📌 소개 (00:00)
🔹 AI 자동 매매 & 오픈 클로
주식 또는 암호화폐 자동 매매를 AI로 진행하는 콘텐츠를 오픈 클로를 통해 구현. 24시간 주식 시장 감시, 실시간 분석, 투자 전략 수립, 자동 매매, 메신저 알림까지 제공하는 투자 어시스턴트 구축.
- 오래된 노트북이나 데스크톱 PC를 활용
- 오픈 클로에 클론, 하트비트, 스킬 기능 결합
- AI 에이전트가 투자 전문가 역할 수행
AI 에이전트의 투자 전략은 스스로 학습하여 고도화될 수 있음.
📌 이전 영상 연계 (01:18)
🔹 사전 준비
오늘 영상은 이전 영상의 연장선. 따라서 오픈 클로 설치 및 웹 UI 또는 TUY 설정 선행 필요.
📌 AI 투자 어시스턴트 상견례 (01:28)
🔹 AI 에이전트 이름 부여 및 역할 정의
AI 에이전트에게 이름 부여 및 자동 주식 매매 어시스턴트, 투자 컨설턴트 역할 부여. 30년 이상 경력의 전문가처럼 친절하게 업무 지원 요청.
- 시스템 프롬프트를 통해 AI 역할 설정
- 오픈 클로는 하트비트를 통해 내용 확인 및 사용자 소통
📌 주식 자동 매매 시스템 구조 (02:05)
🔹 시스템 구조 설명
데이터 확보, 분석, 전략 수립, 스코어링, 자동 매매 과정을 포함하는 주식 자동 매매 시스템 구조 설명.
- 텍스트 데이터 또는 OHLCV 형태의 종목별 실적 데이터 저장
- 투자 전문가의 조언을 바탕으로 LLM에 투자 전략 프롬프트 입력
- LLM이 분석 후 투자 전략 수립
- 파이썬 코딩을 통해 투자 비중 스코어링
- 멀티팩터 스코어링 (수치, 차트, 감성 점수 합산)
- 매수 시에는 스코어링 활용, 매도 시에는 장 마감 전 일괄 청산
- 실적 사후 분석 및 매매 결과 기록 후 다음 투자에 활용
오픈 클로가 코딩 에너지 절약, 투자 전략 보고서만 필요.
📌 오픈 클로의 자율 작동 메커니즘 (04:43)
🔹 3가지 특징
오픈 클로가 사람을 대신하여 에이전트처럼 움직일 수 있는 3가지 시스템적 특징 설명.
- 크론 (Cron): 특정 시간에 맞춰 주기적으로 동작 (크론잡 활용)
- 하트비트 (Heartbeat): 일정한 간격으로 계속 확인, 문제 발생 시 사용자에게 보고/알림 제공
- 웹훅 (Webhook): 외부 신호(메일, 메시지 등)에 의해 AI 작동
자율 작동 메커니즘으로 생산성 향상 및 책임/권한 부여.
📌 맥락 관리 (06:12)
🔹 저장 위치 및 내용
대화 맥락 저장을 통해 앞으로의 대화에 활용.
- 저장 위치: 사용자 루트 폴더/오픈 클로 경로/워크스페이스 하위의 마크다운 파일
- 하트비트 관련 내용
- 아이덴티티 관련 내용
- 전체 지침 (에이전트)
- 툴 관련 정보, 사용자 정보
📌 텔레그램 채널 연결 (06:41)
🔹 텔레그램 봇 연동
주식 자동 매매 시스템 구축을 위해 오픈 클로와 텔레그램 채널 연결.
- 텔레그램 봇을 통해 대화 시작
- 유저 정보 확인 후 승인 요청
📌 스킬 설정 (07:24)
🔹 스킬 저장 위치 확인 및 등록
자동 매매를 위한 스킬 설정 및 저장 위치 확인.
- PWD 명령어로 현재 위치 확인
- CD 명령어로 오픈 클로 설정 파일 저장 폴더로 이동
- MKDIR 명령어로 스킬스 폴더 생성
- 스킬스 폴더 밑에 스킬 저장 시 스킬 등록
- 나노(nano) 명령어로 스킬 마크다운 파일 생성 후 프론트 매터(이름, 설명) 및 내용 입력
스킬 패널에서 등록된 스킬 확인 가능.
📌 준비된 스킬 등록 (09:11)
🔹 CLI 툴을 활용한 스킬 등록
미리 준비된 스킬들을 간편하게 등록하기 위한 방법 설명.
- MPX 딜랩스 인스톨 명령어 사용
- 오픈 클로 선택, 글로벌 홈 선택
- 트레이딩 툴스 플러그인 내의 키움증권 레스트 API 및 오픈다트 API 스킬 선택
- 커먼 유틸리티스 함께 저장
데이터베이스 사용을 위해 스파베이스(Supabase) 서비스 활용 예정.
📌 추가 스킬 설치 (11:19)
🔹 스파베이스(Supabase) 스킬 설치
스킬.sh 사이트에서 스파베이스 포스트레스 베스트 프랙티스 스킬 다운로드 및 설치.
- 공식 스킬이며 클라우드 데이터베이스 서비스인 스파베이스 활용
- 카피투 올 에이전트 선택
- 웹 UI에서 등록된 스킬 확인 가능
📌 API 키 설정 (12:32)
🔹 API 키 필요 스킬 및 관리
일부 스킬(키움증권, 오픈다트, 스파베이스, 이미지)은 API 키 필요.
📌 키움증권 레스트 API (12:53)
🔹 레스트 API 사용 이유 및 신청 방법
키움증권 레스트 API를 사용하는 이유: 리눅스 환경에서 동작 가능.
- open api.com에서 레스트 API 신청
- 계좌 개설 및 로그인 필요 (영웅문 샵 S 앱, 계좌 개설 전용 앱 활용)
- API 사용 신청 후 필요한 항목 체크
- 모의 투자 신청 (상시 모의 투자 참가 신청)
- 모의 투자용 레스트 API 키 및 시크릿 키 발급
- 실전 계좌 연결 레스트 API 사용 절차 진행
총 4가지 키 (모의 투자용/실전용 레스트 API 키, 시크릿 키) 모두 오픈 클로에 저장 필요.
📌 오픈다트 API (15:59)
🔹 API 키 신청
오픈다트 사이트에서 공시 정보 조회를 위한 API 키 신청.
📌 스파베이스 데이터베이스 설정 (16:20)
🔹 프로젝트 생성 및 API 정보 확인
스파베이스에서 데이터베이스 사용을 위한 프로젝트 생성.
- 스타트어 프로젝트 선택 후 뉴 프로젝트 생성 (프로젝트 이름, 데이터베이스 패스워드 설정)
- 프로젝트 세팅에서 데이터 API 선택 후 API URL 확인
- API 키스에서 시크릿 키 복사
📌 환경 변수 등록 (17:47)
🔹 웹 UI를 통한 API 키 등록
오픈 클로 웹 UI에서 컨피그>인버런먼트에서 이쉘 EMV 활성화 후 API 키, 시크릿 키, 스파베이스 URL, 데이터베이스 비밀번호 등 환경 변수 등록.
- 바스(Vars)에 환경 변수 등록
- 챗(Chat)에서 스파베이스 API 이용 테스트용 테이블 생성 요청
📌 스파베이스 JDBC 연결 (19:17)
🔹 JDBC URL 활용
스파베이스 레스트 API 제약으로 JDBC 커넥션 사용.
- 스파베이스 화면에서 커넥트 선택 후 JDBC URL 복사
- 세션 플로우로 변경 후 JDBC URL 환경 변수에 등록
📌 오픈다트 API 테스트 (20:06)
🔹 API 연동 확인
오픈다트 스킬과 환경 변수를 이용하여 API 테스트 진행.
- 오픈다트 API를 통해 공시 자료 및 재무 정보 획득 가능
📌 키움증권 레스트 API 테스트 (20:41)
🔹 모의 투자 계좌 활용 권장
실전 계좌 사용 전 모의 투자 계좌를 이용하여 충분히 테스트 권장.
- 실전 계좌 사용 시 실제 계좌 번호 필요, 레스트 API 키를 실전 레스트 API 키로 변경
- 환경 변수 등록 (키움 목 레셉 앱키, 레스트 ap패 시크릿 키, 어카운트 넘버)
- 키움 API 스킬과 환경 변수를 이용하여 모의 투자 계좌 API 테스트 실행
📌 데이터 수집 및 전처리 (23:02)
🔹 테이블 스키마 구축 및 데이터 수집
데이트 트레이딩을 위한 각종 지표, 매수/매도 정보 저장을 위한 테이블 스키마 구축.
- 거래량 기준 상위 50 종목 선정, 코스피 기준
- 스킬 문서 내용을 활용하여 데이터 수집 진행
- 스파베이스 테이블 에디터에서 생성된 테이블 확인
- 일별 데이터 저장 스키마 생성
- 6월 OHLCV 데이터 수집 완료 (50개 종목, 13일간 6,500건)
- 기술적 분석, 재무 분석, 공시 기반 트레이딩, 매매 스냅샷 활용 가능
주기적인 데이터 업데이트 및 적제 필요.
📌 ETL 작업 스케줄링 (25:53)
🔹 데이터 수집 파이프라인 구축
데이터 성격에 맞게 수집 간격과 양을 고려하여 ETL 작업 스케줄링.
- 평일 장 중 5분 분봉 데이터 수집, 장 종료 후 일봉 데이터 수집, 10분마다 공시 정보 확인, 매일 새벽 레거시 정리
- 크론잡 등록 여부 확인 필요
- 크론잡에 5개의 작업 등록 (재무 수집, 실행)
- 각 데이터 파이프라인 정상 작동 여부 테스트
📌 스킬 생성 및 업데이트 (27:15)
🔹 재현성 및 일관성 확보
에이전트 작업 후 재현성 및 일관성을 위해 스킬 생성 및 업데이트 권장.
- 스킬 문서와 함께 에이전트 지침으로서 프로젝트 문서 생성
- 지침은 전체 맥락, 스킬은 기능 담당
📌 LLM을 이용한 투자 전략 레이어 구현 (27:51)
🔹 외부 전문가 투자 전략 활용
외부 전문가 투자 전략 알고리즘을 에이전트가 해석하여 코드로 전환.
- 투자 컨설턴트 조언, 고차원 예측 모델링 기반 퀀트 코딩 작업 수행
- 오픈 클로에 탑재된 에이전트에게 작업 지시
- 투자 전략 보고서 등록 시 테이블에 투자 전략 정보 저장 및 활성화, 기존 전략 비활성화
- 투자 전략에 맞춰 데이터 레이어 기반 분석 파이썬 분석 모듈 작성
- 데이터 분석 스킬 구성 및 분석 중간 결과를 저장할 테이블 생성
📌 투자 전략 보고서 생성 (29:34)
🔹 AI 활용 및 신뢰도 확보
주식 전문가가 아니므로 데이터 수집과 분석을 도와줄 AI 활용. 라이너(Liner)를 활용하여 투자 알고리즘 설계.
- 코스피 200 종목 대상 당일 양봉 마감 예측 기반 데이트레이딩 알고리즘 설계
- 딥 리서치 기능을 통해 가격 변동성, 수급 상관 관계, 9일 시계열 패턴 분석
- 알고리즘 매수 스코어링 시스템 출력
- 출처 기반 자료 제공으로 신뢰도 확보
- 장 초반 현재가와 시가의 이격도가 당일 양봉 마감에 미치는 영향 조사
- 마인드 맵, 플로우 차트 활용하여 전략 흐름 파악
📌 매매 진입 수치 제안 (32:14)
🔹 구체적인 수치 근거 확보
데이트레이딩에 최적화된 구체적인 매매 진입 수치 제안 요청.
- 진입 신호 임계점 (총 통합 스코어 70점 이상) 설정
- 수학 공식과 파이썬 코드 동시 추출
- 라텍스 형식 산출 공식 작성 및 정교화 로직 구체화
📌 투자 전략 검증 (34:41)
🔹 라이너 스콜라 피어 리뷰 활용
라이너 스콜라 피어 리뷰 기능을 활용하여 투자 전략 검증.
- 관련 퀀트 논문 및 금융 데이터 대조, 전략의 허점 및 통계적 유의미성 검토
- 독창성, 엄밀성, 명확성, 영향력, 한계점 등 요소 피드백
- 백테스팅 데이터 부재를 가장 큰 약점으로 지적
- 과거 데이터를 활용한 백테스트 단계 진행
📌 투자 전략 보고서 등록 (35:12)
🔹 텔레그램 활용
웹 UI에서 PDF 파일 등록 불가하므로 텔레그램을 통해 투자 전략 보고서 등록.
- 텔레그램으로 PDF 파일 전송
- 투자 전략 보고서 내용이 컨텍스트에 삽입되는 과정 확인
- 투자 전략 보고서에 해당하는 분석 모듈 생성
- 텔레그램으로 분석 모듈 등록 보고 (테이블 생성, 기존 전략 비활성화, 새로운 전략 등록)
- 데이터베이스에 투자 전략 저장 확인 (타입, 설명, 파라미터, 룰 등)
- 파이썬 분석 모듈 생성 및 등록
📌 백테스팅 진행 (38:05)
🔹 과거 데이터 기반 수익성 검증
과거 데이터를 기반으로 백테스팅을 진행하여 실제 수익을 낼 수 있는지 확인.
- 거래일수 131일 대상, 8월부터 현재까지 백테스트 진행
- 승률 74%, 손익비 5.86
- 데이 트레이딩 특성상 일괄 매도 전략으로 인해 수익률 높지 않음
- 과거 데이터에 과적합될 경우 미래 데이터에 대한 변동성 고려 미흡
- AI API 비용을 상회하는 수익을 내는 것이 중요
📌 투자 및 분석 스케줄링 (39:46)
🔹 자동 매매 시스템 구축
데이터 분석 및 투자를 위한 스케줄링 요청.
- 장중 9시 30분 스냅샷 및 실시간 데이터 수집, 투자 전략 연동 분석 모듈 스코어링, 자산 규모 확인 후 예산 설정, 스코어 기반 종목 선정, 매수 규모/상향/하향계 설정, 다종목 투자, 오후 3시 일괄 매도
- 크론잡에 스케줄링
- 매수/매도 크론잡 등록, 익절/손절 기준 기록
- 키움 API 연동 및 테스트 진행 (장중이 아닌 점 감안)
📌 투자 실행 레이어 스킬 정리 (41:31)
🔹 자동화 시스템 구축
지금까지 실행한 투자 실행 레이어를 스킬 및 에이전트형 프로젝트 문서로 정리 요청.
- 사계층 시스템 아키텍처 기반 스킬 및 문서 생성
- 스킬: 키움API, 트레이딩 데이터 파이프라인, 데이터 애널리시스, 인베스트먼트 이스큐터
- 워크스페이스 하위 폴더에 에이전트 오너십 문서 작성
시스템 아키텍처 이해 중요, 운영하며 지속적인 수정 및 알고리즘 피드백 필요.
📌 실제 투자 결과 (42:51)
🔹 100만원 예산으로 실험
실제 100만원 예산으로 일주일 간 투자 진행 결과 공유.
- 매도 시점을 오후 3시로 고정, 일괄 매도 전략
- 멀티팩터 분석 전략으로 진행 후 라이너 AI 논문 기반 이론적 배경 구축 및 백테스팅, 조정 작업 진행
- 크론잡 등록 및 자동 운영
- 매수 타이밍 놓치는 경우 발생
- 일괄 매도 시 손해 발생, V팩터 편향 문제 확인
- 요소별 가중치 조절
- 손익 분석 보고를 통해 피드백 및 메모리에 저장 후 다음 투자에 반영
📌 결론 및 투자 조언 (45:26)
🔹 AI 투자 어시스턴트 완성 및 투자 시 유의사항
24시간 돌아가는 AI 투자 어시스턴트 완성.
- 키움증권 API 연결, 대화형 트레이딩 봇, 4대 데이터 레이어, 라이너 AI 기반 논문 검증 전략 활용
- 오픈 클로는 대화형 피드백 루프, 스킬, 장기 기억 메모리 시스템 구성
- 단순 자동 매매 봇이 아닌 대화형 전략 수정, 시황 분석, 논문 검증 기반 지능형 투자 어시스턴트
- 투자에는 항상 리스크가 따르며 책임은 개인에게 있음
- 모의 투자로 충분히 검증 후 소액으로 실거래 적용 권장
구독, 좋아요, 알림 설정은 AI 자동화 콘텐츠 제작에 큰 힘이 됨.