특수관계자 매출·매입 비중 추세

공개 호출 방식

import dartlab
import polars as pl

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

try:
    rpt_rows = c.gather("relatedPartyTransactions").to_dicts()
except Exception:
    rpt_rows = []

try:
    rev_rows = c.panel("revenue").to_dicts()
    rev_by_year = {str(r.get("year"))[:4]: float(r.get("revenue") or 0) for r in rev_rows}
except Exception:
    rev_by_year = {}

audit = []
for r in sorted(rpt_rows, key=lambda x: str(x.get("year") or "")):
    yr = str(r.get("year"))[:4]
    sales_to_rp = float(r.get("salesToRelated") or 0)
    purch_from_rp = float(r.get("purchasesFromRelated") or 0)
    total_rev = rev_by_year.get(yr, 0)
    audit.append({
        "year": yr,
        "salesToRpPct": sales_to_rp / total_rev if total_rev else None,
        "purchPct": purch_from_rp / total_rev if total_rev else None,
        "absoluteSales": sales_to_rp,
    })

table = pl.DataFrame(audit) if audit else pl.DataFrame(
    schema={"year": pl.Utf8, "salesToRpPct": pl.Float64, "purchPct": pl.Float64, "absoluteSales": pl.Float64}
)

emit_result(
    table=table,
    values={"years": table.height,
            "latestSalesPct": float(table["salesToRpPct"].drop_nulls().tail(1)[0]) if table["salesToRpPct"].drop_nulls().len() else None},
    date=str(table["year"].max()) if table.height else None,
    sources=["dartlab://gather/relatedPartyTransactions", "dartlab://show/revenue"],
)

호출 동작

1. 결론 도출

salesToRpPct + purchPct 추세 단정. 예: “5y 추세: salesToRpPct 24% → 31% (+7%p), purchPct 18% → 22% (+4%p) → 매출 측 30% 임계 초과 + 5y 누적 +7%p — 일감몰아주기 의심 후보 (전체 매출 +12% 성장 vs 특수관계자 매출 +45% 가속 — 5y 가속도 우월).”

2. 핵심 근거 수집

• Company.gather(‘relatedPartyTransactions’) 연도별 (salesToRelated + purchasesFromRelated)
• Company.panel(‘revenue’) 연도별 총매출
• salesToRpPct = salesToRelated / totalRevenue × 100
• purchPct = purchasesFromRelated / totalRevenue × 100

3. 메커니즘 분석

연도별 → 3 metric 추세
   salesToRpPct  → 특수관계자 매출 의존도
   purchPct      → 특수관계자 매입 의존도
   absoluteSales → 절대값 (성장 패턴 분리)
   ↓
의심 임계 (3 중 1 이상):
   ① salesToRpPct > 30% (절대 임계)
   ② 연도 간 ≥ +5%p 증가 (변화 임계)
   ③ 특수관계자 매출 성장률 > 전체 매출 성장률 × 2 (가속도 임계)
   ↓
라벨:
   3 임계 모두 미충족 → 평상
   1 임계 충족      → 관찰
   2-3 임계 충족    → 의심 (forensics 후속 필수)

비중 단일 시점만으로 의심 X — 추세 + 절대값 + 매출 가속도 3 axis 결합. 합법 그룹 내부거래도 있으므로 의심 후보 로만 표기.

4. 반례·한계

• 특수관계자 거래 raw 누락 (소규모·미공시) → 비적용.
• 비중 30% 임계는 KR 공정거래법 일감몰아주기 기준 (총수 일가 지분 30%+) 차용 — 회사별 적용 가능성 다름.
• 합법적 그룹 시너지 거래 (지주사 모델) vs 일감몰아주기 분리 어려움.
• 매입 측 (purchPct) 은 이전가격 의심 — 별도 가격 적정성 검증 필요.

5. 후속 모니터링

• 의심 라벨 → recipes.fundamental.quality.forensics.noteSignalExtractor 로 주석 본문에서 거래 상세 추출.
• absoluteSales 가속 → recipes.fundamental.quality.forensics.controllingPowerJudgment 로 실질지배력 변경 추적.
• purchPct ↑ → recipes.fundamental.governance.audit 으로 거버넌스 종합 + 이전가격 점검.

대표 반환 형태

column	의미
year	결산 연도
salesToRpPct	특수관계자 매출 / 총매출
purchPct	특수관계자 매입 / 총매출
absoluteSales	특수관계자 매출 절대값

연계 절차

1. recipes.fundamental.quality.forensics.noteSignalExtractor - 주석 본문에서 특수관계자 분리.
2. recipes.fundamental.quality.forensics.controllingPowerJudgment - 실질지배력 시점 변경 추적.
3. recipes.fundamental.governance.audit - 거버넌스 종합 audit.

기본 검증

• 특수관계자 거래 raw 누락 회사는 본 recipe 비적용.
• 비중 단일 시점만으로 의심 결론 X — 추세 + 매출 성장률 비교 필수.
• 합법적 그룹 내부거래도 있으므로 의심 후보 로만 표기.