Catalyst Calendar — 향후 30/90 일 예정 이벤트

공개 호출 방식

import dartlab
import polars as pl
from datetime import date, timedelta

# universe + 기간
holdings = ["005930", "000660", "035720", "207940", "035420"]
asof = date.today()
horizon_30d = asof + timedelta(days=30)
horizon_90d = asof + timedelta(days=90)

events = []

# 1. 실적 발표 일정 (DART 공시 schedule + 분기말 +45/90 일 추정)
for c in holdings:
    company = dartlab.Company(c)
    earnings = rows(company.filings())  # 실적 공시 이력. 예정 일정 추정은 아래 cycle 로직
    events.extend([
        {"eventType": "earnings", "stockCode": c, "eventDate": e["date"], "detail": e["quarter"]}
        for e in earnings
    ])

# 2. 배당락일 (DART 배당결정 공시 추출)
for c in holdings:
    company = dartlab.Company(c)
    div = rows(company.filings())  # 배당 공시 이력
    events.extend([
        {"eventType": "exDividend", "stockCode": c, "eventDate": d["exDate"], "detail": f"₩{d['amount']}"}
        for d in div
    ])

# 3. 금통위 일정 (한은 공식 cron)
bok_meetings = dartlab.macro("rates", market="KR", upcoming=True, end=horizon_90d.isoformat())
events.extend([
    {"eventType": "bokRate", "stockCode": None, "eventDate": m["date"], "detail": "금통위"}
    for m in bok_meetings.get("upcoming", [])
])

# 4. FOMC 일정 (Fed 공식 cron)
fomc_meetings = dartlab.macro("rates", market="US", upcoming=True, end=horizon_90d.isoformat())
events.extend([
    {"eventType": "fomc", "stockCode": None, "eventDate": m["date"], "detail": "FOMC"}
    for m in fomc_meetings.get("upcoming", [])
])

# 5. MSCI rebalancing (분기 cycle — 2/5/8/11 월 last working day)
# (구현: MSCI 공식 schedule)

# 6. 주총 (DART 주주총회 공시)
for c in holdings:
    company = dartlab.Company(c)
    agm = rows(company.filings())  # 주총 소집 공시 이력
    events.extend([
        {"eventType": "agm", "stockCode": c, "eventDate": a["date"], "detail": "주총"}
        for a in agm
    ])

# 정렬 + 우선순위 rank
df = pl.DataFrame(events).sort("eventDate").with_columns(
    priorityRank=pl.col("eventType").map_dict({
        "earnings": 1, "fomc": 2, "bokRate": 2, "exDividend": 3, "agm": 4, "msciRebal": 5,
    })
)

events_30d = df.filter(pl.col("eventDate") <= horizon_30d.isoformat())

emit_result(
    table=df,
    values={"n_events_30d": len(events_30d), "n_events_90d": len(df)},
    date=asof.isoformat(),
    sources=["dartlab://company/upcoming*", "dartlab://macro/rates"],
)

호출 동작

1. 결론 도출

향후 30/90 일 예정 이벤트 단일 표 — 6 enum (earnings/exDividend/bokRate/fomc/msciRebal/agm) × dateRef 정렬 + priorityRank.

2. 핵심 근거 수집

• Company.filings() 공시 이력 + 분기 cycle 추정 (예정 일정 전용 계약 호출은 없다)
• dartlab.macro("rates", upcoming=True) — 한은/Fed 공식 cron
• MSCI rebalancing 분기 cycle (구현 별도)

3. 메커니즘 분석

6 source → 단일 표 + 정렬 + rank
   earnings (priority 1)   → 분기 cycle, 변동성 최고
   fomc/bokRate (2)        → macro regime 영향
   exDividend (3)          → 보유 종목 cash flow
   agm (4)                 → 거버넌스 이벤트
   msciRebal (5)           → 패시브 flow
   ↓
df.sort(eventDate) + priorityRank

4. 반례·한계

• 비정기 이벤트 (M&A / 행정처분 / 위기) 사전 수집 불가능.
• 해외 이벤트 시간대 변환 (FOMC 한국 시간 새벽 4 시 기준).
• 분기 cycle 추정 — 실제 발표일은 공시 후 확정 (오차 ±7 일).
• 보유 종목 universe 외 종목 영향 사건 (대형주 실적) 누락.

5. 후속 모니터링

• 30 일 안 보유 종목 실적 → recipes.fundamental.disclosure.eventRadar deep dive 사전 준비.
• 금통위/FOMC → recipes.macro.scenarioDiagram 사전 시나리오.
• 배당락 → 보유 종목 현금 흐름 영향 시뮬레이션.

대표 반환 형태

pl.DataFrame — 컬럼:

• eventType : str — earnings / exDividend / bokRate / fomc / msciRebal / agm
• stockCode : str | None — None = 시장 wide 이벤트 (FOMC/금통위)
• eventDate : str — YYYY-MM-DD
• detail : str — 분기 ID / 배당액 / 이벤트 명
• priorityRank : int — 1~5

연계 절차

1. 본 recipe → 향후 30/90 일 이벤트 단일 표.
2. earnings 임박 → recipes.fundamental.disclosure.eventRadar 사전 분석.
3. fomc/bokRate → recipes.macro.usFedDotPlotGap 또는 recipes.macro.qualityMacroBeta 사전 시나리오.
4. exDividend → 보유 포트폴리오 현금 흐름 모델 갱신.
5. 일일 cadence 결합 → recipes.meta.report.dailyMorningNote.