Skills
DartLab Skills 작업 체계
무엇을 분석하거나 운영하려는지 먼저 고른다. 각 skill 은 입력 · 출력 · 검증 기준 · 실행 순서를 한 화면에 묶는다. 사람과 LLM 이 같은 표면을 본다 — 외부 API 문서를 직접 뒤지지 않는다.
Community Skill Market — 분석 질문을 공유 자산으로 보기
처음 왔다면 — 진입 순서
- 1
DartLab Skill OS 최초 진입
사람과 LLM 이 DartLab 을 처음 볼 때 Skills 카탈로그 하나에서 분석 · 엔진 능력 · 운영 규칙 · 확장 절차를 찾는 공식 시작점이다. 외부 API 문서나 흩어진 ops 폴더 대신 skill 검색 → frontmatter 확인 → 본문 절차 → 검증 게이트 순서를 따른다.
start.dartlabSkillOs - 2
uv로 DartLab 설치와 첫 실행
DartLab을 처음 설치하거나 새 환경에서 실행할 때 uv로 Python부터 dartlab까지 한 번에 준비하는 최소 절차다.
start.installUv - 3
DartLab 8 단계 빠른 시작
설치 직후 Company · sections · show · diff · EDGAR · scan · ask 까지 핵심 기능을 한 번에 통과하는 walkthrough 절차다.
start.quickStart
전체 카탈로그
5 카테고리 · 시작 (Start) · 실행 환경 (Runtime) · 운영 규칙 (Operation) · 엔진 (Engines) · 레시피 (Recipes)
130 skills
- Engines observed
Analysis
Analysis 엔진은 단일 기업의 재무제표, 가치평가, 지배구조, 전망, 기업 단위 매크로 민감도를 22개 분석 축으로 읽는 실행 스킬이다. 트리거 — '재무 분석', '가치평가', '지배구조 점검', '전망'.
- Engines unverified
수익성 분석
매출, 마진, 이익의 변화를 기간·섹터 맥락과 함께 분석한다.
- Engines observed
Company
Company 엔진은 종목코드 하나를 target으로 고정하고 재무, 공시, 검색, 분석, 신용, 수집, 퀀트, 매크로, 스토리, 산업 연결을 제공하는 facade 실행 스킬이다. 트리거 — '회사 분석', '단일 기업', '005930', 'Company.show'.
- Engines unverified
공시 이벤트 중요도 검토
기업 공시 목록과 가능한 경량 본문 근거를 확인해 중요한 이벤트 후보와 한계를 구분한다.
- Engines observed
docsInternals — sections 파이프라인 + 테이블 수평화 + Rust 포팅 R&D
docsInternals 는 engines.company.sections 의 내부 구현 SSOT 다. sections pipeline (textPathKey + occurrence 논리 row identity · semantic vs comparable spine · structure event detection) · 테이블 수평화 알고리즘 (헤더 시그니처 그룹핑 · matrix 분리 · canonical schema 실험 결과) · Rust 포팅 로드맵 (Phase 1~3 인터페이스 + 25 배속 목표) 을 한 곳에 둔다. 트리거 — 'sections 내부', 'textPathKey', '테이블 수평화', 'pyo3 polars', 'Rust 포팅'.
- Engines observed
Credit (dCR)
Credit (dCR) 엔진은 단일 기업의 신용 위험을 7 축 (채무상환·자본구조·유동성·현금흐름·사업안정성·재무신뢰성·공시리스크) 으로 평가해 종합 등급 (dCR-AA+ ~ dCR-D) 을 산출한다. 트리거 — '신용 분석', '부도 위험', '신용등급', 'dCR'.
- Engines unverified
신용 위험 분석
기업의 재무 안정성, 차입 부담, 현금흐름 방어력을 신용 관점에서 점검한다.
- Engines observed
credit.methodology — 독립 신용분석 방법론 SSOT (사상·등급체계·파이프라인·audit)
credit.methodology 는 dartlab 독립 신용분석 (dCR) 의 사상·등급체계·4 layer 결정 파이프라인·12 섹션 보고서 구조·audit 규칙·방법론 버전 관리 SSOT 다. 공시 데이터만으로 재현 가능한 등급을 산출하고 그 과정을 100% 투명하게 공개한다. 트리거 — '신용분석 방법론', 'dCR 등급체계', '7축 스코어링', 'PD calibration', 'Notch Adjustment', 'OFS 블렌딩'.
- Engines observed
Dashboard (회사 종합 스냅샷)
Dashboard 는 단일 회사를 한 페이지에 종합 시각화하는 *프론트엔드 SvelteKit 페이지* 다. python 기능 가 아니라 landing 의 `/company/[code]` 라우트 — 빌드 시점에 5-tier 데이터 (finance · ratios · grades · ecosystem · narrative) 를 조합. 트리거 — '회사 페이지', '대시보드', 'dashboard'.
- Engines observed
viewerSpec — 공시뷰어 UI 설계 v1.0
viewerSpec 은 dartlab landing 의 공시뷰어 (sections viewer) UI 설계 SSOT 다. 다크 배경 (#050811) 위 한글 본문 가독성 + 컴플라이언스팀 스크린샷 정확성 + 50+ 보고서 빠른 스캔 3 원칙 위 typography · diff · timeline · table 규칙을 명시. 트리거 — '공시뷰어', 'viewer 디자인', 'diff 표시', '취소선'.
- Engines observed
Data (수집·프리빌드 파이프라인)
Data 는 dartlab 의 데이터 파이프라인 운영 SSOT — DART 12h 수집, EDGAR 일배치, scan 프리빌드, HF 직렬 업로드를 하나의 워크플로우 그래프로 묶는다. 사용자 호출 기능 가 아니라 *운영자 절차* + python 진입점 (gather/Company/scan) 안내. 트리거 — '데이터 수집', 'data 명세', '프리빌드', 'HF 업로드'.
- Engines unverified
데이터 엔진 기본기
응용 분석 skill이 시작 전에 참조할 Company, gather, scan 데이터 엔진의 기본 선택 순서와 evidence 계약을 정의한다.
- Engines observed
EDGAR (US 공시·재무)
EDGAR 는 미국 SEC 공시 (10-K · 10-Q · 8-K · S-1 등) 와 XBRL 재무를 dartlab.Company facade 로 통합 접근하는 provider 다. 한국 DART 와 동일한 인터페이스 (show / liveFilings / readFiling / 하위 엔진) — market="US" 자동 라우팅. 트리거 — '미국 공시', '10-K', 'SEC', 'EDGAR', 'AAPL'.
- Engines observed
edgar.docs — SEC 공시 sections + form-native payload
edgar.docs 는 SEC EDGAR 원문 공시 (10-K · 10-Q · 20-F · 40-F) 를 섹션 단위 parquet 로 저장하고 form-native text 비교 계층을 제공하는 sub-engine 이다. `sections(stockCode, sinceYear)` 가 topic × period 매트릭스를 빌드 — topic namespace 는 `form_type::topicId`. 시장 진입점은 dartlab.providers.edgar.Company 이고 dartlab.Company 가 이 EDGAR 진입점을 통합 facade 로 감싼다. 트리거 — '10-K sections', 'SEC docs', 'sectionMappings', 'edgar parquet'.
- Engines observed
Gather
Gather 엔진은 가격, 컨센서스, 수급, 뉴스, 배당, 소유구조, 섹터, 매크로, catalyst 일정 등 외부/보조 데이터를 수집하는 실행 스킬이다. 트리거 — '가격', '뉴스', '소유구조', '컨센서스', '외부 데이터 수집', '다가오는 일정'.
- Engines observed
listing — 카탈로그 단일 진입점 (companies · filings · topics · dartlist)
listing 은 "뭐가 있는지" 카탈로그 조회 단일 진입점이다. KRX 전 종목 · DART 비상장 포함 115,963 법인 · 종목별 공시 메타 · 토픽 목록을 하나의 `dartlab.listing(kind)` 함수로 통합. "내용 안에서 찾는다" 는 별도 엔진 `dartlab.search()` 사용. 트리거 — 'listing', '상장사', 'DART 법인', '공시 목록', '카탈로그'.
- Engines observed
Industry
Industry 엔진은 단일 종목을 산업 분류 (taxonomy.json) 의 공정 단계와 peer 그룹에 연결해 밸류체인 위치·동종 비교 맥락을 제공한다. 트리거 — '산업', '섹터', '업종', '밸류체인', 'industry'.
- Engines observed
Macro
Macro 엔진은 경기, 정책, 유동성, 위기, 자산, 심리, 예측을 6막 구조로 읽는 시장 레벨 분석 스킬이다. 트리거 — '매크로', '거시', '금리', '환율'.
- Engines observed
Mappers (계정 정규화)
Mappers 는 DART/EDGAR 원문 계정명을 공통 snake_id 로 정규화하는 *내부 모듈* 이다. 사용자 직접 호출 기능 가 아니라, Company.show / scan 결과 안에서 자동 적용. 본 skill 은 매핑 규칙을 *AI 가 컬럼 정규화에 활용* 할 때 참조한다. 트리거 — '항목 매핑', '컬럼 정규화', 'snake_id 변환'.
- Engines observed
Quant
Quant 엔진은 가격, 기술적 신호, 팩터, 리스크, 텍스트/공시, 횡단면 랭킹, 포트폴리오, 백테스트를 46개 축으로 실행하는 정량 분석 스킬이다. 트리거 — '퀀트', '팩터', '백테스트', '모멘텀', '기술적 신호'.
- Engines observed
Quant Forecast 축
dartlab.quant("예측", "005930", horizon=5) 형태로 일별 수익률의 horizon-step 예측 + 90% Conformal prediction interval 을 산출한다. Naive · AR(1) · ETS-Holt · Theta 4 모델을 numpy-only 로 구현하고 ADF p-value 기반 dispatch 룰로 자동 선택한다. 트리거 — '예측', '수익률예측', 'forecast', 'forecastReturns', 'returnsForecast'.
- Engines observed
Quant Market Context 축
dartlab.quant("시장맥락", "005930") 형태로 종목의 시장 베타 + 거시 민감도 (USDKRW/금리/CPI/M2) + 외국인+기관 수급 강도 1 행 evidence 를 산출한다. 가격-거시 OLS (일별 252 d). 펀더멘털-거시 OLS (`scan.macroBeta`, 연간 매출 vs 거시) 와 책임 분리. 트리거 — '시장맥락', 'marketContext', '맥락'.
- Engines observed
Quant scanBacktest top-level helper
dartlab.quant.scanBacktest(scanResult, signalFn=, style=, topN=, weighting=) 형태로 scan 결과 DataFrame 의 universe 를 받아 종목별 Rule 빌드 → multiAssetBacktest 호출 → BacktestResult.scanContext 에 universe 출처 SHA-1 기록. axis 미등록 (top-level helper). 트리거 — 'scanBacktest', 'scan→quant', 'universe → backtest'.
- Engines observed
Quant - 워크포워드
quant 엔진의 워크포워드 축 응용 — Lopez de Prado 슬라이딩 OOS Sharpe + DSR + PBO.
- Recipes drafted
회사 P&L × 매크로 시나리오 grid → 적정가치 분포 (p25/50/75)
기존 base/bull/bear 3 path DCF 가 아니라 매크로 146 시나리오 (rate × FX × 사이클 × 침체) grid × 회사 elasticity → 146 P&L path → 146 fair value → 분포 (p25/p50/p75 + 현재가 대비 확률) 산출. 단일 점추정의 한계 보완. company ↔ macro ↔ analysis 격리 메우는 조합. 트리거 — '시나리오 적정가치 분포', 'fair value distribution', '146 시나리오 valuation'.
- Recipes drafted
매크로 시나리오 (1997/2008/2020) × 퀀트 팩터 walk-forward backtest
단순 full-sample 평균 IR 이 아니라 매크로 regime 별 (1997 IMF / 2008 GFC / 2020 COVID) 팩터 (value / quality / momentum) 의 walk-forward IR / Sharpe / max drawdown 산출. 투자자가 "이번 사이클" 에서의 팩터 작동 여부를 알 수 있게. macro ↔ quant 격리 메우는 조합. 트리거 — 'macro scenario backtest', '시나리오 별 팩터', 'regime backtest'.
- Recipes drafted
퀄리티 (QMJ) × 매크로 사이클 — phase 의존 우량주
quality 팩터 (QMJ — Asness/Frazzini/Pedersen) 점수가 매크로 사이클 phase (early-recovery / mid-expansion / late-cycle / contraction) 별로 다르게 작동한다는 검증된 패턴을 단일 회사에 적용. quant ↔ macro 격리 메우는 조합. 트리거 — '퀄리티 사이클', 'QMJ 매크로', 'quality phase'.
- Recipes unverified
dartlab 사용법·API 설명 (RunPython 우회)
dartlab 의 기능·사용법·API 를 설명하는 질문에서 ReadSkill + ReadCapability 만 사용하고 RunPython 가짜 evidence 를 만들지 않는 절차. 트리거 — '사용법 안내', 'API 도움말', 'dartlab 호출 예시'.
- Engines observed
Scan
Scan 엔진은 시장/유니버스 횡단면에서 후보를 발굴하고 순위를 계산하는 실행 스킬이다. 트리거 — '스캔', '종목 발굴', '후보 추출', '랭킹'.
- Engines unverified
전종목 횡단면 주가 스크리닝
런타임 시장 데이터에서 종목 universe와 최신 관측일을 확인한 뒤 조건에 맞는 종목 후보군을 만든다.
- Engines unverified
KRX 지수 강세 분석
런타임 KRX 지수 데이터에서 최신 관측일과 비교 기간을 확인하고 여러 지수의 상대 강세를 검토한다.
- Engines unverified
저평가·수익성 종목 후보 찾기
scan과 재무 prebuild를 이용해 밸류에이션이 낮고 수익성 근거가 있는 후보 종목을 횡단면으로 찾는다.
- Engines observed
Search (공시 본문/제목 검색, BETA)
Search 는 DART 공시의 *제목* (report_nm + section_title) 또는 *본문* (section_content) 을 로컬 인덱스로 검색한다. **BETA — 인덱스 신선도 부족, AI 사용 비권장**. 단일 종목 공시는 `Company.disclosure()` 우선. 트리거 — '공시 검색', '제목 매칭', '본문 BM25', 'search'.
- Engines observed
Story (보고서 빌더)
Story 는 6 막 인과 구조의 회사 보고서를 조립하는 **L3 조합기**다. 분석엔진 X — L2 5 분석엔진 (analysis · credit · macro · quant · industry) 끼리의 import 순환을 방지하기 위해, story 가 단독으로 다중 결합 책임을 짊어진다. L2 5 엔진 + L1.5 (scan) 결과를 블록 단위로 조합 — 11 reportType × 7 기업유형 템플릿. 자체 계산 0, 모든 숫자는 하위 엔진 ref. 트리거 — '보고서', '기업 이야기', 'story', '6 막 인과'.
- Engines unverified
기업 6막 인과 분석
한 기업을 경제, 섹터, 기업, 재무, 가치 신호의 연결로 검토한다.
- Engines unverified
DartLab 스토리형 분석
여러 엔진의 근거를 thesis, evidence, risk, limit 구조로 조립한다.
- Engines observed
Viz (차트·다이어그램 spec)
Viz 는 분석 결과를 19 종 차트 spec (line · bar · table · radar · waterfall · heatmap · histogram · combo · sparkline · pie + DartLab 특화 차트) 으로 변환하는 시각화 엔진이다. RunPython 안에서 `emit_chart(spec)` · `emit_diagram(type, source)` 로 stdout 마커 출력 → AI 도구 결과로 인라인 렌더. 트리거 — '시각화', '차트', 'emit_chart', 'CompileVisual'.
- Engines observed
Viz - 자산·조달 구조 추이
재무상태표의 자산 배치와 부채+자본 조달 구조를 `balance-structure-trend` ChartSpec 으로 변환해 연도별 100% 누적 구조와 총자산 정합성을 함께 보여주는 시각화 실행 스킬이다.
- Engines observed
Viz - 주가차트
OHLCV 가격 시계열을 `price-chart` ChartSpec 으로 변환해 Svelte ChartRenderer 에서 캔들·종가선·거래량·이동평균·벤치마크를 함께 그리는 시각화 실행 스킬이다.
- Engines unverified
표 기반 시각 설명
차트나 다이어그램을 장식이 아니라 검산 가능한 표에서 파생되는 설명 산출물로 만든다.
- Runtime observed
Channel
Channel 실행 환경의 제약, 시작 절차, 검증 기준을 Skill OS에서 확인한다.
- Runtime unverified
데이터 가용성 확인
분석 전에 dataset, Company topic, snapshot 최신성, 실행 가능 runtime을 확인한다.
- Runtime observed
MCP
MCP 실행 환경의 제약, 시작 절차, 검증 기준을 Skill OS에서 확인한다.
- Runtime unverified
MCP 외부 AI Workbench 연결
MCP 클라이언트가 DartLab skill resolver와 workbench action을 같은 방식으로 쓰게 한다.
- Runtime observed
Colab · Molab · 로컬 marimo 노트북
같은 dartlab 코드를 Colab (Google) · Molab (marimo cloud) · 로컬 marimo 세 경로로 실행하는 노트북 카탈로그와 작성·운영 규칙이다.
- Runtime observed
Provider Protocol 동일 surface — 3-regulator drop-in
dart/edgar/edinet 3 provider 가 만족해야 하는 Protocol 5 종 SSOT 와 새 regulator (SGX·FSA 등) 추가 4 단계 절차를 명시한다. P-PR 트랙의 method-level symmetry baseline 의 기준.
- Runtime observed
Pyodide
Pyodide 실행 환경의 제약, 시작 절차, 검증 기준을 Skill OS에서 확인한다.
- Runtime unverified
Pyodide / Web AI 실행 범위
브라우저에서 가능한 DartLab skill과 제한을 구분한다.
- Runtime observed
RunPython 신뢰 경계
dartlab RunPython 도구 안에서 무엇이 허용되고 무엇이 차단되는지 명시한다. 외부 클라이언트가 attach 한 상태에서도 신뢰 경계가 회색 지대 없이 분명하도록 SSOT.
- Runtime unverified
Workbench 5 패스 + ref 발급 명세
ask 작업대의 5 패스 (BRIEF→WORK→CRITIQUE→COMPOSE→GATE→HARVEST) 와 각 패스에서 발급해야 할 ref kind 를 단일 SSOT 로 못박는다.
- Start observed
DartLab Skill OS 최초 진입
사람과 LLM 이 DartLab 을 처음 볼 때 Skills 카탈로그 하나에서 분석 · 엔진 능력 · 운영 규칙 · 확장 절차를 찾는 공식 시작점이다. 외부 API 문서나 흩어진 ops 폴더 대신 skill 검색 → frontmatter 확인 → 본문 절차 → 검증 게이트 순서를 따른다.
- Start observed
첫 회사 분석 recipe — install → quickStart → Company → Analysis
dartlab 처음 마주친 사람·AI 가 환경 준비부터 첫 회사 재무 분석까지 4 단계 순서로 한 번에 통과하는 recipe. 각 단계는 별도 skill 을 가리키고, 끝나면 시장 횡단 (scan) 또는 가치평가 (valuation) 로 분기 가능.
- Start observed
uv로 DartLab 설치와 첫 실행
DartLab을 처음 설치하거나 새 환경에서 실행할 때 uv로 Python부터 dartlab까지 한 번에 준비하는 최소 절차다.
- Start observed
DartLab 8 단계 빠른 시작
설치 직후 Company · sections · show · diff · EDGAR · scan · ask 까지 핵심 기능을 한 번에 통과하는 walkthrough 절차다.
- Start observed
Skill catalog 기반 작업 시작
dartlab 코드 전체를 읽기 전에 skills catalog 만 보고 목적 skill · 공개 호출 방식 · 대표 반환 형태 · 근거 요구사항을 찾는 시작 절차다. AI 와 사람이 같은 표면을 보고 같은 속도로 진입한다.
- Recipes drafted
달러 펀딩 스트레스 원자료 점검
달러인덱스, 원달러 환율, VIX, HY spread, 금융상태지수 원자료를 gather로 확인해 글로벌 위험회피와 달러 펀딩 압력이 커지는지 판단하는 절차. 트리거 — '달러 스트레스', '달러 펀딩', 'DXY', 'USDKRW', '위험회피'.
- Recipes drafted
글로벌 유동성 펄스 원자료 점검
macro 축의 유동성 판정에 아직 직접 드러나지 않는 Fed balance sheet, reverse repo, M2, 정책금리 원자료를 gather로 모아 글로벌 달러 유동성의 방향을 점검하는 절차. 트리거 — '글로벌 유동성', '달러 유동성', 'Fed balance sheet', 'RRP', 'M2'.
- Recipes drafted
현재 매크로 위치의 역사적 비교
현재 거시 상태를 1997 아시아 위기, 2008 금융위기, 2020 COVID, 2022 인플레 긴축 같은 역사적 충격과 나란히 비교해 지금의 위치를 설명하는 절차. 트리거 — '2008과 비교', '과거 위기 대비', '현재 위치', '역사적 percentile'.
- Recipes drafted
인플레이션 확산성 원자료 점검
CPI, PPI, 유가, 기대인플레이션, 정책금리 원자료를 gather로 모아 인플레이션이 단일 품목 충격인지 광범위한 압력인지 확인하는 절차. 트리거 — '인플레 확산', '물가 압력', 'CPI PPI 유가', '기대인플레이션'.
- Recipes drafted
한국 수출 사이클 원자료 나우캐스트
ECOS/FRED/KRX 원자료와 macro.trade 해석을 묶어 한국 수출 경기의 현재 방향을 빠르게 점검하는 절차. macro 축에 없는 반도체·원화·KOSPI 반응 proxy를 gather로 보강한다. 트리거 — '한국 수출', '수출 사이클', '반도체 경기', '교역조건'.
- Recipes drafted
한국 매크로 스트레스 지도
한국 시장을 기준으로 환율, 교역, 금리, 유동성, 위기, 자산/심리 축을 묶어 외국인 수급과 수출 민감도가 큰 시장의 거시 스트레스를 판단하는 절차. 트리거 — '한국 매크로', 'KR 스트레스', '원달러', 'KOSPI 위험', '수출 경기'.
- Recipes drafted
노동시장 전환점 원자료 점검
실업률, 신규실업수당, 비농업고용, 임금, Sahm rule 관련 원자료를 gather로 확인하고 macro.forecast와 대조해 노동시장 둔화의 전환점을 찾는 절차. 트리거 — '노동시장 둔화', '실업률', '고용 전환점', 'Sahm rule'.
- Recipes drafted
경제 시나리오 인과 다이어그램
macro.scenario 또는 경제분석 결과를 Mermaid 인과 그래프로 emit 하여 충격 전파 경로를 시각화하는 절차. 트리거 — '시나리오 그래프', '인과 다이어그램', '충격 전파', '경제 흐름도'.
- Recipes drafted
경제분석 6막 진입 절차
종목 없이 경제분석을 시작할 때 macro 12축을 6막 인과 순서로 호출해 현재 경기 위치, 정책, 금융시스템, 시장 반응, 향후 시나리오를 한 번에 정리하는 절차. 트리거 — '경제분석 시작', '거시 전체', '매크로 6막', '경제 상황 요약'.
- Recipes drafted
꼬리위험 시나리오 스캔
2008 금융위기, 2020 COVID, 인플레이션 충격, 신용 충격 같은 macro.scenario 결과를 나란히 실행해 현재 macro summary 대비 하방 시나리오의 손실 경로와 취약 축을 찾는 절차. 트리거 — 'tail risk', '꼬리위험', '최악 시나리오', '5시그마 이벤트'.
- Recipes drafted
수익률곡선 스트레스 원자료 점검
장단기 금리차, 정책금리, 장기금리 원자료를 gather로 직접 확인하고 macro.rates 해석과 대조해 경기침체 선행 신호와 정책 압력을 점검하는 절차. 트리거 — '수익률곡선', '장단기 금리차', 'yield curve', '금리 역전'.
- Engines observed
Viz - Evidence Coverage
분석 답변의 핵심 주장별 근거 충족 여부를 `evidence-coverage` ChartSpec 또는 coverage table 로 표현해 빈 주장과 검산 누락을 드러낸다.
- Engines observed
Viz - 재무제표 구조 차트 묶음
손익·재무상태·현금흐름 표를 `income-trend-matrix`, `balance-structure-trend`, `cashflow-signed-matrix` ChartSpec 으로 바꿔 재무제표 구조와 기간 변화를 설명하는 시각화 실행 스킬이다.
- Engines observed
Viz - Mermaid 인과 다이어그램
숫자 표로만 설명하기 어려운 충격 전파, 공시 변화, 지배구조 연결, thesis falsifier 경로를 Mermaid diagram 으로 제한적으로 표현한다.
- Engines observed
Viz - Cashflow Waterfall
영업·투자·재무활동 현금흐름과 배당/차입 변화가 현금 잔고를 어떻게 설명하는지 `waterfall` ChartSpec 으로 만든다.
- Engines observed
Viz - 시나리오·민감도 시각화
매크로 충격, valuation 민감도, stress test 결과를 `six-act-radar`, `heatmap`, Mermaid graph 로 표현해 충격 전파와 민감도를 분리해서 보여준다.
- Engines observed
Viz - Peer Matrix
동종 기업 × 지표 행렬을 `peer-matrix` ChartSpec 으로 만들어 밸류에이션, 수익성, 성장성, 안정성의 상대 위치를 한 번에 비교한다.
- Engines observed
Viz - KPI Ribbon
보고서 첫 화면에 필요한 핵심 KPI 4~8개를 `kpi-ribbon` ChartSpec 으로 묶어 결론 요약과 근거 drill-back 을 동시에 제공한다.
- Recipes unverified
Damodaran L1/L1.5 분석체계 진입점
Damodaran식 분석을 DCF 계산 하나가 아니라 narrative, life cycle, 재무 정규화, value driver, risk, intrinsic/relative valuation, 특수상황, reverse DCF, memo까지 이어지는 L1/L1.5 스킬 체계로 라우팅하는 최초 진입점이다. 트리거 — '다모다란 분석', 'Damodaran valuation system', 'L1/L1.5 가치평가 스킬팩'.
- Recipes unverified
Damodaran L1.5 데이터 감사
Damodaran식 가치평가를 시작하기 전에 L1/L1.5 데이터만으로 재무, 가격, 시총, 세그먼트, 국가·산업 기본값, 문서 근거가 충분한지 판정하는 절차. 트리거 — 'Damodaran 데이터 감사', 'L1.5 가치평가 가능성', 'DCF 전 데이터 점검'.
- Recipes unverified
Damodaran 모델 적합성 게이트
일반 FCFF DCF를 적용해도 되는 회사인지 금융업, 보험, 지주, 적자, 고성장, 경기순환, 구조전환 유형으로 먼저 분류하는 절차. 트리거 — 'DCF 모델 적합성', '금융업 DCF 차단', 'Damodaran business model fit'.
- Recipes unverified
Damodaran 생애주기 분류
L1 재무 패널만으로 Damodaran식 기업 생애주기(highGrowth, matureGrowth, matureStable, decline, turnaround, financialFirmOnly)를 분류하고 DCF 가정의 출발점을 고정하는 절차. 트리거 — 'Damodaran life cycle', '기업 생애주기 분류', '성장 단계 판정'.
- Recipes unverified
Damodaran 내러티브 맵
Company metadata, topics, 재무 패널, reference mapping을 엮어 사업 스토리를 성장·마진·리스크·모델 경로로 구조화하는 L1/L1.5 절차. 트리거 — 'Damodaran narrative map', '스토리 숫자 연결', '사업 내러티브 가치평가'.
- Recipes unverified
Damodaran 스토리-드라이버 변환
narrativeMap의 사업 스토리를 성장률, 정상 마진, sales-to-capital, WACC, terminal growth, reverse DCF 요구 성장률로 변환하는 절차. 트리거 — 'story to drivers', '스토리를 숫자로', 'Damodaran driver map'.
- Recipes unverified
Damodaran 정규화 재무 패널
L1 재무제표만으로 매출, 영업이익, 세율, NOPAT, 운전자본, 감가상각, capex, FCF를 5-10년 패널로 정규화하는 절차. 트리거 — 'normalized financials', 'Damodaran 재무 정규화', 'FCFF 계산 전 패널'.
- Recipes unverified
Damodaran 계정 출처 감사
Damodaran식 재무 정규화에 쓰인 매출, EBIT, 세금, CFO, capex, 감가상각, 현금, 부채, 자본, 운전자본 계정의 L1 출처를 감사하는 절차. 트리거 — '계정 trace', '출처 감사', 'valuation account provenance'.
- Recipes unverified
Damodaran R&D 자본화 감사
L1 재무제표의 연구개발비 라인을 찾아 R&D 자본화 필요 여부와 결손을 표시하는 Damodaran식 정규화 절차. 트리거 — 'R&D capitalization', '연구개발비 자본화', 'Damodaran R&D adjustment'.
- Recipes unverified
Damodaran 리스부채 조정 감사
L1 재무제표에서 리스·사용권자산·리스부채 라인을 찾아 부채와 영업자산 조정 필요성을 표시하는 절차. 트리거 — 'lease debt adjustment', '리스부채 조정', '사용권자산 가치평가'.
- Recipes unverified
Damodaran 일회성 항목 조정 감사
손상, 구조조정, 중단영업, 소송, 비경상 손익 등 one-off line item을 찾아 normalized EBIT/FCFF 조정 필요성을 표시하는 절차. 트리거 — 'one-off adjustment', '비경상 손익 조정', '정규화 이익'.
- Recipes unverified
Damodaran 재투자율과 ROC
정규화 재무 패널에서 sales-to-capital, reinvestment rate, ROIC/ROC, incremental ROC를 계산하고 성장률이 재투자와 수익성으로 설명되는지 반증하는 절차. 트리거 — 'ROIC 재투자율', 'growth = ROC x reinvestment', 'Damodaran value driver'.
- Recipes unverified
Damodaran 성장 실현가능성 검증
성장률이 reinvestment rate와 ROC로 설명되는지, 현재 가격이 요구하는 성장률이 정규화 재무와 맞는지 검증하는 Damodaran식 value driver 반증 절차. 트리거 — 'growth feasibility', '성장률 실현가능성', 'reinvestment ROC consistency'.
- Recipes unverified
Damodaran 비용자본 가정
국가 ERP, 무위험금리, 세율, 산업 beta와 debt/capital 기본값을 L1.5 reference에서 읽어 WACC 가정과 fallback reason을 만드는 절차. 트리거 — 'WACC 가정', 'Damodaran ERP beta', '비용자본 reference'.
- Recipes unverified
Damodaran FCFF DCF 밴드
정규화 FCFF, 재투자율, ROC, WACC를 조합해 고성장기, 전환기, 정상상태의 FCFF DCF 가치 밴드를 만드는 절차. 트리거 — 'FCFF DCF', 'Damodaran DCF band', 'terminal ROC consistency'.
- Recipes unverified
Damodaran 상대가치 검산
EV/Sales, EV/EBIT, PE, PB 등 상대가치를 DCF 결론의 sanity check로만 사용하고 US valuation scan 부재는 partial gap으로 남기는 절차. 트리거 — 'relative valuation check', 'DCF peer sanity', 'Damodaran multiple cross-check'.
- Recipes unverified
Damodaran Peer Multiple 분해
EV/Sales, EV/EBIT, P/B 같은 상대가치 multiple을 성장·마진·ROC·리스크 driver로 분해해 DCF sanity check로만 쓰는 절차. 트리거 — 'peer multiple decomposition', '상대가치 분해', 'multiple sanity check'.
- Recipes unverified
Damodaran 금융업 Excess Return 경로
은행·보험·증권 등 금융업이 일반 FCFF에서 차단될 때 book equity, ROE proxy, cost of equity를 이용해 excess-return 모델 필요성을 표시하는 절차. 트리거 — 'financial firm excess return', '금융업 가치평가', '은행 Damodaran'.
- Recipes unverified
Damodaran Sum-of-Parts 경로
세그먼트·지주회사·복합 사업에 대해 단일 FCFF 대신 segment별 revenue/EBIT 근거와 결손을 분리하는 절차. 트리거 — 'sum of parts', 'SOTP', '세그먼트 가치평가'.
- Recipes unverified
Damodaran Distress 조정 DCF 경로
부채비율, FCFF 음수 비율, DCF 상태를 이용해 일반 DCF에 distress 조정이 필요한지 판정하는 절차. 트리거 — 'distress adjusted DCF', '부실위험 DCF', '재무위험 가치평가'.
- Recipes unverified
Damodaran 시나리오 반증
bull/base/bear 민감도, reverse DCF, 현재 가격이 요구하는 성장·마진·ROC를 계산해 Damodaran식 내재 스토리를 반증하는 절차. 트리거 — 'reverse DCF', '내재 성장률', 'Damodaran scenario falsifier'.
- Recipes unverified
Damodaran L1/L1.5 딥다이브
L2 분석 엔진 없이 L1/L1.5 데이터와 Damodaran식 가정 검증만으로 가치평가 memo, DCF 밴드, reverse DCF, 반증, storyboardReady 초안을 만드는 최종 오케스트레이터. 트리거 — 'Damodaran deep dive', 'L1/L1.5 가치평가 memo', '다모다란 딥다이브'.
- Recipes observed
Evidence Forensics Incubator 진입점
L2 분석엔진을 호출하지 않고 Company.show 원표, DART/EDGAR 공시 원문, scan primitive, synth helper만으로 회계·공시 포렌식 신호를 실험하고 엔진 승격 후보를 남기는 L1/L1.5 스킬팩 진입점이다. 트리거 — '포렌식 팩', 'L1.5 회계 검증', '엔진 후보 인큐베이터'.
- Recipes observed
Forensics Data Coverage Audit
포렌식 분석 전에 Company.show 원표와 L1.5 helper가 실제로 어떤 기간·계정 coverage를 갖는지 확인해 결손을 0으로 채우는 회귀를 막는다. 트리거 — '포렌식 데이터 coverage', '원표 결손 점검'.
- Recipes observed
Forensics Account Trace Ledger
매출, CFO, 매출채권, 재고, 매입채무 같은 포렌식 핵심 metric이 어떤 raw statement row에서 왔는지 추적해 엔진 승격 전 계정 매핑 품질을 검증한다. 트리거 — '계정 trace ledger', 'raw 계정 매핑 검산'.
- Recipes observed
Revenue To Cash Bridge
L2 이익품질 엔진 없이 raw IS/BS/CF만으로 매출 성장, 매출채권 성장, CFO/순이익 괴리를 연결해 매출이 현금으로 회수되는지 검증한다. 트리거 — '매출 현금 bridge', 'revenue to cash', '매출채권 괴리'.
- Recipes observed
Working Capital Pressure Map
raw BS/IS만으로 DSO, DIO, DPO, CCC와 재고 성장 gap을 계산해 운전자본 압력이 이익품질·유동성 신호로 승격 가능한지 실험한다. 트리거 — '운전자본 pressure', 'CCC 원표 계산', '재고 매출 gap'.
- Recipes observed
Filing Note Signal Extractor
사업보고서·주석 원문에서 대손, 재고평가, 특수관계자, 계속기업, 소송, 파생상품, 정정, 팩토링 같은 rare keyword 신호를 추출해 원표 신호의 설명력을 보강한다. 트리거 — '주석 포렌식 신호', '공시 rare keyword', '대손 재고평가 주석'.
- Recipes observed
Event To Statement Matcher
유상증자, 전환사채, 정정공시, 감사의견, 소송 같은 공시 이벤트를 같은 기간의 원표 압력과 맞춰 이벤트가 재무제표 변화와 연결되는지 검증한다. 트리거 — '이벤트 재무제표 매칭', '공시 이벤트 포렌식'.
- Recipes observed
Cross Section Anomaly Rank
scan.quality, scan.audit, scan.disclosureRisk 같은 L1.5 횡단 primitive를 포렌식 후보 발굴에만 사용하고, 단일 기업 결론은 원표 selfRun으로 다시 검증하게 만든다. 트리거 — '포렌식 이상치 랭킹', 'scan primitive 이상치'.
- Recipes observed
Forensics Falsifier Ledger
revenue-to-cash, working capital, note signal, event match에서 나온 의심 신호마다 반대 설명과 추가 확인 항목을 열어 스킬이 과잉 결론으로 흐르지 않게 한다. 트리거 — '포렌식 반증 ledger', '의심 신호 반례'.
- Recipes observed
Forensics Engine Candidate Memo
포렌식 스킬 실행 결과에서 반복 가능하고 반증 조건이 명확한 신호를 L2 엔진 후보로 정리하되, 승격 후에도 recipe 검산 경로로 계속 남기는 계약을 만든다. 트리거 — '엔진 후보 memo', '스킬에서 엔진 환류'.
- Recipes observed
Evidence Forensics Deep Dive
L2 분석엔진 없이 data coverage, account trace, revenue-cash bridge, working capital, note/event signal, falsifier, engine candidate memo를 한 번에 실행하는 깊은 포렌식 팩 최종 절차다. 트리거 — '포렌식 deep dive', 'analysis 없이 깊게 검증'.
- Recipes observed
Event Radar Incubator 진입점
Company.disclosure, liveFilings, gather 원자료, scan primitive, observed viz skill만으로 단기 이벤트와 시장 반응을 묶어 촉매 후보를 찾는 L1/L1.5 스킬팩 진입점이다. 트리거 - '이벤트 레이더', '촉매 체크', '공시와 주가 반응'.
- Recipes observed
Event Radar Source Coverage Audit
이벤트 레이더 실행 전에 filing, news, price, flow, insider, ownership, dividend, split, consensus, scan primitive의 row coverage를 확인하는 L1/L1.5 절차다.
- Recipes observed
Event Radar Event Inbox
Company.disclosure/liveFilings와 gather.news 원자료의 제목·본문 키워드만으로 단기 이벤트 inbox를 만드는 L1/L1.5 절차다.
- Recipes observed
Event Radar Price Flow Reaction
gather price/flow 원자료로 이벤트 전후 가격·거래량·수급 반응을 확인하는 L1/L1.5 절차다.
- Recipes observed
Event Radar Insider Ownership Signal
gather insiderTrading, ownership, majorShareholders 원자료로 내부자·주요주주 변화 신호를 확인하는 L1/L1.5 절차다.
- Recipes observed
Event Radar Capital Action Monitor
dividends, splits, 자사주, 증자, 전환사채 등 자본 이벤트 원자료를 묶어 단기 촉매를 확인하는 L1/L1.5 절차다.
- Recipes observed
Event Radar Consensus Drift Watch
gather consensus 원자료의 최근 두 row를 비교해 매출, 영업이익, EPS, 목표가 변화 신호를 확인하는 L1/L1.5 절차다.
- Recipes observed
Event Radar Falsifier Ledger
이벤트·반응·내부자·자본 이벤트·컨센서스 신호마다 필요한 반증 조건을 열어 결론 과잉을 막는 L1/L1.5 절차다.
- Recipes observed
Event Radar Engine Candidate Memo
이벤트 레이더에서 반복 가능한 신호를 나중에 엔진으로 환류할 후보로 정리하되, recipe 검산 경로는 계속 유지하는 L1/L1.5 절차다.
- Recipes observed
Event Radar Visual Decision Pack
이벤트 레이더 결과에서 사용할 수 있는 observed viz surface만 선택하고, evidenceBinding이 없으면 차트를 막는 L1/L1.5 절차다.
- Recipes observed
Event Radar Deep Dive
source coverage, event inbox, price/flow reaction, insider/ownership, capital action, consensus drift, falsifier, engine candidate, visual gate를 한 번에 실행하는 이벤트 레이더 최종 절차다.
- Recipes observed
Thesis Kill-Chain Scenario 진입점
사용자의 투자 thesis를 지지하는 대신 일부러 깨보는 pre-mortem 시나리오 스킬팩 진입점이다. Company.show 원표, Company.disclosure, Company.gather, scan primitive만으로 가정, 취약 지표, 촉발 조건, 전파 경로, tripwire, 반증 조건을 만든다. 트리거 - 'thesis kill chain', '프리모템', '투자 논리 깨보기'.
- Recipes observed
Thesis Kill-Chain Thesis Intake
사용자 thesis를 받아 growth, margin, cash, balance sheet, valuation, event, macro, governance theme으로 파싱하는 pre-mortem 시작 절차다.
- Recipes observed
Thesis Kill-Chain Evidence Coverage Audit
pre-mortem 시나리오에 필요한 statements, filings, price, flow, consensus, scan, assumptions coverage를 확인하는 L1/L1.5 절차다.
- Recipes observed
Thesis Kill-Chain Assumption Ledger
사용자 thesis를 revenueGrowth, marginDurability, cashConversion, balanceSheet, valuationSupport 등 testable assumption으로 분해하는 L1/L1.5 절차다.
- Recipes observed
Thesis Kill-Chain Fragility Map
IS/BS/CF, price/flow, consensus 원자료에서 thesis를 깨기 쉬운 revenue, margin, cash, leverage, market, expectation 취약 지표를 계산하는 L1/L1.5 절차다.
- Recipes observed
Thesis Kill-Chain Trigger Catalog
fragilityMap, filings, scan primitive에서 thesis를 흔드는 촉발 조건을 모으는 L1/L1.5 절차다.
- Recipes observed
Thesis Kill-Chain Propagation Path
trigger가 어떤 mechanism을 거쳐 어떤 assumption을 깨는지 연결하는 pre-mortem 전파 경로 절차다.
- Recipes observed
Thesis Kill-Chain Tripwire Monitor
fragility metric별 current, threshold, action을 정리해 thesis가 깨지는 조기 경보선을 만드는 L1/L1.5 절차다.
- Recipes observed
Thesis Kill-Chain Falsifier Ledger
kill-chain path가 틀렸음을 보여줄 counter-evidence를 trigger별로 열어 thesis 붕괴 단정을 막는 L1/L1.5 절차다.
- Recipes observed
Thesis Kill-Chain Scenario Storyboard
baseIntact, erosionCase, killChainCase 세 시나리오로 thesis pre-mortem을 정리하는 L1/L1.5 절차다.
- Recipes observed
Thesis Kill-Chain Visual Decision Pack
scenarioStoryboard, propagationPath, evidenceCoverageAudit, headline metric에 맞는 observed viz surface만 선택하는 L1/L1.5 절차다.
- Recipes observed
Thesis Kill-Chain Premortem Quality Gate
Thesis Kill-Chain 결과를 최종 답변으로 쓰기 전, thesis·근거 폭·가정 수·취약 지표·trigger·전파 경로·tripwire·falsifier·scenario·visual binding을 모두 통과했는지 막판에 차단하는 품질 게이트다. 트리거 — '타협 없이 thesis 깨기', 'premortem quality gate', '강한 스킬 검증'.
- Recipes observed
Thesis Kill-Chain Deep Dive
thesis intake, evidence coverage, assumption ledger, fragility map, trigger catalog, propagation path, tripwire, falsifier, scenario storyboard, visual gate, premortem quality gate를 한 번에 실행하는 pre-mortem 시나리오 최종 절차다.