주식투자를 하다 보면 한 번쯤 이런 생각을 해보게 됩니다.
“내 계좌의 데이터를 직접 가져와서 AI에게 보여주면 어떤 결과가 나올까?”
평소 개발을 하면서 주식투자도 함께 하고 있다 보니, 예전부터 매매 과정을 조금씩 자동화해보면 어떨까 하는 고민을 해왔습니다.
단순히 자동으로 매수·매도하는 시스템을 만드는 것보다는 먼저 증권사 계좌의 데이터를 직접 가져오고, AI를 활용해 투자 정보를 정리하는 것부터 시작해보면 좋겠다는 생각이 들었습니다.
그러던 중 NH투자증권에서 진행하고 있는 이벤트를 계기로 나무증권 API를 알게 됐습니다.
개발자 입장에서는 증권사에서 제공하는 API를 실제 계좌와 연결해볼 수 있다는 점이 흥미로웠고, 이번 기회에 직접 사용해보기로 했습니다.
1. 매매 자동화를 고민하면서 시작한 API
주식투자를 하다 보면 반복적으로 확인하는 정보들이 있습니다.
현재 계좌에 얼마가 남아 있는지, 어떤 종목을 보유하고 있는지, 주문 가능한 금액은 얼마인지 등을 매번 증권사 앱에서 확인하게 됩니다.
개발을 하는 입장에서는 이런 반복적인 작업을 보면 자연스럽게 자동화에 대한 생각이 듭니다.
“이런 데이터를 API로 가져올 수 있다면 조금 더 편하게 활용할 수 있지 않을까?”
특히 최근에는 AI를 이용해 코드를 작성하고 오류를 해결하는 과정도 상당히 편해졌습니다.
그래서 이번에는 증권사 API + AI 를 조합해서 실제 투자 데이터를 활용해보기로 했습니다.
처음부터 자동매매 시스템을 완성하려는 것이 아니라, 우선 내 계좌를 프로그램에서 조회하고 그 데이터를 AI와 연결하는 것부터 시작해봤습니다.
2. 어떤 증권사 API를 사용할까?
자동화 시스템을 만들려면 우선 증권사 API가 필요합니다.
여러 증권사의 API를 찾아보던 중 알게 된 것이 나무증권 Open API였습니다.
마침 NH투자증권에서 관련 이벤트가 진행되고 있었고, 이를 계기로 나무증권 API에 대해 자세히 살펴보게 됐습니다.
평소 개발자로서 여러 API를 사용해 서비스를 만들어본 경험이 있기 때문에 증권사 API를 직접 연결해보는 것도 재미있을 것 같았습니다.
무엇보다 이번에는 단순히 API 기능만 확인하는 것이 아니라, 실제 내 계좌 → 투자 데이터 → AI 까지 연결해보는 것을 목표로 잡았습니다.
3. 나무증권 API 사용 신청하기
먼저 API를 사용하기 위한 신청 과정을 진행했습니다.
신청은 나무증권 앱 이벤트 리스트에서 OpenAPI PLUG 런칭 프로모션 항목으로 진입하면 아래와 같이 신청하기 화면을 마주하게 됩니다.
신청하기 버튼을 누른 뒤 웹페이지 로그인 과정을 거친 후 신청과정을 진행해주시면 되요
신청이 완료되면 보안인증키(앱키, 시크릿키) 2개가 발행되는데 API를 이용한 개발 진행 시 필요하므로 따로 저장해두어야 합니다.
이렇게 API를 사용하기 위한 절차를 진행하고 필요항목이 준비되었습니다.
다음으로는 간단한 프로그램을 만들어볼 차례입니다.
4. AI에게 개발을 맡겨봤습니다
이번에는 개발 과정에서 AI를 적극적으로 활용했습니다.
API 문서를 확인하면서 직접 코드를 작성할 수도 있지만, 이번에는 AI에게 필요한 기능을 설명하고 코드를 만들어가면서 진행했습니다.
개발언어를 뭘로 선택하는게 좋을지 물어보니 파이썬을 추천받았습니다.
전체 과정은 아래와 같이 진행되었습니다.
실제로 개발하다 보면 처음부터 코드가 한 번에 완성되지는 않습니다.
API 응답 형식이 예상과 다르거나 오류가 발생하는 경우도 있는데, 이런 부분은 오류 메시지와 코드를 AI에게 전달하면서 하나씩 수정했습니다.
개인적으로는 이 부분이 꽤 재미있었습니다.
예전에는 API 하나를 연동하려면 문서를 찾아보고 코드를 작성하고 오류를 검색하는 과정을 반복해야 했는데, AI를 함께 사용하니 개발 과정 자체가 상당히 빨라졌습니다.
파일구성
.env - 앱키, 시크릿키 구성
get_aact_info.py - 계좌 조회 및 HTML 출력 파이썬 메인 프로그램
5. 드디어 내 계좌를 조회해봤습니다
파이썬으로 실제 계좌를 조회하고 조회한 결과를 HTML 파일로 출력되게 하였습니다.
개발 진행시 앱키와 시크릿키를 .env 환경파일에 저장해두고 실제 메인프로그램에서 사용하도록 하였습니다.
프로그램을 완성하고 가장 먼저 해본 것은 당연히 실제 계좌 조회였습니다.
HTML 파일로 출력되기 때문에 더블클릭으로 화면을 바로 볼 수 있습니다.
API를 통해 계좌 정보를 가져와 보니 예수금과 계좌 관련 정보를 확인할 수 있었습니다.
예수금 10만원에 매수한 종목이 없으므로 보유종목은 없다고 표시되고 있습니다.
처음에는 보유 종목을 AI에게 분석해보는 것도 생각했는데, 막상 계좌를 조회해보니 분석할 종목 자체가 없었습니다.
그렇다고 콘텐츠를 만들기 위해 일부러 주식을 매수할 수도 없는 일이고요.
그래서 오히려 생각을 바꿔봤습니다.
“그럼 현재 가지고 있는 예수금을 기준으로 AI에게 투자 후보를 찾아달라고 하면 어떨까?”
여기서부터 이번 실험이 조금 더 재미있어졌습니다.
6. 내 계좌의 예수금을 AI에게 보여줬습니다
10만 원밖에 되지 않는 현재 계좌의 예수금 정보를 AI에게 보여주고, 이 금액으로 포트폴리오를 구성해달라고 요청해봤습니다.
AI는 최근 국내 시장의 흐름과 종목별 특징을 고려해 다음과 같은 포트폴리오를 제안했습니다.
현재 9월 22일 국내 시장에서는 반도체·PCB·전선 관련 종목으로 매수세가 확산되는 모습이고, 코스닥도 상승세를 보였습니다.
10만 원 소액 포트폴리오 예시
| 제주반도체 | 35% | 35,000원 | 반도체·메모리 |
| 한빛레이저 | 30% | 30,000원 | 레이저 장비 |
| 토마토시스템 | 35% | 35,000원 | AI·클라우드·IT |
제주반도체는 반도체·메모리 관련 사업을 영위하는 중소형주로, 소액 포트폴리오에서 반도체 관련 종목을 구성하는 후보로 제시됐습니다.
한빛레이저는 레이저 장비 관련 기업으로, 반도체와는 다른 산업군을 포함해 포트폴리오의 종목 성격을 분산하는 목적으로 제시됐습니다.
토마토시스템은 AI·클라우드·IT서비스 관련 사업을 기반으로 최근 시장에서 관심을 받고 있는 종목으로 제안됐습니다.
10만 원이면 실제 매수는 어떻게 할까?
10만 원처럼 투자금액이 작은 경우에는 단순히 투자 비중만 정하는 것보다 실제 주가를 기준으로 몇 주를 매수할 수 있는지 계산하는 과정도 필요합니다.
예를 들어 매수 시점의 주가가 각각 10,000원 / 5,000원 / 7,000원이라고 가정하면 다음과 같이 계산할 수 있습니다.
제주반도체 35,000원 → 3주
한빛레이저 30,000원 → 6주
토마토시스템 35,000원 → 5주실제 매수 과정에서는 주가에 따라 투자금액이 정확하게 맞아떨어지지 않을 수 있기 때문에 남는 금액은 현금으로 보유하게 됩니다.
10만 원이라는 작은 금액인 만큼 너무 많은 종목을 담기보다는 3개 정도의 종목으로 구성하고 각각의 움직임을 직접 확인해보는 것을 목표로 했습니다.
이번 포트폴리오의 목적은 단순히 수익률을 확인하는 것뿐만 아니라, AI가 제안한 포트폴리오를 실제 계좌에 적용하고 이후 결과를 API를 통해 계속 확인해보는 것입니다.
시장에서 최근 관심을 받고 있는 종목들을 중심으로 AI에게 포트폴리오를 추천받아봤는데, 이제 여기서 한 단계 더 진행해보려고 합니다.
7. 직접 사용해보니 생각보다 재미있었습니다
이번에 직접 API를 연결해보면서 가장 재미있었던 부분은 평소 증권사 앱에서만 보던 내 계좌 정보가 실제 개발 환경으로 들어온다는 것이었습니다.
예수금 같은 단순한 정보부터 시작했지만, 여기에 AI를 연결하니 활용할 수 있는 방법이 상당히 많아졌습니다.
예를 들어 앞으로는
- 계좌 상태 자동 확인
- 보유 종목 및 수익률 정리
- 관심 종목과 보유 종목 비교
- 투자 후보 종목 정리
- 포트폴리오 점검
- 시장 상황에 따른 계좌 분석
등 다양한 기능으로 확장해볼 수 있을 것 같습니다.
물론 AI가 투자 판단을 대신할 수 있다고 생각하지는 않습니다.
오히려 이번에 직접 사용해보면서 느낀 것은 AI의 역할을 조금 다르게 볼 필요가 있다는 것이었습니다.
증권사 API를 통해 실제 계좌 데이터를 가져오고, AI를 이용해 복잡한 정보를 정리하거나 여러 가지 질문을 던져보면서 투자 아이디어를 구체화하는 것입니다.
그리고 최종적인 투자 판단은 실제 차트와 시장 상황, 기업의 실적과 관련 뉴스 등을 직접 확인한 후 결정하는 방식이 적절하다고 생각합니다.
이번에는 여기까지 구현했지만, 사실 제가 해보고 싶었던 것은 계좌 조회에서 끝나는 것이 아니었습니다.
AI가 제안한 포트폴리오를 실제로 매수해보는 것까지 해보고 싶었습니다.
현재는 나무증권 PLUG API를 이용해 계좌 조회와 잔고 조회까지 구현한 상태이기 때문에, 다음 단계에서는 주문 API를 연결해 실제 매수까지 진행할 수 있도록 프로그램을 확장해볼 계획입니다.
8. 다음 단계는 직접 매수 API를 만들어보겠습니다
이번에는 계좌를 조회하는 것에서 끝났지만, 다음 단계에서는 실제로 주문을 넣는 기능에 도전해보려고 합니다.
흐름은 간단합니다.
AI에게 포트폴리오 추천
↓
투자 종목 및 비중 결정
↓
현재 주가 확인
↓
매수 가능 수량 계산
↓
나무증권 주문 API
↓
실제 매수
↓
다시 계좌 조회
↓
보유종목 및 수익률 확인물론 주문 API는 단순 조회 API와 달리 실제 금융 거래가 발생하기 때문에 먼저 모의투자 환경에서 충분히 테스트한 후 진행할 예정입니다.
최종적으로는 이번에 만든 계좌 조회 프로그램에 주문 기능을 추가해서,
AI가 포트폴리오를 제안하고 → 내가 내용을 확인한 후 → API를 통해 직접 매수하고 → 다시 API로 계좌를 조회하는 것
까지 하나의 흐름으로 만들어보려고 합니다.
그리고 이번에 입금한 10만 원으로 시작한 작은 포트폴리오가 앞으로 어떻게 변하는지도 계속 기록해볼 생각입니다.
과연 AI가 제안한 포트폴리오는 실제 투자에서도 어떤 결과를 보여줄지, 그리고 그 과정을 API를 이용해 어디까지 자동화할 수 있을지 직접 확인해보겠습니다.
다음 글에서는 나무증권 PLUG의 주문 API를 연결해 실제 매수 기능을 구현하는 과정으로 이어가겠습니다.