LangTailor페이지 목차
이 페이지에서 검색
AI Investment Lab
이 페이지에 묻기
이 프로젝트 소개 본문에서만 찾아 답합니다. 답을 지어내지 않고 해당하는 대목을 그대로 보여 주며, 여기에 없으면 없다고 알려 드립니다.
생성형 AI가 아니라 이 페이지 본문을 찾아 그대로 보여 주는 방식입니다. 외부로 나가는 요청이 없습니다.
LANGTAILOR REFERENCE BUILD 03 · 기획
소개 공개 · MVP 준비 중
AI Investment Lab
재무 · 회계 · 구매
금융데이터를 수집하고 전략 가설을 과거 데이터로 검증하며 결과와 한계를 설명하는 교육·연구용 프로젝트를 기획합니다.
Taylor가 설계·구현할 교육용 Reference Build의 기획 소개입니다. 현재 이 페이지에서 검색·AI 분석·Agent를 실행하지 않습니다.
WHY THIS PROJECT
어떤 업무 문제에서 시작하나요?
시장 요약과 전략 아이디어만으로는 가설을 검증하기 어렵습니다. 동일한 데이터와 평가 기준으로 결과를 비교하는 과정을 배웁니다.
같은 전략을 다른 기간과 거래비용 조건에서 검증하면 어떻게 달라질까요?
PLANNED SCOPE
구현할 핵심 기능
아래 항목은 구현 계획입니다.
- 01
주가·거래량·기업·시장지표 데이터 수집
- 02
시장정보를 근거와 함께 요약
- 03
이동평균·RSI·MACD·모멘텀 등 전략 조건 구성
- 04
수익률·MDD·승률·거래횟수와 검증 한계 보고서
DATA & ARCHITECTURE
데이터에서 검토 가능한 결과까지
구현 예정 흐름입니다. 각 단계의 입력·출력과 근거를 확인하며 설계합니다.
- STEP 1공개 금융데이터
- STEP 2Python · Pandas
- STEP 3전략 조건
- STEP 4Backtesting
- STEP 5LLM 결과 해석·검토
더미로 배우고, 우리 데이터로 완성합니다.
이용 조건을 확인한 공개 금융데이터와 샘플 전략으로 학습합니다. 실제 계좌·주문 연결은 이 소개 페이지의 범위에 포함하지 않습니다.
BUILD · OPERATE · MANAGE RISK
구조를 배우고, 자기 업무에 맞게 바꿉니다.
Taylor의 가이드·멘토링을 바탕으로 직접 수정하고 검증하는 실습을 준비합니다.
- 시계열 데이터 정제
- 전략 가설과 평가 구간 분리
- 백테스트 결과·위험·한계 설명
직접 바꿀 부분
수집 대상, 전략 파라미터, 거래비용 가정과 평가 기간을 바꾸며 검증합니다.
판단과 데이터의 경계
매수·매도 권유나 수익 보장 서비스가 아닙니다. 미래정보 누출·과최적화·거래비용을 점검하고 과거 성과와 실제 투자 결과를 구분합니다.
사용 후에도 직접 운영하고 개선합니다.
자료·프롬프트·도구·업무 규칙을 갱신하고, 로그·비용·오류를 확인합니다. 같은 평가 기준으로 변경 전후를 비교하며 개선하는 방법을 배웁니다.
PUBLIC LEARNING ROADMAP
개발 과정도 교육 콘텐츠가 됩니다.
문제 정의 → 데이터 확보 → 설계·구현 → 검증 → 배포의 과정을 순차적으로 공개할 계획입니다.
별도 프로젝트의 실행 서비스
실행 앱은 별도 프로젝트에서 개발합니다. 공개된 서비스 주소가 확정되면 여기에서 연결합니다.
YouTube 공개강의
핵심 소개(3~5분), 시연(10~20분), 개발 과정 강의(30~60분)를 준비합니다.
영상 공개 예정
7시간 실습 과정 구성안
금융데이터와 생성형 AI를 활용한 투자분석 자동화 실무
- 1H업무 문제와 AI 적용 방법
- 2H데이터와 AI 서비스 구조 이해
- 3HLLM / RAG 기본 실습
- 4H샘플 업무 데이터 연결
- 5HAI Agent 구축
- 6H프로젝트 수정·검증 실습
- 7H결과 분석·운영·리스크·개선
교육과정 제안 단계이며, 개설 일정과 기관 운영 여부는 확정되지 않았습니다.