데이터 파이프라인 실행 순서

1. f_fetch_induty_codes.py → data/etc/delisted_induty_codes.csv 생성
2. f_make_delisted_input.py → data/input/{섹터}_companies_final.csv 생성

입력 파일 (Git 미포함, from KIND)

• data/etc/상장폐지현황.xlsx
• data/etc/상장법인목록.xlsx

---

스크립트 설명

f_make_delisted_input.py

상장폐지 기업 중 재무위기로 폐지된 기업만 추려서 GICS 섹터 필터링 후, 정상 기업 목록과 합쳐 최종 학습용 데이터셋을 만드는 스크립트

내부적으로 아래 순서로 동작합니다:

단계	내용
1. 업종코드 로드	delisted_induty_codes.csv에서 상폐 기업별 induty_code 가져오기
2. SPAC 제거	스펙·기업인수목적 등 이름 기반 필터링
3. 폐지사유 필터링	합병·자진상폐 등 제외 → 부도·감사의견거절·자본잠식 등 재무위기만 유지
4. GICS 매핑	induty_code 앞자리로 담당 섹터 분류, 해당 없으면 제거
5. label 부여	상폐 기업 label=1 / 정상 기업 label=0
6. 병합 및 중복 제거	정상 기업({섹터}_companies.csv)과 합치기, 중복 종목코드는 정상 기업 우선
7. 저장	{섹터}_companies_final.csv 출력

---

섹터별 커스터마이징 가이드

f_make_delisted_input.py는 A섹터 기준으로 작성되어 있습니다. 담당 섹터에 맞게 아래 두 부분만 수정하세요.

수정 1: GICS 매핑 테이블 (INDUTY_GICS_3, INDUTY_GICS_2)

induty_code 앞자리 → 담당 섹터 GICS명으로 매핑하는 부분입니다.

# 현재 A섹터 예시
INDUTY_GICS_2 = {
    "58": "Information Technology",
    "62": "Information Technology",
    "59": "Communication Services",
    "14": "Consumer Discretionary",
    ...
}

담당 섹터의 induty_code 분포는 아래 코드로 확인할 수 있습니다:

import pandas as pd
df = pd.read_csv("data/etc/delisted_induty_codes.csv", dtype={"induty_code": str})
print(df["induty_code"].str[:2].value_counts().sort_index())

수정 2: 저장 파일명

# 현재 (A섹터)
OUTPUT_FILE = Path("data/input/A_companies_final.csv")
NORMAL_FILE = Path("data/input/A_companies.csv")

# 담당 섹터에 맞게 변경 (예: B섹터)
OUTPUT_FILE = Path("data/input/B_companies_final.csv")
NORMAL_FILE = Path("data/input/B_companies.csv")

참고: induty_code 앞자리 주요 매핑표

앞자리	업종	GICS 섹터 참고
20~21	식품 제조	Consumer Staples
24~25	화학	Materials
26	전자·반도체	IT / Industrials
27~28	의료기기·의약품	Health Care
29~30	기계·자동차	Industrials
35	전기·가스	Utilities
41~42	건설	Real Estate
46~47	도소매	Consumer Discretionary
58~63	IT·소프트웨어	Information Technology
64~66	금융	Financials
68	부동산	Real Estate