"AI로 언제 사고팔 것인가?"보다 먼저 "오늘 시장을 주도하는 종목은 무엇이며, AI는 그것을 어떻게 찾아내는가?"에 답하는 책입니다. 한국투자증권 Open API로 국내 주식 데이터를 모으고, 규칙 기반 점수에서 LightGBM·LLM·VLM까지 단계적으로 더해 주도 테마와 대장주 후보를 실시간으로 보여 주고 그 선정 결과를 검증하는 AI 대장주 모니터를 직접 만듭니다.

2026년 10월, 1년치 국내 주식 데이터로 모든 실습을 직접 실행해 검증했습니다. 결론을 미리 밝히면, 지금의 대장주를 찾아 보여 주는 탐지는 되지만 거래비용을 넘는 예측은 확인되지 않았습니다. 이 책은 그 과정을 숨기지 않고 보여 줍니다.

[이 책의 특징]

- 상승률이 아닌 시장 주도력을 분석합니다: 거래대금 집중도, 상대강도, 테마 주도력, 실시간 매수세, 뉴스·공시 영향력, 상승 지속 가능성을 결합한 Leader Score를 직접 구현합니다.
- 장중 대장주 교체를 추적합니다: 5분마다 순위를 다시 계산해 주도 테마 전환과 대장주 추월을 감지합니다. 지금 주도하는 종목을 찾는 문제와 앞으로도 주도력이 이어질지 예측하는 문제를 구분해 다룹니다.
- AI를 역할별로 씁니다: LightGBM은 종목 랭킹, LLM은 뉴스·공시 해석, VLM은 AI 전용 차트 판독을 맡습니다.
- 성능 검증이 핵심 실습입니다: 상승률·거래대금 순위, 규칙 기반 Leader Score, LightGBM·LLM·VLM을 같은 후보·같은 시각·같은 거래비용으로 비교합니다. 어떤 AI 기술이 도움이 됐고 어떤 기술은 그렇지 않았는지까지 데이터로 확인합니다.
- 미래정보 누수 없이 설계합니다: 판단 시점에 실제로 알 수 있었던 정보만 쓰는 원칙을 데이터 수집부터 백테스트까지 지킵니다.
- 고성능 GPU 없이 시작합니다: 규칙 기반 탐색과 LightGBM은 일반 PC에서 실행하고, LLM·VLM은 API로 사용합니다.

[대상 독자]

- 한국투자증권 Open API로 시세 조회까지는 해 봤고, 그 위에 쓸 만한 분석 시스템을 만들고 싶은 Python 개발자
- 매일 대장주와 주도 테마를 손으로 찾던 과정을 데이터와 AI로 자동화하고 싶은 개인 투자자 (Python 기초 문법 수준)
- LightGBM·LLM·VLM을 금융 시계열 문제에 적용하고 효과를 객관적으로 비교하고 싶은 데이터 분석가·AI 엔지니어
- 시계열 랭킹과 누수 없는 백테스트 설계를 공부하려는 퀀트·금융 AI 입문자

[예제 코드]

모든 예제 코드는 https://github.com/ady95/leading-stock-tutorial 에 장별로 공개합니다. 모의투자 계정만으로도 이 책의 조회 실습을 따라 할 수 있습니다.

[유의사항]

이 책의 시스템 설계와 실험은 연구·교육 목적입니다. 투자 권유가 아니며 수익을 보장하지 않습니다. 실제 투자 판단과 그 결과의 책임은 투자자 본인에게 있습니다. API 제공 범위와 호출 제한은 집필 시점 기준이므로 한국투자증권·OPEN DART의 최신 공식 문서를 함께 확인하세요.

[AI 활용 집필 안내]

이 책은 Claude Code(AI)를 활용하여 작성되었습니다. 실제 API 호출과 코드 실행 검증을 거치며 각 페이지 상단에 검증 상태를 표시합니다.

- [검증] 표시 페이지: 표기된 날짜와 버전에서 직접 실행해 확인한 내용입니다.
- [참고] 표시 페이지: 실행 결과가 아니라 전체 구조, 용어, 참고 자료를 정리한 페이지입니다.

API 사양과 라이브러리가 바뀌면 실측을 다시 하고 내용을 갱신합니다.

[참고 자료]

- 한국투자증권 KIS Developers: https://apiportal.koreainvestment.com/
- 한국투자증권 공식 Open API 예제: https://github.com/koreainvestment/open-trading-api
- OPEN DART: https://opendart.fss.or.kr/
- LightGBM 문서: https://lightgbm.readthedocs.io/
- Streamlit 문서: https://docs.streamlit.io/