인플레이션 확산성 원자료 점검

공개 호출 방식

import dartlab

market = "US"
indicators = ["CPIAUCSL", "CPILFESL", "PPIACO", "DCOILWTICO", "T5YIE", "FEDFUNDS"]
rows = []
for indicator in indicators:
    try:
        data = dartlab.gather("macro", indicator)
        rows.append({"indicator": indicator, "data": data, "ok": True})
    except Exception as exc:
        rows.append({"indicator": indicator, "error": str(exc), "ok": False})

try:
    rates = dartlab.macro("rates", market=market)
except Exception as exc:
    rates = {"error": str(exc)}
try:
    inflationScenario = dartlab.macro("scenario", "인플레이션 충격", market=market, severity="moderate")
except Exception as exc:
    inflationScenario = {"error": str(exc)}
try:
    summary = dartlab.macro("summary", market=market)
except Exception as exc:
    summary = {"error": str(exc)}

emit_result(
    table=rows,
    values={
        "market": market,
        "rateDirection": ((rates.get("outlook") or {}).get("direction") if isinstance(rates, dict) else None),
        "scenarioType": ((inflationScenario.get("meta") or {}).get("type") if isinstance(inflationScenario, dict) else None),
        "summaryOverall": summary.get("overall") if isinstance(summary, dict) else None,
    },
    date=summary.get("latestAsOf") if isinstance(summary, dict) else None,
    sources=["dartlab://macro/rates", "dartlab://macro/scenario", "dartlab://macro/summary", "dartlab://gather/macro"],
)

호출 동작

1. 결론 도출

6 시리즈 + breadth 단정. 예: “headline CPI +3.2% YoY / core +3.1% / PPI +2.8% / WTI +18% YoY / 5Y BEI 2.6% (anchored) / FFR 5.25 → 확산성=넓음 (headline+core+PPI 동조 + 기대 anchored — 공급충격 한정 아님).”

2. 핵심 근거 수집

• CPIAUCSL (headline CPI), CPILFESL (core CPI), PPIACO (PPI), DCOILWTICO (WTI), T5YIE (5Y BEI), FEDFUNDS — gather macro 6
• macro(‘rates’) outlook direction (cutting / peak / hiking)
• macro(‘scenario’, “인플레이션 충격”) type — 조건부 시나리오 type
• macro(‘summary’) overall — 거시 종합

3. 메커니즘 분석

headline vs core vs PPI vs commodity 분리
   headline > core (gap > 0.5%p) → 공급충격 (에너지/식품)
   core > headline           → 수요 압력 + sticky
   PPI 상승 > CPI 상승 + lag → pipeline pressure (6-12M 후 CPI 전이)
   5Y BEI > 2.5% + 추세      → 기대 unanchor (정책 압박)
   ↓
breadth 판정:
   headline + core + PPI 동조 상승 → 넓음
   headline 만 (commodity 단독)    → 좁음 (공급충격)
   headline + core 추세 분리      → 혼재

기대인플레이션 anchored (BEI < 2.5%) + core 하락 = peak inflation 후보. unanchored + PPI lag pressure = 재가속 위험.

4. 반례·한계

• 유가 단기 spike (지정학) 는 headline 만 일시 상승 — 확산성 아님.
• core CPI 는 주거비 lag 12-18M 으로 후행 — 실시간 신호 약함.
• T5YIE 는 시장 유동성 thin → 추세 신호 noisy.
• US-only (CPIAUCSL). KR/EU 인플레 분리 필요.

5. 후속 모니터링

• 확산성=넓음 + rateDirection=hiking → recipes.macro.yieldCurveStress 로 금리곡선 inversion.
• PPI 선행 + CPI lag → recipes.macro.tailRiskScenarioScan 으로 재가속 시나리오.
• 유가 충격 단독 → recipes.macro.dollarFundingStress 로 commodity-dollar 동조 확인.

대표 반환 형태

column	의미
indicator	CPIAUCSL / CPILFESL / PPIACO / DCOILWTICO / T5YIE / FEDFUNDS
data	시계열 원자료
ok	gather 성공 여부

연계 절차

1. 인플레 확산성이 높으면 recipes.macro.yieldCurveStress 로 금리곡선과 정책 압력을 확인한다.
2. 상품/에너지 충격 중심이면 engines.macro 의 인플레이션 충격 경로와 비교한다.
3. 한국 수출/환율 영향은 recipes.macro.koreaExportCycleNowcast 로 넘긴다.

기본 검증

• CPI 계열과 상품/생산자 계열을 최소 하나씩 확인한다.
• 확산성은 “넓음/좁음/혼재/판정불가” 중 하나로 표현한다.