주식 AI 보조지표 (기술적분석, 과적합, 손실제한)

마이너스 1억 5천만 원에서 플러스 1억 5천만 원으로 전환했다는 사례를 처음 접했을 때, 솔직히 이건 예상 밖이었습니다. 수익률 200%짜리 반전 스토리보다 눈에 먼저 들어온 건 "AI가 분석해준 덕분"이라는 표현이었거든요. 'AI'라는 단어가 붙는 순간 뭔가 다른 기술처럼 느껴지는데, 제가 직접 내용을 뜯어보니 그 실체가 조금 달라 보였습니다.

AI 보조지표의 실체 — 기술적 분석의 재포장

해당 프로그램이 실제로 하는 일을 하나씩 살펴봤습니다. 종목을 입력하면 60초 안에 '매수 매력도'를 별점으로 보여주고, '세력 포지션(평단가)'을 추정해서 현재가 대비 수익률을 표시합니다. 3~5년치 차트를 분석해 과거에 유사한 패턴이 있었을 때 상승폭과 기간을 알려주기도 합니다.

여기서 등장하는 핵심 개념이 기술적 분석(Technical Analysis)입니다. 기술적 분석이란 과거의 주가 흐름, 거래량, 이동평균선 등 수치 데이터를 토대로 미래 가격을 예측하려는 방법론으로, 수십 년 전부터 트레이더들이 써온 전통적인 접근법입니다. 설명된 기능들 — 이동평균 돌파 감지, 세력 평단가 추정, 패턴 매칭 — 은 트레이딩뷰(TradingView) 같은 플랫폼에서 Pine Script 수식으로 구현 가능한 영역입니다. 제가 직접 써봤는데, 유사한 로직의 지표들은 이미 오픈소스로 공개되어 있는 것도 많습니다.

물론 이걸 정교하게 조합하고 사용자 친화적으로 패키징하는 것 자체는 실질적인 노력입니다. 문제는 그 포장지가 'AI 인공지능'이라는 말입니다. AI, 즉 인공지능(Artificial Intelligence)은 일반적으로 데이터를 학습해 스스로 규칙을 찾아내는 머신러닝 기반 기술을 가리킵니다. 반면 "조건이 맞으면 신호가 뜬다"는 구조는 룰 기반 알고리즘(Rule-based Algorithm)에 가깝습니다. 룰 기반 알고리즘이란 개발자가 미리 정해놓은 조건을 만족할 때 결과를 출력하는 방식으로, AI처럼 스스로 학습하거나 진화하지 않습니다. 이 차이를 모르면 기술적 착시가 생깁니다.

• 세력 평단가 추정: 수급 데이터와 이동평균을 활용한 역산 추정값이며, 실제 기관·외국인의 평단가와 일치한다는 보장이 없습니다
• 패턴 매칭: 과거 특정 구간과 현재 차트를 비교하는 방식으로, 기계적 유사도를 찾는 알고리즘입니다
• 신호등 지표: 리페인팅(Repainting) 여부가 핵심 신뢰도 기준인데, 이는 봉이 확정된 후 신호가 소급 변경되는지를 보는 것입니다
• 매수 매력도 별점: 여러 보조지표 점수를 합산한 종합 점수로, 어떤 가중치가 적용되는지 외부에서 검증하기 어렵습니다

리페인팅(Repainting)이란 트레이딩뷰 지표에서 흔히 발생하는 문제로, 과거의 매수·매도 신호가 나중에 생성된 캔들 데이터를 반영해 소급 수정되는 현상을 말합니다. 쉽게 말해 "지나고 나서 보면 다 맞아 보이는" 지표가 되는 것인데, 이게 없다는 주장은 투자자 입장에서 가장 먼저 확인해야 할 부분입니다. 제 경험상 이건 개발자의 말만으로 판단하기 어렵고, 실시간 시현 영상을 여러 차례 교차 검증하는 것이 현실적입니다.

요약: 'AI 보조지표'라고 불리는 기능들은 실제로는 기술적 분석 기반의 룰 기반 알고리즘일 가능성이 높으며, AI라는 명칭이 기술의 실체를 과장할 수 있습니다.

 

과적합의 함정과 살아남는 손실제한 원칙

3~5년치 차트를 분석해 "2023년 1월과 2020년 7월에 이 패턴이 나왔을 때 23.5% 올랐다"는 식의 설명을 들었을 때, 제가 직접 써봤는데 이 부분에서 가장 신중해야겠다는 생각이 들었습니다. 이는 금융공학에서 과적합(Overfitting)이라고 부르는 오류와 맞닿아 있습니다.

과적합(Overfitting)이란 특정 과거 데이터에 지나치게 최적화된 모델이 새로운 데이터에서는 제대로 작동하지 않는 현상을 말합니다. 주식 차트로 비유하면, "이 패턴이 과거 두 번 맞았다"는 사실이 앞으로도 맞는다는 근거가 될 수 없다는 것입니다. 출처: 한국은행 금융안정보고서에서도 지적하듯, 과거 데이터에 기반한 알고리즘 매매는 거시경제 구조 변화나 지정학적 변수 앞에서 예측력이 급격히 떨어지는 경향이 있습니다.

그렇다고 이 콘텐츠에서 건질 게 없다는 말은 아닙니다. 제 경험상 이건 좀 다릅니다 — 오히려 지표 설명보다 매매 철학 부분이 더 값어치가 있었습니다. "손실 제한이 전부다"라는 원칙, 평균 매수 단가를 줄이는 훈련, 추세가 살아있는 구간에서만 진입하는 습관. 이 세 가지는 어떤 도구를 쓰든 변하지 않는 기본기입니다.

손실 제한(Stop-loss)이란 주가가 일정 수준 아래로 내려가면 자동 또는 수동으로 매도해 손실 폭을 미리 정해둔 범위로 막는 리스크 관리 기법입니다. 마이너스 50%에서 원금 회복을 하려면 100% 수익이 필요하다는 수학적 사실을 생각하면, 이게 왜 "전부"인지 납득이 됩니다. 출처: 금융감독원의 투자자 보호 가이드라인도 개인 투자자에게 손실 한도 설정을 가장 기본적인 리스크 관리 수단으로 권고하고 있습니다.

제가 이 내용을 정리하면서 가장 공감했던 부분은 "왜 샀는지 이유가 없는 종목은 잘못 산 것"이라는 말이었습니다. 남이 좋다고 해서, 전문가가 추천해서 산 종목은 손실이 나도 버티는 논리가 없습니다. 자신만의 매수 근거를 공책에 적어두는 습관, 이건 어떤 AI 지표보다 먼저 갖춰야 할 것입니다.

요약: 과거 패턴에 최적화된 지표는 과적합 오류에 노출될 수 있으며, AI 도구보다 손실제한과 매수 근거 기록이라는 기본 원칙이 실질적으로 더 중요합니다.

 

자주 묻는 질문

Q. AI 주식 지표가 기존 보조지표랑 실제로 다른 건가요?

A. 제가 직접 내용을 뜯어본 결과, 설명된 기능 대부분은 이동평균, 패턴 매칭, 수급 추정 등 전통적인 기술적 분석 영역에 해당했습니다. 머신러닝처럼 스스로 학습하는 구조라는 명확한 근거가 없다면, 'AI'라는 명칭보다 '알고리즘 지표'로 이해하는 것이 더 정확합니다. 도구의 실체를 정확히 알아야 의존도를 올바르게 설정할 수 있습니다.

 

Q. 과거 패턴으로 미래 주가를 예측하는 게 왜 위험한가요?

A. 과적합(Overfitting) 문제 때문입니다. 과거 데이터에 딱 맞게 만들어진 알고리즘은 금리 급변, 지정학적 리스크, 기업 악재처럼 새로운 변수 앞에서 예측력이 급락합니다. "두 번 맞았다"는 사실이 "앞으로도 맞는다"는 근거가 되지 않는다는 점은 금융공학의 기본 전제입니다.

 

Q. 손실제한을 설정하면 진짜 손실을 줄일 수 있나요?

A. 손실 제한은 한 번의 판단 실수가 계좌 전체를 위협하는 상황을 막는 안전장치입니다. 예를 들어 매수가 대비 -8%에서 손절 기준을 잡으면, 설령 틀려도 원금 회복에 필요한 반등폭이 관리 가능한 범위에 머뭅니다. 제 경험상 이 기준이 없을 때 감정 매매가 가장 많이 일어났습니다.

 

Q. 주식 보조지표는 아예 믿으면 안 되는 건가요?

A. 믿지 말라는 게 아니라, '참고 도구'로만 활용해야 한다는 것입니다. 보조지표(Technical Indicator)란 주가나 거래량을 가공해 투자 판단에 힌트를 주는 보조 수단으로, 그 자체가 매매 신호의 전부가 되어선 안 됩니다. 최종 판단과 리스크 관리는 항상 투자자 본인의 몫으로 남습니다.

 

결론

이 콘텐츠를 정리하면서 제가 내린 결론은 하나입니다. AI 보조지표는 투자 판단을 돕는 도구이지, 리스크를 대신 부담해주는 장치가 아닙니다. 60초 분석, 세력 포지션 추정, 패턴 매칭 — 이 기능들이 의사결정의 속도를 높여줄 수는 있지만, 과적합 오류와 기술적 과장 가능성을 인지한 채로 써야 합니다.

제가 이 내용에서 진짜 가져가야 할 것으로 꼽은 건 결국 아날로그적인 원칙들이었습니다. 손실 제한 폭을 미리 정할 것, 매수 근거를 직접 써둘 것, 추세가 살아있는 구간에만 진입할 것. 어떤 도구를 쓰든 이 세 가지가 먼저 갖춰져 있지 않으면, AI든 알고리즘이든 그 도구의 효과는 반감됩니다. 도구에 기대기 전에 자신의 매매 원칙부터 공책에 적어보는 것, 그게 지금 당장 할 수 있는 가장 실질적인 첫걸음이라고 생각합니다.

참고: https://www.youtube.com/watch?v=Ms-TMaDCqQE