🤖 영웅문4 OpenAPI + Python 완전 정복 - 10단계: AI 전략 추천 + 강화학습 기반 자동매매

✅ 10단계 개요: 왜 AI가 전략을 결정해야 할까?

기존 시스템은 전략을 사람이 "선택"했습니다.
하지만 시장은 매일 바뀌는 생물입니다.

✅ 이제는 AI가 스스로:

• 전략을 선택하고
• 수익률을 학습하여
• 강화학습을 통해 더 나은 전략을 탐색하고
• 자동으로 조정하는 지능형 시스템을 구성할 수 있습니다.

---

🧠 STEP 1. 전략 추천 AI 기본 구조

🔹 학습 데이터 구성

python

# 전략별 성능 기록 예시
data = pd.DataFrame([
    {"code": "005930", "strategy": "MA", "return": 0.13},
    {"code": "005930", "strategy": "RSI", "return": 0.08},
    {"code": "005930", "strategy": "BB", "return": 0.11},
    {"code": "000660", "strategy": "MA", "return": 0.07},
    ...
])

🔹 추천 모델: LightGBM, XGBoost, 또는 sklearn 사용

python

from sklearn.ensemble import RandomForestClassifier
from sklearn.preprocessing import LabelEncoder

X = data[["code", "strategy"]]
y = (data["return"] > 0.10).astype(int)

X["code"] = LabelEncoder().fit_transform(X["code"])
X["strategy"] = LabelEncoder().fit_transform(X["strategy"])

model = RandomForestClassifier()
model.fit(X, y)

🔹 전략 추천 예시

python

predict_input = pd.DataFrame([{"code": "005930", "strategy": "RSI"}])
predict_input["code"] = 0  # 라벨 변환 필요
predict_input["strategy"] = 1
prob = model.predict_proba(predict_input)[0][1]

if prob > 0.6:
    print("✅ 추천: RSI 전략 사용")

---

🧪 STEP 2. 실시간 강화학습 기반 자동매매 구조 (RL 기반)

🔹 DQN / PPO 기반 강화학습 사용 가능 (stable-baselines3)

bash

pip install stable-baselines3

🔹 환경 클래스 구성 (OpenAI Gym 스타일)

python

import gym
from gym import spaces
import numpy as np

class TradingEnv(gym.Env):
    def __init__(self, df):
        super().__init__()
        self.df = df
        self.current_step = 0
        self.balance = 1000000
        self.shares = 0

        self.action_space = spaces.Discrete(3)  # 0: 매도, 1: 보유, 2: 매수
        self.observation_space = spaces.Box(low=0, high=1, shape=(5,), dtype=np.float32)

    def reset(self):
        self.current_step = 0
        self.balance = 1000000
        self.shares = 0
        return self._next_observation()

    def _next_observation(self):
        row = self.df.iloc[self.current_step]
        return np.array([
            row['open'], row['high'], row['low'], row['close'], row['volume']
        ]) / 100000  # 정규화

    def step(self, action):
        reward = 0
        ...
        self.current_step += 1
        done = self.current_step >= len(self.df) - 1
        return self._next_observation(), reward, done, {}

---

🧠 STEP 3. 전략 실행 → 결과 반영 → 재학습 루프

🔁 자동화 루프 구조

1. AI가 전략 선택 (model.predict)
2. 선택된 전략 실행 (run_strategy)
3. 수익률 저장 및 X, y 업데이트
4. 모델 재학습
5. 다음 날 새로운 전략 추천

python

# 간단한 루프 예시
for day in range(N):
    strategy = ai_select_strategy(code)
    df = run_strategy(code, strategy)
    result = evaluate(df)
    update_model(code, strategy, result)

---

📡 STEP 4. Streamlit + AI 연동

python

st.header("🧠 AI 전략 추천")

if st.button("전략 추천받기"):
    rec = ai_select_strategy("005930")
    st.success(f"추천 전략: {rec}")

📷 AI 추천 UI 예시:

---

🧾 STEP 5. 전략 추천 기록 + 성능 트래킹 + 보고서

• AI 추천 전략 → Google Sheet 자동 기록
• 추천 전략별 누적 수익률 비교
• 전략 성공률 로그로 추적하여 AI 학습 성능 확인

---

✅ 전체 구조 요약: AI 자동매매 통합 구조

📷 AI 자동매매 시스템 흐름도

구성요소	역활
전략 추천 AI	종목/날짜/상황에 맞는 전략 자동 선택
전략 실행 모듈	추천 전략 기반 자동매매
결과 기록	수익률, 위험도 저장
AI 재학습	성능을 반영하여 전략 추천 정확도 향상