임원 보수·스톡옵션·성과급 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 — 임원 보수 — 주석 신호.

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

임원 보수 절대액 + 업종 비교 + KPI 정합성 + 스톡옵션 timing + 사외이사 독립성 한 문장.

좋은 결론 예시:

• “현대자동차 케이스 — 등기임원 평균 보수 X 억원, 업종 평균 (자동차 OEM) 대비 ±N%. 영업이익 시계열 vs 보수 시계열 상관계수 ρ=0.Y. 스톡옵션 부여일 주가 P0, 행사일 P1 (P1/P0 = M 배). 사외이사 평균 재임 Z 년, 그룹 계열사 이력 W 명 / 전체 K 명. 보수 ↔ KPI 정합 [중간] + 사외이사 독립성 [약함][conf:55]. counter — 보수 공시는 등기임원 한정이라 미등기 회장·고문 보수 누락 가능성.”

금지:

• 절대액만 보고 과도 단정 (업종 평균 미비교).
• KPI 정의 (영업이익 vs EPS vs TSR) 미명시.

2. 핵심 근거 수집

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

• target (stockCode).
• sourceRef: 사업보고서 임원보수 섹션 + 스톡옵션 부여·행사 공시 + 사외이사 명단·이력 공시.
• tableRef (4+ 표):
  1. 임원 보수 시계열 — 연도별 등기임원 보수 (개인별·합산), 현금 / 주식 / 옵션 구분
  2. 보수 ↔ KPI 정합성 — 영업이익·EPS·TSR (총주주수익률) 시계열 vs 보수 시계열 상관 / 회귀
  3. 스톡옵션 부여·행사 ledger — 부여일·부여가·만기·행사일·행사가·차익 / 부여 직후·행사 직전 주가 변동
  4. 사외이사 독립성 매트릭스 — 재임기간 / 그룹 계열사 이력 / 지명 경로 (지배주주 / 기관) / 보수 / 표결 패턴
• valueRef: 평균 보수, 업종 평균 대비 배수, 상관계수 ρ, 옵션 차익 절대액, 사외이사 평균 재임 연수.
• dateRef: 보수 결정일·옵션 부여일·행사일·사외이사 재임 시작일.
• executionRef: RunPython 으로 상관·회귀 + 옵션 차익 계산.

3. 메커니즘 분석

임원 보수 진단 = 절대액 + KPI 정합 + 옵션 timing + 사외이사 독립성 4 차원 동시 검증:

graph LR
  PAY["임원 보수 (현금·주식·옵션)"] --> ABS["절대액 vs 업종 평균"]
  PAY --> SPLIT["구성 비율<br/>현금 / 주식 / 옵션"]

  KPI["성과 KPI<br/>영업이익·EPS·TSR"] --> CORR["보수 ↔ KPI 상관 / 회귀"]
  PAY --> CORR

  OPT["스톡옵션 부여"] --> P0["부여 시 주가 P0"]
  OPT --> EX["행사일"]
  EX --> P1["행사 시 주가 P1"]
  P0 --> RATIO["옵션 차익 ratio = P1/P0"]
  P1 --> RATIO

  BOARD["사외이사"] --> TEN["재임기간"]
  BOARD --> HIST["그룹 계열사 이력"]
  BOARD --> NOM["지명 경로"]
  BOARD --> VOTE["반대·기권 표결 비율"]

  ABS --> SCORE["보수 game 점수"]
  CORR --> SCORE
  RATIO --> SCORE
  TEN --> INDEP_SCORE["사외이사 독립성 점수"]
  HIST --> INDEP_SCORE
  NOM --> INDEP_SCORE
  VOTE --> INDEP_SCORE

4 패턴 정량 신호:

패턴	신호	임계	가중치
보수 절대액	등기임원 평균 보수 / 업종 평균	≥ 2 배	medium
보수 ↔ KPI	영업이익 시계열 vs 보수 시계열 상관 ρ	< 0.3 → 정합성 약	high
단기 EPS 부풀리기	자사주 매입 + 보수 KPI = EPS 동행	자사주 매입 후 EPS 점프	high
옵션 부여 timing	부여 직전 3M 주가 변동	하락 직후 부여 (-10% 이상)	high
옵션 행사 timing	행사 직전 1M 호재 공시 빈도	≥ 2 회	medium
사외이사 재임	평균 재임 / 권장 (6 년)	≥ 9 년	medium
사외이사 그룹 이력	그룹 계열사 이력 보유자 / 전체	≥ 50%	high
사외이사 표결	반대·기권 비율	< 5% / 5 년	medium

4. 반례·한계

• Falsifier: 임원 보수 공시 본문 부재 또는 KPI 정의 부재 시 정합성 판정 불가 — 사업보고서 임원보수 섹션 fetch 후 재호출.
• 미등기 임원 누락: 공시 의무는 등기임원 한정이라 회장·고문·자회사 임원 보수 누락 多. 그룹 차원 보수 총량 별도 인지.
• 업종 평균 비교 어려움: 동종 업종·규모 비교군 외부 데이터 (FnGuide·CEO Score 등) 가 dartlab L1/L1.5 범위 밖. 외부 인용 명시.
• KPI 정의 다양성: 보수 위원회 KPI 가 영업이익·EPS·TSR·비재무 (ESG·시장점유율) 등 혼합이라 단순 상관만으로 정합성 판단 어려움. 가능하면 보고서 본문 인용.
• 스톡옵션 정상 목적: 인재 유치·장기 인센티브 정상 목적 인정. 단순 부여 = 부정 단정 금지. timing + 행사 차익 cluster 동행 시 의심.
• 사외이사 표결 자료 한계: 공시는 결의안 본문만이라 반대 표결 정확 회수 추적 어려움. 회의록 별도 fetch 필요.
• 회장 가족 임원: 실무 능력 검증 없이 사적 단정 금지. 다만 지분 + 임원직 + 보수 + 의사결정 영향력 4 요소 동행 시 의심.

5. 후속 모니터링

신호	임계	조치
등기임원 평균 보수 / 업종 평균	≥ 2 배	절대액 ledger 작성
영업이익 vs 보수 상관 ρ	< 0.3	KPI 정합 [약함] 격상
옵션 부여 직전 주가 하락	≥ -10% / 3M	의도적 부여 의심
옵션 행사 직전 호재 공시	≥ 2 회 / 1M	행사 timing game 의심
사외이사 그룹 이력 비율	≥ 50%	독립성 [약함] 격상
사외이사 반대·기권 비율	< 5% / 5 년	거수기 의심
자사주 매입 + EPS 점프 동행	동행	분모 game 의심

대표 반환 형태

• tableRef:exec:pay_timeseries — 임원 보수 시계열
• tableRef:exec:pay_vs_kpi — 보수 ↔ KPI 정합성
• tableRef:exec:option_grant_exercise — 스톡옵션 부여·행사 ledger
• tableRef:exec:board_independence — 사외이사 독립성 매트릭스
• valueRef:exec:pay_industry_ratio — 업종 평균 대비 배수
• valueRef:exec:pay_kpi_corr — 보수 ↔ KPI 상관계수
• valueRef:exec:option_profit — 옵션 차익 절대액
• valueRef:exec:board_indep_score — 사외이사 독립성 점수
• sourceRef:exec:report_id — 사업보고서 id
• executionRef:exec:calc_id — RunPython 실행 id

연계 절차

• 실질지배력 (지분·표결 동행) → recipes.fundamental.quality.forensics.controllingPowerJudgment
• 빅 배스 (신임 경영자 동행) → recipes.fundamental.quality.forensics.bigBathDetection
• 공시 timing (옵션 부여·행사 timing 동행) → recipes.fundamental.quality.forensics.disclosureTimingAnomaly
• 주석 신호 (특수관계자 거래) → recipes.fundamental.quality.forensics.noteSignalExtractor

재호출 트리거: “임원 보수 과도”, “스톡옵션 부여 timing”, “사외이사 독립성”, “성과급 KPI 정렬”, “단기 EPS 보수 game”.

기본 검증

• 등기임원 보수 시계열 ≥ 5 년.
• 영업이익·EPS·TSR 시계열 동기간 비교.
• 스톡옵션 부여·행사 ledger (가능 시).
• 사외이사 명단·재임기간·그룹 계열사 이력.
• 업종 평균 비교 외부 출처 명시.
• falsifier — 미등기 임원 누락 가능성 메모.

AI 직접 사용 방식

1. ReadSkill 에서 임원 보수·스톡옵션·사외이사 질문이면 본 recipe 선정.
2. target stockCode 확인.
3. Company.panel("임원보수") 또는 사업보고서 섹션 fetch.
4. Company.panel("IS", freq="Y") 시계열 + EPS / TSR 보완.
5. Company.filings("스톡옵션") 부여·행사 timestamp.
6. scan("governance") 사외이사·지분율 횡단.
7. RunPython 으로 상관·옵션 차익·독립성 점수 계산.
8. 답변에 보수 시계열 + KPI 정합 + 옵션 ledger + 사외이사 독립성 4 셋 + 반례·한계 필수.