# 스타트업 가치분석 원칙

**작성일**: 2025-12-01
**수정일**: 2026-01-20 (동적 프리미엄 섹션 추가)
**관련 파일**: `rb8001/app/services/ir_deck_analyzer.py`, `rb8001/app/services/ir_analyzer.py`, `rb8001/app/services/startup_valuation.py`, `rb8001/app/state/repositories/valuation_premia_repository.py`

---

## 1. 목적 및 철학

### 로빙의 가치 판단 능력

로빙은 "도구를 넘어 동료로"라는 철학에 따라, 스타트업의 가치를 스스로의 기준으로 평가하고 판단합니다. 스타트업 가치분석은 로빙의 핵심 기능으로, 다음을 목표로 합니다:

- **객관적 평가**: 일관된 기준으로 스타트업의 투자 가치 평가
- **불확실성 다루기**: 베이지안 프레임워크로 불확실성을 명시적으로 다룸
- **사용자 지원**: 투자자와 스타트업 모두에게 실용적인 피드백 제공

### 전체 파이프라인

```
IR Deck 업로드
    ↓
IR Deck 평가 (Sequoia 10 stories)
    ↓
IR 지표 추출 (매출, 성장률, 팀 규모, 기술 우위)
    ↓
베이지안 밸류에이션 (Prior + Evidence → Posterior)
    ↓
투자 의사결정 지원
```

---

## 2. IR Deck 평가 원칙

### Sequoia Capital 10가지 스토리 기준

IR Deck 평가는 Sequoia Capital의 10가지 스토리 기준을 사용합니다:

1. **문제 정의 (Problem)**: 해결하려는 문제의 명확성
2. **시장 기회 (Market Opportunity)**: 시장 규모와 성장성
3. **솔루션 (Solution)**: 문제 해결 방법의 타당성
4. **제품/서비스 (Product/Service)**: 제품의 차별성과 완성도
5. **비즈니스 모델 (Business Model)**: 수익 모델의 명확성
6. **경쟁 우위 (Competitive Advantage)**: 지속 가능한 경쟁력
7. **팀 (Team)**: 팀의 역량과 실행력
8. **트랙션 (Traction)**: 시장에서의 성과와 검증
9. **재무 (Financials)**: 재무 건전성과 성장성
10. **비전 (Vision)**: 장기 비전과 확장 가능성

### 평가 방식

- **전체 평가**: 문서 전체를 종합적으로 평가 (ChatGPT 방식)
- **페이지별 분석**: 각 페이지에서 잘된 점/못한 점 추출 (점수 없음)
- **등급 분류**: S (90+), A (80-89), B (70-79), C (0-69)

### 구현 위치

- `rb8001/app/services/ir_deck_analyzer.py`: 평가 로직
- `rb8001/app/services/ir_deck_analyzer.py:22-33`: Sequoia 10 stories 정의

---

## 3. IR 지표 추출 원칙

### 필수 지표

다음 4가지 지표를 우선적으로 추출합니다:

1. **매출 (Revenue)**: 연매출 또는 월매출
2. **성장률 (Growth Rate)**: YoY 또는 MoM 성장률
3. **팀 규모 (Team Size)**: 직원 수
4. **기술 우위 (Tech Advantage)**: 기술적 차별성 설명

### 지표 추출 방법

- **RAG 기반 검색**: `ir_analyzer.py`의 `query_rag()` 사용
- **LLM 기반 추출**: 구조화된 프롬프트로 지표 추출
- **검증**: 추출된 지표의 신뢰도 검증 (evidence_count)

### Evidence Count 계산

```python
evidence_count = sum(
    1 for v in [revenue_parsed, growth_parsed, team_size_parsed] if v is not None
) + (0 if (not tech_adv_str or tech_adv_str.strip().upper() in ["N/A", "UNKNOWN"]) else 1)
```

- **0-1개**: 데이터 품질 낮음, 신뢰도 낮음
- **2-3개**: 데이터 품질 보통, 신뢰도 보통
- **4개**: 데이터 품질 높음, 신뢰도 높음

### 구현 위치

- `rb8001/app/services/ir_analyzer.py`: 지표 추출 로직
- `rb8001/app/services/startup_valuation.py:371-377`: evidence_count 계산

---

## 4. 베이지안 밸류에이션 원칙

### 핵심 원리

베이지안 프레임워크는 불확실성을 명시적으로 다루는 로빙의 철학과 일치합니다:

```
Posterior = Prior × Likelihood / Evidence
```

### Prior 설정

**투자 단계별 Prior** (한국 시장 기준, 단위: 억원):

| 단계 | Median | Lower | Upper |
|------|--------|-------|-------|
| Seed | 30 | 10 | 50 |
| Pre-A | 70 | 30 | 100 |
| Series A | 150 | 70 | 250 |
| Series B | 400 | 200 | 700 |
| Series C | 1000 | 500 | 2000 |
| Series D | 2500 | 1000 | 5000 |

**동적 Prior** (Neo4j 유사 기업 기반):
- 스테이지 Prior (30%) + 동적 Prior (70%) 혼합
- 유사 기업이 없으면 스테이지 Prior만 사용

### Adjustment Factor

IR 지표에 따른 조정 계수:

- **evidence_count ≥ 3**: adjustment = 1.0 (조정 없음)
- **evidence_count = 2**: adjustment = 0.8 (보수적 조정)
- **evidence_count ≤ 1**: adjustment = 0.6 (더 보수적 조정)

### Confidence 계산

```python
confidence = min(1.0, 0.5 + (evidence_count * 0.1) + (adjustment_factor * 0.2))
```

- **0.5-0.7**: 낮은 신뢰도 (데이터 부족)
- **0.7-0.9**: 보통 신뢰도 (충분한 데이터)
- **0.9-1.0**: 높은 신뢰도 (완전한 데이터)

### 구현 위치

- `rb8001/app/services/startup_valuation.py`: 베이지안 밸류에이션 로직
- `rb8001/app/services/startup_valuation.py:54-72`: 투자 단계별 Prior
- `rb8001/app/services/startup_valuation.py:353-390`: `valuate_startup()` 함수

### 동적 프리미엄 학습 (Beta 분포)

투자 단계/산업별 프리미엄을 Beta(α,β) 분포로 관리하여 지속적으로 학습:

**Beta 분포 업데이트 공식**:
- 성공 관측: α' = α + 1
- 실패 관측: β' = β + 1
- mu = α / (α + β), sigma = sqrt(αβ / ((α+β)²(α+β+1)))

**30일 주기 재계산**:
- 스케줄러: `valuation_premia_recalculator` (매월 1일 04:00)
- Neo4j 데이터 기반 투자 성공률 계산 → Beta 분포 업데이트

**구현 위치**:
- `rb8001/app/state/repositories/valuation_premia_repository.py`: Beta 분포 CRUD
- `rb8001/app/services/valuation_premia_service.py`: 재계산 비즈니스 로직
- `rb8001/app/scheduler/jobs/valuation_premia_recalculator.py`: 스케줄러 작업

---

## 5. 전체 파이프라인 연결 관계

### 단계별 책임

1. **IR Deck 평가** (`ir_deck_analyzer.py`)
   - 입력: PDF 파일
   - 출력: 종합 점수, 등급, 페이지별 피드백
   - 목적: Deck의 품질 평가 및 개선점 제시

2. **IR 지표 추출** (`ir_analyzer.py`)
   - 입력: IR Deck 텍스트
   - 출력: 매출, 성장률, 팀 규모, 기술 우위
   - 목적: 밸류에이션에 필요한 정량 지표 추출

3. **베이지안 밸류에이션** (`startup_valuation.py`)
   - 입력: IR 지표 + 투자 단계
   - 출력: 밸류에이션 결과 (median, lower, upper, confidence)
   - 목적: 투자 가치 평가 및 의사결정 지원

### 데이터 흐름

```
IR Deck (PDF)
    ↓ [ir_deck_analyzer.py]
종합 평가 (점수, 등급, 피드백)
    ↓ [ir_analyzer.py]
IR 지표 (매출, 성장률, 팀 규모, 기술 우위)
    ↓ [startup_valuation.py]
밸류에이션 결과 (median, confidence)
```

---

## 6. 체크리스트

### IR Deck 평가 시

- [ ] Sequoia 10 stories 기준으로 평가
- [ ] 전체 평가와 페이지별 분석 분리
- [ ] 페이지별 점수는 표시하지 않음 (잘된 점/못한 점만)

### IR 지표 추출 시

- [ ] 4가지 필수 지표 우선 추출
- [ ] evidence_count 계산 및 기록
- [ ] 추출 실패 시 명확한 에러 처리

### 베이지안 밸류에이션 시

- [ ] 투자 단계 정규화 (`_normalize_stage()`)
- [ ] Prior 설정 (스테이지 + 동적 Prior 혼합)
- [ ] evidence_count에 따른 adjustment 적용
- [ ] confidence 계산 및 반환

### 전체 파이프라인 검증

- [ ] IR Deck → 지표 추출 → 밸류에이션 연결 확인
- [ ] 각 단계별 에러 처리 및 폴백
- [ ] 결과의 일관성 검증

---

## 7. 참고 문서

- `DOCS/journey/scenarios/ir_deck_evaluation_scenario.md`: IR Deck 평가 사용자 시나리오
- `DOCS/journey/troubleshooting/251128_ir_deck_valuation_backend_architecture.md`: 백엔드 아키텍처
- `DOCS/journey/plans/archive/251016_bayesian_startup_valuation.md`: 베이지안 프레임워크 (구현 완료)
- `DOCS/journey/troubleshooting/260120_bayesian_valuation_phase3_complete.md`: 동적 프리미엄 구현