데이터 수집
먼저, 다양한 소스에서 금융 데이터를 수집합니다. 주가, 거래량, 기업 실적, 뉴스 기사, 소셜 미디어 등 다양한 정보가 수집됩니다.
데이터 전처리
수집된 데이터는 정제되고 처리됩니다. 이 과정에서 누락된 데이터나 이상치를 처리하고, 시계열 데이터를 정규화하거나 변환합니다.
특성 추출
AI 모델이 학습할 수 있도록 데이터에서 유의미한 특성을 추출합니다. 기술적 지표(이동평균선, 상대강도지수 등)와 기본적 지표(기업 실적, 경제 지표 등)를 사용하여 특성을 추출합니다.
모델 학습
추출된 특성을 사용하여 AI 모델을 학습시킵니다. 주로 사용되는 모델은 딥러닝 모델 중 하나인 인공 신경망입니다. 모델은 입력 데이터와 예측값 사이의 관계를 학습하여 향후 주식 가격의 움직임을 예측합니다.
모델 검증
학습된 모델은 검증 데이터셋을 사용하여 성능을 평가합니다. 이 과정에서 모델의 정확도, 정밀도, 리콜 등을 평가하여 모델의 신뢰성을 확인합니다.
실시간 예측
학습된 모델은 실시간으로 시장 데이터를 입력으로 받아 예측을 수행합니다. 예측 결과를 토대로 매매 결정을 내리거나 거래 전략을 수정합니다.