Engines Recipe unverified

공시 위험 스크린 (전종목 disclosure 위험 + 정정 신호)

전종목 횡단으로 공시 위험 신호 (정정 빈도, 자기자본 변동, 영업환경 변경 등) 가 높은 종목 후보를 추출하는 절차.

engines.recipe.disclosureRiskScreen GitHub 원본

연계 절차

이 절차의 단계

  1. 1
    Scan - 공시리스크 engines.scan.disclosureRisk

    전종목 위험 점수

  2. 2
    전종목 횡단면 주가 스크리닝 engines.scan.crossSectionStockScreen

    필터

  3. 3
    Analysis - 공시변화 engines.analysis.disclosureChange

    변화 신호 분석

절차

실행 순서

  1. 1

    `tableRef` 2 개 (위험 스캔 + 상위 후보)

  2. 2

    `dateRef` 1 개

  3. 3

    답변 본문 markdown table — 위험 후보 10 행 (위험 점수 + 정정 빈도 + 비고)

  4. 4

    위험 점수 + 정정 빈도 + 사유 함께.

  5. 5

    "분식 가능성" 단정 X — 위험 신호일 뿐 결과 아님.

  6. 6

    상위 후보의 산업·시가총액 분포 확인.

공개 호출 방식

import dartlab

risk_scan = dartlab.scan("disclosureRisk")
top_risks = risk_scan.head(10)
# 상위 위험 종목 각각의 정정 공시 검사 (sequential)

호출 동작

전종목 disclosure 위험 점수 → 상위 N 추출 → 각 종목의 정정 공시 / 자기자본 변동 / 임원 변경 패턴 점검.

  1. scan(“disclosureRisk”) — 전종목 위험 점수
  2. crossSectionStockScreen — 매출 규모 + 시가총액 필터
  3. 상위 10 후보 추출
  4. 각 후보의 disclosureEvent (sequential) — 정정 공시 검증

대표 반환 형태

  • tableRef 2 개 (위험 스캔 + 상위 후보)
  • dateRef 1 개
  • 답변 본문 markdown table — 위험 후보 10 행 (위험 점수 + 정정 빈도 + 비고)

연계 절차

  1. engines.scan.disclosureRisk — 전종목 위험 점수
  2. engines.scan.crossSectionStockScreen — 필터
  3. engines.analysis.disclosureChange — 변화 신호 분석

기본 검증

  • 위험 점수 + 정정 빈도 + 사유 함께.
  • “분식 가능성” 단정 X — 위험 신호일 뿐 결과 아님.
  • 상위 후보의 산업·시가총액 분포 확인.

런타임

실행 환경별 호환성

환경상태비고 / 제한
Local Python supported
Server supported
MCPunknown
Web AIunknown
Pyodide limited
  • browser 안에서는 전종목 스캔 메모리 부담