안들을 바라보아야만 성공적인 투자를 할 수 있지 않겠나? 시장의 흐름을 읽어야 한다.

아무튼 ESG는 기업이나 비즈니스의 비재무적인 성과를 측정하기 위한 지표로서 활용되고 있으며, 이는 각종 금융기관들이 자산을 투자할 기준으로 활용할 수 있다는 것을 의미한다.

실제로, 국민연금이 작년부터 ESG 투자를 대폭 늘리겠다는 기사들이 나오고 있다.

https://www.mk.co.kr/news/stock/view/2020/11/1150146/

ESG 관련 회사들을 찾아보던 중 KC코트렐이란 회사를 알게됐다.

KC코트렐 홈페이지를 보면

"지속 가능한 지구환경을 만들기 위해 환경 설비의 연구개발부터 엔지니어링, 시공 및 운영 그리고 사후관리까지 전 과정을 책임지는 Total solution Provider"라고 하는데, 사업분야는 Air Quality Control System, Retrofit & Maintenance, New & Renewable Energy, Manufacturing Services로 총 4가지가 있다.

매출의 대부분이 환경플랜트 사업부문에서 나온다고 하는데 그게 홈페이지에서의 Air Quality Control System 분야로 추측된다. 전기집진기, 배연탈황설비, 배연탈질설비 등이 시장점유율 각각 70%, 30%, 25%를 차지하고 있는데 이러한 설비들이 모두 대기오염 방지 설비들이다. 

KC코트렐 홈페이지 : http://www.kc-cottrell.com/kc/web/kor/ir/ir_list.html

출처 : https://comp.wisereport.co.kr/company/c1020001.aspx?cmp_cd=119650&cn= 

글을 쓰고 있는 시점인 21년 7월 22일, 주가는 상승곡면을 보여주고 있다.

ESG 기업이라는 점, 최근 4000억 대의 수주 공시 등을 보면 1100억 수준의 시가총액 대비 저평가 기업으로 판단, 약 1주전부터 매수하였다.

재료는 상당히 좋으나 걱정되는 것은 7월 28일에 유증물량이 나올 것이라는점. 그리고 부채비율이 상당히 높다는 점을 들 수 있다.

그리고 아래 뉴스에 따르면 석탄화력발전소의 축소로 시장 수요가 감소, 수익성 악화 우려도 있다고 한다.

https://www.asiae.co.kr/article/2021050608165037349

7월 28일 이후 주가의 행보와 이번 2분기 매출과 영업이익이 상당히 중요할 것으로 판단된다.

7월 26일 ESG 관련주들이 상당 수 올랐다. (연기금도 매수)

  전액 매도로 손익 실현.

7월 27일, 예상대로 확실히 가격이 마이너스로 돌아선다.

28일 유증 물량 나온 뒤 다시 매수할 것인지 고민해보자.

앞서, librosa, pyaudio 라이브러리를 활용하여 마이크로부터 audio를 실시간으로 추출, time/frequency domain에서 audio를 분석하는 방법에 대해 살펴보았다. 사물놀이 악기들의 소리를 주파수 Spectrum, Mel Spectrum 등에서 분석해보았으나 각각의 악기들이 가지고 있는 고유한 주파수의 영역이 넓어 분류하기가 어려웠다. 대안으로 사물놀이 공연 전체의 beat/tempo 또는 pitch에 매칭하는 방법을 생각해보았다.

이러한 관점에서 Google의 tensorflow model hub를 살펴보던 중 SPICE(Self-Supervised Pitch Estimation)이라는 모델을 찾았다. SPICE는 monophonic audio의 fundamental frequency를 추정하는 모델, pitch 추정 모델,이다. SPICE는 annotated data가 없을 때 pitch 추정 모델을 훈련하는 방식을 제안하였으며, 사람이 일반적으로 absolute pitch보다 relative pitch를 훨씬 쉽게 추정할 수 있다는 observation에서 영감을 받았다고 한다. (그래서 모델 구조 또한 그 영감을 반영하고 있다.) Deep learning 기반의 Pitch Estimation(예. CREPE) 알고리즘과 다른 점은 Annotated data가 없을 때, 즉 unlabeled data를 다루기 위하여 self-supervised learning 기법을 사용한 점이다.

* Self-supervised learning 기법에 대한 설명은 아래 참조를 확인

SPICE의 간략한 모델 architecture는 아래 그림과 같다. 모델의 Input은 Constant Q Transform으로 변환한 CQT 프레임이다. SPICE의 저자는 Constant Q Transform(CQT)이 다음과 같은 장점이 있다고 하였다.

Indeed, the CQT filter bank computes a wavelet transform [16], and wavelets can be effectively used to represent the class of locally periodic signals. 

앞서 말한 바와 같이 저자가 받은 영감을 모델에 그대로 반영하고 있다.

먼저, 2개의 CQT 프레임(pitch가 shifted된 frame과 아닌 frame)이 shared weighted를 갖는 2개의 Encoder에 input으로 넣어진다. Loss는 Encoder의 출력 간 차이가 상대적인 pitch 차이에 비례하도록 설계됐다. 즉, self-supervised learning에서 Pretext task(논문에서는 auxiliary task로 표현)에 해당하는게 바로 이 pitch difference를 추정하는 것이다.

Downstream task는 input 프레임에서 절대 pitch 값을 추정하는 pitch estimation이라고 할 수 있다. 더 상세한 내용은 저자의 논문을 읽어보기를..

Gfeller, Beat, et al. "SPICE: Self-supervised pitch estimation." IEEE/ACM Transactions on Audio, Speech, and Language Processing 28 (2020): 1118-1128.

구글에서는 SPICE를 Freddie METER에 실제로 사용 중에 있다고 한다.

https://freddiemeter.withyoutube.com/

Constant-Q Transform 참조

출처 : http://marte.dongguk.edu/files/research_444455285-Spectrum%20Analysis_Constant%20Q%20filter%20(5).pdf 

Self-Supervised Learning 참조

self-supervised learning이란 Labeling 작업에 들어가는 노력 및 비용을 해결할 수 있는 방법 중 하나.

Unlabeled dataset을 input으로 받아 사용자가 정의한 문제(pretext task)를 network가 학습하게 하여 데이터 자체에 대한 이해도를 높이고, pretext task에서 나온 pre-training된 network를 궁극적으로 사용자가 풀고자 하는 문제인 downstream task에 transfer learning 하는 방법

출처 : http://dmqm.korea.ac.kr/activity/seminar/284

- Reference

https://blog.tensorflow.org/2020/06/estimating-pitch-with-spice-and-tensorflow-hub.html

https://ai.googleblog.com/2019/11/spice-self-supervised-pitch-estimation.html

http://dmqm.korea.ac.kr/activity/seminar/284

https://greeksharifa.github.io/self-supervised%20learning/2020/11/01/Self-Supervised-Learning/

https://hoya012.github.io/blog/Self-Supervised-Learning-Overview/

https://github.com/jason718/awesome-self-supervised-learning

나무가는 이름이 참 특이한 회사로,

엠씨넥스, 캠시스 등과 같은 카메라 모듈을 주로 생산하는 회사이다.

매출은 계속 증가하는 추세인데, 영업이익률은 1% 미만인 상당히 특이한 회사랄까..

마치 초창기의 엠씨넥스를 보는 것 같다.

나무가에 투자하게 된 계기는 아래의 Intel realsense 시리즈를 연구에 활용하면서이다.

https://www.intelrealsense.com/

Intel Realsense 시리즈는 로보틱스, 드론, AR/VR 등과 같은 연구분야에서 상당히 널리 사용되고 있는 컴퓨터 비젼 솔루션으로서, Stereo depth, Lidar, 3D Tracking 카메라 제품군과 Vision 소프트웨어 등을 포함하고 있다.

오픈소스로 제공되고 있는 SDK(Software Development Kit)의 성능은 뛰어난 편이며, ROS(Robot Operation System)와 같은 플랫폼과의 손쉬운 연동도 지원한다. 인텔의 기술이란..

여기서, 카메라 제품군의 모듈들을 인텔과 함께 개발한 회사가 바로 나무가이다.

내가 드론 개발/연구에 사용하던 카메라의 핵심 부품을 국내 중소기업이 개발했다니.. 정말 깜짝 놀랐었다.

앞으로 로봇, 드론, AR/VR 산업이 미래 먹거리가 될 것으로 예상되는 바, 그 근간이 되는 핵심이라 할 수 있는 비젼 기술과 카메라는(특히 3D sensing 카메라) 지속적으로 그 시장 규모를 확대할 것이다. 

아마도 현재는 삼성전자 갤럭시 시리즈에 납품하는 모바일 카메라가 회사 매출과 영업이익에 큰 비중을 차지하겠으나, 미래에는 3D Sensing 카메라의 비중이 더 커지지 않을까? 생각한다. (물론, 인텔의 마케팅 전략에 달렸고 연구를 넘어 실제 상용화까지 나무가의 제품군 판매가 이어져야겠지만...) 

지금은 회사에서 영업 이익보다 매출 중심으로 capa를 늘리는 추세인 듯 하다.

21년 1분기에 매출과 영업이익이 모두 잘 나온 것을 보면, 뭔가 시가총액도 같이 올라가주지 않을까? 생각한다.

최근에 네이버 증권 뉴스들을 보다가 솔루엠이라는 회사가 눈에 들어왔다.

회사에 대해 좀 찾아보니

삼성전기에서 spin-off(분사)한 회사로 Power 부문, ICT 부문 및 ESL 부문에서 관련 기술들을 보유, 사업을 진행 중에 있다. 

아래의 이베스트투자증권의 리포트에 따르면 2020년 사업 부문별 매출액이 3in1 보드, 파워모듈, ESL이 각각 47%, 37%, 11% 정도로 Power 부문의 매출이 대부분이다. 홈페이지를 들어가서 확인해보더라도 삼성전자의 노트북, 스마트폰 용 파워모듈 등과 TV용 3in1 보드가 주요 매출처이고, IoT 모듈들(블루투스, Wi-Fi, ZigBee 등)을 활용한 제품들 다수를 판매하고 있으나 매출이 크지 않은 것 같았다. (Keyco라는 자체 브랜드를 통해 IoT 솔루션들을 제공하고 있는 것 같으나 사업이 잘 되고 있는 것 같지는 않다)

사실 매출이 1조를 육박하고 있어서 ICT 관련 사업들도 잘 되고 있으나 총 매출액 대비 그렇게 크지 않아 눈에 뛰지 않는 것일 수도?

현재 영업이익이 꽤나 괜찮은 편이지만 사실 상장한지 얼마 안된 회사라서 이걸 투자해야하는가? 라는 고민을 계속 가지고 있었다. 그러다 아래 youtube를 보다가 투자 하겠다 라는 마음을 먹었다. (본 포스팅을 쓰는 이유이기도 하다)

https://www.youtube.com/watch?v=6zmqnPgS7gw&t=228s 

youtube 알고리즘에 이끌려 삼일회계법인 감사본부 3년차 회계사의 하루에 대한 영상을 보게 됐다.

최근 중견/대기업들이 직원들의 일할 좌석을 앱을 통해 배정하는 자율좌석제도 등을 한다는 뉴스를 봤었는데 삼일회계법인 또한 자율좌석제도를 시행하고 있었다. 영상에서 나의 주목을 끈 것은 1분 6초 정도에 좌석 이름표가 자동으로 변경되는 것을 볼 수 있었다. 해당 제품이 솔루엠의 제품인지는 확인되지 않았지만, 이게 바로 ESL 기술이구나 라는 것을 알 수 있었다.

ESL은 Electronic Shelf Label 즉, 전자가격표시기로 전자종이 디스플레이를 이용하여 원하는 정보를 표시해주는 장치이다. 이마트, 홈플러스 같은 곳에서 종이로 제품의 가격을 표시하는 문제로, 가격 변동에 따라 직원들이 직접 하나하나 바꾸던 기존의 방법들을 전자종이로 대체, 실시간으로 원하는 정보를 표시함으로서 불편함을 해소할 수 있다고 한다. ESL에 대해 처음 들었을 때에는 그 활용도가 마트 외에 있을까? 라는 의문이 들어 시장규모가 크지 않을 것 같다 라는 판단을 했지만, 위 영상을 보고 참 다양한 분야에 쓰일 수 있겠구나 라는 판단이 됐다. 

더 나아가 최근에는 아래 뉴스처럼 솔루엠이 시스코와 협력하여 기존에 시스코가 구축한 네트워크를 기반으로 ESL 솔루션을 적용할 수 있도록 MOU를 맺었다고 한다.

나는 이 MOU가 솔루엠의 ESL 사업 확장에 꽤나 중요한 결정이였고 아주 좋은 판단이라고 생각한다.

통신 쪽 연구를 하는 연구자로서 생각해본다면, ESL 장치를 납품하는 것보다 납품된 장치를 운용할 수 있는 네트워크 인프라를 구축 비용이 상당히 클 것이라 본다. 이를 기존 시스코의 인프라를 그대로 활용할 수 있으면 추가 비용 없이 손쉽게 ESL 장치를 배포할 수 있어 두 회사 간 스마트 오피스 시장 공략에 엄청난 시너지가 될 것이다.

https://finance.naver.com/item/news_read.nhn?article_id=0004563745&office_id=015&code=248070&sm=title_entity_id.basic 

https://leggedrobotics.github.io/SimBenchmark/

본 포스트는 아래 Youtube 링크에 해당하는 영상을 보고 정리하였습니다.

https://www.youtube.com/watch?v=56IIrBZy9Rc&list=PLlMMtlgw6qNiRlD_RaJMNbZj2kSUPrPtU&index=1 

강사의 github link는 아래와 같습니다.

https://github.com/philzook58/z3_tutorial/blob/master/Z3%20Tutorial.ipynb

Z3 Variables

다른 종류(Sorts, z3의 type)의 z3 변수를 만듦

x = Bool("x")
x = Const("x" , BoolSort())
p, q, r = Bools("p q r") # convenience function for multiple definitions
x = Real("x")
x, y = Reals("x y")		# need space
y = Int("x") 
v = BitVec("n", 32) # 32 bit bitvector
f = FP("f", Float64()) #Floating point values
a = Array("a", IntSort(), BoolSort()) # arrays

Constraints / Operations

# Common numerical operations
print(x + x) # addition
print(x * x) # multiplication
print(x ** 4) # fourth power of x 

# Common boolean operations
print(And(p,q))
print(And(p,q,r)) # some can accept more than one argument for convenience.
print(Or(p,q))
print(Implies(p,q))
print(Xor(p,q))
print(Not(p))

# Constraints 
print(x == x) #equal
print(x != x) # not equal
print(x <= RealVal(3)) # inequality
print(Or( x < 3,  x == 3, x > 3  )) # Constraints are operations into booleans

# And many more! Look in the API docs for others https://z3prover.github.io/api/html/namespacez3py.html

Exercise

Get a root of the polynomial x**3 + 3*x**2 + 4*x + 2 == 0 using z3.

x = Real("x")
solve(x**3 + 3*x**2 + 4*x + 2)

증명 방법

x = Real("x")
solve(x**3 + 3*x**2+ 4*x + 2 ==0, x != -1)
# 또는
prove( Implies( x**3 + 3*x**2+ 4*x + 2 ==0, x == -1))

Exercise : Send More Money

    Send

+  More

----------

  Money

를 찾는 문제

from z3 import *

digits = Ints('s e n d m o r y')
s,e,n,d,m,o,r,y = digits
send = Sum([10**(3-i) * d for i,d in enumerate([s,e,n,d])]) # convert digits of number to number
more = Sum([10**(3-i) * d for i,d in enumerate([m,o,r,e])])
money = Sum([10**(4-i) * d for i,d in enumerate([m,o,n,e,y])])

print(type(digits))

solver = Solver()
solver.add([s > 0, m > 0]) # first digits are nonzero

# Constrain all digits constrained to be 0 through 9
# FILL IN
solver.add([ And(0 <= d, d <=9) for d in digits]) 

# Constrain all digits to be unique (Hint: Look at the 8-Queens constraints. Anything useful?)
# FILL IN
solver.add(Distinct(digits))

# Constrain send + more == money
# FILL IN
solver.add(send + more == money)

solver.check()
print(solver.check())
solver.model()

# see the value of send
print(solver.model().eval(send))

Proof = Exhaustively Not Finding Counterexamples

solver.check() may return

• sat - "I have found a solution. You may ask for it with solver.model()"
• unknown - This means "I give up". There may be a solution out there somewhere, there may not.
• unsat - "I KNOW there is no solution. I've tried EVERYTHING".

Z3 solver가 주어진 problem을 solve하기 위해 모든 것을 try해보기 때문에 실행 시간이 크다는 단점 존재