Event Radar Deep Dive

공개 호출 방식

AI 도구 실행 순서는 EngineCall 우선이다. Company.disclosure, Company.liveFilings, Company.gather, scan.market, scan.insider, scan.capital은 엔진 호출로 근거를 먼저 확보한다. 아래 Python 블록은 확보한 L1/L1.5 근거를 buildEventRadarMemo로 묶는 RunPython fallback 절차다.

import dartlab
from dartlab.synth.eventRadar import buildEventRadarMemo

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

def rows(value, limit=30):
    if hasattr(value, "head") and hasattr(value, "to_dicts"):
        return value.head(limit).to_dicts()
    if isinstance(value, list):
        return value[:limit]
    return []

def gather_rows(axis, limit=30):
    try:
        return rows(c.gather(axis), limit=limit)
    except Exception:
        try:
            return rows(dartlab.gather(axis, target=target), limit=limit)
        except Exception:
            return []

try:
    filings = rows(c.liveFilings(days=7), limit=20)
except Exception:
    try:
        filings = rows(c.disclosure(), limit=50)
    except Exception:
        filings = []

memo = buildEventRadarMemo(
    target=target,
    market=str(getattr(c, "market", "KR")),
    companyName=str(getattr(c, "corpName", target)),
    filings=filings,
    newsRows=gather_rows("news", limit=20),
    priceRows=gather_rows("price", limit=40),
    flowRows=gather_rows("flow", limit=40),
    insiderRows=gather_rows("insiderTrading", limit=20),
    ownershipRows=gather_rows("ownership", limit=20),
    dividendRows=gather_rows("dividends", limit=20),
    splitRows=gather_rows("splits", limit=20),
    consensusRows=gather_rows("consensus", limit=12),
)

emit_result(
    table=memo["tables"]["deepDive"],
    values={
        "target": target,
        "radarScore": memo["headline"]["radarScore"],
        "eventCount": memo["headline"]["eventCount"],
        "openFalsifiers": memo["headline"]["openFalsifierCount"],
        "decisionStatus": memo["headline"]["decisionStatus"],
    },
    date=memo["asOf"],
    sources=memo["sources"],
)

호출 동작

1. 결론 도출

eventRadar finalDecision row 의 radarScore + decisionStatus 단정. 예: “radarScore=72/100, decision=actionable — 촉매 후보 N 건 확정, 시장 반응 검증 후 매수 후보 K 건.”

2. 핵심 근거 수집

• IS/BS/CF 시계열 (Company.show)
• 공시 row 50 건 (Company.disclosure)
• 가격·수급·컨센서스 row (Company.gather price/flow/consensus)
• L1.5 ledger 7 단계 (sourceCoverageAudit → eventInbox → priceFlowReaction → consensusReactionAudit → catalystThesisBridge → premortemCheck → visualDecisionPack)

3. 메커니즘 분석

공시 + 뉴스 + 가격 + 수급 + 컨센서스 5 layer 입력
   ↓
sourceCoverageAudit (각 layer 데이터 신뢰도 점검)
   ↓
eventInbox (잠재 촉매 row 분류)
   ↓
priceFlowReaction (촉매 시점 ±5일 가격·수급 반응)
   ↓
consensusReactionAudit (컨센서스 revision 동행 여부)
   ↓
catalystThesisBridge (반응 + 컨센서스 동행 → 촉매 후보 확정)
   ↓
premortemCheck (반증 검증)
   ↓
visualDecisionPack + finalDecision: radarScore + decisionStatus

각 ledger 의 missing/ok/watch/risk status 가 누적돼 radarScore 산출. 5 layer 모두 ok 면 decisionStatus=actionable.

4. 반례·한계

• 가격·수급·컨센서스 5 layer 중 2+ layer missing 시 catalystThesisBridge 신뢰도 ↓.
• 단일 이벤트만 보고 시장 반응 단정 금지 — peer 동행 여부 별도 확인.
• thesis 가 너무 일반적이면 catalystThesisBridge 가 weak narrative 만 생성 — premortemCheck risk row 발생.
• decisionStatus=operatorReview 시 보강 EngineCall 목록 답안 우선.

5. 후속 모니터링

• radarScore ≥ 70 & actionable: recipes.fundamental.disclosure.eventRadar.eventInbox 의 confirmed 후보 매주 추적.
• watchStatus row 1+ 건: 다음 turn recipes.fundamental.disclosure.eventRadar.priceFlowReaction 재측정.
• premortemCheck risk row: recipes.meta.thesisKillChain.deepDive 로 thesis 전반 재검토.

대표 반환 형태

deepDive : list[dict]

column	의미
order	실행 순서
step	세부 ledger 이름
status	missing/ok/watch/risk
rowCount	해당 ledger row 수
evidence	대표 근거
nextAction	다음 조치

연계 절차

1. recipes.fundamental.disclosure.eventRadar.sourceCoverageAudit - source coverage.
2. recipes.fundamental.disclosure.eventRadar.eventInbox - event inbox.
3. recipes.fundamental.disclosure.eventRadar.priceFlowReaction - price/flow reaction.
4. recipes.fundamental.disclosure.eventRadar.insiderOwnershipSignal - insider/ownership.
5. recipes.fundamental.disclosure.eventRadar.capitalActionMonitor - capital action.
6. recipes.fundamental.disclosure.eventRadar.consensusDriftWatch - consensus drift.
7. recipes.fundamental.disclosure.eventRadar.falsifierLedger - falsifier.
8. recipes.fundamental.disclosure.eventRadar.engineCandidateMemo - engine candidate.
9. recipes.fundamental.disclosure.eventRadar.visualDecisionPack - visual gate.

기본 검증

• 공개 호출 블록은 AST parse가 되어야 한다.
• 공개 호출 블록은 L2/L3 호출 문자열을 포함하면 실패다.
• deepDive, falsifierLedger, engineCandidateMemo, visualDecisionPack이 모두 있어야 한다.
• ready가 아닌 visualRef는 차트로 emit하지 않는다.