AI로 투자 아이디어 만들기

AI는 아이디어 공장이다

투자 아이디어는 처음부터 완벽할 필요가 없습니다. 오히려 처음에는 거칠어야 합니다. '저평가된 주식이 좋다', '최근 강한 종목이 계속 강할 수 있다', '부채가 낮고 이익률이 높은 기업이 안정적이다' 같은 문장에서 출발해도 됩니다.

문제는 그다음입니다. 이 문장을 그대로 믿으면 이야기가 됩니다. 하지만 조건, 지표, 기간, 매수·매도 규칙으로 바꾸면 실험이 됩니다.

LLM은 이 과정에서 좋은 보조 도구가 됩니다. 사람보다 빠르게 여러 아이디어를 만들고, 빠진 관점을 제안하고, 찬성 논리와 반대 논리를 동시에 정리할 수 있습니다. 하지만 AI가 만든 아이디어는 결론이 아닙니다. 검증 전의 후보일 뿐입니다.

이 장의 목표는 AI에게 '오를 종목'을 묻는 것이 아닙니다. AI를 이용해 검증 가능한 투자 가설을 많이 만들고, 그중 일부를 백테스트 가능한 전략으로 바꾸는 것입니다.

AI 생성 이미지

좋은 투자 가설은 검증할 수 있다

나쁜 질문은 답이 그럴듯하지만 검증하기 어렵습니다.

• 이 종목 앞으로 오를까?

• AI 수혜주 중에서 뭐가 제일 좋아?

• 지금 가장 유망한 테마를 알려줘.

이런 질문은 투자 판단을 AI에게 넘기는 방식입니다. 답변이 맞는지 틀리는지 확인하기도 어렵고, 틀렸을 때 무엇을 고쳐야 하는지도 모릅니다.

좋은 질문은 실험으로 이어집니다.

• 최근 6개월 수익률이 높은 종목이 다음 1개월에도 시장보다 나은가?

• PER이 낮고 ROE가 높은 종목을 함께 고르면 단순 저PER 전략보다 나은가?

• 배당수익률이 높은 종목은 하락장에서 낙폭이 작았는가?

• 영업이익률이 개선되는 기업은 이후 6개월 수익률이 좋은가?

이 질문들은 데이터로 확인할 수 있습니다. 기간을 정하고, 종목군을 정하고, 지표를 계산하고, 포트폴리오를 만들어 성과를 비교하면 됩니다.

AI에게도 이런 형태의 질문을 요구해야 합니다. 핵심은 '아이디어를 달라'가 아니라 '검증 가능한 가설 형태로 달라'고 요청하는 것입니다.

투자 가설 생성 프롬프트

AI에게 투자 아이디어를 요청할 때는 범위를 좁혀야 합니다. 범위가 넓으면 답변은 흔한 투자 격언이 됩니다. 다음 요소를 넣으면 훨씬 쓸모 있는 결과를 얻을 수 있습니다.

• 투자 대상: 한국 주식, 미국 대형주, ETF, 특정 산업 등

• 전략 유형: 가치, 모멘텀, 퀄리티, 배당, 저변동성 등

• 보유 기간: 1개월, 3개월, 6개월, 1년 등

• 사용 가능한 데이터: 가격, 거래량, 재무지표, 뉴스, 애널리스트 추정치 등

• 검증 방식: 백테스트 가능한 규칙으로 정리

• 출력 형식: 가설, 필요한 데이터, 매수 조건, 매도 조건, 리스크

예를 들어 이렇게 요청할 수 있습니다.

나는 한국 주식 시장에서 검증할 수 있는 퀀트 투자 아이디어를 찾고 있다.
사용 가능한 데이터는 주가, 거래량, PER, PBR, ROE, 배당수익률이다.
가치, 모멘텀, 퀄리티, 배당 관점에서 각각 3개씩 투자 가설을 만들어줘.
각 가설은 다음 형식으로 정리해줘.
1. 가설 문장
2. 직관적 이유
3. 필요한 데이터
4. 매수 조건
5. 매도 또는 리밸런싱 조건
6. 주의해야 할 리스크

이 프롬프트의 장점은 명확합니다. AI가 단순 설명이 아니라 전략 후보를 만들도록 유도합니다. 결과가 마음에 들지 않으면 다시 물어볼 수 있습니다.

위 아이디어 중에서 초보자가 가격 데이터만으로 먼저 검증할 수 있는 것과
재무 데이터가 필요한 것을 구분해줘.
또한 과최적화 위험이 큰 아이디어를 표시해줘.

이렇게 한 번 더 요청하면 아이디어가 정리됩니다. 가격 데이터만 필요한 전략은 빠르게 실험할 수 있고, 재무 데이터가 필요한 전략은 데이터 품질을 먼저 점검해야 합니다.

팩터별 아이디어를 넓게 뽑기

팩터는 주식 수익률을 설명하거나 종목을 구분하는 기준입니다. 대표적으로 가치, 모멘텀, 퀄리티, 배당, 저변동성이 있습니다.

AI에게 팩터별 아이디어를 요청하면 다음과 같은 후보가 나올 수 있습니다.

여기서 중요한 점은 한 번에 복잡한 전략을 만들지 않는 것입니다. 처음부터 '저PER이면서 고ROE이고, 6개월 모멘텀이 높고, 배당수익률도 높으며, 변동성은 낮은 종목' 같은 조건을 만들면 그럴듯해 보이지만 과최적화 위험이 커집니다.

처음에는 단일 팩터부터 확인하는 편이 좋습니다. 저PER 전략, 6개월 모멘텀 전략, 고ROE 전략을 각각 테스트합니다. 그다음 두 개의 팩터를 조합합니다. 조합은 성과가 좋아 보이기 때문에 매력적이지만, 조건을 추가할수록 과거 데이터에만 잘 맞는 전략이 될 수 있습니다.

AI에게도 이 순서를 지키게 해야 합니다.

다음 투자 아이디어를 단순한 버전과 복잡한 버전으로 나눠줘.
단순한 버전은 하나의 지표만 사용하고,
복잡한 버전은 두세 개 지표를 조합해도 된다.
각 버전에 대해 과최적화 위험을 설명해줘.
아이디어: 수익성이 높고 저평가된 기업을 매수한다.

이런 요청은 AI의 답변을 더 실험 친화적으로 만듭니다.

산업별 체크리스트 만들기

모든 산업을 같은 지표로 볼 수는 없습니다. 은행과 소프트웨어 기업, 반도체 기업, 제약회사는 돈을 버는 방식이 다릅니다. PER, PBR, ROE 같은 공통 지표도 중요하지만 산업별 핵심 변수를 함께 봐야 합니다.

AI는 산업별 체크리스트를 만드는 데 유용합니다. 예를 들어 반도체 산업을 분석한다면 매출 성장률만 보는 것으로 부족합니다. 메모리 가격, 재고 수준, 설비투자, 고객사 수요, 환율, 경쟁사의 공급 계획 같은 변수가 중요할 수 있습니다. 은행이라면 순이자마진, 대손비용, 연체율, 자본비율, 금리 환경이 더 중요합니다.

다음과 같이 요청할 수 있습니다.

반도체 산업에 속한 기업을 분석하기 위한 체크리스트를 만들어줘.
다음 항목으로 나눠서 정리해줘.
1. 산업의 핵심 수익 동인
2. 확인해야 할 재무 지표
3. 확인해야 할 비재무 지표
4. 경기 민감 요인
5. 기업별 비교 질문
6. 투자 리스크
7. 백테스트 가능한 정량 지표 후보

이 프롬프트의 핵심은 마지막 항목입니다. 산업 분석이 글로 끝나지 않도록 '백테스트 가능한 정량 지표 후보'를 요청해야 합니다.

예를 들어 AI가 '재고 감소가 업황 회복 신호일 수 있다'고 답했다면, 우리는 다시 물어야 합니다.

• 재고 감소를 어떤 데이터로 측정할 수 있는가?

• 전년 동기 대비 재고 증가율이 낮아진 기업을 고르는 전략이 가능한가?

• 재고자산회전율 개선 기업의 이후 수익률을 검증할 수 있는가?

산업 체크리스트는 리서치의 출발점입니다. 투자 결론이 아니라 질문 목록입니다.

기업 분석 질문을 만들기

AI는 기업 분석 질문을 만드는 데도 강합니다. 사람은 자신이 이미 믿고 있는 방향의 질문만 던지기 쉽습니다. 반면 AI에게 구조화된 질문 생성을 맡기면 사업, 재무, 경쟁, 밸류에이션, 리스크를 빠르게 훑을 수 있습니다.

다음 프롬프트를 사용할 수 있습니다.

다음 기업을 분석하기 위한 질문 목록을 만들어줘.
목표는 투자 결정을 내리는 것이 아니라, 추가로 확인해야 할 사실을 정리하는 것이다.
질문은 사업 모델, 성장성, 수익성, 재무 안정성, 경쟁 우위, 밸류에이션, 주주환원, 리스크로 나눠줘.
각 질문 옆에는 확인할 수 있는 데이터나 자료도 함께 적어줘.
기업: [기업명]
산업: [산업명]

좋은 기업 분석 질문은 막연하지 않습니다.

• 이 회사의 매출은 어떤 제품과 고객에서 발생하는가?

• 매출 성장률은 산업 성장률보다 높은가?

• 영업이익률은 경쟁사보다 높은가, 낮은가?

• 높은 이익률이 일시적인가, 구조적인가?

• 부채가 이익 변동을 견딜 수 있는 수준인가?

• 현재 밸류에이션은 과거 평균과 비교해 어떤 위치인가?

• 주가가 오르려면 어떤 전제가 충족되어야 하는가?

• 그 전제가 깨지는 신호는 무엇인가?

마지막 두 질문이 특히 중요합니다. 투자 아이디어는 결국 전제의 묶음입니다. 전제가 맞으면 전략이 작동할 가능성이 있고, 전제가 깨지면 손실을 인정해야 합니다.

찬성 논리와 반대 논리를 동시에 만들기

투자에서 가장 위험한 습관 중 하나는 자신이 듣고 싶은 말만 찾는 것입니다. AI를 잘못 쓰면 이 편향이 더 강해질 수 있습니다. 사용자가 '이 종목이 좋은 이유를 말해줘'라고 요청하면 AI는 좋은 이유를 유창하게 만들어냅니다.

따라서 처음부터 찬성 논리와 반대 논리를 함께 요구해야 합니다.

다음 투자 아이디어에 대해 찬성 논리와 반대 논리를 모두 작성해줘.
반대 논리는 최대한 강하게 써줘.
마지막에는 이 아이디어가 실패할 수 있는 조건과,
그 실패를 데이터로 감지할 수 있는 지표를 제안해줘.
투자 아이디어: 최근 6개월 수익률이 높은 종목 상위 20개를 매수한다.

이 요청은 단순한 의견 정리가 아닙니다. 전략의 약점을 찾는 과정입니다.

모멘텀 전략의 찬성 논리는 간단합니다. 시장의 관심과 자금 흐름이 이어지면 오른 종목이 더 오를 수 있습니다. 하지만 반대 논리도 강합니다. 이미 너무 많이 오른 종목은 조정에 취약할 수 있고, 급락장에서 손실이 커질 수 있습니다. 거래비용도 높아질 수 있습니다.

이 반대 논리는 백테스트 설계에 바로 연결됩니다.

• 상승장과 하락장을 나누어 성과를 비교한다.

• 리밸런싱 주기를 바꿔 거래비용 민감도를 본다.

• MDD가 시장보다 큰지 확인한다.

• 급등 후 반락을 피하기 위해 절대 모멘텀 조건을 추가할지 검토한다.

AI가 만든 반대 논리는 전략을 포기하라는 뜻이 아닙니다. 무엇을 더 검증해야 하는지 알려주는 지도입니다.

아이디어를 백테스트 가능한 규칙으로 바꾸기

가장 중요한 단계는 변환입니다. 자연어 아이디어를 숫자와 규칙으로 바꾸어야 합니다.

예를 들어 '좋은 기업을 싸게 산다'는 말은 투자 철학입니다. 아직 백테스트할 수 없습니다. 이를 다음과 같이 바꿔야 합니다.

• 투자 대상: KOSPI 200 구성 종목

• 가치 지표: PER 하위 30%

• 퀄리티 지표: ROE 상위 30%

• 제외 조건: 부채비율 상위 20% 제외

• 매수 규칙: 조건을 만족하는 종목 중 점수 상위 20개 동일비중 매수

• 리밸런싱: 분기 1회

• 매도 규칙: 다음 리밸런싱 때 조건에서 제외되면 매도

• 비교 대상: KOSPI 200 지수

• 비용 가정: 매수·매도 시 각각 일정 비율 반영

• 평가 지표: 누적 수익률, 연평균 수익률, 변동성, MDD, 샤프 비율

이 정도로 바뀌면 코드로 구현할 수 있습니다. 완벽하지 않아도 됩니다. 중요한 것은 모호한 문장을 실험 가능한 형태로 고정하는 것입니다.

AI에게 이 변환을 맡길 수도 있습니다.

다음 투자 아이디어를 백테스트 가능한 규칙으로 바꿔줘.
모호한 표현은 사용하지 말고, 가능한 한 수치 조건으로 정리해줘.
필요한 항목은 투자 대상, 필요한 데이터, 신호 계산 방법, 매수 조건,
매도 조건, 리밸런싱 주기, 포트폴리오 비중, 거래비용, 벤치마크,
성과 평가 지표다.
아이디어: 배당수익률이 높고 재무가 안정적인 기업은 하락장에서 방어적일 것이다.

AI가 준 규칙을 그대로 믿지는 마세요. 반드시 사람이 점검해야 합니다. 데이터가 실제로 구할 수 있는지, 발표 시점이 맞는지, 미래 데이터를 사용하지 않는지, 거래 가능한 종목인지 확인해야 합니다.

투자 아이디어 카드 만들기

아이디어가 많아지면 관리가 필요합니다. 모든 아이디어를 노트북 코드로 바로 만들기보다, 먼저 '투자 아이디어 카드'로 정리하면 좋습니다.

투자 아이디어 카드

1. 아이디어 이름:
2. 가설:
3. 직관:
4. 투자 대상:
5. 필요한 데이터:
6. 핵심 지표:
7. 매수 규칙:
8. 매도 또는 리밸런싱 규칙:
9. 기대하는 성과 특성:
10. 실패할 수 있는 이유:
11. 반드시 확인할 백테스트 항목:
12. 다음 실험:

이 카드는 연구 일지 역할을 합니다. 나중에 전략이 실패해도 의미가 있습니다. 왜 실패했는지, 어떤 가정이 틀렸는지, 어떤 조건에서만 작동했는지 기록할 수 있기 때문입니다.

AI에게 카드 초안을 만들게 하고, 사람은 숫자와 조건을 다듬습니다. 이때 중요한 원칙은 하나입니다. 카드 안에 들어간 모든 핵심 문장은 데이터로 확인 가능해야 합니다.

AI가 만든 아이디어를 다루는 태도

AI를 쓰면 아이디어는 빠르게 늘어납니다. 하지만 좋은 전략은 아이디어의 양에서 나오지 않습니다. 검증의 질에서 나옵니다.

따라서 다음 순서를 지키는 것이 좋습니다.

1. AI로 다양한 가설을 만든다.

2. 중복되거나 너무 모호한 아이디어를 제거한다.

3. 필요한 데이터가 있는지 확인한다.

4. 가장 단순한 규칙으로 먼저 백테스트한다.

5. 비용, 세금, 리밸런싱, 유동성을 반영한다.

6. 찬성 논리보다 반대 논리를 더 꼼꼼히 본다.

7. 실전 적용 전 작은 규모로 관찰한다.

AI는 빠른 조수입니다. 하지만 시장은 빠른 답변에 보상하지 않습니다. 시장은 검증된 판단, 손실을 견디는 구조, 반복 가능한 원칙에 보상합니다.

이 장에서 배운 방식으로 우리는 투자 아이디어를 더 많이 만들 수 있습니다. 그러나 더 중요한 변화는 따로 있습니다. 이제 아이디어를 듣고 바로 믿지 않습니다. 질문으로 바꾸고, 규칙으로 바꾸고, 데이터로 확인합니다.

AI는 아이디어 공장입니다. 판정관은 데이터입니다.