주제: 주식자동매매

홈으로

  • 주식 자동매매 입문: 실전 전에 확인할 다섯 가지

    English version TECH INSIGHT / EXPLAINED 자동매매 입문에서 먼저 검증할 것은 수익 곡선보다 주문을 통제하는 능력입니다. 증권사 연결, 모의 실행, 비용 계산, 이용 조건, 복구 절차를 다섯 가지 산출물로 나누면 준비 상태를 확인하기 쉽습니다.

  • 정확한 주문 금액: Decimal 단위·반올림·실제 잔량

    English version TECH INSIGHT / EXPLAINED 주문과 장부 경계에는 숫자 규약을 명시해야 합니다. 통계 분석에는 이진 float도 유용하지만 정확한 소수 금액이나 단위 정수는 거래소 주문 단위와 회계 규칙을 적용하기 쉽게 만듭니다.

  • 자동매매 봇의 일곱 점검: 신호 시점·비용·결과 불명 주문

    English version TECH INSIGHT / EXPLAINED 봇 손실에는 전략·구현·비용·시장 환경이 함께 영향을 줍니다. 아래 일곱 점검은 구현과 평가 오류를 줄이기 위한 것이며 통과했다고 수익성까지 입증되는 것은 아닙니다.

  • Python 기술적 지표 5가지: 초기값·준비 기간·경계값까지 계산

    English version TECH INSIGHT / EXPLAINED 지표 이름만으로 계산 방식이 완전히 정해지지는 않습니다. 초기값·준비 기간·표준편차 규칙·빠진 봉에 따라 같은 기간 숫자도 결과가 달라질 수 있습니다.

  • 한국투자증권 API 첫 연동: 환경·토큰 만료·업무 오류 검사

    English version TECH INSIGHT / EXPLAINED 첫 연동의 목표는 의도한 환경에서 유효한 시세 응답을 받는 것입니다. 앱 인증 정보·접근 토큰·시장 선택·응답 검증을 네 단계로 나눠 확인하세요.

  • 호가창 읽기: 스프레드·잔량 불균형·스냅숏 일관성

    English version TECH INSIGHT / EXPLAINED 호가창은 표시된 대기 유동성의 스냅숏입니다. 주문 조건을 추정하는 데 유용하지만 체결 약속이나 모든 참여자의 속마음을 보여주는 자료는 아닙니다.

  • 포지션 사이징: 계획 손실 예산과 실제 최대 손실은 다르다

    English version TECH INSIGHT / EXPLAINED 포지션 사이징은 가정한 손실 시나리오를 수량으로 바꾸는 작업입니다. 손절 주문을 넣었다고 모든 상황에서 실제 손실이 그 예산과 같아지는 것은 아닙니다.

  • 슬리피지와 체결 품질: 평균가 계산부터 안전한 재주문까지

    English version TECH INSIGHT / EXPLAINED 체결 품질에는 기준 가격과 시간 순서가 필요합니다. 의사결정 가격과 수량 가중 평균 체결가의 차이를 구하고, 수수료와 미체결 수량은 따로 기록해야 합니다.

  • 백테스팅 데이터 파이프라인 구축하기

    English version TECH INSIGHT / EXPLAINED 재현 가능한 백테스트에는 판단 당시 알 수 있었던 데이터와 정제 선택의 기록이 필요합니다. 원본·정규화 자료·파생 특성을 분리해 이상한 결과를 원본까지 추적할 수 있게 합니다.

  • 자동매매 전략 비교: 페어 트레이딩 vs 그리드 vs 추세추종

    English version TECH INSIGHT / EXPLAINED 전략은 필요한 가정과 그 가정이 틀릴 때 남는 노출로 비교합니다. 페어·그리드·추세추종이 같은 기간에 함께 손실 볼 수도 있어 시장 국면 이름만으로 분산 효과가 보장되지는 않습니다.

  • 증권사 OpenAPI 인증 토큰 자동 갱신 설계

    English version TECH INSIGHT / EXPLAINED 토큰 수명은 날짜가 아니라 만료 시각의 문제입니다. 증권사 클라이언트는 요청에 필요한 자격증명, 만료 시점, 불명 주문을 중복 전송하지 않는 갱신 절차를 알아야 합니다.

  • 자동매매 봇의 안전장치 설계

    English version TECH INSIGHT / EXPLAINED 안전장치는 봇이 아는 상태, 허용되는 행동, 요청 결과가 불명확할 때의 복구 방법을 규정해야 합니다. 장치를 갖춰도 전략은 크게 손실 볼 수 있으며, 특정 오류를 줄이는 것이지 손실 한도를 보장하지는 않습니다.

  • 백테스팅과 페이퍼 트레이딩: 실전 자금 투입 전 필수 관문

    English version TECH INSIGHT / EXPLAINED 백테스트는 과거에 알 수 있었던 정보로 지정한 모형을 시험합니다. 페이퍼 트레이딩은 실시간 데이터와 모의 주문으로 동작을 점검합니다. 둘 다 실패를 찾는 도구이며 미래 수익이나 실제 거래소 체결을 인증하지 않습니다.

  • 레버리지·인버스 ETF 갭 차익 전략의 구조와 리스크

    English version TECH INSIGHT / EXPLAINED 레버리지·인버스 ETF의 갭은 진단용 측정값이며 무위험 차익 신호가 아닙니다. 코드를 쓰기 전에 실제 기초지수, 일간 수익률 기준, 체결 가능한 가격, 괴리의 방향부터 정해야 합니다.

  • 한국투자증권 KIS API로 실시간 시세 받기 (WebSocket 실전)

    English version TECH INSIGHT / EXPLAINED 실시간 시세는 파서, 구독 상태, 신선도 검사가 일치할 때 쓸 수 있습니다. KIS의 채널은 각각의 스키마로 다루고 비슷한 숫자 배열이라고 섞어 읽지 않습니다.

  • 자동매매 봇 개발 M1·M2·M3: 관찰, 재현, 복구 검증

    English version TECH INSIGHT / EXPLAINED 자동매매 봇을 단계별로 만든다는 것은 기능을 조금씩 켠다는 뜻만은 아닙니다. 각 단계가 끝났다고 판단할 증거를 먼저 정하고, 주문 전송 권한은 그 증거와 별도로 관리하는 방식입니다. 이 글의 M1·M2·M3는 설명을 위한 개발 단계 이름입니다. 특정 업계 표준이나 검증된 수익 전략을 뜻하지 않습니다. M1은 관찰, M2는 주문 없는 재현, M3는 장애 복구 연습 으로 나누며, 실거래 전환은 세 단계 이후의 별도 결정으로 둡니다.

  • 주식 자동매매 봇의 기본 구조: 신호·주문 전 검사·체결 상태

    English version ENGINEERING NOTE / 01 자동매매 봇에는 서로 다른 두 가지 일이 있습니다. ‘무엇을 주문하고 싶은가’를 계산하는 일, 그리고 ‘증권사에서 실제로 무슨 일이 일어났는가’를 확인하는 일입니다. 이 둘을 하나의 함수에 섞으면 작은 통신 장애도 중복 주문으로 번지기 쉽습니다. 이 글은 두 작업의 경계를 잡는 입문 설계입니다. 가상의 종가와 로컬 Python 예제로 동작을 확인합니다. 증권사에 접속하거나 특정 전략의 수익성을 검증하는 예제는 아닙니다.