DartLab: 파편화된 공시 데이터를 '이야기'로 바꾸는 분석 엔진

DartLab: 파편화된 공시 데이터를 '이야기'로 바꾸는 분석 엔진

DartLab은 단순히 재무제표를 불러오는 라이브러리를 넘어, 파편화된 기업 공시 데이터를 '비교 가능한 이야기'로 정규화하는 강력한 금융 분석 엔진입니다. 특히 한국의 DART와 미국의 SEC EDGAR라는 거대한 두 데이터 소스를 동일한 인터페이스로 묶어냈다는 점이 매우 인상적입니다.

🏗️ DartLab의 핵심 아키텍처

DartLab은 데이터를 단순히 나열하지 않고, 인과 관계를 분석하여 보고서 형태로 가공하는 4단계 레이어 구조를 가지고 있습니다.

레이어	기능	주요 명령어
L1: Data	종목코드로 공시/재무제표 통합	dartlab.Company("005930")
L2: Analysis	수익성, 신용등급, 매크로 분석	c.analysis(), c.credit()
L3: Story	분석 블록을 조합해 6막 구조 리포트 생성	c.story()
L4: AI	자연어로 질문하고 분석 자동화	dartlab.ask("삼성전자 분석해줘")

💡 주요 차별점 (Pain Points Solved)

• 데이터 정규화 ($97\%$ 매핑율): 기업마다 제각각인 XBRL 계정명을 표준 이름으로 통일하여 기업 간 수평 비교를 가능하게 합니다.
• 스토리텔링 엔진: 11가지 보고서 타입과 7가지 기업 유형 템플릿을 사용하여 데이터를 단순 수치가 아닌 서사로 바꿉니다.
• Zero-Config & High Accessibility: API 키 없이도 사전 구축된 데이터를 로드하며, MCP(Model Context Protocol) 지원으로 LLM이 직접 도구를 사용할 수 있습니다.

🚀 빠른 시작 가이드

가장 핵심이 되는 Company 객체 사용법입니다.

Python

import dartlab

# 1. 기업 객체 생성 (삼성전자)
c = dartlab.Company("005930")

# 2. 전 기간 공시 섹션 확인 (시계열 수평화)
c.sections

# 3. 손익계산서(IS) 확인 (분기별 데이터 기본)
c.show("IS")

# 4. 작년 대비 사업 내용의 변화(Text Diff) 확인
c.diff("businessOverview")

# 5. AI에게 분석 요청
dartlab.ask("삼성전자의 현금흐름과 재무 건전성을 분석해줘")

🛠️ 확장 기능: 매크로 및 신용 분석

dartlab.macro("사이클")을 통해 경기 4국면 판별 및 침체 확률(Sahm Rule, Yield Curve 등)을 분석할 수 있습니다. 또한 자체 알고리즘인 dCR을 통해 기업의 부도 확률과 신용 등급을 산출하는데, 삼성전자의 경우 실제 신평사와 일치하는 AA+ 등급을 도출할 정도로 정확도가 높습니다.

DartLab은 숫자를 넘어 '왜'라는 질문에 답하고 싶은 투자자나 분석가에게 최적화된 도구입니다. 복잡한 파싱에 시간을 쓰는 대신, 분석의 본질인 의사결정에만 집중해 보세요.

출처 : https://github.com/eddmpython/dartlab