텔레그램에 ChatGPT 붙여서 주식 물어보기
2026.06.09

최근에 스터디에서 자주 나오는 주제가 있었습니다.
"AI한테 주식 물어보면 어디까지 분석해줄 수 있을까?"
처음에는 단순히 텔레그램에 AI를 붙여서 종목 분석을 해보자는 생각으로 시작했습니다.
요즘 AI 서비스는 많지만, 막상 투자 판단을 위해 사용하려고 하면 여러 사이트를 왔다 갔다 해야 합니다.
차트 보기
뉴스 보기
공시 보기
유튜브 보기
증권사 리포트 보기
이걸 한 번에 묶고 싶었습니다.
그래서 시작한 것이:
Hermes + Telegram + Codex 기반 AI 투자 비서 만들기
였습니다.
그런데 만들면서 예상치 못한 사실을 발견했습니다.
처음에는 DART API, KIS API, Naver API, YouTube API까지 모두 연결해 놓았는데도 실제 답변을 뜯어보니 AI는 거의 Yahoo Finance 데이터만 활용하고 있었습니다. 😅
그리고 이 경험이 꽤 큰 배움으로 이어졌습니다.
진행 방법
사용한 도구
🤖 Hermes
💬 Telegram
🧠 Codex
📊 KIS API
📑 DART API
📰 Naver API
📺 YouTube Data API
목표 구조는 이랬습니다.
Telegram
↓
Hermes Gateway
↓
Codex
↓
KIS API
DART API
Naver API
YouTube API
↓
종합 분석
↓
Telegram 응답
텔레그램 연결 과정
flowchart TD
A["Telegram 설치/로그인"] --> B["BotFather 검색"]
B --> C["/newbot 입력"]
C --> D["봇 표시 이름 입력<br/>예: 봇돌이"]
D --> E["봇 username 입력<br/>반드시 bot으로 끝남<br/>예: botdori_bot"]
E --> F["BotFather가 Bot Token 발급"]
F --> G["~/.hermes/.env에 저장<br/>TELEGRAM_BOT_TOKEN=..."]
G --> H["Hermes gateway 재시작<br/>hermes gateway restart"]
H --> I["Telegram에서 새 봇 DM 열기<br/>t.me/botdori_bot"]
I --> J["/start 전송"]
J --> K{"페어링 코드가 나오는가?"}
K -- "예" --> L["터미널에서 승인<br/>hermes pairing approve telegram 코드"]
K -- "아니오" --> M["바로 테스트 메시지 전송"]
L --> M["DM에서 테스트<br/>안녕"]
M --> N{"답변이 오는가?"}
N -- "예" --> O["DM 연결 완료"]
N -- "아니오" --> P["로그/권한 확인<br/>TELEGRAM_ALLOWED_USERS 또는 pairing 확인"]
O --> Q{"그룹방에서도 쓸 건가?"}
Q -- "아니오" --> R["완료"]
Q -- "예" --> S["그룹방에 봇 추가"]
S --> T["그룹방에서 봇 호출<br/>@botdori_bot 안녕"]
T --> U{"답변이 오는가?"}
U -- "예" --> V["그룹 연결 완료"]
U -- "아니오" --> W["그룹 chat id 확인 후 .env에 추가<br/>TELEGRAM_GROUP_ALLOWED_CHATS=-100..."]
W --> X["Hermes gateway 재시작"]
X --> T
V --> Y{"봇돌아 / ** 로 부르고 싶은가?"}
Y -- "예" --> Z["config.yaml에 mention_patterns 추가<br/>^봇돌아 또는 ^\\*\\*"]
Z --> AA["Hermes gateway 재시작"]
AA --> AB["봇돌아 안녕 / ** 안녕 테스트"]
Y -- "아니오" --> R
첫 번째 실험
텔레그램에서 봇에게 질문했습니다.
SK하이닉스 지금 팔아야 해?
그러자 AI는 꽤 그럴듯한 답변을 내놓았습니다.
차트 분석
이동평균선
RSI
지지선/저항선
시나리오 확률
등을 설명했습니다.
그런데 이상한 점을 발견했다
답변을 자세히 읽다가 이런 문구가 눈에 들어왔습니다.
📸 실제 답변 일부
여기서 AI가 스스로 이렇게 말합니다.
사용한 것:
Yahoo Finance 000660.KS
그리고 이어서
사용하지 않은 것:
한국투자증권 API
DART API
네이버 뉴스 API
YouTube API
😳
순간 이런 생각이 들었습니다.
"잠깐... 나 분명 API 다 붙였는데?"
원인 분석
곰곰이 뜯어보니 문제가 API 연결이 아니었습니다.
API는 정상 연결되어 있었습니다.
문제는 AI에게 전달하는 프롬프트와 워크플로우였습니다.
AI 입장에서는
"차트만 봐도 답변 가능"
하다고 판단한 것입니다.
즉,
질문
↓
Yahoo Finance 데이터
↓
답변 완료
가 되어버린 것입니다.
굳이
공시 확인
뉴스 수집
유튜브 여론 분석
까지 하지 않아도 답변을 생성해 버렸습니다.
그래서, 이후 프롬프트를 수정했습니다.
하이닉스 수익실현 타이밍인지 판단해줘.
반드시 아래 데이터를 모두 검토할 것.
1. KIS 시세/수급
2. DART 최근 공시
3. 네이버 뉴스
4. YouTube 투자 담론
5. 차트 데이터
각 항목별 분석 후
최종 시나리오 확률을 제시할 것.
그 결과 답변 구조가 크게 달라졌습니다.
📸 네이버 뉴스 분석

AI는 뉴스 흐름을 요약하고
단기 부정
중기 중립
회복 조건
까지 정리했습니다.
📸 유튜브 담론 분석

흥미로웠던 점은
유튜브에서는
"지금 위험하다"
"오히려 매수 기회다"
라는 상반된 의견이 동시에 존재한다는 점을 정리해줬습니다.
이건 차트 데이터만으로는 알 수 없는 정보였습니다.
📸 DART 관점 분석

DART 데이터가 완전히 연동되지는 않았지만,
AI가 어떤 공시를 확인해야 하는지까지 제안했습니다.
예를 들면:
주요사항보고서
투자/시설 증설
실적 정정 공시
임원 지분 변동
등을 체크해야 한다고 설명했습니다.
📸 시나리오 확률 분석

마지막에는
단기 반등
박스권
추가 하락
각 시나리오를 확률 형태로 정리했습니다.
이 부분은 일반 검색보다 훨씬 읽기 편했습니다.
결과와 배운 점
1. API를 붙이는 것과 활용하는 것은 다르다
이번에 가장 크게 배운 점입니다.
처음에는
"API 연결 완료 = 기능 구현 완료"
라고 생각했습니다.
하지만 실제로는 아니었습니다.
AI가 언제 어떤 API를 사용할지 설계해야 합니다.
연결보다 중요한 것은 오케스트레이션(Workflow 설계) 이었습니다.
2. 좋은 답변은 데이터 개수가 아니라 데이터 조합에서 나온다
차트만 보면 기술적 분석이 됩니다.
뉴스만 보면 분위기 분석이 됩니다.
공시만 보면 기업 이벤트 분석이 됩니다.
하지만 투자 판단은 결국
가격
수급
공시
뉴스
투자심리
가 함께 봐야 의미가 있었습니다.
3. 역시 UI가 제일 중요했다
사실 가장 놀랐던 건 분석 품질보다 사용 경험이었습니다.
텔레그램에서 그냥:
봇돌아 하이닉스 지금 어때?
라고 물어보면
AI가 알아서
차트 보고
뉴스 보고
유튜브 보고
시나리오 정리
까지 해줍니다.
웹페이지보다 훨씬 자연스러웠습니다.
왜 사람들이 AI 서비스를 메신저에 붙이는지 이해가 됐습니다.
앞으로 해보고 싶은 것
DART 실시간 공시 완전 연동
KIS 수급 데이터 자동 분석
YouTube 투자심리 점수화
네이버 뉴스 감성 분석
종목별 아침 브리핑
텔레그램 자동 리포트 발송
궁극적으로는
"하이닉스 지금 어때?"
한 마디만 입력하면
가격·수급·공시·뉴스·유튜브 담론까지 종합해서 판단해주는
개인 AI 애널리스트를 만드는 것이 목표입니다.
도움 받은 글
Hermes 공식 문서
Telegram BotFather 문서
OpenAI Codex 관련 자료
DART Open API 문서
한국투자증권 Open API 문서
YouTube Data API 문서
Naver Search API 문서
한 줄 후기 💡
이번 실험에서 얻은 가장 큰 교훈은 "API를 많이 붙이는 것보다, AI가 그 API를 제대로 쓰게 만드는 것이 더 어렵다"는 점이었습니다.
그리고 그 모든 기술 위에서 결국 사용자가 체감하는 것은,
텔레그램 말풍선 하나의 UX였다. 🚀
로그인하고 댓글을 남겨 주세요
시장엔 상반된 의견이 참 많아요
어제만 해도 기사는 개미들이 주식을 던지다는 이야기 부터, 저점 매수를 하고 있다는 이야기까지...
정보는 많지만 그 중에서 쓸만한 정보를 어떻게 선별하고 내가 활용하느냐가 중요한 것 같습니다.
개인적으로 이번 스터디를 진행하면서 야후파이낸스쪽에서 자료 끌고 오는게 매우유용하다는 것을 많이 깨달아서 유익했습니다
| 이번 실험에서 얻은 가장 큰 교훈은 "API를 많이 붙이는 것보다, AI가 그 API를 제대로 쓰게 만드는 것이 더 어렵다"는 점이었습니다. -> API 를 제대로 쓰게 하는것과 실제 공식 데이터를 가져와서 신뢰도를 높히는 부분이 가장 중요한것 같아요!



잘 읽었습니다.