간략한 요약
이 비디오에서는 자동 매매 프로그램을 만들기 위해 필요한 요소와 인공지능(AI)을 활용한 자동 매매 시스템 개발에 대한 개인적인 경험과 인사이트를 공유합니다. 자동 매매 프로그램 개발에 필요한 전략, AI 학습 방식, 그리고 실제 프로그램 개발 과정에서의 어려움과 해결 방안을 설명합니다.
- 자동 매매를 위한 프로그램 및 전략 필요
- AI 학습 원리 및 한계
- 개인적인 개발 경험 공유
자동 매매를 위한 필수 요소
자동 매매를 위해서는 자동 매매 프로그램과 매매 전략이 필요합니다. 프로그램은 직접 제작하거나 증권사에서 제공하는 것을 사용할 수 있지만, 시판되는 프로그램은 HTS 기능과 중복되거나 개인의 매매 기법을 정확히 구현하기 어려울 수 있습니다. 수익성이 좋은 전략을 판매하는 경우, 그 전략이 실제로 수익성이 있다면 판매할 이유가 없을 수 있다는 점을 고려해야 합니다.
자동 매매가 적합한 경우
자동 매매는 계산 속도가 빠르지만 스스로 판단하지 못하므로, 검색기에 의존하는 매매 방식에 적합합니다. 그러나 검색 결과에서 종목을 선택하고 차트, 수급 등을 확인하여 매수 결정을 내리는 주관적인 판단은 프로그램으로 구현하기 어렵습니다. 예를 들어, 1000만 원 이상 거래 시 재료가 살아있고 기관/외국인 수급이 있는 종목을 눌림목에서 매수하는 전략은 코드로 구현하기 어렵습니다.
자동 매매 프로그램 개발의 어려움
주관적인 판단이 개입되는 요소를 코드로 구현하는 데 어려움을 겪어 기계적인 판단만으로 초 단위 매매를 하는 프로그램을 개발했습니다. 하지만 0.25%의 수수료를 넘지 못하고, 승률은 50%였지만 손실을 보는 종목도 있어 결국 개발을 중단했습니다.
인공지능(AI) 학습 원리
AI는 방대한 데이터를 통해 스스로 학습하여 수익을 낼 수 있을 것이라는 생각에 AI 학습 원리를 공부했습니다. AI는 계산만 빠른 계산기와 같으며, 일반 프로그램과 달리 입력과 출력 사이의 함수를 컴퓨터가 스스로 찾아내도록 합니다. 머신러닝은 데이터와 결과를 주면 상관관계를 찾는 함수를 만드는 프로그래밍입니다.
컴퓨터의 학습 방법
컴퓨터는 다양한 입력 값에 랜덤한 가중치를 곱해 더하고, 활성 함수를 통해 다음 단계로 넘길지 결정합니다. 이 과정을 반복하며 오차를 줄여가며 함수를 도출합니다. 예를 들어, 다음 날 주가 상승 확률을 예측하는 프로그램을 만들 때, 상승 시 1, 하락 시 0을 부여하여 학습시킬 수 있습니다.
자동 매매 프로그램 개발에 대한 조언
AI가 아직 학문적인 단계이므로, AI를 사용한 프로그램보다는 특정 포인트 도달 시 매매하는 방식으로 프로그램을 짜는 것이 좋습니다. 개인적인 경험으로는 수익이 확실한 프로그램을 만들면 회사를 그만두고 싶을 것이고, 수익이 나지 않으면 팔아서라도 돈을 벌고 싶을 것입니다. 다음 영상에서는 프로그램에 적용했던 전략과 결과, 실패 이유, 보완 방법 등을 공유할 예정입니다.
