운전자본 quality (CCC + 회전율 추세 — L1 raw)

학술 근거

운전자본 (Working Capital) = 유동자산 − 유동부채. 그 안에서 순운전자본 회전 사이클 을 측정하는 framework:

• DSO (Days Sales Outstanding) = (매출채권 / 매출) × 365
• DIO (Days Inventory Outstanding) = (재고 / 매출원가) × 365
• DPO (Days Payables Outstanding) = (매입채무 / 매출원가) × 365
• CCC (Cash Conversion Cycle) = DSO + DIO − DPO. 현금이 운전자본에 묶여 있는 일수.

학술·실무 검증:

• Sloan (1996) 의 accruals anomaly — 매출채권·재고 급증이 미래 abnormal return 음(-) 예측. 본 recipe 의 변동률 분석이 그 신호.
• Dechow-Kothari-Watts (1998): CCC 단축 = 운전자본 효율 + 매출 신뢰도 동시 시그널.
• Damodaran (2007): 매출 성장보다 매출채권 성장 빠른 회사 = “매출 인식 의심” — 분식 회계 신호.

핵심 패턴:

• DSO 급증 + 매출 성장 둔화 = 채권 미회수 누적 → 향후 손상 위험.
• DIO 급증 + 매출 성장 둔화 = 재고 적체 → 평가손 위험.
• DPO 급증 = 거래처 신용 활용 (현금 보전) 또는 지급 능력 약화.
• CCC 음수 = 매입채무로 매출/재고 funding 가능 (Apple 모델, Amazon 모델).

공개 호출 방식

import dartlab
import polars as pl

c = dartlab.Company("005930")

bs_df = c.show("BS", freq="Y")
is_df = c.show("IS", freq="Y")
years = ["2025", "2024", "2023", "2022", "2021"]

def fetchSeries(df: pl.DataFrame, snake: str, years: list[str]) -> list[float]:
    row = df.filter(pl.col("snakeId") == snake).select(years)
    return row.to_numpy()[0].tolist() if row.height > 0 else [0.0] * len(years)

ar = fetchSeries(bs_df, "trade_receivables", years)        # 매출채권
inv = fetchSeries(bs_df, "inventories", years)              # 재고
ap = fetchSeries(bs_df, "trade_payables", years)            # 매입채무
sales = fetchSeries(is_df, "sales", years)                  # 매출
cogs = fetchSeries(is_df, "cost_of_sales", years)           # 매출원가

rows = []
for i, y in enumerate(years):
    rows.append({
        "year": y,
        "dso": ar[i] / sales[i] * 365 if sales[i] > 0 else None,
        "dio": inv[i] / cogs[i] * 365 if cogs[i] > 0 else None,
        "dpo": ap[i] / cogs[i] * 365 if cogs[i] > 0 else None,
        "ccc": (
            (ar[i] / sales[i] * 365 if sales[i] > 0 else 0)
            + (inv[i] / cogs[i] * 365 if cogs[i] > 0 else 0)
            - (ap[i] / cogs[i] * 365 if cogs[i] > 0 else 0)
        ),
        "arGrowth": (ar[i] - ar[i+1]) / ar[i+1] * 100 if i < len(years)-1 and ar[i+1] > 0 else None,
        "salesGrowth": (sales[i] - sales[i+1]) / sales[i+1] * 100 if i < len(years)-1 and sales[i+1] > 0 else None,
        "invGrowth": (inv[i] - inv[i+1]) / inv[i+1] * 100 if i < len(years)-1 and inv[i+1] > 0 else None,
    })

quality = pl.DataFrame(rows)
quality = quality.with_columns(
    (pl.col("arGrowth") - pl.col("salesGrowth")).alias("arVsSalesGap"),
    (pl.col("invGrowth") - pl.col("salesGrowth")).alias("invVsSalesGap"),
)

호출 동작

1. c.show("BS" | "IS", freq="Y") 2 회 — 5 년 wide 시계열.
2. snakeId 로 5 항목 추출 (매출채권·재고·매입채무·매출·매출원가).
3. DSO / DIO / DPO / CCC 5 기간 계산.
4. AR Growth − Sales Growth gap 계산 — 매출 신뢰도 시그널.
5. Inventory Growth − Sales Growth gap 계산 — 재고 적체 시그널.

대표 반환 형태

quality : pl.DataFrame — 컬럼:

• year : str
• dso, dio, dpo : float — 일수
• ccc : float — Cash Conversion Cycle
• arGrowth, salesGrowth, invGrowth : float — YoY %
• arVsSalesGap : float — AR Growth − Sales Growth (양수 = 매출보다 채권 빨리 늘어남)
• invVsSalesGap : float — Inventory Growth − Sales Growth (양수 = 매출보다 재고 빨리 늘어남)

한계

• snakeId 가용성 — trade_receivables, trade_payables 명칭 회사별 다름. 세부 항목 (단기·장기 채권 분리) 별 처리 필요할 수 있음. fallback 으로 receivables 또는 accounts_receivable 시도.
• 금융업 부적합 — 은행·보험 BS 구조 다름 (대출채권은 trade_receivables 아님). 본 recipe 는 제조·유통·서비스 한정.
• 계절성 — 일부 산업 (의류·여행) 분기 변동 크나 본 recipe 는 연간만. 분기 시계열 분석은 별도.
• 연결 vs 별도 — 자회사 운전자본 포함 (연결). 본업 외 효과 큰 지주회사 주의.

한국 / 미국 시장 차이

• 한국: 한국 제조업 평균 DSO 60-90 일, DIO 40-70 일, DPO 50-80 일 → CCC 평균 50-100 일. 자동차·반도체는 DIO 짧음 (회전율 빠름).
• 미국: 평균 CCC 짧음 (Wal-Mart·Amazon·Costco 등 음수). 결제 사이클 더 빠르고 retail 효율 우월.

연계 절차

1. 본 recipe → CCC + 회전율 + AR/Inv vs Sales gap 5 년.
2. arVsSalesGap 양수 + 누적 → engines.recipe.earningsQualityTriad 의 Sloan accruals 신호 점검.
3. CCC 추세 확장 → 운전자본 자금 부담 증가 → engines.recipe.distressFilter 와 상호 검증.
4. DSO·DIO·DPO 동인별 변화 → engines.recipe.dupontDriver 의 AssetTurnover 변동과 일치 확인.
5. 산업 평균 (반도체·소비재·통신 등) 과 비교 — 절대값 절대 직접 비교 X.

기본 검증

• DSO + DIO − DPO = CCC 항등식 만족 확인.
• 5 년 CCC 추세 — 안정 또는 단축 = 효율, 확장 = 위험.
• arVsSalesGap 5 년 평균 +5%p 이상 → 채권 미회수 누적 의심 신호.
• invVsSalesGap 5 년 평균 +10%p 이상 → 재고 적체 의심 신호.
• 단년도 변동 크면 사업 모델 변화 (M&A·신사업) 점검 — 비교 가능성 검증 필수.
• “CCC 음수 = 무조건 좋다” 단정 X — Walmart 모델은 plus, 일반 제조업 음수는 거래처 압박.