AI로 주식 자동 매매 봇 만들기, 이렇게 쉬울 줄이야!
여러분, 혹시 ‘내 돈’을 24시간 365일 쉴 틈 없이 일하게 만들고 싶다는 생각, 해본 적 없으신가요? 밤새 안녕하는 국내 주식 시장을 보면서 ‘아, 조금만 더 일찍 알았더라면…’ 하고 후회했던 경험도 있고요. 주식 시장을 실시간으로 감시하고, 나만의 투자 전략을 세워서 자동으로 매매까지 해주는 꿈같은 시스템을 구축하는 방법을 오늘 단테랩스 채널 영상에서 제대로 보여주더라고요. 그것도 바로 ‘오픈클로(Open-Claw)’라는 툴을 활용해서 말이죠! 단순히 코딩만 하는 게 아니라, AI 에이전트가 투자 전문가처럼 똑똑하게 일하는 모습을 보니 정말 신기했습니다.
AI 투자 어시스턴트, 이름은 ‘○○이’로 정했어요!
영상 초반부에 AI 에이전트에게 이름을 붙여주고 역할을 부여하는 부분이 인상 깊었어요. 저는 이 AI에게 ‘투자의 신’ 같은 거창한 이름보다는 친근하게 ‘부자될래?’라고 지어주고, ’30년 경력의 증권사 리서치팀장님처럼 친절하게 제 투자 업무를 도와줘!’라고 요청했답니다. 이렇게 시스템 프롬프트를 통해 AI의 역할과 성격을 구체적으로 지정할 수 있다는 점이 정말 매력적이더라고요. 오픈클로는 이런 AI 에이전트의 활동 내역을 ‘하트비트(Heartbeat)’ 기능을 통해 주기적으로 확인하고, 사용자에게 보고까지 해준다고 하니 든든했습니다.
주식 자동 매매 시스템, 도대체 어떻게 돌아가는 걸까?
영상을 보면서 가장 궁금했던 건 바로 ‘주식 자동 매매 시스템의 구조’였어요. 단순히 매수, 매도 버튼을 누르는 게 아니라, 데이터를 확보하고, 분석하고, 투자 전략을 세우고, 점수를 매겨서(스코어링), 실제로 매매까지 하는 일련의 과정이 정말 체계적이었습니다. 특히 ‘멀티팩터 스코어링’이라는 부분이 흥미로웠는데요. 수치 데이터, 차트 분석, 그리고 ‘감성 점수’까지 합산해서 종목별 점수를 매긴다는 거예요. 마치 여러 전문가의 의견을 종합해서 최적의 결정을 내리는 것 같았죠. 여기서 오픈클로의 역할은 정말 대단했어요. 이런 복잡한 코딩 작업을 대신해주고, 우리는 투자 전략 보고서만 잘 작성하면 된다는 점! 코딩 에너지 절약, 이거 정말 중요하죠?
오픈클로의 자율 작동 메커니즘: AI가 스스로 움직이는 비밀
AI 에이전트가 사람처럼 스스로 움직이려면 몇 가지 핵심 기능이 필요한데요, 오픈클로는 그 세 가지를 완벽하게 갖추고 있었습니다.
- 크론(Cron): 이건 마치 우리 컴퓨터의 ‘예약 작업’과 같아요. 특정 시간에 맞춰서 주기적으로 작업을 실행하도록 설정할 수 있죠. 예를 들어, 매일 아침 9시에 특정 데이터를 가져오라고 시킬 수 있는 거죠.
- 하트비트(Heartbeat): 이건 AI 에이전트가 잘 작동하고 있는지 주기적으로 ‘건강 검진’을 하는 거라고 생각하면 돼요. 만약 문제가 생기면 바로 사용자에게 알려주니까, 중요한 순간에 놓치는 일은 없겠더라고요.
- 웹훅(Webhook): 이건 외부 신호에 반응하는 기능이에요. 예를 들어, 특정 메일이 오거나 메시지를 받으면 AI가 바로 작동하도록 할 수 있죠. 외부 상황 변화에 빠르게 대처할 수 있다는 뜻입니다.
이런 자율 작동 메커니즘 덕분에 생산성이 엄청나게 향상되고, AI 에이전트에게 더 많은 책임과 권한을 부여할 수 있게 되는 것 같아요.
내 대화 기록이 AI의 ‘기억’이 된다? 맥락 관리의 중요성
AI와 대화하다 보면 이전에 했던 말을 기억 못 해서 답답할 때가 많잖아요? 오픈클로는 ‘맥락 관리’ 기능을 통해 이전 대화 내용을 저장하고 활용합니다. 이게 어디에 저장되냐면, 사용자 루트 폴더 안에 오픈클로 경로의 ‘워크스페이스(Workspace)’ 하위에 마크다운 파일로 저장되더라고요. 하트비트 내용, AI의 정체성(아이덴티티), 전체 지침, 그리고 툴 정보까지 아주 상세하게 기록돼요. 덕분에 AI는 이전 대화 내용을 기억하고, 더 자연스럽고 일관성 있는 소통을 할 수 있는 거죠.
나만의 투자 도우미, 텔레그램으로 연결하자!
이 모든 자동 매매 시스템을 구축하면서 텔레그램 연동은 필수였어요. 텔레그램 봇을 통해 AI와 대화를 시작하고, 제 유저 정보를 확인한 뒤 승인을 요청하는 과정이 마치 새로운 친구와 인사하는 느낌이었죠. 앞으로 이 텔레그램 봇을 통해 AI 투자 어시스턴트와 실시간으로 소통하고 알림도 받을 수 있다고 생각하니 벌써부터 기대되더라고요.
‘스킬’ 등록, AI의 능력을 확장시키는 열쇠!
자동 매매를 하려면 AI가 특정한 ‘기능’을 수행할 수 있어야 하잖아요? 오픈클로에서는 이런 기능들을 ‘스킬(Skill)’이라고 부르더라고요. 영상에서는 CLI(Command Line Interface) 툴을 활용해서 미리 준비된 스킬들을 간편하게 등록하는 방법을 자세히 알려줬어요. 특히 키움증권 레스트 API, 오픈다트 API 같은 스킬들을 설치하고, ‘커먼 유틸리티스’까지 함께 저장하는 모습을 보면서 정말 전문적인 시스템을 구축하는구나 싶었습니다. 앞으로 스파베이스(Supabase)라는 클라우드 데이터베이스 서비스도 활용할 예정이라고 하니, 데이터 관리도 체계적으로 할 수 있겠어요.
API 키 관리, 든든하게!
키움증권, 오픈다트, 스파베이스 등 몇몇 스킬들은 사용을 위해 ‘API 키’가 필요하더라고요. 그런데 이 API 키들을 어떻게 안전하게 관리하느냐가 중요하잖아요. 영상에서는 ‘어스 매니저(Earth Manager)’라는 기능을 통해 API 키를 안전하게 보관할 수 있다고 해서 안심이 됐습니다. 민감한 정보는 역시 전문적인 시스템으로 관리해야겠죠?
키움증권 레스트 API, 모의 투자로 철저히 준비하기
주식 매매를 자동화하려면 증권사 API 연결은 필수인데, 이때 리눅스 환경에서도 잘 작동하는 ‘키움증권 레스트 API’를 사용하더라고요. 영상을 보니 open-api.com에서 신청하고, 영웅문 샵 S 앱 같은 걸 이용해서 계좌 개설 및 로그인 절차를 거쳐야 했어요. 가장 중요한 건, 실제 돈이 오가는 실전 계좌를 사용하기 전에 ‘모의 투자’ 계좌를 통해 충분히 테스트하는 것이었습니다. 모의 투자용 레스트 API 키와 시크릿 키를 발급받아서 오픈클로에 저장하고, 여러 번 테스트해보는 과정이 정말 중요해 보였어요. 그래야 나중에 실제 거래에서 실수를 줄일 수 있겠죠!
오픈다트 API와 스파베이스 데이터베이스 설정까지!
공시 정보 조회는 ‘오픈다트 API’를 통해 가능했고요. 스파베이스에서는 데이터베이스를 사용하기 위한 프로젝트를 생성하고, API URL과 시크릿 키를 복사해왔어요. 여기서 좀 신기했던 건, 스파베이스의 레스트 API 제약 때문에 ‘JDBC 커넥션’을 사용한다는 점이었어요. 이런 세부적인 기술 내용까지 짚어주는 덕분에 좀 더 깊이 이해할 수 있었답니다. 웹 UI에서 ‘컨피그(Config)’ > ‘인버런먼트(Environment)’로 들어가서 API 키, 비밀번호 등을 환경 변수로 등록하는 과정도 꼼꼼하게 보여줬어요. 마치 내 컴퓨터에 필요한 도구들을 착착 세팅하는 느낌이었달까요?
데이터 수집 및 전처리: 똑똑한 AI를 위한 영양제 공급!
아무리 좋은 AI라도 데이터가 없으면 무용지물이죠. 이 영상에서는 데이트레이딩을 위한 각종 지표나 매수/매도 정보를 저장할 테이블 스키마를 구축하고, 거래량 상위 50개 종목의 OHLCV(시가, 고가, 저가, 종가, 거래량) 데이터를 13일간 수집하는 과정을 보여줬어요. 단순히 데이터를 모으는 걸 넘어, 기술적 분석, 재무 분석, 공시 정보까지 활용할 수 있도록 준비하는 모습이 인상 깊었습니다. 주기적으로 데이터를 업데이트하고 쌓는 게 정말 중요하다는 걸 다시 한번 느꼈어요.
ETL 작업 스케줄링: AI의 일과를 계획하다
수집된 데이터를 효율적으로 관리하기 위해 ‘ETL(Extract, Transform, Load)’ 작업 스케줄링도 빼놓을 수 없었죠. 데이터 성격에 맞게 수집 간격과 양을 조절하고, 평일 장 중, 장 종료 후, 매일 새벽 등 시간대별로 다른 작업을 할당하는 모습을 보면서 마치 AI의 일정을 짜주는 것 같았습니다. 크론잡(Cron Job)에 여러 작업을 등록해서 데이터 파이프라인이 정상적으로 작동하는지 테스트하는 과정까지 보여줘서, 시스템이 실제로 돌아갈 준비를 제대로 하고 있다는 걸 확인할 수 있었어요.
LLM을 이용한 투자 전략 레이어 구현: AI가 똑똑해지는 비결
가장 흥미로웠던 부분 중 하나는 ‘LLM(Large Language Model)’을 이용한 투자 전략 구현이었어요. 외부 전문가의 투자 전략 알고리즘을 AI 에이전트가 이해하고 코드로 전환하는 과정을 보여주는데, 마치 AI가 스스로 공부해서 전문가처럼 되는 것 같았죠. 투자 컨설턴트의 조언이나 고차원 예측 모델링 기반의 퀀트 코딩 작업까지 수행할 수 있다는 점이 놀라웠습니다. 이렇게 만들어진 투자 전략 보고서는 데이터베이스에 저장되고, 새로운 전략이 활성화되면 기존 전략은 비활성화되는 방식이었어요. 덕분에 AI는 계속해서 배우고 발전할 수 있는 거죠.
투자 전략 검증과 백테스팅: AI의 제안, 진짜일까?
AI가 제안한 투자 전략이 과연 실효성이 있을까? 하는 의문이 들 때, ‘라이너 스콜라(Liner Scholarly)’의 피어 리뷰 기능을 활용해서 투자 전략을 검증하는 모습이 정말 인상 깊었어요. 관련 퀀트 논문이나 금융 데이터를 대조하며 전략의 허점이나 통계적 유의미성을 검토하는데, 마치 논문 심사를 하는 것 같았습니다. 물론 백테스팅 데이터가 부족하다는 점은 아쉬웠지만, 과거 데이터를 활용한 백테스트를 통해 실제 수익성을 검증하는 과정은 정말 필수적이더라고요. 131일간의 백테스팅 결과, 승률 74%에 손익비 5.86이라는 수치를 보며 AI의 잠재력을 엿볼 수 있었습니다.
실제 투자 결과: 100만원으로 일주일간의 실험!
가장 궁금했던 ‘실제 투자 결과’도 공유해줬어요. 100만원 예산으로 일주일간 투자한 결과인데요. 매도 시점을 오후 3시로 고정한 일괄 매도 전략, 멀티팩터 분석, 그리고 라이너 AI 논문 기반 이론적 배경 구축 및 백테스팅까지 거친 전략을 사용했더라고요. 물론 매수 타이밍을 놓치거나 일괄 매도 시 손해가 발생하는 등의 시행착오도 있었지만, 이런 피드백을 통해 요소를 조절하고 메모리에 저장하여 다음 투자에 반영하는 모습이 정말 현실적이었습니다. AI 자동 매매도 계속해서 배우고 발전해야 한다는 걸 느낄 수 있었어요.
AI 투자 어시스턴트, 이제 나만의 ‘똑똑한 비서’를 만들 시간!
이번 단테랩스 영상은 정말 제가 꿈꿔왔던 ‘AI 주식 자동 매매 봇’을 현실로 만들 수 있다는 가능성을 보여줬어요. 단순히 코딩 실력만이 아니라, 오픈클로라는 툴을 활용해서 24시간 돌아가는 AI 투자 어시스턴트를 구축하는 방법을 친절하게 알려주더라고요. 키움증권 API 연결, 대화형 트레이딩 봇, 4대 데이터 레이어, 논문 검증 기반 전략까지! 단순한 자동 매매 봇을 넘어, 대화형 전략 수정, 시황 분석, 논문 검증까지 가능한 진정한 ‘지능형 투자 어시스턴트’를 만들 수 있다는 거죠. 다만, 투자는 항상 리스크가 따른다는 점, 그리고 책임은 개인에게 있다는 점을 잊지 말아야 할 것 같아요. 저처럼 AI와 함께 똑똑하게 투자하고 싶으신 분들, 특히 주식 자동 매매에 관심 있는 초보 투자자분들께 이 영상을 강력 추천합니다! 꼭 모의 투자로 충분히 검증해보시고, 소액으로 시작해보세요!