영업권 손상검사 정량 (forensics)

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 — 영업권 손상 — 계정 추적.

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"]["accountTraceLedger"],
    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

영업권/총자산·시총 비율 + CGU 별 손상검사 가정 + 인수 segment 영업이익 추세 + 손상 위험 점수 한 문장.

좋은 결론 예시:

• “005380 (현대차) 영업권 X 조 = 총자산 Y%·시총 Z% — 임계 (15%) 이내, 손상 위험 낮음. 인수 segment Q 영업이익 4 분기 추세 +5% 안정, 손상검사 할인율 12.5% (변경 없음 3 년 유지) — 가정 변경 점검 권장 [conf:70].”
• “두산밥캣 영업권 누적 4.2 조 = 총자산 38%·시총 65% — 임계 초과. 인수 segment 영업이익 -15% 추세, 손상 0 = 지연 가능성 [conf:60]. 주석 손상검사 가정 (할인율 11%·성장률 3%) 민감도 ±100bp 분석 필요.”

금지:

• 영업권 비율만 보고 위험 단정. 인수 segment 영업이익 추세 동행 필수.
• CGU 별 분해 없이 연결 영업권 합계만 검사.

2. 핵심 근거 수집

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

• target: stockCode.
• sourceRef: 사업보고서 주석 (영업권 손상검사 가정 명시 — 할인율·성장률·CGU 분류).
• tableRef (4+ 표):
  1. 영업권 시계열 — 최근 5 년 BS 영업권 · 무형자산 · 총자산 · 영업권/자산 % · 영업권/시총 %
  2. CGU 분해 — 사업 부문별 영업권 잔액 · 손상검사 가정 (할인율·성장률·multiple) · 회수가능액 vs 장부가
  3. 인수 segment 추세 — 부문 IS 영업이익 4+ 분기 (인수 후 누적 추세)
  4. 민감도 분석 — 할인율 ±50bp / 성장률 ±100bp 시 회수가능액 변동
• valueRef: 영업권/자산 %·영업권/시총 %·인수 segment 영업이익 추세·민감도 결과.
• dateRef: BS 기준일·주석 손상검사 시점·인수 segment 분기.
• sourceRef: 사업보고서 주석 id · 인수 공시 id.
• executionRef: RunPython 계산 id.

3. 메커니즘 분석

영업권 손상검사 정량 = 비중 임계 + CGU 가정 추적 + segment 추세 + 민감도:

graph LR
  BS["BS 영업권 시계열"] --> RATIO["영업권 비중<br/>① /총자산<br/>② /시총<br/>③ /자본총계"]
  RATIO --> THRESH["임계 비교<br/>(15% / 30% / 50%)"]
  
  NOTES["사업보고서 주석"] --> CGU["CGU 별 분해"]
  CGU --> ASSUM["가정 ledger<br/>할인율 · 성장률 · multiple"]
  ASSUM --> SENS["민감도 분석<br/>±50bp / ±100bp"]
  
  SEGMENT["부문 IS 4+ 분기"] --> TREND["인수 segment 영업이익 추세"]
  TREND --> DELAY["손상 지연 의심<br/>(이익 악화 + 손상 0)"]
  
  THRESH --> SCORE["손상 위험 점수"]
  SENS --> SCORE
  DELAY --> SCORE

영업권 비중 임계 (KR 시장 기준):

비율	보통	주의	위험
영업권 / 총자산	< 5%	5~15%	> 15%
영업권 / 시총	< 10%	10~30%	> 30%
영업권 / 자본총계	< 20%	20~50%	> 50%

손상 지연 신호 (정량):

신호	임계	가중치
인수 segment 영업이익 YoY	-10%+ 4 분기 연속	high
영업권 손상 인식	인수 후 3 년+ 0	high
손상검사 할인율 변경	5 년+ 변동 X	medium
CGU 분해 부재	주석 미명시	medium
민감도 분석 미명시	주석 누락	low

손상검사 가정 검증:

• 할인율 (WACC) — 회사 위험 + 산업·국가 risk premium. 5 년 변동 X 면 시장 변화 미반영 의심.
• 영구 성장률 (g) — 통상 1~3%. 5%+ 면 비현실적.
• CGU 분류 — 사업 부문별 분해 명시. 연결 합계만이면 검증 약함.
• multiple — 산업 평균 EBITDA × — 산업 비교 가능.

4. 반례·한계

• Falsifier: 영업권 잔액 + 주석 가정 부재 시 판정 불가 — 주석 본문 확인 후 재호출.
• 회계 정책: K-IFRS vs US GAAP 손상검사 빈도 차이. KR 은 연 1 회 의무, US 는 trigger event.
• CGU 정의: 회사 자체 결정. 광범위 정의 (사업 부문 = 회사 전체) 면 손상 인식 어려움.
• 민감도 비공개: 주석에 민감도 분석 미명시 시 외부 추정 한계.
• 인수 시점 가정 vs 현 시점: 인수 시 시너지 가정 이 후 사후평가에 그대로 유지되면 보수성 부족.
• 외환 환산: 해외 종속사 영업권은 환율 영향. 환산 차이 vs 손상 분리 필요.
• 사업 부문 통합·분할: 부문 변경 시 segment 추세 단절. 정합성 확인.

5. 후속 모니터링

신호	임계	조치
영업권/총자산 변동	±2%p 이상	인수·매각·손상 사건 확인
인수 segment 영업이익	YoY -10% 4 분기 연속	손상검사 가정 재검증 권장
손상 인식	신규 발생	CGU·금액·가정 변경 추적
할인율 변경	50bp 이상	시장 변화 반영 신호
영업권/시총 비율	30%+ 진입	시장이 손상 미반영 가격 의심
외부 평가기관 의견	의견 변경	손상검사 보고서 review

대표 반환 형태

• tableRef:goodwill:timeline — 5 년 영업권 시계열
• tableRef:goodwill:cgu_breakdown — CGU 분해
• tableRef:goodwill:segment_trend — 인수 segment 추세
• tableRef:goodwill:sensitivity — 민감도 분석
• valueRef:goodwill:assets_pct — 영업권/자산 %
• valueRef:goodwill:mkt_cap_pct — 영업권/시총 %
• valueRef:goodwill:impairment_score — 손상 위험 점수
• sourceRef:goodwill:notes_id — 주석 id

연계 절차

• 합병비율 적정성 → recipes.fundamental.quality.forensics.mergerRatioFairness
• 주석 신호 (영업권 키워드) → recipes.fundamental.quality.forensics.noteSignalExtractor
• 사건 ↔ 재무 매칭 → recipes.fundamental.quality.forensics.eventToStatementMatcher
• 계정 추적 → recipes.fundamental.quality.forensics.accountTraceLedger
• 분기 변동성 → recipes.fundamental.quality.quarterlyAnomalyDetection

재호출 트리거: “영업권 손상 위험”, “PPA 사후평가”, “두산밥캣 영업권 추적”, “M&A 영업권 누적”.

기본 검증

• 영업권 5 년 시계열 + 총자산·시총 동행.
• CGU 분해 또는 부재 명시.
• 인수 segment 영업이익 4+ 분기.
• 손상검사 가정 (할인율·성장률) ≥ 2 종 명시 또는 부재 명시.
• 민감도 분석 ≥ 2 시나리오 또는 부재 명시.

AI 직접 사용 방식

1. ReadSkill 에서 영업권·손상·M&A 사후평가 질문이면 본 recipe 선정.
2. Company.panel("BS") 5 년 + 영업권·무형자산·총자산·자본총계 행 추출.
3. Company.panel("부문정보") 또는 Company.filings("영업권") segment·주석.
4. RunPython 으로 비중 + 추세 + 민감도 계산.
5. 답변에 영업권 시계열 + CGU 분해 + segment 추세 + 민감도 4 셋 + 반례·한계 필수.