Upside Asymmetry Screen — MDD ≤ 15% ∧ catalyst ≥ 2

공개 호출 방식

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

asof = date.today()
horizon_90d = asof + timedelta(days=90)
lookback_12m = asof - timedelta(days=365)

universe = ["005930", "000660", "035720", "207940", "035420"]   # 예시 — KOSPI200 등으로 확장
rows = []

for code in universe:
    c = dartlab.Company(code)

    # 1. 12 개월 MDD
    price_series = dartlab.gather("price", code)  # 12 개월 구간은 아래에서 자른다
    cum_max = price_series["close"].cum_max()
    dd = (price_series["close"] - cum_max) / cum_max
    mdd = dd.min()

    # 2. 향후 90 일 catalyst 카운트 (5 종 enum)
    catalysts = []
    earnings = c.filings()  # 실적 공시 이력
    if earnings: catalysts.append("earnings")

    div = c.filings()  # 배당 공시 이력
    if div: catalysts.append("dividend")

    agm = c.filings()  # 주총 소집 공시 이력
    if agm: catalysts.append("agm")

    # new business / policy / m&a 는 recent disclosure 본문 keyword 매칭
    recent = c.filings()  # 최근 30 일은 rceptDate 로 아래에서 거른다
    if any("신규 사업" in r["report_nm"] or "정관 변경" in r["report_nm"] for r in recent):
        catalysts.append("newBusiness")

    rows.append({
        "stockCode": code,
        "mdd12m": float(mdd),
        "catalystCount": len(catalysts),
        "catalysts": ",".join(catalysts),
    })

df = (
    pl.DataFrame(rows)
    .filter((pl.col("mdd12m") >= -0.15) & (pl.col("catalystCount") >= 2))
    .with_columns(asymmetryRatio=pl.col("catalystCount") / pl.col("mdd12m").abs())
    .sort("asymmetryRatio", descending=True)
)

emit_result(
    table=df,
    values={"n_asymmetry": len(df)},
    date=asof.isoformat(),
    sources=["dartlab://company/price", "dartlab://company/upcoming*"],
)

호출 동작

1. 결론 도출

downside 제한 (MDD ≤ 15%) + upside 동인 다중 (catalyst ≥ 2) 동시 충족 universe — 비대칭 payoff 후보 priority.

2. 핵심 근거 수집

• dartlab.gather("price", code) 12 개월 가격 시계열 → MDD 계산
• Company.upcomingEarnings/Dividends/Agm() — 향후 90 일 schedule catalyst
• Company.filings() — recent 30 일 신규 사업 / 정책 keyword 매칭

3. 메커니즘 분석

2 차원 평가
   downside: MDD 12M ≤ 15% (정량 강건)
   upside  : catalyst 5 enum (earnings/dividend/agm/newBusiness/policy)
           catalyst ≥ 2 (다중 동인)
   ↓
asymmetryRatio = catalystCount / |MDD|
   (높을수록 payoff 비대칭 강함)
   ↓
ratio desc 정렬

4. 반례·한계

• MDD 12M 단독 평가 — 약세장에서 cyclical 도 MDD 큼.
• catalyst 정의 5 enum strict — 정성 catalyst 제외.
• regime context (강세장에서 MDD 자연히 작음) 동행 권장.
• 12 개월 미만 신규 상장 universe 제외.

5. 후속 모니터링

• ratio top 종목 → recipes.fundamental.disclosure.eventRadar deep dive.
• catalyst 별 영향도 → recipes.fundamental.disclosure.priceFlowReaction 시뮬레이션.
• regime context → engines.macro.regimes 5 enum 결합.
• 월 1 회 재실행.

대표 반환 형태

pl.DataFrame — 컬럼:

• stockCode : str · corpName : str
• mdd12m : float — 12 개월 MDD (음수, -0.15 = -15%)
• catalystCount : int (≥ 2)
• catalysts : str — comma-separated enum
• asymmetryRatio : float

연계 절차

1. 본 recipe → 비대칭 upside universe.
2. ratio top → recipes.fundamental.disclosure.eventRadar deep dive.
3. catalyst 영향도 → recipes.fundamental.disclosure.priceFlowReaction (역사 cohort 평균 reaction).
4. regime check → engines.macro.regimes (현재 expansion/recovery 에서 본 신호 강).
5. 보유 종목 monitoring → 신규 진입 시 alert.