AI 자동매매 시스템 구축: 3단계 – ONNX 예측기 실시간 연동 시작

by

이 포스팅은 3% 수익 도달 예측 AI 모델 구축 프로젝트의 세 번째 단계, 즉 ONNX 예측기를 실시간 자동매매 시스템과 연동하는 작업에 관한 시작 내용을 정리한 것입니다.

✅ 3단계 목표

  • 1단계: 학습 데이터 구축 완료 (train_data_*.csv 시리즈)
  • 2단계: XGBoost 기반 모델 학습 및 ONNX 형식으로 저장 완료 (xgb_model.onnx)
  • 3단계: 예측기와 실시간 매수감시 시스템 연동 시작

📌 3단계 진행 방식

실시간 HTS 감시 조건을 만족한 종목에 대해 AI 예측 점수를 적용하여 ‘매수 필터’를 추가함으로써, 신호의 정확도 및 수익률 향상을 도모합니다.

기존 매수 조건 + AI 예측 결과 == 1일 때만 실매수 실행

🧠 예측기 호출 코드 (Python 예시)

import onnxruntime as ort
import numpy as np

# ONNX 모델 로딩
session = ort.InferenceSession("C:/CLOG매크로엑셀파일백업/xgb_model.onnx")

def 예측_결과(매수가, 전일종가, 매수대비, 수익률):
    input_data = np.array([[매수가, 전일종가, 매수대비, 수익률]], dtype=np.float32)
    inputs = {session.get_inputs()[0].name: input_data}
    result = session.run(None, inputs)
    return int(result[0][0])  # 0 또는 1

🔧 예측기 적용 방식 (선택 가능)

  • A안 (추천): 실시간 감시 종목을 Sheet1에 기록 → Python에서 해당 Sheet 참조 → 예측결과 열 추가 → 다시 VBA가 실행
  • B안: VBA에서 Python 예측기 직접 호출 (복잡)

📂 현재 상태

  • 모델 변환 완료: xgb_model.onnx
  • 예측 결과 파일 생성: predicted_result.csv
  • 예측기 테스트 성공 ✅

📅 다음 작업 예정

  • Sheet1 매수 후보 종목에 대해 Python 예측 점수 반영
  • VBA 매수 필터 조건에 예측기 결과 반영

본 포스팅은 AI기반으로 최신 시장 데이터를 참고하여 ChatGPT에서 작성되었습니다.

Leave a Comment