회계감사인 독립성·이력 진단

공개 호출 방식

AI 도구 실행 순서는 EngineCall 우선이다. Company.panel("IS"|"BS"|"CF"), Company.filings, scan.quality, scan.audit, scan.disclosureRisk 는 엔진 호출로 근거를 먼저 확보한다. 아래 Python 블록은 확보한 L1/L1.5 근거를 buildEvidenceForensicsMemo 로 묶는 RunPython fallback 절차다 — 감사인 독립성 — 주석 패턴.

import dartlab
from dartlab.synth.evidenceForensics import buildEvidenceForensicsMemo

target = "005930"  # KOSPI/KOSDAQ 종목코드
c = dartlab.Company(target)

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

sectionTexts = {}
for topic in ("businessOverview", "riskFactors", "mdna", "notesDetail"):
    try:
        sectionTexts[topic] = str(c.panel(topic))[:20000]
    except Exception:
        pass

try:
    disclosure = c.filings()
    events = disclosure.head(20).to_dicts() if hasattr(disclosure, "head") else list(disclosure)[:20]
except Exception:
    events = []

scanRows = []
for axis in ("quality", "audit", "disclosureRisk"):
    try:
        df = dartlab.scan(axis)
        rows = df.head(3).to_dicts() if hasattr(df, "head") else []
        for row in rows:
            row["axis"] = axis
        scanRows.extend(rows)
    except Exception:
        pass

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

emit_result(
    table=memo["tables"]["noteSignalExtractor"],
    values={
        "target": target,
        "riskScore": memo["headline"].get("riskScore"),
        "signalCount": memo["headline"].get("signalCount"),
    },
    date=memo.get("asOf", "latest"),
    sources=memo["sources"],
)

호출 동작 — 5 단 분석 구조

1. 결론 도출

감사인 변경 시계열 + 강제교체 준수 + 비감사 보수 비중 + 감사의견 이력 + 동행 사건 timing 한 문장.

좋은 결론 예시:

• “대우조선해양 케이스 — 감사인 시계열 (삼일 X 년 → 삼정 Y 년). 강제교체 의무 (신외감법 2018 ~ 주기적 지정제) 적용 시점부터 N 년 준수. 비감사 보수 / 총 보수 = Z% (법규 한도 W% 비교). 감사의견 — Y 년 한정의견 (감사 범위 제한 — 대우조선해양 사례). 핵심감사사항 (KAM) ≥ K 개 (복잡한 공사진행기준 회계). 분식 적발 시점 D vs 감사인 교체 시점 E (간격 M 분기). 감사인 독립성 [중간] + 한정의견 이력 [있음][conf:60]. counter — 분식 책임은 회사·감사 양쪽 분담 (4 권 회계와법 사례 참조).”

금지:

• 감사인 변경 단일 신호만으로 부정 단정.
• 강제교체 적용 시점 (신외감법 2018) 미명시.

2. 핵심 근거 수집

requiredEvidence: skillRef + target + tableRef + valueRef + dateRef + sourceRef + executionRef 필수.

• target (stockCode).
• sourceRef: 사업보고서 감사 섹션 (감사인명·감사보수·비감사 보수) + 감사인 변경 공시 + 감사보고서 (의견·강조사항·KAM).
• tableRef (4+ 표):
  1. 감사인 변경 시계열 — 회계법인명 / 시작 사업연도 / 종료 사업연도 / 계속 감사기간 / 변경 사유 (강제교체 / 자율 / 지정)
  2. 감사 보수 시계열 — 감사보수 / 비감사 보수 / 비감사 비중 / 법규 한도 비교
  3. 감사의견 이력 — 사업연도별 의견 (적정 / 한정 / 부적정 / 의견거절) + 강조사항 + 핵심감사사항 (KAM) 개수·주제
  4. 동행 사건 timing — 감사인 변경 timestamp ↔ 합병·분식 적발·구조조정·CEO 변경 시점
• valueRef: 계속 감사기간 (연), 비감사 보수 비중 %, 한정의견 발생 횟수, KAM 개수.
• dateRef: 감사인 변경일·감사의견 발표일·동행 사건일.
• executionRef: RunPython 으로 변경 시계열 + 동행 timing 회귀.

3. 메커니즘 분석

감사인 독립성 진단 = 변경 시계열 + 강제교체 준수 + 비감사 보수 비중 + 감사의견 이력 + 동행 사건 timing 5 차원 동시 검증:

graph LR
  CHANGE["감사인 변경"] --> DURATION["계속 감사기간"]
  CHANGE --> REASON["변경 사유<br/>강제 / 자율 / 지정"]

  DURATION --> ROT_CHECK["강제교체 준수<br/>신외감법 2018~ 주기 지정"]

  FEE["감사 보수"] --> RATIO["비감사 비중<br/>비감사 / 총 보수"]
  RATIO --> LIMIT["법규 한도 비교"]

  OPINION["감사의견 이력"] --> QUAL["한정·부적정·의견거절 횟수"]
  OPINION --> EMP["강조사항"]
  OPINION --> KAM["핵심감사사항 KAM"]

  EVENT["동행 사건<br/>합병·분식 적발·CEO 변경"] --> CHANGE_TIME["감사인 변경 timestamp"]
  CHANGE_TIME --> TIMING_GAP["사건 vs 변경 간격"]

  ROT_CHECK --> SCORE["독립성 점수"]
  LIMIT --> SCORE
  QUAL --> SCORE
  KAM --> SCORE
  TIMING_GAP --> SCORE

5 패턴 정량 신호:

패턴	신호	임계	가중치
계속 감사기간	동일 회계법인 연속 감사	≥ 9 년 (강제교체 전 + 친밀도 위험)	medium
강제교체 준수	신외감법 2018~ 주기적 지정제 위반	발생	high
비감사 보수	비감사 / 총 보수	≥ 50%	high
한정의견	사업연도별 한정·부적정·의견거절	1 회 이상 / 10Y	high
KAM 다수	핵심감사사항 개수	≥ 5 개 / 사업연도	medium
동행 사건	합병·분식 적발 D-3 ~ D+12M 내 감사인 변경	발생	high
담당 파트너 변경 빈도	담당 파트너 변경 (법인 동일)	매년 변경	low

4. 반례·한계

• Falsifier: 감사인 정보 또는 감사의견 본문 부재 시 독립성 판정 불가 — DART 사업보고서 감사 섹션 + 감사인 변경 공시 fetch 후 재호출.
• 강제교체 정상 변경: 신외감법 (2018 ~) 주기적 지정제 도입 후 강제 변경 이 정상 패턴이 되어 단순 변경 빈도만으로 부정 단정 금지. 변경 사유 (강제 / 자율 / 지정) 분류 필수.
• 감사 범위 제한 한정의견: 한정의견 사유가 회사 회계 부실 이 아닌 해외 자회사 자료 미입수 등 감사 범위 제한 인 경우 회사 책임 한정. 의견 본문 사유 인용 필수.
• 비감사 보수 정상 영업: 세무·내부통제 자문 등 정상 영업 가능. 다만 법규 한도 (외부감사법 9 조의 4) 와 친밀도 위험 동행 평가.
• KAM 도입 효과: 핵심감사사항 (KAM) 은 2017 부터 의무 도입 → 단순 개수만으로 부정 단정 금지. 회사 사업 구조 복잡도 동행 평가.
• 회계법인 분쟁 시점: 회계법인이 분식 책임 으로 처벌받은 경우라도 회사 측 책임이 별도. 책임 비중은 별도 법적 판단.
• 담당 파트너 변경: 회계법인은 동일하지만 담당 파트너 가 매년 바뀌면 법인 차원 친밀도 신호는 약해진다. 다만 사업보고서가 파트너명 까지 다 공시하지 않음.

5. 후속 모니터링

신호	임계	조치
계속 감사기간	≥ 9 년 (강제교체 전)	친밀도 위험 ledger
강제교체 준수 위반	발생	즉시 격상
비감사 보수 비중	≥ 50%	독립성 [약함]
한정·부적정 의견	1 회 이상 / 10Y	사유 본문 인용
KAM 개수	≥ 5 개	사업 복잡도 동행 평가
동행 사건 (합병·분식)	D-3 ~ D+12M	timing 매칭 ledger
감사보수 vs 매출 비율	동종 업종 평균 대비	외부 비교 메모

대표 반환 형태

• tableRef:auditor:change_timeseries — 감사인 변경 시계열
• tableRef:auditor:fee_timeseries — 감사 보수 시계열
• tableRef:auditor:opinion_history — 감사의견 이력
• tableRef:auditor:event_timing — 동행 사건 timing
• valueRef:auditor:tenure_years — 계속 감사기간 (연)
• valueRef:auditor:nonaudit_ratio — 비감사 보수 비중
• valueRef:auditor:qualified_count — 한정·부적정 의견 횟수
• valueRef:auditor:kam_count — KAM 개수
• sourceRef:auditor:report_id — 사업보고서 id
• sourceRef:auditor:change_disclosure_id — 감사인 변경 공시 id
• executionRef:auditor:calc_id — RunPython 실행 id

연계 절차

• 주석 신호 (계속기업·강조사항 동행) → recipes.fundamental.quality.forensics.noteSignalExtractor
• 공시 timing (감사의견 정정 동행) → recipes.fundamental.quality.forensics.disclosureTimingAnomaly
• 빅 배스 (감사인 변경 후 손상 인식) → recipes.fundamental.quality.forensics.bigBathDetection
• 사건 ↔ 재무 매칭 → recipes.fundamental.quality.forensics.eventToStatementMatcher

재호출 트리거: “감사인 변경”, “계속 감사기간”, “강제교체”, “한정의견 이력”, “비감사 보수 비중”, “회계감사인 독립성”.

기본 검증

• 감사인 시계열 ≥ 5 년.
• 강제교체 적용 시점 (신외감법 2018) 명시.
• 비감사 보수 비중 + 법규 한도 비교.
• 감사의견 이력 (적정 / 한정 / 부적정 / 의견거절) 분류.
• 동행 사건 timing 매칭.
• falsifier — 사업보고서 감사 섹션 부재 시 판정 보류.

AI 직접 사용 방식

1. ReadSkill 에서 감사인·감사의견 질문이면 본 recipe 선정.
2. target stockCode 확인.
3. Company.panel("감사인") 또는 사업보고서 감사 섹션 fetch.
4. Company.filings("감사인") 변경 timestamp + 사유.
5. Company.filings("감사의견") 의견·강조사항·KAM.
6. scan("disclosureRisk") 횡단 비교.
7. RunPython 으로 시계열 + 동행 timing 계산.
8. 답변에 감사인 변경 + 보수 비중 + 의견 이력 + 동행 사건 timing 4 셋 + 반례·한계 필수.