260315 경제뉴스 포트폴리오 쉬운설명

260315 경제뉴스 포트폴리오 쉬운설명

기준 시각: 2026-03-15 15:16 +09:00

이 문서는 기존 리서치 문서인 260315_1448_경제뉴스_여론기반_포트폴리오_설계.md를 더 쉽게 다시 풀어쓴 버전이다.
목표는 복잡한 연구 용어보다, 이 시스템을 실제로 만들려면 무엇을 하고 무엇을 버려야 하는지를 바로 이해하게 하는 것이다.

한 줄 요약 👀

이 시스템은 충분히 만들 가치가 있다.
하지만 처음부터 뉴스 + 댓글 + PV + 좋아요 + 유튜브 + 완벽한 AI 분석을 전부 하려 하면 실패할 가능성이 높다.

가장 현실적인 시작은 이것이다.

1. 최근 7일 뉴스만 모은다
2. 뉴스 본문과 제목을 분석한다
3. 각 뉴스가 어떤 종목에 얼마나 중요한지 판단한다
4. 종목별로 긍정/부정 점수를 만든다
5. 현재 포트폴리오 안에서만 수량을 조금씩 조정한다

즉, 이 프로젝트의 핵심은 “뉴스를 많이 모으는 것”이 아니라,

• 어떤 뉴스가 어떤 종목에 중요한지 잘 연결하고
• 그 영향이 단기적으로 플러스인지 마이너스인지 판단하고
• 너무 과하게 매매하지 않도록 수량만 조절하는 것

에 있다.

이 아이디어는 맞는가? ✅

결론부터 말하면 맞다.

경제뉴스와 여론은 실제로 주가에 영향을 준다.
특히 단기에서는 더 그렇다.

왜냐하면 단기 주가는 결국 사람들이 사고팔면서 움직이는데, 그 판단에 가장 빨리 영향을 주는 것이 뉴스, 분위기, 공포, 기대 같은 요소이기 때문이다.

다만 중요한 점이 하나 있다.

뉴스 여론은 “단기”에는 강하지만, “장기”에는 약해진다

• 당일~수일: 뉴스와 여론 영향이 큼
• 수주~수개월: 실적, 금리, 재무상태, 밸류에이션 영향이 더 커짐

그래서 이 시스템은 장기 투자 전체를 대신하는 엔진보다는
단기~중단기 포트폴리오 조정 엔진으로 보는 것이 맞다.

“실제 주가를 움직이는 것은 여론”이라는 생각은 맞는가? 🤔

이 생각은 절반은 맞고 절반은 틀리다.

맞는 부분

• 뉴스가 나오면 투자자 심리가 바로 반응한다
• 커뮤니티, 댓글, 유튜브가 분위기를 증폭시킨다
• 개인투자자가 많이 보는 종목일수록 여론 영향이 커지기 쉽다

틀릴 수 있는 부분

• 여론만으로 기업 가치가 영원히 올라가지는 않는다
• 장기적으로는 결국 실적과 현금흐름이 중요하다
• 대형 우량주는 여론보다 펀더멘털이 더 강하게 작동하는 경우가 많다

쉬운 결론

단기:
여론과 뉴스가 중요

장기:
펀더멘털이 중요

즉, 당신의 직감은 단기 운용 관점에서는 꽤 타당하다.

무엇을 분석해야 하나? 📌

처음에는 아래 우선순위로 가는 것이 좋다.

가장 중요한 것

1. 기사 제목
2. 기사 본문
3. 발행 시각
4. 어떤 종목과 관련 있는지
5. 어떤 종류의 뉴스인지

예를 들면 이런 분류가 중요하다.

• 실적 발표
• 가이던스 상향/하향
• 규제 이슈
• 소송
• 인수합병
• 증자
• 리콜
• 신제품
• 금리/환율/거시 이슈

덜 중요한 것

• PV
• 좋아요 수
• 댓글 수
• 댓글 좋아요/싫어요 수

이 값들도 쓸 수는 있다.
하지만 이 값들은 방향을 알려주는 신호라기보다, 사람들이 얼마나 크게 반응했는지 보여주는 신호에 가깝다.

즉:

뉴스 본문 = 방향
댓글/PV/좋아요 = 반응 강도

그래서 처음부터 PV/좋아요/댓글에 너무 기대하면 안 된다.

왜 PV, 좋아요, 댓글을 중심에 두면 안 되나? ⚠️

이유는 단순하다.

1. 데이터가 안정적으로 잘 안 모인다

• 플랫폼마다 제공 방식이 다르다
• 공식 API에서 안 주는 경우가 많다
• 비공식 크롤링은 깨지기 쉽다

2. 조작되거나 왜곡될 수 있다

• 논란 기사도 댓글이 폭발한다
• 악재 기사도 조회수가 높다
• 큰 언론사와 작은 언론사는 raw count 자체가 비교가 안 된다

3. 방향을 잘못 읽기 쉽다

댓글이 많다고 긍정이 아니다.
오히려 큰 악재일수록 댓글이 더 많이 달릴 수 있다.

실전 판단

PV, 좋아요, 댓글은 쓰더라도 이렇게 써야 한다.

• 본문 분석이 먼저
• 댓글 숫자는 보조
• 댓글 텍스트가 있으면 그때 의미가 커짐
• source별 정규화 필요

유튜브도 넣어야 하나? 📺

결론은 언젠가는 넣는 것이 좋다.
하지만 처음부터는 아니다.

왜냐하면 요즘은 텍스트 뉴스만큼, 아니 어떤 경우에는 그보다 더 많이 유튜브 경제 채널이 투자 분위기를 만들기 때문이다.

특히 유튜브는 이런 점이 강하다.

• 뉴스 내용을 쉽게 풀어준다
• 특정 종목에 대한 기대감을 키운다
• 같은 메시지를 반복 노출한다
• 커뮤니티 성격이 강하다

하지만 구현 난이도도 높다.

• 영상 수집
• 자막 수집
• 자막 없으면 음성 인식
• 긴 영상 요약
• 잡음 제거
• 채널 신뢰도 평가

그래서 추천 순서는 이렇다.

1. 뉴스 텍스트 분석 먼저
2. 백테스트로 유효성 확인
3. 그다음 유튜브 추가

가장 현실적인 시스템 구조 🏗️

이 시스템은 아주 복잡하게 볼 필요 없다.
처음에는 아래 흐름만 잘 만들면 된다.

flowchart TD
    A[현재 포트폴리오 입력] --> B[최근 7일 뉴스 수집]
    B --> C[기사별 분석]
    C --> D[종목별 점수 계산]
    D --> E[현재 보유 종목 안에서만 비중 조정]
    E --> F[전체 조언 + 종목별 조언 생성]

이 구조의 핵심은 다음 3개다.

1. 뉴스 수집

• 한국 주식: Naver News Search API + DART
• 미국 주식: Alpha Vantage News & Sentiment
• 보조: GDELT
• 가격 조회: Yahoo Finance

2. 기사 분석

기사 하나마다 아래를 판단한다.

• 이 기사가 어느 종목 이야기인가?
• 이 뉴스는 호재인가 악재인가?
• 영향은 하루짜리인가, 며칠 가는가?
• 확실한 사실인가, 해석이 섞였는가?

3. 포트폴리오 조정

입력에 있는 종목만 사용한다.
새 종목은 추가하지 않는다.

예를 들어 입력이 아래라면:

[
  {"ticker": "005930.KS", "quantity": 10},
  {"ticker": "MSFT", "quantity": 4},
  {"ticker": "GLD", "quantity": 2},
  {"ticker": "CASH_USD", "quantity": 1000}
]

출력도 이 안에서만 바뀐다.

• 삼성전자 수량 감소
• MSFT 수량 증가
• GLD 증가
• CASH 증가

이런 식으로만 조정한다.

중요한 제약 하나 💡

이 시스템은 기존 보유 종목만 수량 조정한다.
그래서 입력 포트폴리오에 현금이나 금이 없으면 문제가 생길 수 있다.

예를 들어 보유 종목이 전부 악재인데, 그중 하나도 방어 자산이 아니면
시스템은 결국 나쁜 종목들 사이에서만 비율을 조정해야 한다.

그래서 실전에서는 아래를 추천한다.

• CASH_KRW
• CASH_USD
• GLD 또는 금 ETF

이런 항목을 포트폴리오에 미리 넣어 두는 것이 좋다.

어떤 기술 스택이 좋은가? 🛠️

당신이 제시한 방향은 꽤 적절하다.

추천 스택

• Python
• PydanticAI
• AWS
• Yahoo Finance
• Naver News Search API
• DART
• Alpha Vantage
• 필요 시 FMP 또는 Marketaux

왜 이 조합이 좋은가?

Python

• 데이터 처리와 백테스트에 강함
• 금융 실험 코드 작성이 빠름

PydanticAI

• 기사 분석 결과를 구조화하기 좋음
• LLM이 아무 말이나 하지 못하게 스키마를 강제할 수 있음

AWS

• 배치 수집과 분석 파이프라인 구성에 적합
• Lambda, S3, SQS만으로도 MVP 가능

PydanticAI는 어떻게 쓰면 좋은가? 🤖

어렵게 생각할 필요 없다.
처음에는 에이전트를 4개만 나누면 충분하다.

Agent 1. 종목 연결기

역할:

• 기사나 영상이 어떤 종목 이야기인지 판단

출력 예:

• 주 종목
• 보조 종목
• 관련도 점수

Agent 2. 뉴스 의미 분석기

역할:

• 호재인지 악재인지
• 어떤 이벤트인지
• 영향이 얼마나 큰지

Agent 3. 종목 점수 집계기

역할:

• 최근 7일 뉴스 결과를 모아서
• 종목별 최종 점수를 계산

Agent 4. 포트폴리오 조정기

역할:

• 현재 수량
• 현재 가격
• 종목 점수

를 보고 목표 수량 산출

데이터 구조도 복잡할 필요는 없다 📦

처음에는 아래 정도면 충분하다.

from pydantic import BaseModel


class Position(BaseModel):
    ticker: str
    quantity: float


class NewsItem(BaseModel):
    source: str
    url: str
    published_at: str
    title: str
    body: str | None = None


class AnalyzedNews(BaseModel):
    ticker: str
    direction: str   # positive / negative / mixed
    confidence: float
    event_type: str
    reason: str


class RebalanceItem(BaseModel):
    ticker: str
    current_quantity: float
    target_quantity: float
    advice: str

처음부터 너무 많은 필드를 넣지 말고,
정말 의사결정에 쓰는 정보만 남기는 것이 중요하다.

백테스트는 어떻게 해야 하나? 📈

이 프로젝트에서 제일 중요한 것은 사실 모델이 아니라 백테스트다.

왜냐하면 이 시스템이 정말 의미 있는지 알려면
실제로 “뉴스 점수가 높은 종목이 이후 며칠 동안 더 잘 갔는가?”를 봐야 하기 때문이다.

먼저 확인해야 할 것

1. 뉴스 본문만 써도 예측력이 있는가?
2. 최신성 가중치를 넣으면 좋아지는가?
3. 댓글/PV/좋아요를 넣으면 더 좋아지는가?
4. 유튜브를 넣으면 추가로 좋아지는가?

추천 테스트 순서

1단계

• text only

2단계

• text + recency

3단계

• text + recency + engagement

4단계

• text + recency + engagement + youtube

이 순서가 중요한 이유는
나중에 “복잡하게 만든 기능이 정말 도움이 됐는지”를 알 수 있기 때문이다.

실제로는 어떻게 리밸런싱해야 하나? 💼

너무 공격적으로 하면 안 된다.

뉴스 신호는 생각보다 noisy하다.
그래서 처음에는 보수적으로 조금만 조정하는 것이 맞다.

예를 들어:

• 강한 호재: 비중 소폭 증가
• 강한 악재: 비중 소폭 감소
• 증거가 약함: 거의 유지

추천 원칙

• 하루에 너무 많이 바꾸지 않기
• 신호가 애매하면 유지
• 출처가 한 군데뿐이면 보수적으로
• 기사 수가 너무 적으면 보수적으로

즉, 이 시스템은
올인/올아웃 시스템이 아니라
살짝 기울이는(tilt) 시스템으로 가야 한다.

지금 있는 코드들은 어디까지 쓸 수 있나? 🧩

현재 로컬 코드들은 출발점으로는 괜찮다.

news_naver_crawl.py

• 네이버 기사 수집 실험용으로 좋음
• 하지만 랭킹 기사 위주라 편향이 큼

news_us_crawl.py

• 미국 뉴스 수집 시작점으로는 괜찮음
• 하지만 coverage가 좁고 종목 연결이 없음

padantic_ai_claude_basic.py

• PydanticAI 구조화 출력 실험용으로 적절
• 이제 숫자 계산 대신 뉴스 분석 스키마로 확장하면 됨

stock_query.py

• 가격 조회용으로 MVP에 충분

결론

지금 코드는 바로 서비스 수준은 아니지만,
MVP를 시작하기에는 충분한 재료가 있다.

가장 추천하는 개발 순서 🚀

처음부터 크게 만들지 말고, 아래 순서로 가는 것이 가장 안전하다.

1단계. 뉴스 기반 MVP

• 최근 7일 뉴스 수집
• 기사 제목/본문 분석
• 종목별 점수 계산
• 포트폴리오 수량 조정
• 간단한 리포트 출력

2단계. 백테스트

• 정말 예측력이 있는지 확인
• 리밸런싱이 buy-and-hold보다 나은지 확인

3단계. engagement 추가

• PV
• 좋아요
• 댓글 수
• 댓글 텍스트

4단계. 유튜브 추가

• 영상 메타데이터
• 댓글
• 자막/음성 분석

5단계. AWS 운영화

• 수집 자동화
• 저장 구조화
• 리포트 자동 생성

최종 추천안 ✅

가장 현실적인 첫 버전은 이렇다.

수집

• 한국: Naver News Search API + DART
• 미국: Alpha Vantage News & Sentiment
• 가격: Yahoo Finance

분석

• 뉴스 제목/본문
• 최신성
• 종목 연결
• 이벤트 타입

보조

• 댓글/PV/좋아요는 나중에 추가

출력

• 전체 조언 1개
• 종목별 조언 N개
• 기존 종목만 수량 조정

정말 중요한 마지막 한마디

이 시스템의 승부처는
뉴스를 얼마나 많이 긁어오느냐가 아니다.

진짜 승부처는 아래 3개다.

1. 이 뉴스가 어떤 종목에 중요한지 정확히 연결하는가
2. 이 뉴스가 왜 호재/악재인지 구조적으로 설명할 수 있는가
3. 과도하게 매매하지 않고 수량 조정만 안정적으로 할 수 있는가

이 3개만 잘하면, 이 프로젝트는 충분히 경쟁력이 있다.

참고 링크 🔗

• NBER, Media Sentiment and Stock Prices
  https://www.nber.org/papers/w25353
• NBER, Investor Sentiment and the Cross-Section of Stock Returns
  https://www.nber.org/papers/w10449
• Chen, De, Hu, Hwang, Wisdom of Crowds
  https://www.bhwang.com/Research/SeekingAlpha_R2.pdf
• Reuters Institute, Digital News Report 2024
  https://reutersinstitute.politics.ox.ac.uk/digital-news-report/2024
• YouTube Data API videos
  https://developers.google.com/youtube/v3/docs/videos
• YouTube Data API commentThreads
  https://developers.google.com/youtube/v3/docs/commentThreads
• Naver 뉴스 검색 API
  https://developers.naver.com/docs/serviceapi/search/news/news.md
• Naver DataLab 검색어 트렌드
  https://developers.naver.com/docs/serviceapi/datalab/search/search.md
• Alpha Vantage 공식 문서
  https://www.alphavantage.co/documentation/
• GDELT DOC 2.0 API
  https://blog.gdeltproject.org/gdelt-doc-2-0-api-debuts/
• Financial Modeling Prep
  https://site.financialmodelingprep.com/
• Marketaux
  https://www.marketaux.com/
• PydanticAI Agents
  https://ai.pydantic.dev/agents/
• PydanticAI Evals
  https://ai.pydantic.dev/evals/

이번 작성에 사용한 사용자 질문 프롬프트

$hhd-md 
@C:\Users\hhd20\project\hhddoc\260315_1448_경제뉴스_여론기반_포트폴리오_설계.md
위 문서를 더 쉽게 새 파일에 다시 작성해 주세요.