사용자 다음과 같이 주식 종목 입력
•
{삼성중공업 or 010140}
•
해당 종목 {삼성중공업 or 010140} 에 대해 다음 PMP에서 데이터 수집
실시간 데이터 수집
•
FMP API KEY: T0pGTr4LLwpRasp9zy9rHzyvyv1h7v3u
주가 예측 모델 유형
•
다음과 같은 예측 모델을 통해 {삼성중공업 or 010140} 분석
모델 유형 | 주요 알고리즘 | 데이터 입력 | 특징 | 적용 시나리오 |
전통 시계열 모델 | ARIMA, SARIMA | 종가, 거래량 등 | 패턴 규칙 기반 | 단기 추세 예측, 정형 구조적 예측 |
통계적 회귀 모델 | OLS, Lasso, Ridge | 펀더멘털 지표, 지수 | 인과관계 강조 | 경제지표 기반 예측, 이벤트 반영 |
머신러닝 모델 | Random Forest, XGBoost | OHLCV, RSI 등 기술지표 | 비선형 예측 우수 | 주가 반등·급등 탐지 |
딥러닝 모델 | LSTM, GRU, TCN | 시계열 시퀀스 | 시계열 장기 의존성 학습 | 장기 추세, 패턴 인식 |
강화학습 | DQN, PPO | 환경-보상 구조 | 자산배분 전략 | 포트폴리오 최적화 |
혼합형 구조 모델 | LSTM + XGBoost | 뉴스 감성 + 가격정보 | 멀티소스 융합 | 고빈도 예측, 이벤트 대응 |
•
예측에 활용할 수 있는 대표 기술지표 추가 활용
지표명 | 설명 | 예측 활용 |
RSI (상대강도지수) | 과매수·과매도 판단 | 반등 타이밍 탐지 |
MACD | 이동평균선 차이 | 방향성 변화 예측 |
Bollinger Band | 표준편차 기반 밴드 | 급등락 구간 경계 |
Volume MA | 거래량 평균 | 수급 이상 징후 판단 |
•
예측 모델링 결과 축력
통합 모델 결과 출력 방법 요약
•
위 각각의 예측 모델 결과를 다음과 같은 통합 분석
방식 | 설명 | 활용 시나리오 |
단순 평균 앙상블 | 모델별 예측값을 평균 | 단기 주가 수치 예측 |
가중 앙상블 | 모델별 신뢰도 기반 가중평균 | 성과검증된 다모델 구조 |
스태킹 (Stacking) | 각 모델 예측값을 Feature로 다시 예측 | 메타 학습모델이 최종 판단 |
Voting (분류형) | 상승/하락 분류 투표 기반 결정 | 트레이딩 알림 시스템 |
리스크·수익률 별도 통합 | 각 모델의 예측 → 위험-보상 매트릭스로 통합 | 투자 전략 최적화 |
시점별 선택형 모델링 | 특정 시장상황에서 가장 성능 좋은 모델 선택 | 예측 타이밍 최적화 |
•
최종 예측 결과 출력
급 통합 방식: 메타모델링 (Stacking)
•
Streamlit 대시보드로 각 모델 예측값과 통합값을 시각화
•
Notion 자동화로 예측값 매일 업데이트
•
모델별 RMSE/MAE 그래프를 함께 출력하여 신뢰도 판단
Q1. 통합 모델이 개별 모델보다 무조건 더 낫나요?
: 반드시 그렇진 않습니다. 성능은 데이터 특성과 시장상황에 따라 달라지며, 일부 모델이 과적합되면 통합 결과가 왜곡될 수 있습니다.
Q2. 통합 모델 결과로 알림/매매 전략도 구현 가능한가요?
: 네, 상승확률 > 70%, 예측 수익률 > 특정 기준 등으로 조건을 설정하면 알림, 자동 매매 API 연동 가능합니다.
