Forensics Account Trace Ledger

공개 호출 방식

import dartlab
from dartlab.synth.evidenceForensics import buildEvidenceForensicsMemo

target = "005930"
c = dartlab.Company(target)
statements = {}
for topic in ("IS", "BS", "CF"):
    try:
        statements[topic] = c.show(topic, freq="Y")
    except TypeError:
        statements[topic] = c.show(topic)
    except Exception:
        pass

memo = buildEvidenceForensicsMemo(
    target=target,
    market=str(getattr(c, "market", "KR")),
    companyName=str(getattr(c, "corpName", target)),
    statements=statements,
)

emit_result(
    table=memo["tables"]["accountTraceLedger"],
    values={"target": target, "mappedCount": sum(1 for row in memo["tables"]["accountTraceLedger"] if row["status"] == "mapped")},
    date=memo["asOf"],
    sources=memo["sources"],
)

호출 동작

1. 결론 도출

핵심 metric의 mapped/missing 현황을 먼저 보여준다. 이 결과는 후속 bridge의 신뢰도를 결정하는 계정 lineage다.

2. 핵심 근거 수집

IS/BS/CF 원표의 snakeId, 항목, account, label 컬럼을 순서대로 확인하고 표준 alias와 매칭한다.

3. 메커니즘 분석

계정 trace는 분석값보다 중요하다. 같은 receivables라도 매출채권, 기타채권, 장기채권이 섞이면 DSO가 왜곡된다.

4. 반례·한계

은행·보험은 대출채권과 예수부채가 일반 제조업 receivables/payables와 다르다. 이 경우 missing이 정상이며 별도 금융업 모델 후보로 보낸다.

5. 후속 모니터링

missing metric은 reference alias 후보로 남기고, 반복적으로 등장하면 L1.5 reference mapping 보강 후보가 된다.

대표 반환 형태

column	의미
metric	표준 metric id
status	mapped 또는 missing
sourceTopic	IS/BS/CF
sourceColumn	매칭된 label 컬럼
sourceLabel	raw row label
aliasesTried	시도한 alias

연계 절차

1. recipes.fundamental.quality.forensics.dataCoverageAudit - 원표 coverage를 먼저 확인한다.
2. recipes.fundamental.quality.forensics.revenueToCashBridge - revenue, receivables, CFO, netIncome이 mapped이면 실행한다.
3. recipes.fundamental.quality.forensics.workingCapitalPressureMap - receivables, inventories, payables가 mapped이면 실행한다.

기본 검증

• trace missing metric을 사용하는 후속 표는 status=limited로 낮춘다.
• 계정 trace 결과 자체를 engineCandidateMemo의 reference 보강 후보로 남긴다.