peer set capex wave 동조성 (lead / lag)

공개 호출 방식

import dartlab
import polars as pl
import statistics

target = "005930"
c = dartlab.Company(target)

try:
    peers_meta = c.industry("peers").to_dicts()
except Exception:
    peers_meta = []

def capex_series(code):
    try:
        rows = dartlab.Company(code).analysis("capitalAllocation").to_dicts()
        return [(str(r.get("year"))[:4], (float(r.get("capex") or 0)) / max(float(r.get("revenue") or 1), 1)) for r in rows if r.get("year")]
    except Exception:
        return []

def pearson(a, b):
    if len(a) < 4 or len(a) != len(b):
        return None
    ma, mb = statistics.mean(a), statistics.mean(b)
    num = sum((x-ma)*(y-mb) for x, y in zip(a, b))
    da = sum((x-ma)**2 for x in a) ** 0.5
    db = sum((y-mb)**2 for y in b) ** 0.5
    return num / (da*db) if da*db else None

target_series = dict(capex_series(target))
years_sorted = sorted(target_series.keys())

audit = []
for p in peers_meta[:10]:
    code = p.get("code") or p.get("stockCode")
    if not code or code == target:
        continue
    p_series = dict(capex_series(code))
    common = [y for y in years_sorted if y in p_series]
    if len(common) < 5:
        audit.append({"code": code, "corr0": None, "corrLag1": None, "lead": None})
        continue
    a = [target_series[y] for y in common]
    b = [p_series[y] for y in common]
    corr0 = pearson(a, b)
    corr_lag1 = pearson(a[:-1], b[1:]) if len(a) >= 5 else None  # peer 가 target 보다 1 년 후행
    lead = "target_leads" if (corr_lag1 is not None and corr0 is not None and corr_lag1 > corr0 + 0.1) else 
           "peer_leads" if (corr_lag1 is not None and corr0 is not None and corr_lag1 < corr0 - 0.1) else "sync"
    audit.append({"code": code, "corr0": corr0, "corrLag1": corr_lag1, "lead": lead})

table = pl.DataFrame(audit) if audit else pl.DataFrame(schema={"code": pl.Utf8, "corr0": pl.Float64, "corrLag1": pl.Float64, "lead": pl.Utf8})
emit_result(
    table=table,
    values={"peerCount": table.height, "syncCount": int((table["lead"] == "sync").sum()) if table.height else 0},
    date=years_sorted[-1] if years_sorted else None,
    sources=["dartlab://industry/peers", "dartlab://analysis/capitalAllocation"],
)

호출 동작

1. 결론 도출

target vs peer capex wave 선후 단정 (target_leads / peer_leads / sync). 예: “target 005930 vs peer 000660 capex / 매출 — corr0=+0.65, corrLag1=+0.81 → target_leads (target 이 1년 선행).”

2. 핵심 근거 수집

• target 의 capex / 매출 5y 시계열 (Company.panel 의 capex 시계열 + revenue)
• peer 별 capex / 매출 5y 시계열
• Pearson corr0 (동시) + Pearson corrLag1 (peer 1년 후행 가정)

3. 메커니즘 분석

target 시계열: [capex/rev_2021, capex/rev_2022, ..., capex/rev_2025]
peer 시계열: [capex/rev_2021, capex/rev_2022, ..., capex/rev_2025]
   ↓
corr0 = Pearson(target, peer) 동시
corrLag1 = Pearson(target[:-1], peer[1:]) — peer 1년 후행
   ↓
corrLag1 - corr0 > +0.1  → target_leads (target capex 가 peer 보다 1년 앞)
corrLag1 - corr0 < -0.1  → peer_leads (peer capex 가 target 보다 앞 — 후행)
abs 차 ≤ 0.1            → sync (capex 동시 진행)

target_leads + corr0 양수 = capex 사이클 진입 선행자. peer_leads + corr0 양수 = target 이 capex 사이클 후행자 (캐치업 phase).

4. 반례·한계

• 5년 5 점 표본 — Pearson corr 신뢰도 낮음. peer 수 ≥ 5 일 때만 lead/lag 단정.
• capex 정의 차이 (PP&E 증가 vs 현금흐름 capex) peer 비교 시 raw 노이즈.
• 회계연도 차이 (12월 결산 vs 3월 결산) lag 분석 왜곡.
• 일회성 대규모 capex (공장 신설) 1 회만으로 lead 단정 위험.

5. 후속 모니터링

• target_leads 일관 시: recipes.industry.industryStagePhase 로 산업 phase 정합 (lead 회사 = phase 진입 신호).
• peer_leads 다수: recipes.industry.marginCompressionScan 으로 cycle 후기 마진 압축 cluster 확인.
• corr0 절대값 낮음 (< 0.3): peer 정의 재검토 — recipes.industry.sectorFlowConcentration 자금 집중도 cross-check.

대표 반환 형태

column	의미
code	peer 종목코드
corr0	target vs peer 동기 capex/매출 상관
corrLag1	peer 가 1 년 후행 상관
lead	target_leads / peer_leads / sync

연계 절차

1. recipes.industry.industryStagePhase - 산업 phase 와 동시 본다.
2. recipes.industry.rdIntensityTrend - capex 와 R&D 선·후행 비교.
3. recipes.fundamental.valuation.damodaran.reinvestmentRoc - capex 회수 효율 검증.

기본 검증

• peer 시계열 < 5 년이면 결론 X.
• 단일 peer 의 lag 만으로 산업 wave 단정 금지 — peer set ≥ 4 개 sync/lead 종합 본다.
• M&A · 분할 등 capex 정의 변경 row 가 lag 신호 왜곡 — 한계 명시.