Thesis Kill-Chain Fragility Map

공개 호출 방식

AI 도구 실행 순서는 EngineCall 우선이다. 아래 Python 블록은 확보한 L1/L1.5 근거를 buildThesisKillChainMemo로 묶는 RunPython fallback 절차다.

import dartlab
from dartlab.synth.thesisKillChain import buildThesisKillChainMemo

target = "005930"
thesis = "매출 성장과 현금 전환이 유지되어 valuation discount가 해소된다"
c = dartlab.Company(target)
statements = {}
for topic in ("IS", "BS", "CF"):
    try:
        statements[topic] = c.show(topic, freq="Y")
    except Exception:
        pass

memo = buildThesisKillChainMemo(target=target, thesis=thesis, statements=statements)

emit_result(
    table=memo["tables"]["fragilityMap"],
    values=memo["headline"],
    date=memo["asOf"],
    sources=memo["sources"],
)

호출 동작

1. 결론 도출

8 fragility metric 단정. 예: “fragilityMap 8 row — revenueGrowth value=+8% status=ok / operatingMarginTrend value=-2%p status=risk thesisBreak=‘OPM 압축 시 valuation discount 유지’ / cashConversion value=0.85 status=watch / debtToEquity value=42% status=ok / cashToDebt value=1.8 status=ok / priceReaction value=-3% status=watch / flowPressure value=-120억 status=risk / consensusRevision value=-2.5% status=risk → 4 of 8 risk/watch — kill 후보 4 (OPM + flow + consensus).”

2. 핵심 근거 수집

• Company.show(‘IS’ / ‘BS’ / ‘CF’, freq=‘Y’) 3 statement
• Company.gather(‘price’ / ‘flow’ / ‘consensus’) 3 보조
• buildThesisKillChainMemo() → 8 metric 표
• 각 metric × (value + status + thesisBreak)

3. 메커니즘 분석

3 source × 8 metric 계산
   revenueGrowth     = YoY revenue 변화
   operatingMargin   = OPM 추세 (5y std)
   cashConversion    = CFO / netIncome
   debtToEquity      = 총부채 / 총자본
   cashToDebt        = 현금 / 차입금
   priceReaction     = 60d 가격 변화
   flowPressure      = 외인+기관 net flow
   consensusRevision = EPS consensus 추세
   ↓
status 판정 (metric 별 임계):
   ok      → 정상 (thesis 견조)
   watch   → 약화 시작 (thesis 일부 위협)
   risk    → 명백한 위협 (thesis 무너질 가능성)
   missing → 데이터 결손 (0으로 채우지 X — forbidden)
   ↓
watch/risk → thesisBreak 명시 필수:
   "OPM 압축 시 valuation discount 유지"
   "consensus 하향 → 시장 기대 무너짐"
   "flow 음수 → 매도 압력 가속"
   ↓
kill 후보 정량:
   risk 카운트 ≥ 3 → thesis 강한 위협
   watch ≥ 4       → thesis 약화 phase
   ok 다수         → thesis 견조

fragility = 깨질 수 있는 수치 지점 — thesis 결론 아님. 단일 가격 하락 (priceReaction 만) 으로 thesis 취약성 단정 X — 5+ metric 동조 필요.

4. 반례·한계

• 결손값을 0 으로 채우면 forbidden 위반 (missing 으로 둠).
• 단일 metric (예: priceReaction) 만으로 thesis 취약 단정 — 5+ metric 동조 필요.
• 5y baseline 짧음 — 산업 cycle 짧은 회사 (반도체) 에 적합.
• IS/BS/CF 결손 시 fragility 4 종 (debt/cash/margin/revenue) 미산출.

5. 후속 모니터링

• risk 카운트 ≥ 3 → recipes.meta.thesisKillChain.triggerCatalog 로 trigger 전환.
• watch metric → recipes.meta.thesisKillChain.tripwireMonitor 로 임계 모니터링.
• 모든 ok → recipes.meta.thesisKillChain.premortemQualityGate 로 thesis 견조 확인.

대표 반환 형태

column	의미
metric	취약 지표
value	계산값
status	ok/watch/risk/missing
thesisBreak	thesis가 깨지는 방식

연계 절차

1. recipes.meta.thesisKillChain.triggerCatalog - watch/risk 지표를 trigger로 전환.
2. recipes.meta.thesisKillChain.tripwireMonitor - 임계값과 모니터링 조건 생성.

기본 검증

• 결손 지표는 missing으로 둔다.
• watch/risk는 반드시 thesisBreak를 포함한다.