'분류 전체보기' 카테고리의 글 목록 (7 Page) :: 테크니션
반응형

최근 주식시장의 하락보다 더 큰 이슈가 미국 부동산 시장의 하락이다

20년 12월 최고점 86에서 현재 46으로 거의 반토막 난 상태이다

8년간 상승으로 전세계 부동산 상승을 이끌었던 모습과 대조되고 있다

미국 주택 건설업 협회는 매달 900여 회원업체들을 대상으로 설문조사를 실시합니다. 

신규 단독주택 판매 현황/ 

다음 6개월간 신규 단독주택 판매 예상치/ 

신규주택부지를 방문하는 예상 주택 구매자들의 수

의 가중평균을 낸 것이 NAHB 주택시장지수입니다.

높을수록 경기가 좋다고 해석하면 되는 지수입니다

미국 부동산은 미국소비와 같이 전세계 경제와 직접적 연관이 있는 지수입니다

모기지론(금융)

자재(광업 해운)

가전 가구 (제조 해운 화학)

건자재(폐기물)

중장비(중공업)

시멘트(광업, 에너지)

수도, 전기(유틸리티)

건설(고용)

자동차와 더불어 산업의 큰 부분을 담당하고 있으며

반등신호가 나와야 주식시장도 턴어라운드 할 것으로 예상됩니다

 

 

 

 

 

 

 

반응형
반응형

이진트리는 트리를 효율적으로 사용하기 위해서 일정한 형태로 정의한 것이다.

탐색을 위한 자료구조로 저장할 데이터의 크기에 따라 노드의 위치를 정의한 것이 이진탐색트리

(Binary Search Tree) 이다

조건 : 왼쪽 서브트리의 키값 < 루트 키값 <오른쪽 서브트리 키값

샘플을 보자

15가 루트 // 10(왼쪽 서브트리 ) < 15(루트)<20(오른쪽 서브트리)

하위 트리도 정의를 적용해보면 맞는걸 확인 가능하다

장점은 계산 복잡성이 O(logn)으로 빠르다

배열은 순차적으로 모든 데이터를 확인하며 나아가는 데에 반해서,

이진 탐색 트리는 서치 과정에서 탐색 해야하는 데이터를 줄여 나가기 때문에

데이터 검색 속도에서 더 높은 기댓값을 가진다.

구현(파이썬이라 들여쓰기가 안맞을수 있어요)

class Node:

def __init__(self, value):

self.value = value

self.left = None

self.right = None

class Tree: # Binary Search Tree

def __init__(self):

self.head = None

def insert(self, value):

if self.head is None:

self.head = Node(value)

else:

node = self.head

while True:

if value < node.value:

if node.left is None:

node.left = Node(value)

break

else:

node = node.left

else:

if node.right is None:

node.right = Node(value)

break

else:

node = node.right

def delete(self, value):

if self.head is None:

return False

node = self.head

parent = self.head

check = False

while node:

if value == node.value:

check = True

break

elif value < node.value:

parent = node

node = node.left

else:

parent = node

node = node.right

if not check:

return False

# Case1 No Child

if node.left is None and node.right is None:

if value < parent.value:

parent.left = None

else:

parent.right = None

# Case2 Have a One Child

elif node.left and node.right is None:

if value < parent.value:

parent.left = node.left

else:

parent.right = node.left

elif node.left is None and node.right:

if value < parent.value:

parent.left = node.right

else:

parent.right = node.right

# Case3 Have Two Child

elif node.left and node.right:

current, child = node, node.right

while child.left:

current, child = child, child.left

node.value = child.value

if current != node:

if child.right:

current.left = child.right

else:

current.left = None

else:

node.right = child.right

def search(self, value):

if self.head is None:

return False, None

depth = 0

node = self.head

while True:

if value == node.value:

return True, depth

else:

if value < node.value:

node = node.left

else:

node = node.right

if node is None:

return False, None

depth += 1

def show(self, node, depth=0):

if node is None:

return

print(node.value, depth)

self.show(node.left, depth+1)

self.show(node.right, depth+1)

def print(self):

self.show(self.head)

tree = Tree()

tree.insert(5)

tree.insert(7)

tree.insert(1)

tree.insert(2)

tree.insert(8)

tree.insert(3)

tree.insert(4)

tree.insert(6)

tree.insert(9)

tree.print()

result = tree.search(5)

print(result)

print()

tree.delete(7)

tree.print()

반응형
반응형

현재 코스피가 바닥을 향해 하고 있지만 조선주는 여전히 강하다

특히

이친구가 젤 힘이 강하다는 걸 알 수 있다

매수 추천은 아니고 이번 기회에 조선주 그리고 경기민감주에 대해 알아보자

조선주는 대표적인 경기민감주 중에 하나로서 이를 통해 

말 그대로 경제상황에 민감하게 반응하는 종목이며

조선 자동차 화학 이런 중후 장대 산업이 해당된다

경기라는 말을 붙였을때 어울리면 맞다고 생각하면 된다

건설경기 / 조선경기 / 자동차 경기/ ......

하지만 이런 말은 쓰지 않는다

의약품 경기 / 칫솔 경기 / 통신 경기

전자는 대량 생산 소비를 통한 변호ㅏ의 폭이 크며 후자는 경제 상황이 달라지더라도 생산 소비가 줄어들지 않는다

경제가 좋아진다 해서 양치질을 더 하고 먹고 있는 약의 양을 늘리고 이렇게 생활하는 사람은 없다

지난 10년간 해운사는 구조조정을 통해서 많은 회사가 사라졌고 한진해운 역시 역사속으로 사라지게 되었다

하지만 코로나 이후 세상은 완전히 달라졌으며 물류난의 가속으로 해운운임의 드라마틱한 상승은

살아남은 회사들에게만 잔치를 허하였다.

HMM은 구조조정 기간을 버티며 10배 상승을 이룰수 있었고 글로벌 해운사들 역시 마찬가지이다

해운사들은 이렇게 경기가 좋으면 좀 더 큰 이익을 얻기 위해 선박을 발주한다.

해운운임 상승 -> 공급유인 증대 -> 선박발주 -> 총 운임 증가 -> 공급과잉 -> 운임 감소 ->

선박발주 중지 -> 구조조정 -> 공급감소 -> 1번으로

이런 과정이 지속적으로 반복되며 보통 주기가 10년을 넘어간다

배 한척 건조 하는데 3년이 넘게 걸리니 좀 더 큰 주기로 움직이는 시장이다

다른 경기민감주들도 각자의 로직괴 기간을 가지고 순환하게 된다

공산품의 경우 가격 상승 시기에 다량 주문을 통한 물량 확보 움직임까지 보이다가

가격이 내려가기 시작하면 주문을 취소하면서 더 큰 변동성을 만들어 내기도 한다

특히 러시아 우크라이나 전쟁을 통해 가스 공급의 다변화가 이루어 지면서

LNG 선의 수요가 급증할 것이라 많은 사람들이 생각했을 것이다

하지만 타이밍을 맞추는 것은 쉽지 않으며 이를 통해 생기는 다른 변화, 예를 들면 철강, 화학 수요 변화를 잡을 수 있다면

경제적 자유에 좀 더 이른 시일에 도달할 수 있을 것이다.

반응형
반응형

이 글 작성일은 1.27일 목요일, 엘지에너지솔루션 상장일이며 현재 코스피는 2600을 바라보고 있다

시총상위종목인 LGES를 담아야 하는 기관입장에서는 다른 종목 매도를 내서 담았고

러시아-우크라이나 전쟁 및 각종 악재는 2700을 넘어 2500까지 코스피를 끌어내리고 있다

하지만 그동안 너무 올라 매수가 망설여졌지만 이제는 적당한 가격으로 내려왔을 것이라 추측해보고

간단한 뇌피셜 재무분석 기준을 통해 숨은 우량주를 찾아보자[출처 : NH나무 어플 종목상세 - ]

----------------------------------

위 글은 투자를 권유하는 글이 아닙니다

매수 매도는 모두 본인의 의지에 따라야 함을 알려드립니다

----------------------------------------------

기준

적자 없음

PBR 1이하

PER 10이하

ROE 10이상

부채율100 이하

유보율 600 이상

시가총액 1000억 이하

외국인지분율 5% 이상

기준은 내맘대로? 잡았다. 저조건 다 필터를 걸지도 않았다

대륙제관

윤활유관, 페인트관, 식용유관 등으로 대표되는 일반관과 연료관과 연료관에 부착되는 캡등의 사출물,

각종 제관(製罐) 기계를 제작ㆍ판매하고 있는 국내 굴지의 선두 전문기업이며 부탄가스로 알려졌다

흥국

건설기계의 하부 구동 부품인 Track Roller와 Carrier Roller, Idler, Tension Cylinder 및 단조품 제조하는 회사로

금리인상시기의 건설경기 활성화의 수혜가 예상된다

한일네트웍스

IT 장비유통 부문 서비스를 제공하고 있으며 서비스 부문은 자체 인프라 구축이 어려운 기업에게 자원을

임대하거나 이미 구축한 기업에게 유지보수, 부가서비스 등의 서비스를 제공하는 사업을 수행한다

몇가지가 더 있는데 분기 / 연간에 따라서 조건이 안맞기도 해서 3개만 추려봤다

재무정보만 가지고 매수버튼을 누르기엔 부족하지만 업종특징 / 업황 / 차트 / 거래량을 재무와 함께 적당히

조합한다면 언젠간 많은 수익을 안겨주지 않을까 한다

반응형
반응형

PYKRX라는 python용 오픈소스를 활용하여 종목명 <-> 종목번호를 바꿔서 활용할 수 있는 코드를 작성해보자

종목명을 받아서 종목코드로 환산하면

시장에서의 위치 판단의 로직으로 들어갈 수 가 있고

연산이 끝나면 이를 다시 종목으로 알려주도록 하기 위함이다

종목코드를 이름으로 바꾸는 모듈은 PYKRX에서 제공하고있다

def num_to_name(list):

GOL_K_NAME = []

for ticker in list:

GOL_K_NAME.append(stock.get_market_ticker_name(ticker))

return GOL_K_NAME

종목명을 종목코드로 변환해보자

df = stock.get_market_price_change("20220325 "20220325" ,market="ALL")

해당 코드를 출력하면

이 DATAFRAME에서 앞에 종목명 / 티커만 리스트로 바꿔서 비교연산을 통해서 티커를 출력하고자 한다

숫자연산이 아니어서 binary search를 쓸 수 없어서 Linear search로 작성하였다

df = stock.get_market_price_change(“20220325”, ‘“20220325” ,market="ALL")

NUMM = []

df_number = df.index.tolist()

df_names = np.array(df['종목명'].tolist())

for k in range(0, len(LIST)):

for i in range(0, len(df)):

if LIST[k] == df_names[i]:

NUMM.append(df_number[i])

return NUMM

반응형
반응형

코드는 간단하다. 그 전에 해야 할 사전 패키지 설치만 알아보자

1. youtube_dl 설치

가) pip install youtube_dl

나) 파이참 File - settings

Project code - python interpreter 클릭

상단 + 버튼 클릭

youtube_dl 작성 후 클릭 및 Install Package 클릭

아래와 같은 글자가 나오면 코드로 이동

2. CODE

import youtube_dl

with youtube_dl.YoutubeDL() as ydl:

ydl.download(['주소'])

주의 : 저작권에 위배되는 행동을 하지맙시다.

반응형
반응형

최근 코로나로 인한 비대면 및 재택 확대와 메타버스 시대가 열리면서

다양한 분야에서 디지털 변환을 통해 산업을 고도화 해나가고 있다

이에 따라 웹 모바일 분야에서는 스타트업의 열풍이 불고 있지만

과거 닷컴버블 사례 보면 생존이 쉽지는 않아보인다

이에 한가지 케이스 분석을 통해 생존 전략을 모색해보자

리비안 - 명확하고 구체화된 타겟팅

얼마전에 리비안 이라는 미국의 자동차회사가 상장을 했고 미국 자동차의 근본 GM의 시총을 넘어서네 마나 하는 기사가 있었다

11월 11일 기준 123조원으로 차 생산능력이 1000대도 안되지만 8백만대를 생산할 수 있는 현대기아차에 비해 시장에서는 다른 가치를 부여하고 있다

전기차 시장이 성장할 것이라는 것은 경제에 관심이 없어도 모를 수가 없을 것이다. 기후위기는 우리 일상으로 파고들었고 친환경에너지로 만들어진 전기차는 기후위기를 극복하기 위한 조그마한 대안이라도 될 수 있으니까

기존 내연기관에 비해 현재 전기차의 비중은 현재 5프로 내외 , 나머지 95프로가 전기차로 바뀐다면

이 시장의 성장성은 의심할 여지가 없다. 시간이 문제가 될뿐

전기차 시장을 크게 3군데로 나누면 미국 / 중국 / 유럽 이렇게 분류할 수 있다.

♦︎일본의 도요타는 하이브리드를 친환경으로 내세우고 전기차에 아직 제대로 참전을 안했으니까

유럽과 중국은 자국 브랜드를 밀어줄 환경이 충분하다.

유럽은 폭스바겐 벤츠 등 이미 기존 브랜드들이 탄탄하며 국가에서도 전후방 연관이 큰 자동차 산업을 놓칠리가 없고

중국은 자국산업에 대해 전 분야에 걸쳐서 철저하게 밀어주는 국가사회주의 체제이기 때문에

두 섹터에 대해서는 신규진입자들의 경쟁이 쉽지 않다

그러면 남은 섹터중에 시장성을 갖춘 곳은 미국이 있는데

이미 여긴 TESLA 라는 이슈메이커가 세력을 넓히고 있다

모델 S 3 X Y를 앞세워서 자리를 잡고 있는 미국 전기차 시장이지만

미국 자동차 시장은 세단 / SUV 말고 다른 영역의 자동차 시장이 있다

바로 픽업트럭

미국은 판매량 1-3위 자동차가 픽업트럭이다

2020년 미국 차량 판매 순위

(단위: 대)

순위
브랜드 및 모델
판매량
1
Ford F-Series
787,422
2
Chevrolet Silverado
594,094
3
Ram pickup
563,676
4
4. Toyota RAV4
430,387
5
Honda CR-V
333,502
6
Toyota Camry
294,348
7
Chevrolet Equinox
270,994
8
Honda Civic
261,225
9
GMC Sierra
253,016
10
Toyota Tacoma
238,806

자료: Marklines

리비안은 기울어진 운동장이 아닌, 아직 본격적으로 열리지는 않앗지만 가능성이 충분한 전장을 먼저 선점하였고

픽업트럭 시장에서 성공을 통하여 다른 차종 및 사업영역으로의 진출 가능성을 키우게 되었다.

이는 시장이 높은 멀티플을 부여하는데 여러 이유가 있었겠지만 명확한 타겟팅을 통한 사업영역 확보는

많은 투자자들이 열광하는데 충분한 명분을 주었다.

현재 모바일 창업은 활발하지만 레드오션이 아닌 영역이 없다.

하지만 세상의 모든 사업영역을 공룡들이 독식하고 있지는 못하며

그만의 생태계를 유지하며 운영중인 회사들이 앞에 나온 리비안을 제외하고라도 세상에 많이 있다

이미 힘든 전장이라 생각하는 곳에서도 분야를 세분화하고, 타겟을 명확화 한다면

벤처시장의 좋은 평가와 함께 희망찬 미래를 기대해본다

반응형
반응형

코스닥에 우량주로 알려진 오스템임플란트가 큰 사고를 쳤다.

많은 사람들이 이 뉴스를 보고 대충 사안은 알고 있고 범인도 잡혔고 회수 할수 있는 금액도 나온 것 같다

단독범행이라 주장하지만 믿지 않는 사람들이 더 많은 것 같다

횡령한 돈을 가지고 주식투자로 이미 날린 이상 메꿀 방법은 없는거 같고

이번에는 재무제표에서 먼저 알려줬던 오스템임플란트의 리스크에 대해 알아보자

1. 부채율이 높다

이 회사의 특징은 유보율도 높은데 부채비율도 높다.

오스템임플란트 재무제표 요약을 네이버에서 검색해보았다

전부 출처는 네이버증권이다

부채비율은 보통 100언더, 업종에 따라 200 언더 // 유보율은 600정도면 양호한 회사로 분류하지만

오스템을 보면 400프로 // 800프로에 달하는 부채비율 // 유보율도 3200에서 4000대에 이른다

해석하면 쌓아둔 돈이 많은데 빚도 많이 지고 있다는 것이다

부채비율이 높기로 유명한 업종이 항공이다.

비행기를 리스하여 영업을 하는데 이게 전부 부채이기 때문에 높은 부채비율이 용인되는 섹터이다

대한항공 재무제표를 확인해보자

대한항공은 항공업의 특수성때문에 부채비율이 높은 편에 속한다.

또한 반도체나 디스플레이 업종처럼 대규모 설비투자가 필요하지도 않은데

저렇게 많은 부채비율은 사실 이해가 잘 가지 않는다.

동종업계인 덴티움을 확인해보자

확실히 오스템에 비해 양호한 부채비율이다

2. 충당금 이슈 발생전과 - 돈이 어디로 새고있다

19년에 재무 관련하여 이런 기사가 있었다

사상 최대 매출에도 뜬금 어닝 쇼크를 만든 대손충당금

대손충당금은 떼인 돈뿐만 아니라 떼일 돈까지 예상해서 금액을 측정하는데

못받을 돈이라고 처리해버린 것이다.

이때부터 회사의 현금이 새고 있다고 추측할 수 있다

올해도 현금 1300억이 회사를 빠져나갔다

사업을 키우기 위한 투자일 수 있다 그러나 그중 유동자산보다 금융부채가 더 많다

그러면서 사채를 땡겨서 현금을 땡겼다

이미 현금을 충분히 보유한 회사가 사채를 땡기고

금융부채와 사채로 현금을 흡수 한다는건

이미 어디서 돈이 새고 있으니 더 필요한 부분을 땡겼을 것이고

재무 이슈 외에 CEO 리스크도 있지만 여기서는 이야기 하지 않겠다.

아무튼 주주들의 자산손실이 최소화 하는 선에서 이 사건이 마무리 되고 확실한 수사와 처벌을 통해서

우수한 투자환경이 조성되었으면 한다

반응형
반응형

최근 창업 벤처 투자의 활성화와 비대면 모바일 시대의 변화로 많은 유니콘기업들이 생기고 있다.

​금리인상 전까지는

당근마켓 야놀자 배달의민족은 이미 시총 1조를 넘긴지 오래이고

그 아래 많은 스타트업들이 대박을 노리면서 달려들고 있다

최근 투자위축으로 어려운 상황이지만 이미 인류는 이쪽으로 방향을 틀었고 결국 살아남은 자들이 

파이를 독식할 것이다.

이에 현재 서비스중인 디지털 비즈니스의 유형을 분류하여 영역의 확장 통해 새로운 기회를 잡아보자

1. 컨텐츠 제공

소비자들에게 어떤 상품을 제공하고 과금을 받는 방식의 비즈니스이다.

온라인 뿐만 아니라 오프라인에서도 기본적인 패턴이다

엔씨소프트/넥슨/.... - 게임

넷플릭스/웨이브/..... - 영상콘텐츠

밀리의 서재 / 윌라오디오북 - 도서

각종 은행 - 대출

자율주행 - 테슬라

nba 리그패스 - 웨스트브룩

메가스터디 - 수능->종합교육

2.연결

사람과 사람을 연결하여 비즈니스가 인터넷상에서 일어나게 하면

데이터가 모이고 광고를 넣거나 중간 수수료를 통해 수익을 창출한다.

운영자가 직접 건 바이 건으로 대응하는 패턴이 아니므로 생태계를 잘 만들면 알아서 굴러가는 비즈니스가 된다.

EX)

구직자 - 링크드인 / 원티드랩 - 회사

연예인 - 위버스 - 팬

판매자 - 네이버/쿠팡/아마존/당근마켓 - 구매자

남자 - 아만다/골드스푼/틴더 - 여자

금융서비스고객 - 토스 - 금융사

호텔 - 야놀자 / 여기어때/에어비앤비 - 투숙객

BJ - 아프리카TV/유투브/트위치 - 시청자

직장인 - 블라인드 -직장인

사람 - 카카오톡 - 사람

부동산중개인 - 직방/다방 - 아파트 구매자

법조인 - 법무통/로톡 - 의뢰인

사회인야구인 - 게임원 - 사회인야구단

3. 시각화

인터넷상에 있는 데이터들은 공급자의 의도에 맞추어서 구현되어 있다.

공급자가 모든 소비자의 입맛에 맞게 데이터를 보여주면 좋겠지만

개개인의 취향이 다 다르고

데이터를 보는 패턴보다 다른 영역에 더 집중하는 공급자들도 있기 마련이다.

EX)

1. TOSS / 네이버증권

주식데이터 보려고 다트 전자공시를 일일히 찾아보는 사람은 없다.

좀 더 가독성 좋게 데이터를 가공하여 보여주는 것 역시 수요가 있다.

2. 호갱노노(각종 부동산 어플)

부동산 활황을 타고 신규서비스 런칭이 엄청 증가했다. 아파트 입지 및 가격변화를 한눈에 볼 수 있다.

4. 기록

우리 일상에서 일어나는 일을 수기로 기록하다 보면 기록의 유실 및 체계화에 대한 수요가 발생한다.

이를 스마트폰 및 클라우드에 저장하여 검색 및 관리가 편한 데이터로의 전환은 새로운 비즈니스가 될 수 있다.

EX) 식단관리 / 육아일기 / 메모장 / 가계부 /

-- 베이비스토리

이미 많은 분야에서 이미 디지털변환이 이루어지고 있다.

하지만 전에 작성했던 리비안 처럼 레드오션 속에서도 살아남을 수 있는 방법은 있는법.

1가지 케이스만 알아보고 마무리 하려고 한다.

남자 - 아만다/골드스푼/틴더 - 여자

남자와 여자의 만남은 여러가지 매력이 모여서 이루어진다.

여기서 골드스푼은 서로의 조건에 대한 확실한 믿음을 가지고 만남을 주선하였고

아만다는 서로의 외모에 대한 심사를 통해 수요를 더 세밀화 하였다

리비안이 자동차중에서 전기픽업트럭에 집중한 것 처럼

아만다 / 골드스푼도 타겟을 세분화 하여 성공적인 비즈니스 모델을 만들엇다.

세상의 모든 일을 이 짧은글에 다 담을수는 없어서 아쉽지만

이 글을 통해 잠깐이라도 스치듯 영감을 얻어서

최근의 창업 열풍에 숟가락이라도 얹어서 다들 경제적 자유를 얻으셨으면 합니다

반응형
반응형

공시지가 1억 미만 아파트를 검색하던 중 흥미로운 사실을 하나 발견했다.

오래된, 모여있는 아파트

광주광역시 서구 염주동에 있는 아파트인데

우성아파트 + 태영아파트 + 럭키염주+우성2차

위에 염주포스코라는 1976세대 규모 대단지가 있고

아래에 월드컵경기장 + 롯데아울렛 이라는 문화 쇼핑시설

그리고 녹지와 초등학교, 아래에 지하철 노선(공사중)까지 가지고 있는 입지

대로변과도 가까워서 차량교통도 편할 거고 주변에 구축이 많으니 신축 수요로 봐도 될수 있고

우선 4개가 뭉치면 단지 사이즈도 나올거 같고 각도기는 잡혔다.

우성2차 아래 화정엘리체 퍼스티지는 신축이라 재건축 대상이 아님

그런데 우성1차에서 단독으로 재건축 추진? 럭키염주는 지주택?

칼맞을수도 잇으니 원수에게도 추천하지 말라는 지주택을 저 땅을 두고? 뭐하자는 시츄에이션이지

그래서 몇가지를 더 조사했다

아래 4개 단지 정보는 다음과 같다

 
우성2차
럭키염주
태영
우성1차
세대수
499
350
410
276
1535
가격
1.7억 /24평
2.5/22
1.7/24
2.8/21
 

우성1차가 평수는 적은데 젤 비싸네? 와이? 옆에서 보면 다 비슷하게 보이는데

이 4단지 이해관계를 나누는게 대지지분

아파트 가격은 건물 + 토지 인데 저 아파트 건물 가격은 0으로 잡고 토지 면적을 계산해보자 물론 수동으로

모바일 네이버 지도는 이런 계산 기능 없었는데 pc에는 있었음

대충 면적은 비슷하다고 보고

같은 땅을 2차는 약 500명 / 1차는 276명이 나눠가지니

대지지분은 1차가 더 크게 나옴

멀리서 봤을땐 그놈이 그놈이었는데

그게 아니엇네

그래서 가격차이는

06년부터 21년까지 15년간 우성1차는 7배 갭투자였으면 몇배 시세차익인지 감도 안옴

멀리서 봤을땐 그놈이 그놈 같지만 실제는 아님

단독이던 연합이던 재건축 과정이 쉬울거 같지는 않음

요약 : 재건축 묻은 아파트는 대지지분을 보자 [구하는 법은 다양하게 있음]

이왕이면 단독으로 있는 대단지로 [그런데 그런건 비싸잖아 안될거야]

눈으로 어림짐작 하지말고 숫자로 말하자

반응형

+ Recent posts