Hello, this is Sangchul Yoon from TacozLabs Accounting. In this video, I want to share the advancements I've made in the automatic trading program I've been working on.

I've tested a new idea to enhance the algorithm, and I'm excited to share this progress with you.

In the next sessions, I plan to implement and test this approach further. As you might have seen in the thumbnail, up to now, I've been developing an automatic trading program using Python, leveraging the user-friendly API provided by Korea Investment & Securities.

I've shown you how this setup can facilitate automatic trading.

However, to improve profitability and tailor the trading to my preferences, I've realized the algorithm needs further refinement. This led me to consider the various technical analysis techniques available for day trading and how they could be adapted to the Korean stock market or my investment style.

Most of you are likely working full-time and understand how challenging it is to find time for such projects after work.

This is where I thought of utilizing GPT, which has become quite accessible in recent years.

I've subscribed to the OpenAI API and have been using it for tasks such as holding meetings with international clients or composing emails in English.

It occurred to me that GPT could also assist in investment decision-making by enhancing the algorithm for my trading program. The idea was to use GPT for making investment decisions, which could then be communicated in real-time to the trading program.

The program would send market data to GPT, which would return decision-making guidance.

To implement this, I considered how to design the system. I chose to leverage the GPT API, which has been available for about a year now.

Typically, we interact with GPT through a web interface by posing questions and receiving answers. However, I wanted to explore a more engaging application.

For example, in one of my tests, I used publicly available libraries to download stock market data. I uploaded a file named GPT_data_all.csv, which contained three years of price data (opening, closing, highest, lowest prices, and volume) for five companies listed on the KOSPI.

I then asked GPT to analyze this data from 2021 for day trading purposes, inquiring about applicable technical analysis techniques.

GPT listed several methods, such as MACD and RSI. With this information, I queried GPT on which of the five stocks it would recommend investing in immediately based on these technical analysis methods.

GPT proceeded to analyze the data for all five tickers using the MACD technique, among others, and provided its recommendation on which stock seemed most promising.

This approach allowed GPT to rank the five tickers based on various technical analysis criteria, using the dataset I provided.

It's an innovative way to combine AI capabilities with stock market investments, showing the potential of using GPT not just for generating text but for making informed financial decisions.

And then, finally, it's a bit long, but by saying "do this," it produced this result.

So, there are five tickers, and it used four analytical methods to predict which ones would be effective for investment according to each method, leading to outcomes for each ticker.

Then, posing the ultimate question: "If you were day trading, what would you do tomorrow?" It makes a decision from there, choosing ticker 5490.

As you know, our country's ticker symbols are six digits, so if 5490 has only four digits, it implies the missing zeroes at the beginning.

It then discusses why investing in this option could be advantageous. This made me think, essentially, I'd be conversing with it daily, asking, "Hey, what's happening in the KOSPI, the Korean stock market?

Give me the data, what technical analysis items are available?" and so on.

"Then, about an hour before the market opens, tell me the top ten stocks you'd recommend buying at the opening." After receiving this, my automated trading program processes these ten pieces of data, performing trades based not only on purchases.

It continuously asks GPT throughout the day whether to buy, sell, or hold based on new data, following its instructions for trading.

My setup involves sending GPT trade data for the chosen stocks every ten minutes from the opening. GPT is then queried, "Based on your advice, I've bought this; here's the current trade data for these ten stocks, what should I do now?

" So, it's about deciding buy, sell, or hold actions among these ten stocks, every ten minutes, following GPT's instructions.

This seemed like a fun approach. While I could manually input technical trading algorithms into the code, which would take time but is feasible, the downside of handling this personally, especially for those not trading full-time, is the consistent lack of time and unpredictable work hours.

I felt relying solely on my manual intervention wasn't wise, hence the idea of letting GPT take on the role, analyze outcomes, and apply continuous trading strategies based on its analysis.

It could also report back to me, making the process more convenient. "So, I thought, 'Why not?' I've confirmed that theoretically, it's feasible to connect GPT to automated trading, and GPT can indeed make data-driven decisions based on technical analysis.

Next steps? Visit the OpenAI website to explore the API services. The website looks great, and here you can see how to connect to their API services.

I've already paid for the service; it's not expensive, just link a card. Testing this, you can track your spending, seeing charges for each use.

With about $9 left, I reviewed the pricing policies for using the API with different GPT versions, deciding on GPT-3.5 Turbo for cost-efficiency.

Registering my API key allowed me to link my automated trading with GPT, which I'll demonstrate. Secondly, after receiving the API key from OpenAI, I tried connecting it to see if it accurately responds to queries.

You can find detailed instructions online for setting up and using the API for queries. Before sending text prompts to GPT, you can assign it a "role" to specify how it should respond.

I gave it a simple role, "You are a highly skilled fund manager investing in Korea, applying famous investment strategies..." Asking it to recommend stocks based on this setup, I tried running a test with GPT-4.

Expecting initial delays, I awaited its advice based on the given investment strategy, querying for stock recommendations. Though I hadn't provided specific data yet, GPT offered a general description of the strategy and asked for data to proceed.

This interaction showcases the potential for utilizing GPT in automating trading decisions, furthering the integration of AI in personal investment strategies.

So, utilizing the GPT API for my automated trading program seems entirely feasible. The key is to refine the prompts meticulously, ensuring they precisely match the dataset required for investment decisions.

I plan to send queries every ten minutes, asking whether to buy, hold, or sell, and expect responses in the form of a data table.

This table will directly influence the trading decisions made by the program.

Thus, I've concluded it's possible to integrate GPT effectively. Instead of crafting algorithms myself—acknowledging my limitations in knowledge and time—I'll rely on GPT, which I've already integrated into my trading setup.

This setup will continually receive investment decisions based on predefined strategies, significantly automating the process.

My role for GPT will be defined as a day trader aiming for a 1% return with an initial capital of 1 million won, allowing it to freely compose a portfolio.

Over time, I can adjust this portfolio, deciding the percentage to allocate to blue-chip stocks, potential high-gain stocks, etc. In addition to market data, I plan to include real-time news updates by connecting a news API, incorporating breaking news into the decision-making process.

Though I haven't tested this yet, it appears to be a feasible goal.

Another intriguing aspect I discovered while studying GPT API is its potential for custom application. For example, I've been collecting data on investments and building a database (DB).

I realized that it's possible to link this DB to GPT, allowing it to use my data for more precise responses.

This capability extends beyond automated trading to practical applications in report writing, offering detailed numerical data and current business conditions.

It opens up possibilities for leveraging my data collection in conjunction with GPT for various purposes. In summary, this video discussed my plans to utilize GPT for automating trading strategies.

The potential for GPT to streamline tasks and reduce the need for manual resource allocation in both professional and hobbyist applications is exciting.

I plan to connect everything practically and share the outcomes in future videos. If you have any questions, feel free to comment below, and I'll see you in the next video.

GPT4 가 자동매매 프로그램에 연결되면 어떤일이? What Happens When GPT-4 Connects to an Automated Trading Program

재무·금융 지식과 데이터 분석 tacozlabs.com


야근하는 회계사

자동 매매 프로그램 개발자가 GPT-4를 활용하여 투자 결정을 자동화하고 거래 프로그램에 연결하는 과정을 설명합니다.

GPT-4를 통해 시장 데이터를 분석하고, 기술적 분석 기법을 적용하여 투자 결정을 내리며, 이를 자동 매매 프로그램에 실시간으로 반영하는 시스템을 구축하고자 합니다.

OpenAI API를 활용하여 10분마다 주식 데이터를 기반으로 매수, 매도, 보유 결정을 내리고, 뉴스 API 연동 및 데이터베이스 구축을 통해 투자 결정을 더욱 고도화할 계획입니다.

💡 자동 매매 프로그램의 진화: GPT-4와의 결합

안녕하세요! 야근하는 회계사 윤상철입니다. 이번 영상에서는 제가 개발 중인 자동 매매 프로그램의 **최신 발전 상황을 공유**하고자 합니다. 기존에는 한국투자증권 API와 파이썬을 활용해 프로그램을 개발했지만, 수익성 개선과 개인 투자 스타일에 맞춘 알고리즘 개선의 필요성을 느꼈습니다.

특히 풀타임으로 일하면서 자동 매매 프로그램 개발에 시간을 할애하는 것이 쉽지 않다는 점을 고려해, **GPT를 활용하는 혁신적인 아이디어**를 구상했습니다. GPT를 통해 투자 결정을 내리고 이를 실시간으로 프로그램에 전달하여, 시장 데이터를 GPT로 보내고 의사 결정 지침을 받는 방식입니다.

GPT를 활용하기 위해 **OpenAI API를 구독**하여 사용하고 있습니다. 과거 테스트에서 GPT에 코스피 5개 기업의 3년치 가격 데이터를 제공하고, 데이 트레이딩 목적의 기술적 분석 기법을 요청했습니다. GPT는 MACD나 RSI와 같은 **다양한 기술적 분석 방법들을 제시**했습니다.

이 정보를 바탕으로 GPT에게 현재 투자하기에 가장 좋은 주식을 추천해 달라고 요청했고, **GPT는 제공된 데이터 세트를 기반으로 5개 티커를 순위 매기고 유망한 주식을 추천**할 수 있었습니다. 이는 GPT가 단순히 텍스트를 생성하는 것을 넘어, 정보에 입각한 재정적 의사 결정을 내릴 수 있는 잠재력을 보여줍니다.

🔄 실시간 자동 트레이딩 전략

GPT를 활용한 자동 트레이딩의 핵심 아이디어는 **매일 개장 한 시간 전에 상위 10개 추천 주식을 받아 매수 및 매도 거래를 수행**하는 것입니다. 또한, 개장 후 10분마다 선택된 주식의 거래 데이터를 GPT로 보내고, GPT의 지시에 따라 매수, 매도 또는 보유 결정을 내립니다.

이 방식은 **수동 개입의 한계를 극복하고 예측 불가능한 업무 시간 속에서 지속적인 트레이딩 전략을 적용**할 수 있게 합니다. GPT가 기술적 분석을 기반으로 데이터 기반 의사 결정을 내릴 수 있다는 것을 확인했으며, 이는 자동 트레이딩의 미래를 밝게 합니다.

OpenAI 웹사이트에서 API 서비스를 쉽게 연결하고 사용할 수 있습니다. 저는 **비용 효율성을 위해 GPT-3.5 Turbo를 선택**했으며, API 키를 등록하여 자동 트레이딩을 GPT와 연결했습니다. API를 사용할 때 쿼리에 정확하게 응답하도록 **'역할'을 할당하여 응답 방식을 지정**할 수 있습니다.

예를 들어, 저는 GPT에게 **"당신은 한국에 투자하는 고도로 숙련된 펀드 매니저이며 유명한 투자 전략을 적용합니다..."**라는 역할을 부여했습니다. 이 설정에 따라 주식 추천을 요청하자 GPT는 전략에 대한 일반적인 설명을 제공하고 필요한 데이터를 요청했습니다. 이는 **개인 투자 전략에서 AI 통합을 더욱 발전시켜 트레이딩 결정을 자동화**하는 데 GPT를 활용할 수 있는 잠재력을 보여줍니다.

자동 트레이딩 프로그램을 위해 **GPT API를 활용하는 것이 전적으로 가능**하며, 핵심은 투자 결정에 필요한 데이터 세트와 일치하도록 프롬프트를 꼼꼼하게 다듬는 것입니다. 10분마다 매수, 보유, 매도 여부를 묻는 쿼리를 보내고, **데이터 테이블 형태로 응답을 받아 프로그램의 거래 결정에 직접적인 영향**을 미치도록 할 계획입니다.

GPT에 대한 제 역할은 100만 원의 초기 자본으로 1% 수익률을 목표로 하는 데이 트레이더로 정의하여 **자유롭게 포트폴리오를 구성하고 조정**할 수 있도록 할 것입니다. 또한, 시장 데이터 외에 **뉴스 API를 연결하여 실시간 뉴스 업데이트를 통합**하고 속보를 의사 결정 프로세스에 반영할 계획입니다. 이는 아직 테스트 전이지만 실현 가능한 목표로 보입니다.

GPT API 공부를 통해 **맞춤형 애플리케이션의 잠재력**을 발견했습니다. 투자 관련 데이터를 수집하여 데이터베이스(DB)를 구축하고 이를 GPT에 연결하여 **내 데이터를 활용한 더욱 정확한 응답**을 얻을 수 있습니다. 이 기능은 자동화된 거래를 넘어 **상세한 수치 데이터와 현재 비즈니스 상황을 제공하는 보고서 작성** 등 다양한 목적으로 확장될 수 있습니다.

GPT를 활용하여 거래 전략을 자동화하려는 제 계획은 **작업을 간소화하고 수동 리소스 할당의 필요성을 줄일 수 있는 잠재력**을 보여줍니다. 앞으로 모든 것을 연결하고 향후 영상에서 그 결과를 공유할 예정입니다. 질문이 있으시면 댓글로 남겨주세요!

안녕하세요, 야근하는 회계사의 윤상철입니다. 이번 영상에서는 제가 개발 중인 자동 매매 프로그램의 발전 상황을 공유하고자 합니다.

알고리즘을 개선하기 위한 새로운 아이디어를 테스트했고, 이 진행 상황을 여러분과 공유하게 되어 기쁩니다.

다음 세션에서는 이 접근 방식을 더욱 구현하고 테스트할 계획입니다. 섬네일에서 보셨을 수도 있지만, 지금까지 저는 한국투자증권에서 제공하는 사용자 친화적인 API를 활용하여 파이썬으로 자동 매매 프로그램을 개발해 왔습니다.

이 설정이 어떻게 자동 매매를 용이하게 하는지 보여드렸습니다.

그러나 수익성을 개선하고 제 선호도에 맞게 거래를 조정하기 위해 알고리즘을 더욱 개선해야 한다는 것을 깨달았습니다. 이로 인해 데이 트레이딩에 사용할 수 있는 다양한 기술적 분석 기법과 이러한 기법을 한국 주식 시장 또는 제 투자 스타일에 맞게 적용할 수 있는 방법을 고려하게 되었습니다.

여러분 대부분은 풀타임으로 일하고 계실 것이고 퇴근 후 이러한 프로젝트에 시간을 내는 것이 얼마나 어려운지 이해하실 것입니다.

여기서 저는 최근에 상당히 접근성이 높아진 GPT를 활용할 생각을 했습니다.

저는 OpenAI API를 구독하고 해외 고객과의 회의나 영어로 이메일을 작성하는 등의 작업에 사용하고 있습니다.

GPT가 제 거래 프로그램의 알고리즘을 개선하여 투자 의사 결정에도 도움을 줄 수 있다는 생각이 들었습니다. 아이디어는 GPT를 사용하여 투자 결정을 내리고, 이를 실시간으로 거래 프로그램에 전달하는 것이었습니다.

프로그램은 시장 데이터를 GPT로 보내고, GPT는 의사 결정 지침을 반환합니다.

이를 구현하기 위해 시스템을 어떻게 설계할지 고려했습니다. 저는 약 1년 동안 사용할 수 있었던 GPT API를 활용하기로 했습니다.

일반적으로 우리는 질문을 하고 답변을 받는 웹 인터페이스를 통해 GPT와 상호 작용합니다. 그러나 저는 좀 더 매력적인 애플리케이션을 탐색하고 싶었습니다.

예를 들어, 제 테스트 중 하나에서 공개적으로 사용 가능한 라이브러리를 사용하여 주식 시장 데이터를 다운로드했습니다. KOSPI에 상장된 5개 회사의 3년간의 가격 데이터(시가, 종가, 최고가, 최저가 및 거래량)가 포함된 GPT_data_all.csv라는 파일을 업로드했습니다.

그런 다음 GPT에게 2021년 데이터를 데이 트레이딩 목적으로 분석해 달라고 요청하여 적용 가능한 기술적 분석 기법에 대해 문의했습니다.

GPT는 MACD나 RSI와 같은 여러 방법들을 제시했습니다. 이 정보를 바탕으로, 저는 GPT에게 이 기술적 분석 방법들을 이용해서 지금 당장 투자하기에 가장 좋은 다섯 개의 주식 중 어떤 것을 추천하는지 물었습니다.

GPT는 MACD 기법 등을 사용하여 다섯 개 티커 모두에 대한 데이터를 분석하고, 가장 유망해 보이는 주식에 대한 추천을 제공했습니다.

이러한 접근 방식을 통해 GPT는 제가 제공한 데이터 세트를 사용하여 다양한 기술적 분석 기준에 따라 다섯 개의 티커 순위를 매길 수 있었습니다.

이것은 AI 기능을 주식 시장 투자와 결합하는 혁신적인 방법이며, GPT를 텍스트 생성뿐만 아니라 정보에 입각한 재정적 의사 결정을 내리는 데 사용할 수 있는 잠재력을 보여줍니다.

그리고 마지막으로, 좀 길지만 "이렇게 해"라고 말함으로써 이러한 결과를 얻었습니다.

다섯 개의 티커가 있고, 각 방법에 따라 투자에 효과적일 것으로 예측하기 위해 네 가지 분석 방법을 사용하여 각 티커에 대한 결과를 도출했습니다.

그런 다음, 궁극적인 질문인 "만약 당신이 데이 트레이딩을 한다면, 내일 무엇을 하시겠습니까?"라고 묻자, 티커 5490을 선택하여 결정을 내립니다.

아시다시피 우리나라의 티커 심볼은 6자리인데, 5490은 4자리밖에 되지 않으므로, 맨 앞에 0이 생략되었다는 의미입니다.

그런 다음 이 옵션에 투자하는 것이 왜 유리한지에 대해 설명합니다. 이것은 본질적으로 제가 매일 GPT와 대화하면서 "KOSPI, 한국 주식 시장에서 무슨 일이 일어나고 있니?

데이터를 줘, 어떤 기술적 분석 항목을 사용할 수 있어?" 등등을 묻는 것과 같다고 생각하게 만들었습니다.

"그런 다음, 시장이 열리기 한 시간 전에 개장 시 매수를 추천하는 상위 10개 주식을 알려줘." 이 정보를 받으면, 제 자동 매매 프로그램은 이 10개의 데이터를 처리하여 매수뿐만 아니라 매도를 기반으로 거래를 수행합니다.

새로운 데이터에 따라 매수, 매도 또는 보유할지 여부를 하루 종일 GPT에 지속적으로 묻고, 거래에 대한 지침을 따릅니다.

제 설정은 개장 후 10분마다 선택한 주식에 대한 거래 데이터를 GPT로 보내는 것을 포함합니다. 그런 다음 GPT에 "당신의 조언에 따라 이것을 샀습니다. 다음은 이 10개 주식에 대한 현재 거래 데이터입니다. 지금 무엇을 해야 할까요?

"라고 묻습니다. 따라서 GPT의 지시에 따라 10분마다 이 10개 주식 중에서 매수, 매도 또는 보유 결정을 내리는 것입니다.

이 접근 방식이 재미있을 것 같았습니다. 기술적 트레이딩 알고리즘을 코드에 수동으로 입력하는 것도 가능하지만 시간이 걸립니다. 하지만 풀타임으로 트레이딩을 하지 않는 사람들에게는 시간이 부족하고 업무 시간이 예측 불가능하다는 단점이 있습니다.

제 수동 개입에만 의존하는 것은 현명하지 않다고 생각했습니다. 그래서 GPT가 역할을 맡아 결과를 분석하고 분석을 기반으로 지속적인 트레이딩 전략을 적용하도록 하는 아이디어를 떠올렸습니다.

또한 저에게 보고하여 프로세스를 더욱 편리하게 만들 수 있습니다. 그래서 '왜 안 돼?'라고 생각했습니다. 이론적으로 GPT를 자동 트레이딩에 연결하는 것이 가능하고 GPT가 기술적 분석을 기반으로 데이터 기반 의사 결정을 내릴 수 있다는 것을 확인했습니다.

다음 단계는 OpenAI 웹사이트를 방문하여 API 서비스를 살펴보는 것입니다. 웹사이트가 훌륭하고 여기에서 API 서비스에 연결하는 방법을 볼 수 있습니다.

저는 이미 서비스 비용을 지불했습니다. 비싸지 않고 카드만 연결하면 됩니다. 이것을 테스트하면 각 사용에 대한 요금을 확인하여 지출을 추적할 수 있습니다.

약 9달러가 남았을 때 다양한 GPT 버전을 사용하여 API를 사용하는 것에 대한 가격 정책을 검토하고 비용 효율성을 위해 GPT-3.5 Turbo를 선택했습니다.

API 키를 등록하면 자동 트레이딩을 GPT와 연결할 수 있습니다. 이를 보여드리겠습니다. 둘째, OpenAI에서 API 키를 받은 후 쿼리에 정확하게 응답하는지 확인하기 위해 연결을 시도했습니다.

쿼리에 API를 설정하고 사용하는 방법에 대한 자세한 지침은 온라인에서 찾을 수 있습니다. GPT에 텍스트 프롬프트를 보내기 전에 응답 방식을 지정하기 위해 '역할'을 할당할 수 있습니다.

저는 "당신은 한국에 투자하는 고도로 숙련된 펀드 매니저이며 유명한 투자 전략을 적용합니다..."라는 간단한 역할을 부여했습니다. 이 설정에 따라 주식을 추천해 달라고 요청하면서 GPT-4로 테스트를 실행해 보았습니다.

초기 지연을 예상하면서 주어진 투자 전략에 따라 조언을 기다리면서 주식 추천을 요청했습니다. 아직 특정 데이터를 제공하지 않았지만 GPT는 전략에 대한 일반적인 설명을 제공하고 진행하기 위한 데이터를 요청했습니다.

이 상호 작용은 개인 투자 전략에서 AI 통합을 더욱 발전시켜 트레이딩 결정을 자동화하는 데 GPT를 활용할 수 있는 잠재력을 보여줍니다.

따라서 자동 트레이딩 프로그램을 위해 GPT API를 활용하는 것은 전적으로 가능해 보입니다. 핵심은 투자 결정에 필요한 데이터 세트와 정확히 일치하도록 프롬프트를 꼼꼼하게 다듬는 것입니다.

저는 10분마다 매수, 보유, 매도 여부를 묻는 쿼리를 보내고 데이터 테이블 형태로 응답을 받을 계획입니다.

이 테이블은 프로그램에서 내리는 거래 결정에 직접적인 영향을 미칩니다.

따라서 GPT를 효과적으로 통합할 수 있다고 결론 내렸습니다. 지식과 시간의 한계를 인정하고 직접 알고리즘을 만드는 대신, 이미 거래 설정에 통합한 GPT에 의존할 것입니다.

이 설정은 미리 정의된 전략에 따라 지속적으로 투자 결정을 받아 프로세스를 크게 자동화합니다.

GPT에 대한 제 역할은 100만 원의 초기 자본으로 1% 수익률을 목표로 하는 데이 트레이더로 정의하여 자유롭게 포트폴리오를 구성할 수 있도록 할 것입니다.

시간이 지남에 따라 이 포트폴리오를 조정하여 우량주, 잠재적 고수익 주식 등에 할당할 비율을 결정할 수 있습니다. 시장 데이터 외에도 뉴스 API를 연결하여 실시간 뉴스 업데이트를 포함하고 속보를 의사 결정 프로세스에 통합할 계획입니다.

아직 테스트는 해보지 않았지만 실현 가능한 목표로 보입니다.

GPT API를 공부하면서 발견한 또 다른 흥미로운 점은 맞춤형 애플리케이션의 잠재력입니다. 예를 들어 투자에 대한 데이터를 수집하고 데이터베이스(DB)를 구축해 왔습니다.

이 DB를 GPT에 연결하여 내 데이터를 사용하여 더 정확한 응답을 얻을 수 있다는 것을 알게 되었습니다.

이 기능은 자동화된 거래를 넘어 자세한 수치 데이터와 현재 비즈니스 상황을 제공하는 보고서 작성의 실제 응용 분야로 확장됩니다.

다양한 목적으로 GPT와 함께 데이터 수집을 활용할 수 있는 가능성을 열어줍니다. 요약하자면, 이 비디오에서는 GPT를 활용하여 거래 전략을 자동화하려는 제 계획에 대해 논의했습니다.

GPT가 작업을 간소화하고 전문적인 응용 분야와 취미 응용 분야 모두에서 수동 리소스 할당의 필요성을 줄일 수 있는 잠재력은 매우 흥미롭습니다.

실제로 모든 것을 연결하고 향후 비디오에서 결과를 공유할 계획입니다. 질문이 있으시면 아래에 댓글을 달아주시면 다음 비디오에서 뵙겠습니다.

개발 중인 자동 매매 프로그램의 발전 상황을 공유하며 알고리즘 개선 아이디어를 테스트 중임을 밝힘.

기존에는 한국투자증권 API를 활용해 파이썬으로 자동 매매 프로그램을 개발했으나, 수익성 개선을 위해 알고리즘 추가 개선의 필요성을 느낌.

GPT를 활용하여 투자 의사 결정을 돕고 거래 프로그램에 실시간으로 전달하는 아이디어를 구상함.

GPT 기반 투자 결정 시스템 구현 구상 및 테스트

시장 데이터를 GPT로 보내고 GPT가 의사 결정 지침을 반환하는 시스템 설계를 고려함.

GPT_data_all.csv 파일을 업로드하여 코스피 5개 회사의 3년간 가격 데이터를 분석해 기술적 분석 기법을 문의하는 테스트를 진행함.

GPT가 MACD, RSI 등 여러 기법을 제시했고, 이를 바탕으로 투자 유망 주식을 추천받는 테스트를 진행함.

GPT가 텍스트 생성뿐 아니라 재정적 의사 결정에도 활용될 수 있는 잠재력을 보여줌.

GPT 연동 자동 매매 프로그램의 구체적인 운영 계획

시장이 열리기 한 시간 전에 GPT에게 상위 10개 주식을 추천받고, 자동 매매 프로그램이 이를 처리하여 거래를 수행할 계획임.

개장 후 10분마다 거래 데이터를 GPT로 보내 매수, 매도, 보유 결정을 지시받고 따를 것임.

수동 개입의 한계를 인정하고, GPT가 분석을 통해 지속적인 트레이딩 전략을 적용하도록 할 것임.

GPT를 자동 트레이딩에 연결하는 것이 가능함을 확인하고, OpenAI API 서비스 활용을 계획함.

API 비용이 비싸지 않으며, GPT-3.5 Turbo를 사용하여 비용 효율성을 높일 예정임.

GPT에 '한국에 투자하는 고도로 숙련된 펀드 매니저' 역할을 부여하여 주식 추천을 요청하는 테스트를 진행함.

GPT를 통한 자동화된 투자 결정 시스템의 핵심

투자 결정에 필요한 데이터 세트와 정확히 일치하도록 프롬프트를 다듬는 것이 중요함.

10분마다 매수, 보유, 매도 여부를 묻는 쿼리를 보내고 데이터 테이블 형태로 응답을 받아 거래 결정에 반영할 계획임.

직접 알고리즘을 만드는 대신 GPT에 의존하여 투자 결정을 받아 프로세스를 자동화할 것임.

GPT의 역할을 초기 자본 100만 원으로 1% 수익률을 목표로 하는 데이 트레이더로 정의하고, 포트폴리오를 구성하도록 할 것임.

시장 데이터 외에 뉴스 API를 연결하여 실시간 뉴스를 의사 결정에 통합할 계획임.

GPT의 맞춤형 애플리케이션 잠재력 및 요약

투자 데이터베이스를 GPT에 연결하여 더 정확한 응답을 얻을 수 있는 맞춤형 애플리케이션의 잠재력을 발견함.

이 기능은 자동화된 거래를 넘어 보고서 작성 등 다양한 목적에 활용될 수 있음.

GPT를 활용하여 거래 전략을 자동화하려는 계획을 요약하며, GPT가 작업을 간소화하고 수동 리소스 할당 필요성을 줄일 잠재력이 매우 흥미롭다고 강조함.