현금흐름 품질 × 거버넌스 감사 동시 적신호

공개 호출 방식

import dartlab
import polars as pl

target = "005930"
c = dartlab.Company(target)

def latest_period(df):
    if hasattr(df, "columns"):
        for col in df.columns:
            if str(col)[:4].isdigit():
                return str(col)
    return "latest"

def compact(obj):
    if isinstance(obj, pl.DataFrame):
        return {"type": "DataFrame", "rows": obj.height, "columns": obj.width}
    if isinstance(obj, dict):
        return {"type": "dict", "keys": list(obj.keys())[:8]}
    return {"type": type(obj).__name__}

earnings_quality = c.analysis("earningsQuality")
cashflow = c.analysis("cashflow")
governance = c.analysis("governance")
cf = c.show("CF", freq="Y")

def ready(obj):
    if isinstance(obj, pl.DataFrame):
        return not obj.is_empty()
    return bool(obj)

dual_flags = [ready(earnings_quality), ready(cashflow), ready(governance)]
emit_result(
    table=[
        {"signal": "earningsQuality", "result": compact(earnings_quality)},
        {"signal": "cashflow", "result": compact(cashflow)},
        {"signal": "governance", "result": compact(governance)},
    ],
    values={"target": target, "flagCount": sum(dual_flags), "tripleFlag": all(dual_flags)},
    date=latest_period(cf),
)

호출 동작

1. c.analysis("earningsQuality") — accrual ratio + FCF/NI 비율.
2. c.analysis("governance") — 이사회 독립성 + 특수관계자 비중.
3. c.scan("audit") — 최근 2 년 감사인 변경 여부.
4. 3 신호 boolean 결합 → triple flag.

대표 반환 형태

pl.DataFrame — 컬럼:

• accrualRatio : float · highAccrual : bool
• fcfNiRatio : float
• boardIndependence : float · relatedPartyRatio : float · govAmber : bool
• auditChanged : bool
• flagCount : int (0~3) · tripleFlag : bool

연계 절차

1. 본 recipe → triple flag 종목 식별.
2. tripleFlag = True → recipes.credit.quantConsensus 와 결합 — Beneish M-score 분식 신호와 교차 검증.
3. universe 적용 → recipes.governance.auditNetwork 로 cross-sectional flag.

기본 검증

• ValidateRecipe(..., capture=False) 기준으로 공개 호출 블록이 실행되어야 한다.
• requiredEvidence의 근거 종류가 모두 반환되어야 한다.
• target을 바꿔도 Company("005930") 하드코딩 가정이 남지 않아야 한다.

AI 직접 사용 방식

1. ReadSkill 에서 사용자 질문과 whenToUse를 맞춰 이 recipe를 고른다.
2. GetSkillBody 로 본문 전체를 읽고 linkedSkills 순서대로 먼저 필요한 엔진 skill을 확인한다.
3. ## 공개 호출 방식의 첫 Python 블록을 target만 바꿔 ValidateRecipe(..., capture=False)로 smoke 실행한다.
4. 실행 결과의 skillRef, tableRef, valueRef, dateRef, executionRef 중 누락된 근거가 있으면 답변을 작성하지 말고 호출 또는 근거 요구를 보강한다.
5. 답변은 결론, 핵심 근거, 메커니즘, 반례·한계, 후속 모니터링 순서로 작성하고 falsifier.description이 있으면 반례 단락에서 반드시 확인한다.