🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

개발자인 저자가 밤새 차트를 보지 않기 위해 Python, yfinance, 기술적 지표, Claude 분석, 이메일 알림, 스케줄링을 조합해 ‘Trading Jarvis’라는 시장 모니터링 파이프라인을 만든 과정을 설명한다.

📌 핵심 요약

• 저자는 암호화폐 붐 때 트레이딩을 시작한 개발자로, 포지션이 밤사이 불리하게 움직일까 두려워 새벽 3시에 일어나 차트를 확인하던 경험에서 자동화의 필요성을 느꼈다.
• Trading Jarvis는 단일 도구가 아니라 시장 데이터 수집, 기술적 지표 계산, AI 기반 분석, 이메일 알림, 정기 실행을 연결한 파이프라인으로 소개된다.
• 구현은 yfinance로 주식·ETF·암호화폐 가격 데이터를 가져오고, pandas로 이동평균선·RSI·볼린저 밴드·거래량 평균 같은 지표를 계산하는 방식으로 시작한다.
• 저자는 하드코딩된 매수·매도 규칙 대신 Claude API에 현재 가격 변화와 주요 지표 상태를 전달해 BUY, SELL, HOLD 신호와 신뢰도, 근거, 위험 수준을 JSON으로 받도록 구성했다.
• 시스템은 Gmail SMTP를 이용해 중요한 신호만 이메일로 보내고 매시간 감시 목록을 분석하지만, AI와 기술적 지표는 한계가 있으므로 뉴스·이벤트 확인, 관찰 모드, 최종 인간 판단이 필요하다고 강조한다.

🧩 주요 포인트

1. 저자는 암호화폐 붐 때 트레이딩을 시작한 개발자로, 포지션이 밤사이 불리하게 움직일까 두려워 새벽 3시에 일어나 차트를 확인하던 경험에서 자동화의 필요성을 느꼈다.
2. Trading Jarvis는 단일 도구가 아니라 시장 데이터 수집, 기술적 지표 계산, AI 기반 분석, 이메일 알림, 정기 실행을 연결한 파이프라인으로 소개된다.
3. 구현은 yfinance로 주식·ETF·암호화폐 가격 데이터를 가져오고, pandas로 이동평균선·RSI·볼린저 밴드·거래량 평균 같은 지표를 계산하는 방식으로 시작한다.
4. 저자는 하드코딩된 매수·매도 규칙 대신 Claude API에 현재 가격 변화와 주요 지표 상태를 전달해 BUY, SELL, HOLD 신호와 신뢰도, 근거, 위험 수준을 JSON으로 받도록 구성했다.
5. 시스템은 Gmail SMTP를 이용해 중요한 신호만 이메일로 보내고 매시간 감시 목록을 분석하지만, AI와 기술적 지표는 한계가 있으므로 뉴스·이벤트 확인, 관찰 모드, 최종 인간 판단이 필요하다고 강조한다.

🧠 상세 정리

1. 새벽 차트 확인에서 출발한 문제의식

글은 저자가 밤중에도 포지션을 걱정하느라 새벽 3시에 일어나 차트를 확인하던 경험에서 시작한다. 그는 시장이 자는 동안 불리하게 움직여 낮에 번 수익을 모두 지워버릴까 두려웠고, 이런 생활이 거의 2년 가까이 이어졌다고 말한다. 전환점은 친구가 “계속 깨어 있어야만 작동하는 전략은 전략이 아니라 두 번째 직업”이라고 말한 순간이었다. 저자는 자신이 Python을 쓰는 개발자이고 AI 도구도 매일 다루는데, 왜 트레이딩 감시를 자동화하지 않는지 자문하면서 Trading Jarvis라는 아이디어를 떠올렸다.

2. Trading Jarvis의 성격과 전체 구조

저자가 만든 Trading Jarvis는 하나의 완성형 앱이나 단일 라이브러리가 아니라 여러 구성요소가 순서대로 작동하는 파이프라인이다. 핵심 목표는 시장을 계속 감시하고, 가격 움직임을 분석하며, 사용자가 잠든 동안에도 필요한 알림을 보내는 것이다. 저자는 이를 감정에 휘둘리지 않고, 당황하지 않으며, 쉬지 않는 개인 분석가에 비유한다. 글 전체의 흐름도 이 구조를 따라 시장 데이터 수집, 지표 계산, AI 분석, 이메일 알림, 스케줄 실행, 실제 사용 경험과 한계로 이어진다.

3. 시장 데이터 수집: yfinance와 pandas

첫 구현 단계는 Trading Jarvis가 분석할 원천 데이터인 시장 가격 데이터를 가져오는 것이다. 저자는 무료이고 사용하기 쉬우며 주식, ETF, 암호화폐 데이터를 제공한다는 이유로 yfinance를 선택했다. 예시 함수는 심볼, 기간, 간격을 받아 해당 티커의 과거 데이터를 가져오고, Open, High, Low, Close, Volume 열만 남긴 뒤 인덱스를 날짜 형식으로 정리한다. 예시로 AAPL의 최근 5일치 1시간봉 데이터를 가져오며, 이렇게 정리된 OHLCV 데이터가 이후 기술적 분석과 AI 분석의 입력이 된다.

4. 기술적 지표 계산: 원시 가격을 해석 가능한 신호로 바꾸기

저자는 단순한 가격 데이터만으로는 의사결정에 충분하지 않다고 보고, 자주 사용하는 세 가지 계열의 기술적 지표를 추가한다. 코드에서는 종가 기준 20기간·50기간 단순이동평균, 14기간 RSI, 20기간 볼린저 밴드 상단·중간·하단, 그리고 거래량 이동평균을 계산한다. 이 지표들은 가격이 최근 평균보다 위인지 아래인지, 모멘텀이 어느 정도인지, 가격이 변동성 범위의 어디에 있는지, 거래량이 평소보다 강한지 약한지를 파악하는 데 쓰인다. 계산 후에는 결측값을 제거해 AI 분석 단계에 넘길 수 있는 정리된 데이터프레임을 만든다.

5. AI 분석 엔진: 고정 규칙 대신 Claude에 해석 요청

글의 핵심 구현은 하드코딩된 규칙을 줄이고 Claude API에 구조화된 분석을 맡기는 부분이다. 저자는 예컨대 “RSI가 70보다 크면 매도” 같은 단순 조건문 대신, 현재 가격, 직전 시간 대비 변화율, 가격이 SMA20과 SMA50 위인지 아래인지 같은 요약 정보를 프롬프트에 담아 보낸다. 응답은 BUY, SELL, HOLD 중 하나의 신호, 1에서 10 사이의 신뢰도, 짧은 근거, LOW·MEDIUM·HIGH 위험 수준, 핵심 관찰을 포함한 JSON 형식으로 요구한다. JSON 파싱이 실패하면 기본적으로 HOLD, 신뢰도 5, 중간 위험 수준으로 처리하는 예외 흐름도 마련한다.

6. AI 응답의 가치: 숫자 나열이 아니라 의미 설명

저자는 이 AI 분석 단계가 Trading Jarvis를 단순 스크리너와 구분한다고 설명한다. 예시 출력에서는 신호가 HOLD이고 신뢰도는 6이며, RSI가 58로 중립적인 모멘텀을 보이고 가격은 SMA20 위에 있지만 거래량이 평균보다 낮아 매수 압력이 약하다는 식의 설명이 나온다. 핵심 관찰로는 거래량이 20기간 평균보다 30% 낮아 시장 확신이 부족하다는 점이 제시된다. 저자가 강조하는 장점은 시스템이 단순히 지표 숫자를 던져주는 데서 멈추지 않고, 그 숫자들이 현재 시장 상황에서 무엇을 뜻하는지 자연어로 정리해 준다는 점이다.

7. 이메일 알림과 자동 실행 워크플로

분석 결과를 실제로 활용하기 위해 저자는 Python의 smtplib를 사용한 이메일 알림 시스템을 만든다. 알림 함수는 신호와 신뢰도를 확인해 HOLD 신호이면서 신뢰도가 낮은 경우에는 알림을 보내지 않고 건너뛰며, 그 외에는 심볼, 신호, 신뢰도, 현재 가격, 위험 수준, AI 분석, 핵심 관찰을 포함한 이메일을 구성한다. Gmail SMTP SSL과 앱 비밀번호를 사용하며, 자격 증명은 코드에 직접 넣지 말고 환경 변수로 관리하라고 안내한다. 이후 WATCHLIST에 AAPL, TSLA, BTC-USD, ETH-USD, NVDA를 두고 매시간 데이터를 가져와 지표를 계산하고 AI 분석 후 알림을 보내는 스케줄러로 전체 파이프라인을 묶는다.

8. 실제 사용 경험, 한계, 최종 메시지

저자는 이제 아침 7시에 일어나 이메일을 확인하고, 예를 들어 NVDA에 대한 BUY 신호와 신뢰도, 위험 수준, 가격, 거래량과 이동평균 관련 해석을 본 뒤 차트를 확인하고 최종 결정을 내린다고 말한다. 동시에 Jarvis가 완벽하지 않다는 점도 분명히 한다. AI의 신뢰도 8/10은 실제 확률 80%가 아니며, RSI 같은 기술적 지표는 늦게 반응할 수 있고, 예상 밖 실적 발표 같은 뉴스와 이벤트는 기술적 분석 모델을 깨뜨릴 수 있다. 그래서 그는 실제 돈을 맡기기 전에 6주 동안 관찰 모드로 운용했으며, 최종 결론에서는 이 프로젝트의 가장 큰 가치는 큰 수익이 아니라 시간을 되찾은 것이라고 정리한다.

🧾 핵심 주장 / 시사점

• 이 글의 핵심은 ‘AI가 자동으로 거래한다’가 아니라, 개발자가 반복적인 시장 감시와 1차 해석을 자동화해 최종 판단에 집중하도록 만든다는 점이다.
• 저자의 설계는 데이터 수집, 지표 계산, AI 해석, 알림, 스케줄링을 느슨하게 연결한 구조라서 각 단계의 한계와 실패 가능성을 인식하고 예외 처리와 인간 검토를 남겨둔다.
• 가장 중요한 경고는 기술적 지표와 AI 분석만으로는 뉴스, 실적 발표, 시장의 비합리성을 처리할 수 없으므로, 관찰 모드와 직접 검증 없이 실제 거래에 바로 적용해서는 안 된다는 것이다.

✅ 액션 아이템

• Trading Jarvis 방식으로 데이터 수집·지표 계산·Claude 분석·Gmail 알림의 순환 파이프라인을 시장 감시 체계로 통합한다.
• yfinance와 pandas로 계산한 이동평균·RSI·볼린저·거래량 지표를 일괄 규격화해 Claude에 가격 변동 맥락을 전달하고 신호 추출을 일관되게 운영한다.
• 중요 신호만 이메일 발송되도록 필터를 정교화한 뒤 뉴스·이벤트 확인과 관찰 모드를 포함한 인간 최종 판단 루트를 동일 운영 흐름에 묶는다.

❓ 열린 질문

• AI 기반 BUY/SELL/HOLD 신뢰도와 위험 수치가 기존 수동 대응 대비 오탐·미탐율에 어떤 영향을 주는지 실계정 구간으로 추적할 것인가?
• 가격변화와 이동평균·RSI·볼린저·거래량 신호가 충돌할 때 Claude 판단을 어떻게 해석해 실제 대응 우선순위를 정할 것인가?
• 매시간 감시 대상 확장이 뉴스 이벤트 변동성 구간에서 과도 알림 없이 인간 판단을 유지하려면 어떤 한계값 기준이 필요한가?