|AR|>3σ 가격 shock 자동 검출 + 인접 뉴스 컨텍스트

공개 호출 방식

from dartlab.analysis.eventStudy.priceShockNews import priceShockNews

result = priceShockNews(
    stockCode="005930",
    market="KR",
    periodDays=365,
    thresholdSigma=3.0,
    newsContextDays=3,
    computeImpact=False,  # True 면 각 shock CAR/t-stat 위임
)

print(f"{result['n_shocks']} shocks (σ={result['sigma_obs']:.4f})")
for ev in result["shock_events"]:
    print(f"  {ev['date']}: {ev['direction']} {ev['ar_pct']}% (z={ev['z_score']}) — 뉴스 {ev['n_news']}건")

출력 schema

key	의미
n_shocks	검출된 shock 개수
threshold_sigma / sigma_obs	임계 × σ
alpha / beta	market model (전체 윈도우 lstsq)
shock_events[i].direction	“up” / “down”
shock_events[i].z_score	AR / σ
shock_events[i].news	인접 ±3 일 keyword 매칭 헤드라인

L4 UI 차트 연동

/analysis/$code/events (PriceEventChart) 가 본 결과를 직접 소비 — is_significant shock 은 빨강 (up) / 파랑 (down) 깃발 마커로 차트 상단 표시. 클릭 시 EventSidePanel Sheet 에 동일 dict 의 news 컨텍스트 노출.

연계 절차

1. 본 recipe → |AR|>3σ 가격 shock 일자 자동 검출 + 인접 뉴스 컨텍스트.
2. engines.gather 뉴스 archive + engines.quant market model (abnormal return) 결합.
3. shock 일자 → recipes.news.newsImpact 로 CAR / t-stat 임팩트 정량화.
4. recipes.news.eventTimelineFusion 으로 이벤트 타임라인 결합.