AI 자동매매에서 종목을 어떻게 고르는가

KOSPI/KOSDAQ 전종목 (~2,500개)
        │
        ▼  Filter 1: 재무 점수 (≥ 70점, 5-metric × 5분기)
        │
재무 우량 종목 (~200개)
        │
        ▼  Filter 2: 테마 분류 (Naver 테마 + YouTube AI)
        │
테마 매칭 종목 (~50개)
        │
        ▼  Filter 3: 매수 신호 4조건 + signal_score
        │
신호 확정 종목 (~10개)
        │
        ▼  ticker_agent: 차트 5지표 + 적정가 7지수 + 거래주체
        │
운영 종목 (3~7개, anchor 합 100%)

# core/screening/scorer.py 핵심
THRESHOLD_FINANCE_SCORE = 70   # config.yaml

METRICS = [
    "ROE",                    # 자기자본이익률
    "Operating Margin",       # 영업이익률
    "Net Profit Margin",      # 순이익률
    "PBR",                    # 주가순자산비율
    "PER",                    # 주가수익비율
]

# 분기별 비교: Q-4 ~ Q0 (현재) 5개 분기
# 각 metric × 각 분기 = 25 cell
# cell 점수: 임계값 만족 → 4점, 보통 → 2점, 미달 → 0점
# Total: 0 ~ 100점

# config.yaml
financial_score:
  threshold: 70                          # 70점 이상만 통과
  metrics:
    ROE:                  { good: 15, normal: 5 }   # 단위 %
    operating_margin:     { good: 10, normal: 3 }
    net_profit_margin:    { good: 8,  normal: 2 }
    pbr:                  { good: 1.5, normal: 3.0 }  # 낮을수록 good
    per:                  { good: 15,  normal: 25 }

# core/screening/theme_filter.py
MODES = [
    "etf_momentum",   # ETF 가중합 모멘텀 (1M×40% + 3M×30% + 6M×20% + 1Y×10%)
    "kis_mst",        # KIS Master 데이터 + 업종 키워드 매칭
    "youtube_ai",     # YouTube 5채널 AI 분석 (Apify + GPT)
    "naver",          # Naver 공식 테마 (≈450개, 신설 2026-04-20)
    "all",            # 위 4개 합집합
]

# core/screening/naver_theme_crawler.py
def crawl_naver_themes():
    """매일 08:45 cron + 주 1회 일요일 20:00"""
    themes = parse("https://finance.naver.com/sise/theme.naver")
    for t in themes:
        tickers = parse(f".../theme_detail?themeId={t.id}")
        save_to_db(t, tickers)
    diff = compare_with_yesterday()
    if diff.new_themes:
        send_telegram_alert(f"신규 테마 감지: {diff.new_themes}")

1. Apify로 transcript 추출 (karamelo~youtube-transcripts)
2. GPT-5.4 / Claude Sonnet으로 섹터·종목·stance 추출
3. SQLite 3일 TTL 캐시
4. 5채널 결과 집계 → 다수결로 strong sector 도출

# core/screening/signals.py
def compute_buy_signal(ticker: str) -> SignalScore:
    score = 0
    reasons = []

    # 조건 1: 재무 우량 (이미 통과했지만 score에 반영)
    if finance_score(ticker) >= 70:
        score += 1
        reasons.append("재무우량")

    # 조건 2: 평가절하 (현재가 < 적정가 composite)
    if current_price < fair_value_composite(ticker):
        score += 1
        reasons.append("평가절하")

    # 조건 3: 거래량 급증 (당일 거래량 / 20일 평균 ≥ 2.0)
    if volume_today / volume_20d_avg >= 2.0:
        score += 1
        reasons.append("거래량급증")

    # 조건 4: 양봉 + MA 정배열 (close > MA5 > MA20 > MA60)
    if is_bullish_alignment(ticker):
        score += 1
        reasons.append("양봉정배열")

    return SignalScore(score=score, reasons=reasons)

# 조건 5: 프로그램 순매수 서지 (당일 / 20일 평균 ≥ 2.0)
if program_net_buy_today / program_net_buy_20d_avg >= 2.0:
    score += 1
    reasons.append("프로그램서지")

입력 5지표:
  ① 적정주가     — 현재가 vs composite fair value
  ② 매집도       — OBV 추세 + 누적 거래대금
  ③ ADX          — 추세 강도 (DI+ / DI- / ADX)
  ④ 상대 거래량  — 당일 / 20일 평균
  ⑤ 매물대 공백  — Volume Profile 빈 구간

출력 (BUY):
  { "decision": "BUY"|"HOLD",
    "signal_strength": 0.0~1.0,
    "reasoning": "한 문장",
    "confidence": 0.0~1.0 }

# 15:35 cron — 매일 종가 직후
def daily_flow_update():
    for ticker in active_picks:
        flow = pykrx.get_market_trading_value_by_investor(ticker)
        # 외인 / 기관 / 개인 일일 net
        save_to_db("flow_data", flow)

# ticker_agent input 에 [C-2] 블록으로 주입:
#   외인 5일 누적: +12.3억 (매수 우세)
#   기관 5일 누적: +5.7억
#   개인 5일 누적: -18.0억 (개미 매도)
#   dominant: 외인+기관 / trend: 매집

-- ticker_prompts 테이블
CREATE TABLE ticker_prompts (
    id INTEGER PRIMARY KEY,
    ticker TEXT,
    version INTEGER,
    prompt_text TEXT,
    is_active INTEGER,
    note TEXT,
    created_at TEXT
);

[종목 010120 — LS ELECTRIC]
당신은 원전·전력 인프라 장기 추세 추종 매매를 지향합니다.
9EMA 되돌림에서 적극 매수, 매물대 공백이 큰 경우 FULL 진입.
단기 -3% 출렁임은 무시. 진정한 위험은 ADX < 15 추세 소실.

"좋은 종목을 고른다" = 직관
"4단 필터링을 통과시킨다" = 데이터 파이프라인