저는 이 구조를 ‘매크로 OKF’ 지식 폴더와 투자 의사결정 시스템에 연결해 사용하고 있습니다.
“매크로 OKF는 원본, 지식, 행동, 평가, 결과물을 역할별 폴더에 나눠 보관한다.”
먼저 말하고 싶은 것: AKM은 돈 복사기가 아니다
제목은 “AKM으로 투자로 돈 벌어보기”이지만, AKM이 수익을 보장해 주는 것은 아닙니다.
AKM은 내일 오를 종목을 알려주는 마법의 수정구슬이 아닙니다. 대신 다음 세 가지를 도와줍니다.
왜 그런 판단을 했는지 남긴다.
판단과 실제 결과를 비교한다.
같은 실수를 줄이도록 다음 판단의 재료를 고친다.
한 번의 대박을 만드는 장치라기보다, 계속 틀릴 수밖에 없는 사람이 조금 덜 엉성하게 틀리도록 돕는 장치에 가깝습니다.
진행 방법
1. 투자 자료를 한 바구니에 넣지 않았다
예전에는 뉴스, 요약, 내 생각, 매매 기록이 한곳에 섞이기 쉬웠습니다.
이건 냉장고에 우유, 장난감, 양말, 숙제를 전부 넣는 것과 비슷합니다. 물건이 많아서 문제가 아니라, 제자리가 없어서 찾기 어려운 것입니다.
매크로 OKF에서는 정보를 역할에 따라 나눕니다.
Source(원본): 처음 읽은 글과 자료
Knowledge(지식): 원본을 읽고 다시 쓰기 쉽게 정리한 내용
Action(행동 기록): 실제로 어떤 판단과 실행을 했는지
Evaluation(평가): 무엇이 맞고 틀렸는지, 다음에는 무엇을 고칠지
Output(결과물): 다른 사람에게 보여줄 글이나 보고서
작성 시점의 제 매크로 OKF 폴더에는 Markdown 문서가 1,212개 있습니다. 그중 원본 자료가 201개, 다시 쓸 수 있게 정리한 지식이 907개, 평가 기록이 56개입니다.
하지만 AI가 매번 이 문서를 전부 읽는 것은 아닙니다. 도서관에 책이 많다고 매일 모든 책을 읽지 않는 것과 같습니다. 오늘의 질문과 관련된 책만 찾아 읽습니다.
책과 서류가 담긴 바구니에 앉아 있는 고양이
2. 긴 글을 ‘투자용 카드’로 바꿨다
외부 매크로 리서치 글은 길고 복잡합니다. 금리, 달러, 반도체, 금, 유가 이야기가 한 글에 함께 들어 있기도 합니다.
이 글을 그대로 AI에게 계속 넣으면 중요한 내용과 덜 중요한 내용이 섞입니다. 그래서 원문은 그대로 보관하고, 별도의 요약 카드를 만듭니다.
예를 들어 긴 글 하나를 읽으면 다음처럼 정리합니다.
오늘 가장 중요한 내용은 무엇인가?
어떤 자산과 연결되는가?
며칠짜리 이야기인가, 몇 달짜리 이야기인가?
이 주장이 맞을 가능성은 어느 정도인가?
반대 증거는 무엇인가?
실제 매매 신호인가, 참고 정보일 뿐인가?
여기서 마지막 질문이 중요합니다.
제 시스템에서 매크로 OKF의 글은 바로 매수 버튼을 누르는 신호가 아닙니다. 참고 자료일 뿐입니다.
학교 급식표를 봤다고 바로 식판이 생기지 않는 것과 같습니다. 급식표는 정보이고, 실제 배식에는 시간표, 인원, 알레르기 확인 같은 다른 절차가 필요합니다.
긴 글을 핵심 주장, 관련 대상, 확인할 결과가 담긴 투자용 카드로 바꾼다.
3. “A가 생기면 B가 오른다”를 도미노처럼 쪼갰다
투자 글에는 이런 문장이 자주 나옵니다.
“물가가 오르면 금값이 오른다.”
하지만 현실은 그렇게 단순하지 않습니다.
물가 상승 → 금리 상승 → 달러 강세 → 금값 하락
이라는 길도 있고,
물가 상승 → 돈의 가치 걱정 → 안전자산 수요 증가 → 금값 상승
이라는 길도 있습니다.
같은 출발점에서도 도미노가 어느 방향으로 놓였는지에 따라 결과가 달라집니다.
그래서 매크로 OKF에는 이런 관계를 인과관계 장부로 따로 기록합니다. 예를 들어 ‘인플레이션 → 금’이라는 관계에 대해 과거 주장들이 실제로 맞았는지 확인합니다.
현재 기록 중 하나에는 이 관계와 관련된 주장 5개가 있고, 결과를 확인할 수 있는 4개 중 3개가 방향상 맞았습니다. 단, 이것도 “다음에도 반드시 맞는다”는 뜻은 아닙니다. 작은 표본이고, 시장 환경이 바뀔 수 있기 때문입니다.
중요한 점은 느낌으로 “원래 물가가 오르면 금이 오르지”라고 말하지 않고, 어떤 길로 움직였고 실제로 어땠는지를 남긴다는 것입니다.
그럴듯한 문장을 믿는 대신, 같은 인과관계가 과거에 실제로 맞았는지 HIT와 MISS로 남긴다.
4. AI는 의견을 내고, 기계는 브레이크를 잡게 했다
제 투자 시스템에서 AI는 시장 자료를 읽고 가설을 냅니다.
예를 들면 이런 식입니다.
시장은 무엇을 잘못 보고 있는가?
내 생각과 시장 가격의 차이는 무엇인가?
이 생각이 틀렸다는 신호는 무엇인가?
며칠 동안 볼 생각인가?
손실을 어디에서 끊을 것인가?
하지만 AI가 “사고 싶다”고 말한다고 바 로 주문이 나가지는 않습니다.
실제 수량 계산, 가격 계산, 손실 한도, 중복 주문 확인, 계좌 위험 확인은 정해진 코드가 담당합니다. 저는 이것을 놀이터 앞 안전요원에 비유합니다.
아이가 “저 미끄럼틀 탈래요”라고 말하는 것은 의견입니다. 하지만 키 제한, 이용 순서, 안전벨트 확인은 안전요원이 정해진 규칙대로 검사합니다.
AI는 아이디어를 낼 수 있지만, 안전규칙을 마음대로 바꿀 수 없습니다.
책상에 앉아 있는 고양이의 일러스트
5. 한 명의 AI 말을 그대로 믿지 않았다
투자 판단에는 여러 AI가 같은 자료를 읽고 각자 의견을 냅니다.
누군가는 “매수 후보”라고 하고, 누군가는 “기다리자”고 할 수 있습니다. 시스템은 이 의견들을 모으되, 의견이 갈릴 때 더 위험한 쪽으로 억지로 밀어붙이지 않습니다.
쉽게 말하면 세 명의 길잡이에게 길을 물어보는 것입니다.
두 명이 “앞에 다리가 끊겼다”고 말하고,
한 명이 “아마 건널 수 있다”고 말한다면,
그냥 전속력으로 달리지 않습니다.
여러 AI의 답은 정답을 보장하지 않습니다. 다만 한 명의 자신감 넘치는 실수를 그대로 실행할 가능성을 줄이는 데 도움이 됩니다.
한국 달력 스크린샷
“한 AI의 답을 그대로 믿지 않고, 여러 판단을 비교한 뒤 보수적인 규칙으로 하나의 결론을 만든다.”
주문 들어가기 전에, 모델별로 유니버스에 맞게 의사결정을 내린다.
6. 경제학 명제를 바로 주문으로 바꾸지 않았다
여기서 제가 실제 매매 때 가장 중요하게 구분하는 것이 있습니다.
일반적인 경제학 명제: 여러 상황에서 대체로 작동하는 출발점
이번 시장의 매매 가설: 지금 이 가격과 이 기간에도 그 명제가 지배적인지에 대한 조건부 예측
예를 들어 “ 연준이 예상보다 매파적이면 장기금리가 오르고 장기채 가격은 눌릴 수 있다”는 비교적 일반적인 명제입니다. 하지만 이것만으로 장기채 하락 상품을 사지는 않습니다. 경기침체 공포가 더 커지면 안전자산 수요 때문에 장기채 가격이 오를 수도 있기 때문입니다.
그래서 주문 전에는 문장을 더 구체적으로 바꿉니다.
일반 명제: 매파적 통화정책은 장기채 가격에 부담을 준다.
이번 가설: 시장이 물가 둔화만 보고 금리 인하를 너무 빨리 반영했지만, 연준의 매파 발언과 서비스업 고용·유가 신호를 보면 5일 안에 장기금리가 다시 올라 TLT가 약해질 가능성이 더 크다.
반대 증거: 10년물 금리 하락, TLT의 이동평균 회복, 연준의 인상 가능성 철회.
행동: 조건을 통과할 때만 작은 크기로 TBT를 매수한다.
반대로 “실질금리가 오르면 금은 약해진다”도 자주 쓰이는 명제이지만 자연법칙은 아닙니다. 전쟁 위험, 유가발 기대인플레이션, 달러 방향, 중앙은행 매수처럼 다른 경로가 더 강하면 금이 오를 수 있습니다.
즉, 매매는 교과서 문장을 맞히는 시험이 아닙니다. 지금 어떤 경로가 가격을 지배하는지, 시장이 무엇을 덜 반영했는지, 무엇이 나오면 틀렸다고 인정할지를 정하는 일입니다.
7. 실제 매매 사례 1: 맞은 가설도 ‘아직 번 돈’과 구분했다
2026년 7월 7일, 시스템은 장기채 하락 때 오르는 2배 인버스 ETF인 TBT 6주를 실제로 매수했습니다. 진입 가설은 다음과 같았습니다.
시장은 물가 둔화와 금리 인하 가능성에 더 집중하고 있었다.
그러나 연준 의 매파 발언, 서비스업 고용 확장, 유가 반등은 금리 재상승 가능성을 남겼다.
따라서 “인하 기대가 과도하다”는 시장의 착오가 5일 안에 일부 되돌려질 수 있다고 봤다.
틀렸다고 인정할 조건은 TLT의 추세 회복과 연준의 명시적인 매파 기조 철회였다.
AI는 enter 의견(진입)을 냈지만 실제 수량은 코드가 small로 제한했습니다. 주문은 체결됐고 보유 원장에 기록된 평균단가는 35.72달러였습니다. 7월 22일 복기의 가설 채점 구간에서는 TBT가 기준가격 36.38에서 37.09로 올라 방향 수익률 +1.95%를 기록했습니다. 장기채 TLT가 이동평균을 회복하지 못한 것도 가설과 맞았습니다.
다만 이 숫자는 청산해서 확정한 수익이 아니라, 보유 중인 포지션의 방향이 맞았다는 평가입니다. 맞은 가설, 평가이익, 실제 확정수익을 같은 말로 쓰지 않는 것도 복기의 일부입니다.
이 사례에서 일반 명제는 “매파적 재평가 → 장기금리 상승 → 장기채 약세”였습니다. 실제 매매 가설은 여기에 시장의 과도한 인하 기대, 5일이라는 시간 제한, 가격 무효화 조건을 붙인 것이었습니다.
8. 실제 매매 사례 2: 금 하락 가설이 틀려 2주를 손절했다
2026년 7월 17일에는 금 하락 때 오르는 2배 인버스 ETF인 GLL 2주를 실제로 매수했습니다. 평균 진입가는 27.36달러였고, 포지션 크기는 small, 관찰 기간은 5일로 제한했습니다.
당시 가설은 이랬습니다.
기대인플레이션은 내려가는데 연준의 인상 가능성은 남아 있었다.
그러면 실질금리가 높게 유지돼 금에 부담이 될 수 있다.
실제로 금과 금광주는 이동평균 아래에서 약했고, 지정학적 불안에도 안전자산 매수세가 강하지 않았다.
따라서 시장이 금의 추가 약세 가능성을 덜 반영했다고 봤다.
문제는 일반 명제를 틀리게 외운 것이 아니라, 그 명제가 이번 시장에서도 가장 강한 경로라고 판단한 것이었습니다. 이후에는 다른 도미노가 더 세게 움직였습니다.
중동 긴장이 다시 커졌고,
유가가 급등하면서 기대인플레이션 경로가 바뀌었고,
안전자산 수요가 살아났고,
금 가격이 이동평균 위로 반등했습니다.
“실질금리 상승 → 금 약세”보다 “지정학 위험·유가 상승 → 기대인플레이션과 안전자산 수요 → 금 강세”가 더 강했습니다. 미리 정한 GLL 손절선 26.48달러가 깨졌고, 시스템은 사람의 미련과 무관하게 전량 청산을 강제했습니다.
첫날 청산 주문은 가격 조건 때문에 체결되지 않았습니다. 다음 날에는 체결 우선 방식으로 다시 제출돼 2주가 25.45달러에 전량 청산됐습니다. 수수료 등을 반영한 복기 기록상 결과는 3.91달러 손실, -2.22R이었습니다. 작은 포지션이라 절대 손실은 제한했지만, 계획했던 -1R보다 손실이 커졌습니다.
복기에서는 생각과 실행을 나눠 봤습니다.
생각의 문제: 유가가 이미 크게 오르는 구간에서 실질금리를 금 방향의 단독 지배 신호처럼 사용했다.
위험 설계의 문제: 2배 인버스 ETF의 하루 변동성에 비해 손절선이 너무 가까워, 종가 확 인 뒤 다음 날 청산하는 동안 손실이 커졌다.
실행의 문제: 첫 청산 주문은 체결 가능성을 충분히 우선하지 않아 하루 늦어졌다.
그 결과 다음 판단에 두 규칙이 추가됐습니다.
2배 이상 레버리지 인버스 ETF는 손절 거리가 최근 일변동성에 비해 너무 좁으면 진입을 보류하거나 크기를 더 줄인다.
기초자산의 가격 무효화 조건은 인버스 ETF의 손절선보다 먼저 울리도록 설계한다.
시험에서 공식을 몰라 틀린 것과, 공식을 알았지만 적용 조건을 잘못 고른 것, 답은 맞았지만 답안 제출에 실패한 것은 고치는 방법이 다릅니다. 이렇게 실패를 원인이 있는 자리로 돌려보내는 과정을 AKM에서는 Learn Back이라고 부릅니다.
한국어 텍스트가 있는 페이지의 스크린샷
hermes가 매일 아침에 복기하는 모습
9. 수익과 좋은 판단을 같은 것으로 보지 않았다
투자에서 가장 위험한 착각 중 하나는 이것입니다.
돈을 벌었으니 좋은 판단이었다.
돈을 잃었으니 나쁜 판단이었다.
하지만 동전을 던져 우연히 맞힌 것도 수익이 날 수 있습니다. 반대로 충분한 근거와 손절 계획을 세운 좋은 판단도 한 번은 손실이 날 수 있습니다.
그래서 복기할 때는 결과와 과정을 나눕니다.
생각도 좋았고 결과도 좋았다.
생각은 좋았지만 결과는 나빴다.
생각은 나빴지만 운 좋게 벌었다.
생각도 나빴고 결과도 나빴다.
특히 “생각은 나빴지만 돈은 번 경우”를 성공 사례로 저장하지 않으려 합니다. 운을 실력으로 착각하면 다음에는 더 큰돈을 걸기 쉽기 때문입니다.
돈이 벌리긴 벌립니다만... 애초에 베팅을 너무 적게해서 도파민이 충족이 되지 않습니다만 동작이 제대로 되고 있어서 앞으로 매도 조건이나 비율 조정 등 최적화 작업을 꾸준히 진행할 생각입니다.
결과와 배운 점
1. 투자 자료가 ‘읽은 글’에서 ‘검사 가능한 가설’로 바뀌었다
예전에는 좋은 글을 읽고 “그럴듯하다”고 끝나는 경우가 많았습니다.
지금은 글이 다음 질문으로 바뀝니다.
이 주장의 반대편은 무엇인가?
언제까지 확인할 것인가?
무엇이 나오면 틀렸다고 인정할 것인가?
시장 가격에는 이미 얼마나 들어가 있는가?
정보가 많아진 것보다, 정보를 의심하고 검사하는 형식이 생긴 것이 더 큰 변화였습니다.
2. 매수보다 ‘기다림’의 이유가 또렷해졌다
AKM을 연결한 뒤 모든 뉴스가 매매 아이디어가 되지 않습니다.
근거가 약하거나, 이미 가격에 반영됐거나, 손절 기준이 없거나, 가장 약한 연결고리를 확인하지 못했다면 기다립니다.
아무것도 하지 않는 것은 게으름이 아닙니다. 이유가 기록된 기다림은 하나의 결정입니다.
3. 실패가 사라지지 않고 다음 판단의 재료가 됐다
예전에는 손실을 보면 기분이 나빠 기록을 짧게 끝내기 쉬웠습니다.
지금은 실패를 다음 중 하나로 나눕니다.
자료가 오래됐는가?
인과관계를 잘못 이해했는가?
사용자의 기준이나 계좌 조건을 잘못 읽었는가?
주문 절차가 잘못됐는가?
검증 자체를 하지 않았는가?
그리고 원인이 있는 곳을 고칩니다.
오답노트에 “틀림”이라고만 쓰는 것이 아니라, 왜 틀렸고 다음에는 어느 문제집의 어느 부분을 고칠지 적는 셈입니다.
4. AI에게 모든 권한을 주지 않는 것이 오히려 도움이 됐다
AI는 긴 글을 요약하고, 여러 가능성을 비교하고, 가설을 만드는 데 강합니다.
반면 주문 수량, 손실 한도, 중복 주문, 강제 손절처럼 반드시 같은 기준으로 처리해야 하는 일은 정해진 코드가 더 잘합니다.
그래서 역할을 나눴습니다.
AI: 읽고, 비교하고, 가설을 낸다.
코드: 계산하고, 막고, 기록한다.
AKM: 근거와 실패를 다음 판단으로 연결한다.
사람: 위험 한도와 시스템의 큰 방향을 정한다.
고양이가 책과 연필을 들고 둥글게 앉아 있다
작게 시작한다면
처음부터 수천 개 문서나 자동 주문 시스템을 만들 필요는 없습니다.
다음처럼 아주 작게 시작할 수 있습니다.
이 글을 복사해서 fable or codex 에게 맥락을 던집니다. 이거 하고 싶다고 이야기합니다.
이번 주에 읽은 투자 글 5개를 원본 폴더에 넣습니다.
글마다 세 줄로 요약합니다: 핵심 주장, 반대 증거, 확인 날짜.
투자 생각 하나를 적습니다: 왜 오르거나 내린다고 보는지.
반드시 틀렸다고 인정할 조건을 한 줄로 씁니다.
일주일 뒤 실제 결과를 확인합니다.
틀렸다면 ‘정보’, ‘생각’, ‘실행’ 중 어디가 문제였는지 고릅니다.
다음 판단에서 그 수정 내용을 실제로 다시 읽습니다.
이것만 반복해도 단순한 투자 메모가 작은 AKM으로 바뀝니다.
마무리
제가 AKM을 투자에 사용하며 얻은 가장 큰 교훈은 이것입니다.
투자 지식관리는 많이 아는 일이 아니라, 왜 판단했고 왜 틀렸는지를 다음 판단이 다시 사용할 수 있게 만드는 일입니다.
AKM은 저 대신 돈을 벌어주는 기계가 아닙니다.
대신 뉴스에 흔들려 매번 처음부터 생각하는 일을 줄이고, 근거 없는 확신에 브레이크를 걸고, 실패를 다음 의사결정의 재료로 바꾸는 데 도움을 주고 있습니다.
수익은 약속할 수 없습니다. 하지만 판단 과정은 어제보다 나아지게 만들 수 있습니다.
그것이 제가 매크로 OKF와 AKM을 투자 시스템에 연결해 사용하는 이유입니다.
고양이가 계단 위에 서 있다
해당 글 전체 시스템을 배속으로 보는 옵션 또한 있습니다. 맨 아래 자동화된 영상을 참고해주세요.
