Engines unverified

동종 기업 비교 분석

둘 이상의 기업을 같은 metric, 같은 기간, 같은 기준으로 비교해 상대 우위와 한계를 판단한다.

engines.analysis.peerComparison GitHub 원본

절차

실행 순서

  1. 1

    각 대상의 식별 결과를 확인한다.

  2. 2

    같은 metric과 기간을 가진 evidence를 대상별로 만든다.

  3. 3

    한쪽만 있는 수치로 강한 비교 결론을 내지 않는다.

  4. 4

    비교 표가 있으면 visual을 만든다.

  5. 5

    `c = dartlab.Company("005930")`

  6. 6

    `c.analysis()`

  7. 7

    `c.analysis("financial", "수익성")`

  8. 8

    `dartlab.analysis(c, axis="financial", sub="수익성")`

  9. 9

    Company 재무 snapshot과 표준 계정 매핑을 읽어 단일 기업의 재무 축을 계산한다. 인자 없이 호출하면 사용 가능한 axis/subaxis 가이드 DataFrame을 반환한다. 데이터가 없으면 값을 만들지 않고 None 또는 데이터 부재 메시지로 제한한다.

  10. 10

    실행 전에 target, period/date, metric, source 또는 universe를 확인한다.

  11. 11

    데이터가 없거나 runtime 제한이 있으면 값을 추정하지 않고 한계와 필요한 다음 수집 경로를 말한다.

  12. 12

    주로 DataFrame 또는 dict-like 결과를 반환한다. 핵심 컬럼/키는 period, metric/account, value, unit, basis, comment이며 금액 단위는 원/백만원, 비율은 % 또는 배수다.

예시

이런 질문이 들어오면 이 skill 을 쓴다

  • 삼성전자와 SK하이닉스 경쟁력 비교

출력

기대 결과

  • 동일축 비교표
  • 우위/열위 판단
  • 데이터 누락 한계

절차

  • 각 대상의 식별 결과를 확인한다.
  • 같은 metric과 기간을 가진 evidence를 대상별로 만든다.
  • 한쪽만 있는 수치로 강한 비교 결론을 내지 않는다.
  • 비교 표가 있으면 visual을 만든다.

공개 호출 방식

  • c = dartlab.Company("005930")
  • c.analysis()
  • c.analysis("financial", "수익성")
  • dartlab.analysis(c, axis="financial", sub="수익성")

호출 동작

  • Company 재무 snapshot과 표준 계정 매핑을 읽어 단일 기업의 재무 축을 계산한다. 인자 없이 호출하면 사용 가능한 axis/subaxis 가이드 DataFrame을 반환한다. 데이터가 없으면 값을 만들지 않고 None 또는 데이터 부재 메시지로 제한한다.
  • 실행 전에 target, period/date, metric, source 또는 universe를 확인한다.
  • 데이터가 없거나 runtime 제한이 있으면 값을 추정하지 않고 한계와 필요한 다음 수집 경로를 말한다.

대표 반환 형태

  • 주로 DataFrame 또는 dict-like 결과를 반환한다. 핵심 컬럼/키는 period, metric/account, value, unit, basis, comment이며 금액 단위는 원/백만원, 비율은 % 또는 배수다.
  • 전체 세부 필드는 공개 docstring/capability와 동기화한다. 코드/API 변경으로 이 설명이 오래되면 skill 갱신 누락으로 본다.

기본 검증

  • 실행 결과는 tableRef, valueRef, dateRef, executionRef 중 필요한 근거로 남긴다.
  • 최종 판단의 숫자 claim은 해당 table/value ref에 직접 묶는다.
  • 스킬과 실제 공개 API의 호출 방식, 대표 반환 형태, 오류/제한 동작이 다르면 같은 변경에서 스킬을 갱신한다.

런타임

실행 환경별 호환성

환경상태비고 / 제한
Local Python supported
Server supported
MCP supported
Web AI limited
Pyodide limited
  • 여러 종목 parquet를 브라우저 메모리에 올리므로 대상 수를 작게 유지한다.
  • live market/macro 보강은 서버 환경에서만 한다.

실패 회피

흔한 실패 · 절대 금지

흔한 실패
  • partial comparison
  • 서로 다른 기간/metric 혼합
절대 금지
  • 한쪽 수치만으로 우열 단정