경제 시나리오 인과 다이어그램

공개 호출 방식

import dartlab
from dartlab.viz import emitDiagram

scenarioName = "2008 금융위기"
market = "KR"

# 1) 시나리오 meta — 충격 유형·transmission 경로 후보
try:
    scenario = dartlab.macro("scenario", scenarioName, market=market)
except Exception as exc:
    scenario = {"error": str(exc), "meta": {"description": scenarioName, "type": "신용 충격"}}
meta = scenario.get("meta") if isinstance(scenario, dict) else {}
scenarioType = (meta or {}).get("type") or "조건부 충격"
transmission = (meta or {}).get("transmission") or []

# 2) 현재 매크로 환경 — 시나리오 출발점 확인
try:
    rates = dartlab.macro("금리", market=market)
    cycle = dartlab.macro("사이클", market=market)
except Exception:
    rates, cycle = {}, {}

# 3) 메커니즘 노드 6 개 이하 — meta.transmission 있으면 그것, 없으면 default
default_path = [
    (scenarioType, "스프레드·금리 충격 + 200~300bp T+0"),
    ("금융상태 긴축", "TED·신용 스프레드 +150bp T+1Q"),
    ("실물 경기 둔화", "PMI < 48 / 소매판매 -3% YoY T+2Q"),
    ("시장 가격 재평가", "PER 18× → 12× / 장기채 변동성 T+3Q"),
    ("방어/취약 분기", "방어 (현금흐름 안정) -15%p / 취약 (고부채·성장주) -28%p"),
]
nodes = transmission or default_path

# 4) mermaid graph LR — 각 노드 라벨에 *수치 임계* 포함
lines = [f'  A["{scenarioName}"]']
prev_id = "A"
for i, (label, threshold) in enumerate(nodes[:5]):
    nid = chr(ord("B") + i)
    lines.append(f'  {nid}["{label}<br/>{threshold}"]')
    lines.append(f"  {prev_id} --> {nid}")
    prev_id = nid
source = "graph LR
" + "
".join(lines)

emitDiagram("mermaid", source, title=f"{scenarioName} 충격 전파")

# 5) 후속 모니터링 표 — 답변 5 단의 핵심 산출물
monitoring = [
    {"지표": "TED spread", "현재값": rates.get("ted"), "임계값": "+200bp", "review": "주간"},
    {"지표": "ISM PMI", "현재값": cycle.get("pmi"), "임계값": "< 48", "review": "월간"},
    {"지표": "신용 스프레드 BBB", "현재값": rates.get("creditSpread"), "임계값": "+150bp", "review": "주간"},
]

emit_result(
    table=monitoring,
    values={"scenarioName": scenarioName, "scenarioType": scenarioType, "nodeCount": len(nodes)},
    date=meta.get("asOf"),
    sources=["dartlab://macro/scenario", "dartlab://macro/rates", "dartlab://macro/cycle"],
)

호출 동작 — 5 단 분석 구조

본 recipe 의 답변은 시스템 프롬프트의 분석 5 단 (결론 / 근거 / 메커니즘 / 반례·한계 / 후속 모니터링) 과 1:1 매핑된다. 다이어그램은 메커니즘 3 단의 시각 형태 일 뿐, 그 단독 답안이 아니다.

1. 결론 도출

시나리오 X 의 충격 전파 강도 + 영향 섹터 분기 + 시간 horizon 을 정량 한 문장으로 산출.

좋은 결론 예시:

• “2008 금융위기형 신용 충격은 KR 시장 peak-to-trough -38% (18 개월), 회복 +15 개월. 방어 (현금흐름 안정 + 부채비율 50% 이하) 가 상대 -15%p 우위, 취약 (부동산·리츠·고부채 성장주) 가 -28%p 열위.”

금지 — “긍정적 영향”, “주의 필요”, “심각한 충격” 같은 추상 단어 단독 사용. 반드시 숫자·시점·방향 동반.

2. 핵심 근거 수집

3 종 ref 모두 답변에 명시 인용 (requiredEvidence: skillRef + sourceRef + executionRef).

• skillRef: engines.macro (이 recipe 진입점), engines.macro (역사 위기 사례), engines.scan (방어/취약 섹터 현재 분포). 답변 결론·메커니즘 단에서 어느 skill 출처 인지 명시.
• sourceRef: dartlab.macro("scenario", ...) 가 반환한 시나리오 meta (description / type / transmission / historicalCases). 시점 (asOf) 포함.
• executionRef: RunPython 안 계산 결과 (위 monitoring 표·values dict). 답변에 “RunPython 실행 결과: ref:N” 형식 인용.

진입점 엔진: engines.macro (axis 별 호출) (시나리오 정의) + engines.viz (다이어그램 emit). 도구 호출: RunPython (조합 계산) + CompileVisual (대안 시각화).

3. 메커니즘 분석

원인 → 중간 → 결과 인과 경로를 6 개 이하 mermaid graph LR 노드로 작성. 각 노드 라벨에 수치 임계 부착 (<br/> 으로 줄바꿈).

기본 5 단 경로 (transmission meta 없을 때):

1. 초기 충격 — 시나리오 type (신용·금리·환율·정치) + 정량 (+300bp / KRW 1,400).
2. 금융상태 — TED·credit spread·외환보유고 등 (T+1Q).
3. 실물 — PMI·소매판매·산업생산 (T+2Q).
4. 자산가격 — PER 멀티플 압축·장기채 변동성 (T+3Q).
5. 섹터 분기 — 방어 vs 취약 상대 수익률 (T+4Q+).

노드 간 edge label 에 시간 지연 (T+1Q / T+2Q) 명시 권장. transmission meta 가 있으면 그 경로 우선 (정확도 ↑).

4. 반례·한계

• Falsifier: 시나리오 이름 또는 충격 경로 (type/transmission) 가 없으면 다이어그램을 만들지 않는다. type 도 추정 못 하면 “조건부 충격” 중립 레이블로 emit 후 답변에 한계 명시.
• 역사 평균 경로 한계: 다이어그램은 과거 평균 transmission 이라 현 사이클 미반영. 예 — Fed 조기 피벗 시 충격이 단기 (1 quarter) 로 마감, 다이어그램의 T+2Q~T+4Q 단계가 압축됨.
• 확률 단정 금지: edge “A → B” 는 조건부 경로 이지 확률 예측 아님. “B 가 반드시 일어난다” 식 답변 금지.
• 노드 수 가드: 6 개 초과 시 가독성 손실. 더 세분화는 별도 recipes.macro.tailRiskScenarioScan 으로 분리.
• 장식화 회피: 다이어그램이 설명 보조 가 아니라 답변 채우기 장식 으로 쓰임 — 본문 텍스트가 다이어그램과 같은 정보만 담으면 다이어그램 생략하고 표·텍스트로 답.

5. 후속 모니터링

답변 끝에 모니터링 지표 표 를 다음 형태로:

지표	현재값	임계값	리뷰 주기
TED spread	(RunPython 결과)	+200bp	주간
ISM PMI	(RunPython 결과)	< 48	월간
신용 스프레드 BBB	(RunPython 결과)	+150bp	주간

추가 연계 절차:

• 여러 시나리오 정량 비교 → recipes.macro.tailRiskScenarioScan
• 역사적 유사 사례 비교 → recipes.macro.historicalPositioning
• 차트형 수치 (PER 압축·섹터 베타) 비교 → recipes.macro.stressMatrixChart

재호출 트리거 발화: “고금리 장기화 시나리오 그래프”, “2008 충격 전파 다이어그램”, “달러 스트레스 인과 그래프”.

대표 반환 형태

• diagramSpec — mermaid graph LR, 5~6 노드, 각 노드 라벨에 임계값 포함.
• tableRef — 후속 모니터링 3~5 행 표 (지표/현재값/임계값/리뷰주기).
• valueRef — {@html String.fromCharCode(123)}scenarioName, scenarioType, nodeCount{@html String.fromCharCode(125)} dict.
• executionRef — RunPython 실행 결과 id (답변 인용 키).

연계 절차

1. 여러 scenario 정량 비교는 recipes.macro.tailRiskScenarioScan.
2. 역사적 사건 비교는 recipes.macro.historicalPositioning.
3. 차트형 수치 비교는 recipes.macro.stressMatrixChart.
4. 회사 단위 충격 영향 추정은 recipes.macro.companyMacroPathProjection.

기본 검증

• 노드는 6 개 이하 (가독성 + 노드별 임계 부착 부담).
• scenario type 이 없으면 “조건부 충격” 중립 레이블 사용 + 한계 명시.
• 다이어그램은 설명 보조 — 본문 텍스트와 동일 정보면 다이어그램 생략.
• 결론 단은 반드시 정량 (숫자 + 시점 + 방향) — 추상 평가 단어 단독 사용 금지.