SEC 10-K Item 1A 위험 요인 변화 (YoY 신규/삭제 항목 수)

공개 호출 방식

import dartlab
import polars as pl
import re

ticker = "AAPL"

try:
    filings = dartlab.Company(ticker).filings()
except Exception:
    filings = []

def extract_risk_items(text):
    """Item 1A 안 bullet 또는 paragraph 단위 항목 추출."""
    # heuristic: 6 어 이상 새 paragraph 시작
    return [re.sub(r"s+", " ", p)[:120] for p in re.split(r"
s*
", text) if len(p.split()) >= 6][:50]

if len(filings) < 2:
    table = pl.DataFrame(schema={"current": pl.Int64, "previous": pl.Int64, "added": pl.Int64, "removed": pl.Int64})
    emit_result(table=table, values={"insufficient": True}, date=None, sources=["dartlab://edgar/10k"])
else:
    cur_items = set(extract_risk_items(filings[0].get("item1aText", "")))
    prev_items = set(extract_risk_items(filings[1].get("item1aText", "")))
    added = len(cur_items - prev_items)
    removed = len(prev_items - cur_items)
    table = pl.DataFrame([{
        "current": len(cur_items),
        "previous": len(prev_items),
        "added": added,
        "removed": removed,
        "filingDate": filings[0].get("filingDate"),
    }])
    emit_result(
        table=table,
        values={"added": added, "removed": removed, "current": len(cur_items)},
        date=filings[0].get("filingDate"),
        sources=["dartlab://edgar/10k"],
    )

호출 동작

1. 결론 도출

added + removed risk factor 단정. 예: “AAPL 10-K FY2024 vs FY2023: current=42 / previous=39 항목 / added=5 (AI 규제·반독점·중국 의존·data privacy 신규·기후) / removed=2 → 신규 ≥ 3 임계 통과 — 경영진 위험 인식 transition phase (regulatory + AI 신규 인식).”

2. 핵심 근거 수집

• EDGAR provider fetch10kFilings(ticker, limit=2) — 최근 + 직전 10-K
• 각 filing 의 Item 1A “Risk Factors” 본문 text
• paragraph 단위 분할 (6 어 이상) → risk item set
• set diff: added = current - previous, removed = previous - current

3. 메커니즘 분석

2 개 10-K Item 1A → risk item set diff
   set(current) - set(previous) = added
   set(previous) - set(current) = removed
   ↓
임계 판정:
   added ≥ 3 또는 removed ≥ 3 → transition 후보 (위험 인식 전환)
   added < 3 + removed < 3   → 평상 (위험 인식 유지)
   ↓
added 의 의미 해석:
   regulatory / litigation 신규 → 법적 risk 가중
   technology / cyber 신규     → tech disruption 인식
   geopolitical 신규           → 외부 환경 변화
   removed 의 의미:
   risk 해소 (긍정) 또는 *공시 회피* (부정 — forensic risk)

10-K Risk Factors 는 경영진 자기 인식 — 객관 risk 아님. 신규 추가 ≥ 3 = 인식 전환 신호. 단순 wording 변경 (의미 동일) 은 paragraph 매칭으로 분리 필수.

4. 반례·한계

• 직전 연도 10-K 없음 → 결론 X.
• 단순 wording 변경 (의미 동일) 을 신규로 카운트 시 false positive.
• paragraph 분할 heuristic — bullet vs paragraph 회사별 format 다름.
• removed 가 공시 회피 인지 실제 해소 인지 구분 어려움.

5. 후속 모니터링

• added ≥ 3 → recipes.fundamental.disclosure.sec8kMaterialEvents 로 8-K 사후 이벤트 확인.
• regulatory 신규 risk → recipes.fundamental.quality.forensics.disclosureTimingAnomaly 로 공시 timing 점검.
• removed ≥ 3 + 가격 하락 → forensic risk 가중 (recipes.fundamental.quality.forensics.fairDisclosureBreach).

대표 반환 형태

column	의미
current	최근 10-K 항목 수
previous	직전 10-K 항목 수
added	신규 추가
removed	삭제

연계 절차

1. recipes.fundamental.disclosure.filingTextSignal - 위험 키워드 frequency 결합.
2. recipes.fundamental.quality.forensics.disclosureTimingAnomaly - 위험 추가 시점과 가격 변동 비교.

기본 검증

• 10-K raw 누락 또는 직전 연도 없음 → 결론 X.
• wording 변경 (의미 동일, 표현만 변경) 을 신규로 카운트하지 않도록 paragraph 매칭 임계 적절히.
• innovation lead 결론은 R&D 강도만으로 단정 X.