Forensics Data Coverage Audit

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"]["dataCoverageAudit"],
    values={"target": target, "decisionStatus": memo["decisionStatus"], "riskScore": memo["headline"]["riskScore"]},
    date=memo["asOf"],
    sources=memo["sources"],
)

호출 동작

1. 결론 도출

coverage가 충분하면 usable, 핵심 원표 일부가 없으면 usableWithGaps, panel 자체가 없으면 insufficientStatements로 판정한다.

2. 핵심 근거 수집

Company.show("IS"|"BS"|"CF") 반환 DataFrame의 row 수, 기간 컬럼 수, 최신 period, 표준 metric 매핑 수를 모은다.

3. 메커니즘 분석

coverage audit은 모든 세부 포렌식 스킬의 선행 gate다. 이 단계에서 결손을 숨기면 매출·현금·운전자본 계산이 모두 거짓 안전 신호로 바뀐다.

4. 반례·한계

금융업, 지주회사, 상장 기간 짧은 회사는 IS/BS/CF가 있어도 metric coverage가 낮을 수 있다. 결손은 위험이 아니라 분석 가능성 제한으로 표시한다.

5. 후속 모니터링

coverage가 낮으면 accountTraceLedger에서 어떤 metric이 빠졌는지 확인하고, 충분하면 revenueToCashBridge로 넘어간다.

대표 반환 형태

column	의미
dataset	IS, BS, CF, normalizedPanel
status	ok 또는 missing
rowCount	원표 행 수
periodCount	기간 컬럼 수
latestPeriod	최신 기간
requiredFor	후속 계산에서 쓰는 이유

연계 절차

1. engines.company - 대상 기업 facade에서 원표 topic을 확보한다.
2. recipes.fundamental.quality.forensics.accountTraceLedger - metric별 raw 계정 trace 확인.
3. recipes.fundamental.quality.forensics.revenueToCashBridge - coverage 충분 시 매출-현금 bridge 실행.

기본 검증

• IS/BS/CF 중 누락된 표가 있으면 답변에 명시한다.
• normalizedPanel의 mapped metric count가 낮으면 riskScore를 해석하지 않는다.