이 글은 시리즈 전체를 한눈에 보는 정리(허브) 글입니다. 각 단계의 상세 구현은 본문 링크의 1～6편에서 다룹니다.
비전공자가 파이썬으로 주식 분석 자동화 시스템을 직접 만들어 약 2개월간 운영했습니다. 목표는 단순했습니다. “오늘 살펴볼 만한 종목”을 사람이 일일이 차트를 넘기지 않고도 매일 자동으로 추려내는 것. 단, 어떤 종목을 사라고 말해주는 시스템이 아니라, 내가 더 깊게 들여다볼 후보를 좁혀주는 도구입니다.
이 글에서는 전체 구조를 먼저 보여주고, 각 부분을 어느 글에서 자세히 다루는지 안내합니다.
전체 구조 한눈에
[코스피·코스닥 전 종목 ~3,000개]
↓
① 데이터 수집·정제 (수정주가, 재무, 수급)
↓
② 기술적 신호 감지 (코드) → 상위 후보 약 25개
↓
③ AI 뉴스·종합 필터 (무료 모델) → 약 5개
↓
④ 최종 판단 (비싼 모델, 소량) → 0~3개
↓
참고용 리포트
+
[주말] 재무 기반 스크리너 (성장주 / 저평가주)핵심 설계 원칙은 세 가지였습니다.
- 싼 연산으로 많이 거르고, 비싼 연산은 끝에서 조금만 씁니다. 전 종목에 비싼 AI를 돌리면 개인이 감당할 비용이 아닙니다.
- 규칙과 AI의 역할을 나눕니다. 명확히 정의되는 건 코드로, 맥락 판단이 필요한 건 AI로.
- 결과를 맹신하지 않습니다. 모든 판단에 신뢰도와 리스크를 붙이고, 사후 수익률로 스스로 검증합니다.
단계별 상세 — 시리즈 안내
1편 · 왜 AI 두 개로 나눴나 — 운영비 설계
파이프라인을 무료 모델과 유료 모델로 나눠, 비싼 호출을 최소화한 구조의 출발점입니다. → 1편 읽기
2편 · 2개월 실전 운영, 삽질의 기록
설계대로 안 돌아간 부분들. 데이터 누락, 주말 API 버그, 오신호 등 실제로 겪은 문제와 수정 과정을 다룹니다. → 2편 읽기
3편 · 데이터 소스 변천사 (yfinance → KIS)
어떤 데이터를 어디서 가져올지가 시스템의 품질을 좌우합니다. 수정주가·재무·수급 데이터 소스를 바꿔온 과정을 다룹니다. → 3편 읽기
4편 · 퀀트 신호 감지
전 종목에서 골든크로스·거래량 급증·신고가·볼린저밴드 신호를 감지해 후보를 추려내는 1단계 로직입니다. → 4편 읽기
5편 · AI 판단 파이프라인
추려진 후보를 AI가 뉴스 필터 → 종합 스코어링 → 최종 판단의 3단계로 거르는 방법을 다룹니다. → 5편 읽기
6편 · 성장주·저평가주 스크리너
기술적 신호와 별개로, 재무제표와 밸류에이션으로 거르는 주말 스크리너 설계입니다. → 6편 읽기
무엇을 배웠나
가장 크게 배운 건, “맞히는 시스템”보다 “스스로를 검증하는 시스템”을 만드는 게 중요하다는 점이었습니다. 추천 이후 7일·30일·90일 수익률을 자동으로 기록하게 해두니, 어떤 신호 조합이 실제로 의미가 있었고 어떤 건 그냥 소음이었는지가 데이터로 드러났습니다. 그 피드백이 다시 시스템을 고치는 근거가 됐습니다.
그리고 분명히 해둘 것 — 이 시스템은 종목 추천기가 아닙니다. 사람이 매일 수천 개 차트를 볼 수 없으니, 들여다볼 범위를 좁혀주는 도구일 뿐입니다. 최종 판단과 책임은 언제나 사람에게 있습니다.
관련해서 만든 다른 자동화 도구들도 같은 결의 기록입니다.