회사 종합 분석 (매크로 → 산업 → 회사 → 분해 → quality → valuation)

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__}

bs = c.show("BS", freq="Y")
is_df = c.show("IS", freq="Y")
ratios = c.show("ratios")
profitability = c.analysis("profitability")
quality = c.analysis("earningsQuality")
valuation = c.analysis("valuation")

emit_result(
    table=[
        {"step": "macro", "skill": "engines.macro.marketReview", "result": "read before company conclusion"},
        {"step": "company", "skill": "engines.company.researchStarter", "result": compact(bs)},
        {"step": "profitability", "skill": "engines.analysis.profitability", "result": compact(profitability)},
        {"step": "quality", "skill": "engines.analysis.earningsQuality", "result": compact(quality)},
        {"step": "valuation", "skill": "engines.analysis.valuation", "result": compact(valuation)},
    ],
    values={"target": target, "bsRows": bs.height, "isRows": is_df.height, "ratioRows": ratios.height},
    date=latest_period(bs),
)

호출 동작

각 step 은 독립 capability 호출이며 실패해도 다음 step 은 진행한다. 단계마다 ref 가 누적된다.

1. dartlab.macro() — 금리·환율·경기 사이클 한 시점 (datasetRef + tableRef)
2. dartlab.scan("profitability") — peer 5~10 후보 (tableRef)
3. Company(code).show("BS")/show("IS") — 재무제표 시계열 (tableRef + dateRef)
4. Company.analysis("financial", "수익성") — ROE DuPont 분해 (valueRef × N)
5. Company.analysis("financial", "이익품질") — 회계 quality (valueRef × N)
6. Company.analysis("가치평가", "가치평가") — PER·PBR·EV/EBITDA peer 비교 (valueRef × N + tableRef). 종합 분석에서 가치평가 단계 누락 = 미완료. peer 비교 없는 절대값 단독 노출 금지.

대표 반환 형태

총 ref:

• tableRef 5 개 (macro snapshot, peer scan, BS, IS, valuation peer multiple)
• valueRef 9+ 개 (ROE, 마진, 회전, 레버리지, 현금흐름 quality, 일회성 비중, PER, PBR, EV/EBITDA)
• dateRef 1 개 (분기 기준일)

연계 절차

1. engines.macro.marketReview — 매크로 환경 (금리·환율·경기 사이클)
2. engines.scan.profitability — peer 후보 5~10 (수익성 축)
3. engines.company.researchStarter — 회사 진입 + show(“BS”) + show(“IS”)
4. engines.analysis.profitability — ROE DuPont 분해 (마진 × 회전 × 레버리지)
5. engines.analysis.earningsQuality — 일회성·발생주의 점검
6. engines.analysis.valuation — PER/PBR/EV-EBITDA + peer 비교 (가치평가 axis)

기본 검증

• 답변에 숫자가 들어가면 valueRef 또는 tableRef 묶음 필수.
• 분기 기준은 dateRef 명시.
• peer 비교는 tableRef + 답변 본문에 evidence table 동시 노출.
• “12 조” 같은 절대값 단독 노출 금지 — peer median / 5 년 평균과 함께.

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.