Case Study · Problem → Solution → KPI/ROI

미국 주식의 실시간 주가 분석 프로그램

미국 상장사·ETF(5천+)를 실시간으로 분석·예측하는 내부 도구 (멀티타임프레임: 15m / 1h)

Coverage
미국 주식/ETF 5,000+ 종목
Timeframes
15m · 1h (조절 가능)
Historical validation
과거 검증 구간
Risk decision
레짐 변화 후 중단
역할
ML 개발 · 데이터 분석 · UX
기간
2023–2025
팀
1인 설계 · 개발
코드 베이스
Python
#실시간추론 #코사인유사도 #멀티타임프레임

※ 이 페이지는 과거 검증과 중단 판단을 설명하는 사례이며, 투자 성과를 보장하거나 권유하지 않습니다.

TL;DR

내 역할 & 임팩트

  • 데이터 제품의 엔드투엔드 UX 설계(수집→분석→실시간 추론→공유)
  • KPI/ROI 보드 고정 노출로 의사결정 TTI 10분(i9-13900K 기준)
  • 2024.11–2025.01 실거래 테스트 구간의 신호 품질을 검증했으나, 이후 레짐 변화로 전략을 중단

기술 이력

  • * 사용 기술: Python & MySQL
  • * ML관련 사용 기술: Regression > LSTM > SVM > Transformer > SVR > XGBoost > Dask > 코사인 유사도 순서로 기술 도입 및 최적화
  • * ML 알고리즘 속도 문제를 코사인유사도 및 데이터 조건식 튜닝을 동해 속도 단축 (Regression 대비: 48배, Dask 대비 3-4배)
  • * MySQL DB 튜닝을 통해 속도 향상(적용 전 대비 3배): Connection pool, thread 관리
  • * CPU 기반의 복합적 수식 계산식을 통한 데이터 전&후처리

문제정의

사용자/맥락

  • 미국 주식/ETF 대상 대량 종목·멀티타임프레임 분석의 자동화 필요성
  • 신호 검증→실시간 배포→산출물 공유까지 한 화면에서 처리 니즈

니즈/페인

  • 15m/1h 타임프레임별 신호 품질·리스크 KPI 즉시 비교
  • 실패 시 원인·영향(ROI)를 함께 노출해 빠른 피드백
  • 실시간 데이터의 결측치(Missing Value)·이상치(Outlier) 탐지/처리

핵심 해결 전략

1) “한 화면” 워크플로우

수집→분석→실시간 추론→결과 미리보기를 단일 플로우로.

2) 멀티타임프레임·실시간

15m/1h(조절 가능) 윈도우 처리, 실시간 인퍼런스 스트림 제공.

3) 코사인 유사도 엔진

메인 알고리즘: 코사인 유사도. 과거 검증 성과와 레짐 변화 후 성능 저하를 분리해 관리.

4) 실패복구·리스크

Regime Shift 감지(사건 전/후 분리), 스텝별 로거/토스트, 취소/재시작·롤백.

디자인 근거 → 코드 구조 매핑

수집(Collector)

미국 상장사/ETF 5천+ 종목 시계열 취득(15m/1h).

분석(Analyzer)

코사인 유사도 기반 패턴 매칭·튜닝 지표 산출.

미리보기/UI

실시간 주가 비교 예측 그래프 및 파일 내보내기.

Pandas/Numpy Requests/Retry SQLAlchemy Matplotlib Torch scikit-learn Ray/Joblib OpenPyXL Tkinter/CustomTkinter BeautifulSoup(보조) urllib3

KPI & ROI 프레임

KPI 정의

  • Coverage: 커버된 종목 수(미국 주식/ETF 5,000+)
  • Signal Quality: 과거 검증 구간의 방향성 신호 품질
  • TTI (Time-to-Insight): 수집→미리보기 = 10분 (Intel i9-13900K)
  • Win Rate: 약 95%
  • 재현성: 동일 조건 반복 시 지표 변동폭(σ) 없음(과거 데이터 일치성 기반)

민감도 산출 (과거 테스트 설명용)

아래 계산기는 과거 테스트 기간을 설명하기 위한 민감도 예시이며 미래 성과를 의미하지 않습니다.

  • 실거래 테스트: 2024.11 ~ 2025.01
  • 해석 원칙: 과거 검증 수치는 모델 품질 점검용이며 미래 수익 보장이 아님
  • 중단 판단: 2025년 관세 이슈 등 레짐 변화 이후 실거래/사업화 전략 중단

주의: 수수료/슬리피지/세금/체결 실패/환율 변동을 포함한 투자 성과 산출물이 아니며, 채용용 리스크 관리 사례로만 제시합니다.

민감도 계산기 (데모)

최종 자산
-
누적 수익
-

전략 타임라인

  • 사전: 코사인 유사도 + 제약조건 튜닝으로 과거 구간에서 높은 방향성 신호 확인
  • 2025-02: 트럼프 집권 이후 관세 전쟁 등 이슈로 시장 레짐 급변 → 정확도 급감
  • 사후: 리스크 규칙에 따라 실거래 중단 / 사업화 전략 폐기

고도화 전략

  • DTW/거리 메트릭 혼합 → 정확도 개선
  • 단일 기업 분석 수행시, 해당 기업의 히스토리 분석뿐 아닌 전체 기업 히스토리를 통합 분석 → 정확도 개선

후속 제안: 레짐 디텍터, 체인지포인트 감지, 리밸런싱·포지션 사이징 적응화.

핵심 플로우

“데이터 갱신 → 분석 → 공유”

  1. 소스 선택분석 대상 데이터 지정
  2. 수집데이터 갱신과 오류 처리
  3. 설정분석 파라미터 확인
  4. 분석실행·진행률·취소 처리
  5. 미리보기결과 차트와 표 확인
  6. 공유스프레드시트 내보내기와 재실행

주요 화면(요지)

홈 — 워크플로우 허브

  • 최근 작업/KPI·ROI 스냅샷
  • 원클릭 재실행

분석 — 실시간 신호/미리보기

  • 실행/취소/재시도 통합

※ 실제 사내 데이터/결과물은 비식별 더미로 대체.

핸드오프

코드-디자인 연결

/data_collector.py  → 미국 종목/ETF 시계열 수집(15m/1h) + 상태 표준 로그
/stock_analyzer.py  → 코사인 유사도·튜닝·백테스트·KPI/ROI 산출
/interface.py       → 실시간 신호패널 + KPI/ROI 보드 + 실패 복구 플로우

디자인 결정이 코드 모듈과 1:1 매핑되어 유지보수를 단순화.

성과/결과

지표

  • Coverage: 5,000+ 종목
  • Signal Quality: 과거 검증 구간에서 확인
  • Risk Outcome: 관세 이슈 등 레짐 변화 이후 전략 중단

사업화 결과

  • 2024-05: 백테스트 성과 기반으로 사업화 도전
  • 2025-04 트럼프 집권 및 관세 전쟁 직후 정확도 급감 → 전략 폐기

레짐 변화에 취약한 유사도 기반 패턴 전략의 한계 확인.

측정은 로그/트레이드 기록/엑셀 메타데이터 기반으로 자동 리포트했으며, 외부 공개 시에는 과거 검증과 미래 성과를 명확히 분리합니다.