합병비율·소수주주 보호 점검 (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 — 합병비율 공정성 — event-statement 매칭.

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"]["eventToStatementMatcher"],
    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

합병비율 산정식 분해 + 3 평가 방식 (NAV/시장가/DCF) 비교 + 소수주주 squeeze-out 가능성 한 문장.

좋은 결론 예시:

• “삼성물산-제일모직 1:0.35 합병비율 — NAV 대비 삼성물산 -X% 할인, 시장가 대비 ±Y%, DCF 대비 -Z%. 합병 직전 1 개월 시장가 평균이 NAV 의 60% 수준이라 소수주주 squeeze-out 우려 [conf:60]. 외부평가 외부평가기관이 그룹 자문 빈도 큰 곳임 — 이해상충 가능성 별도 [counter evidence].”

금지:

• 단일 평가 방식 (시장가) 만으로 적정 단정.
• 외부평가 보고서 가정 (할인율·성장률) 미명시.

2. 핵심 근거 수집

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

• target + counter (합병 양쪽 stockCode).
• sourceRef: 합병 공시 본문 (DART 주요사항보고서 / 합병결정·합병계약서·외부평가기관 보고서). 보고서 외부 출처 / 평가기관명·평가일·평가범위 명시.
• tableRef (4+ 표):
  1. 합병비율 산정 — 합병주체 1 주 당 대상 X 주, 산정 시점 시장가 평균 (1 개월·1 주일·1 일), NAV·DCF 결과
  2. 3 방식 비교 — NAV 대비 / 시장가 대비 / DCF 대비 합병비율 차이 %
  3. 외부평가 가정 — 할인율·성장률·multiple·평가범위·평가기관·평가일·이해상충 여부
  4. 자기주식 변동 — 합병 직전 6 개월 자사주 취득·처분·소각 시계열 + 대주주 지분 변동
• valueRef: NAV (자본총계·자본금·자본잉여금), 합병가액, 시장가 평균, 외부평가 결과.
• dateRef: 합병결정일·합병기일·평가일·시장가 평균 기간.
• executionRef: RunPython 으로 3 방식 비교 계산.

3. 메커니즘 분석

합병비율 적정성 = 3 평가 방식 (NAV/시장가/DCF) 일관성 + 외부평가 가정 검증 + 자기주식 + 대주주 지분 변동 동행 확인:

graph LR
  ANNOUNCE["합병 공시"] --> RATIO["합병비율 (예 - 1:0.35)"]
  ANNOUNCE --> METHOD["산정 방식<br/>① NAV (자본총계/주식수)<br/>② 시장가 평균 (1M·1W·1D)<br/>③ DCF (외부평가 보고서)"]
  
  RATIO --> COMPARE["3 방식 차이 비교"]
  METHOD --> COMPARE
  
  COMPARE --> NAV_GAP["NAV 대비 ±X%"]
  COMPARE --> MKT_GAP["시장가 대비 ±Y%"]
  COMPARE --> DCF_GAP["DCF 대비 ±Z%"]
  
  NAV_GAP --> SUS["squeeze-out 가능성<br/>NAV 대비 10%+ 할인 시 신호"]
  MKT_GAP --> SUS
  DCF_GAP --> SUS
  
  TREASURY["합병 직전 6M 자사주 변동"] --> SUS
  EVAL["외부평가 보고서<br/>할인율·성장률·평가기관"] --> VERIFY["가정 검증"]
  VERIFY --> SUS

평가 방식 정의:

방식	산식	dartlab 데이터
NAV	자본총계 / 주식수	Company.panel("BS").자본총계 + Company.panel("BS").주식수
시장가	합병 직전 1M / 1W / 1D 평균	Company.gather("price") 시계열
DCF	외부평가 보고서 (할인율·성장률·multiple)	공시 본문 Company.filings("합병")
PER multiple	산업 평균 × EPS	Company.analysis(valuation, 가치평가).relativeValuation

squeeze-out 신호 정량:

신호	임계	가중치
시장가 평균 대비 NAV 할인폭	≥ 30%	high
합병 직전 6M 시장가 ±20% 이상 변동	발생	high
자기주식 처분 vs 합병 결합	동시 발생	high
외부평가 의뢰자 = 모회사 / 그룹 자문 빈도 큼	발생	medium
합병 직전 자사주 매수 1 개월 내	발생	medium
합병 후 ROE / EPS 즉시 희석	동행	low

4. 반례·한계

• Falsifier: 합병 공시 본문 또는 외부평가 보고서 부재 시 적정성 판정 불가 — 공시 원문 확인 후 재호출.
• NAV 의 한계: 회계 장부가 ≠ 실제 가치. 토지·무형자산은 역사적 원가 라 NAV 가 저평가될 수 있음. 부동산 비중 큰 회사일수록 NAV 과소.
• 외부평가 이해상충: 평가기관이 모회사 자문 빈도 큰 곳이면 친 모회사 가정 가능. 평가기관 history 별도 확인.
• 합병 직전 주가 인위 조작 가능성: 합병 발표 직전 자사주 매수·매도로 시장가 평균 왜곡. 합병 발표 직전 6M 거래 패턴 확인.
• 합병 시너지 가정: DCF 모델이 합병 시너지 (매출 증가·원가 절감) 를 가정한 경우 신뢰도 낮음. 합병 전 두 회사 standalone 도 함께 검증.
• 소수주주 보호 법규: 한국 상법 522 조 (반대주주 매수청구) · 외부평가 의무 시점 등 법적 요건 별도. 본 절차는 정량 신호 만.

5. 후속 모니터링

신호	임계	조치
합병 후 EPS 회복	4 분기 내 -10% 이내	합병 시너지 가정 검증
합병 후 ROE 변동	±5%p 이상 변동	자본 효율 검증
영업권 손상	합병 후 3 년 내 발생	PPA 가정 부정확 신호
반대주주 매수청구 행사 비율	발행주식 5%+	소수주주 불만 정량
외부평가기관 history	모회사 자문 빈도 추적	이해상충 메모

대표 반환 형태

• tableRef:merger:ratio_breakdown — 합병비율 산정식 분해
• tableRef:merger:three_method_compare — NAV/시장가/DCF 비교
• tableRef:merger:external_eval_assumptions — 외부평가 가정 ledger
• tableRef:merger:treasury_timeline — 자기주식 변동 시계열
• valueRef:merger:nav_gap_pct — NAV 대비 합병비율 차이
• valueRef:merger:squeeze_out_score — squeeze-out 신호 점수
• sourceRef:merger:disclosure_id — 합병 공시 id
• executionRef:merger:calc_id — RunPython 실행 id

연계 절차

• 영업권 손상검사 → recipes.fundamental.quality.forensics.goodwillImpairmentCheck
• 사건 ↔ 재무 매칭 → recipes.fundamental.quality.forensics.eventToStatementMatcher
• 계정 추적 → recipes.fundamental.quality.forensics.accountTraceLedger
• 주석 신호 (계속기업·정정) → recipes.fundamental.quality.forensics.noteSignalExtractor
• valuation 깊이 → recipes.fundamental.valuation.check

재호출 트리거: “합병비율 적정성”, “삼성물산 제일모직 합병”, “SK C&C SK 합병”, “NAV 대비 squeeze out”.

기본 검증

• 합병 양쪽 stockCode 명시.
• 3 평가 방식 (NAV / 시장가 / DCF) 모두 정량 비교.
• 외부평가 가정 (할인율 / 성장률 / 평가기관 / 평가일) 최소 4 종 명시.
• 자기주식 + 대주주 지분 변동 시계열 ≥ 6 개월.
• falsifier — 공시 본문 부재 시 결론 보류.

AI 직접 사용 방식

1. ReadSkill 에서 합병·분할 질문이면 본 recipe 선정.
2. 합병 양쪽 stockCode 확인 — 사용자 명시 또는 공시 검색.
3. Company.panel BS/IS 최근 5 년 양쪽.
4. Company.filings("합병") 공시 본문 — 가능 시.
5. RunPython 으로 NAV/시장가/DCF 3 방식 계산.
6. squeeze-out 신호 점수 산출.
7. 답변에 3 방식 비교 표 + 외부평가 가정 ledger + 자기주식 시계열 3 셋 + 반례·한계 필수.