AI 주식 매매 프로그램 2편|공시 후보표 자동화
재무 숫자와 AI가 찾은 근거를 연결하는 실습
AI가 작성한 콘텐츠입니다. 실제 AI 기술에 근거하며, 활용 장면·인물·미래 상황에는 허구가 포함될 수 있습니다.

1편에서 받은 공시 목록은 문서를 찾는 데 쓸 수 있다. 기업이 여럿으로 늘면 같은 이름의 계정과목, 여러 차례 제출된 정정본, 출처 없는 AI 설명이 한 표에 섞이기 쉽다. 2편에서는 공시 원문과 재무 숫자를 접수번호로 연결하고, 기준일에 알려진 자료만 골라 후보 비교표를 만든다. 목표는 순위보다 왜 이 기업이 후보에 남았고 어떤 자료를 열어 확인해야 하는지를 한 줄로 남기는 것이다.
1. 원문, 숫자, 판단을 따로 저장한다
공시 목록은 접수번호별로 한 줄을 저장한다. 원문 압축 파일과 텍스트로 변환한 사본은 함께 보관한다. 재무 계정은 회사 고유번호, 접수번호, 보고기간, 연결·별도 구분, 재무제표 종류, 계정 ID, 금액과 단위를 저장한다. 같은 회사와 연도라도 정정이 들어오면 새 접수번호에 해당하는 자료를 추가한다. 무엇을 최신으로 볼지는 보고서별 정정 관계와 기준일로 결정한다. 보고서 제목에 있는 ‘정정’ 표시만으로 서로 다른 문서를 자동 연결하기 어려우면 먼저 원문에 적힌 정정 대상과 정정 전후 항목을 확인한다. 공시검색 개발가이드 · 공시 원본 저장 가이드
| 저장 대상 | 꼭 남길 값 | 확인할 점 |
|---|---|---|
| 공시 목록 | 접수번호, 접수일, 보고서명, 회사 고유번호, 원문 주소 | 프로그램이 실제로 수집한 시간도 따로 저장 |
| 원문 | 접수번호, 압축 파일 경로, 텍스트 위치, 절과 표 이름 | 표가 깨지면 압축 원본으로 되돌아갈 수 있는지 |
| 재무 숫자 | 접수번호, 회계기간, 연결·별도, 계정 ID, 금액, 단위 | 사용한 숫자가 어느 판의 어느 행에서 왔는지 |
| AI가 찾은 근거 | 접수번호, 절 이름, 짧은 원문 구절, 확인 상태 | 사람도 동일한 문장을 찾을 수 있는지 |
| 최종 후보표 | 기준일, 지표, 확인 상태, 후속 질문, 출처 | 같은 시점으로 다시 실행하면 같은 자료를 쓰는지 |
가령 3월 5일 사업보고서가 제출되고 3월 12일에 회사가 정정했다고 하자. 3월 6일 기준표는 최초 보고서에서 계산한다. 3월 13일 기준표는 정정 범위와 새 판을 확인한다. 재무조회 API가 반환한 접수번호가 기준일 이후라면 그 숫자를 과거 기준표에 쓰면 안 된다. 옛 판의 구조화 데이터가 없다면 저장해 둔 원문에서 다시 읽거나 해당 지표를 결측으로 남긴다. OpenDART 공시검색의 접수일은 날짜 항목이므로 장중 공개 시각을 따로 확보하지 못한 일봉 실습에서는 다음 거래일부터 사용한다고 정할 수 있다. 공시검색 응답 항목 · 전체 재무제표 응답 항목
2. 어떤 숫자를 가져올지 먼저 정한다
OpenDART ‘단일회사 전체 재무제표’의 테스트 화면에서 회사를 한 곳 고른다. 연간 기업 비교라면 사업보고서 코드 11011과 연결 구분 CFS로 조회한다. 응답에서 손익 표는 IS 또는 CIS, 현금흐름표는 CF, 재무상태표는 BS에 해당한다. 실습은 같은 업종의 연결 사업보고서만 비교한다. 한 회사에서 연결 수치가 없으면 ‘연결 자료 없음’으로 표시하고, 별도 비교가 필요하면 별도 기업군으로 따로 계산한다. 분기 손익을 추가할 경우 3개월 금액과 누적 금액을 각각 저장하고 연간 수치와 섞이지 않게 한다. 단일회사 전체 재무제표 테스트
처음 연결할 항목은 매출, 영업이익, 영업활동 현금흐름, 유형자산 취득 현금 지출, 이자 부담이 있는 차입금이다. 이름이 비슷한 항목이 여러 개면 재무제표 종류와 계정 ID를 함께 확인한다. 예를 들어 ‘영업에서 창출된 현금’과 ‘영업활동 현금흐름’은 보고서의 다른 행일 수 있다. 계정 ID가 표준이 아니거나 차입금이 여러 행에 나뉘면 회사의 주석을 직접 읽고 어떤 행을 더했는지 남긴다. 자금 조달 조건은 차입금 합계와 별개이므로 만기나 전환 조건도 따로 볼 수 있어야 한다. 유형자산 취득 지출은 차감하기 전에 금액을 양수 크기로 맞춘다. 비어 있는 값을 0으로 저장하면 미확인 기업이 계산을 통과할 수 있다.
3. AI에 줄 문서는 고르고, 답변의 근거를 확인한다
공시 파일 전체를 한 번에 넣기보다 질문을 먼저 고른다. ‘영업이익률이 왜 올랐나’에는 부문별 보고와 경영진단을, ‘흑자인데 현금이 왜 줄었나’에는 현금흐름표 및 매출채권·재고 주석을 넣는다. 자금조달 공시에서는 발행금액, 만기, 전환 가능 수량, 정정 전후를 각각 묻는다. 요약 문장 옆에 접수번호와 절 제목을 요구하면 틀린 답을 발견했을 때 다시 열어 볼 수 있다.
AI가 찾은 근거를 원문에서 대조
제공된 원문으로만 질문에 답하세요. 결과마다 공시 접수번호, 절 또는 표 이름, 원문에서 그대로 찾을 수 있는 짧은 구절, 해당 기간과 단위, 확인 상태를 반환하세요. 근거가 없거나 정정 여부를 가릴 수 없으면 확인 필요로 반환하세요. 회사의 매수·매도 의견은 작성하지 마세요.
프로그램 연동에서는 JSON에 필요한 필드를 정해 두면 빠진 값과 예상 밖 형식을 다루기 쉽다. 예를 들어 구조화 출력을 지원하는 AI API에서 receipt, section, quote, finding, status를 스키마로 지정할 수 있다. 형식 검사를 통과한 뒤에도 프로그램에서 접수번호가 입력 목록에 있는지, 근거 구절이 지정된 절에 있는지를 확인한다. 인용이 실제 있더라도 ‘원인’이나 ‘증가’ 해석이 맞는지는 사람이 앞뒤 문장과 표를 읽어야 한다. 모델이 거절했거나 원문을 읽지 못했다면 상태를 ‘확인 필요’로 남긴다. 구조화 출력 가이드
4. 가상 기업 세 곳을 같은 절차로 분류한다
실습 기준은 매출 증가율, 영업이익률, 유형자산 취득 지출을 뺀 영업현금이 모두 양수인 기업을 후속 검토에 올리는 방식이다. 중대한 정정이나 전환사채처럼 추가 확인할 공시가 남으면 먼저 사람이 본다. 이 기준은 흐름 테스트용이다. 경기 변동이 큰 기업, 성장 초기 기업, 금융업에는 별도의 비교 지표가 필요할 수 있다.
세 기업의 지표를 같은 기준으로 비교
| 가상 기업 | 전기 → 당기 매출 | 당기 영업이익 | 영업현금 − 유형자산 지출 | 확인할 공시 | 결과 |
|---|---|---|---|---|---|
| A | 1,000억 → 1,120억원 | 123.2억원 | 95억 − 40억 = 55억원 | 생산부문 개선 근거 확인 | 후속 검토 |
| B | 1,000억 → 1,250억원 | 150억원 | 15억 − 45억 = −30억원 | 매출채권·재고 변동 확인 | 재무 확인 |
| C | 1,000억 → 1,060억원 | 106억원 | 80억 − 30억 = 50억원 | 전환사채의 잠재 희석 확인 | 공시 위험 확인 |
A는 이익률이 11%이고 설비 지출 뒤 현금도 남는다. 그래도 일시적 이익인지 먼저 확인하고, 그 다음 같은 기준일의 시세를 붙여 업종 안에서 가격을 비교한다. B는 매출 성장률이 25%로 가장 높지만 설비 지출 뒤 현금이 부족하다. C는 계산 기준을 통과해도 전환 조건을 읽기 전에는 평가를 보류한다. 이 절차를 쓰면 AI가 긍정적으로 썼어도 같은 규칙으로 검토 순서를 설명할 수 있다.
아래 파이썬 함수는 앞 단계에서 수집·정규화한 연간 숫자와 근거를 받아 상태 하나를 반환한다. 모든 금액은 같은 화폐·단위여야 한다. 코드의 A-2024는 가상 접수번호이며 금액은 억원 단위다. 아래 코드를 실행하면 A에 대해 ‘후속 검토’가 출력된다. review_flags는 사람이 확인할 공시 사유 목록이며 값이 없으면 빈 목록을 넣는다. excerpts는 접수번호와 절 제목을 짝으로 삼아 원문 텍스트를 찾는 사전이다. 이 함수에서 차입금은 필수 확인 항목이므로 누락을 보류하지만, 특정 수준을 기계적으로 적용하지는 않는다.
def assess(row, excerpts):
evidence = row["evidence"]
source = excerpts.get((evidence["receipt"], evidence["section"]))
if not source or not evidence["quote"] or evidence["quote"] not in source:
return "원문 대조 필요"
values = (row["sales"], row["previous_sales"], row["operating_profit"],
row["operating_cash"], row["equipment_spend"], row["debt"])
if any(value is None for value in values):
return "수치 누락"
if row["previous_sales"] <= 0 or row["sales"] <= 0:
return "비교 기준 확인"
if row["equipment_spend"] < 0 or row["debt"] < 0:
return "부호 확인"
growth = row["sales"] / row["previous_sales"] - 1
margin = row["operating_profit"] / row["sales"]
cash_after_equipment = row["operating_cash"] - row["equipment_spend"]
if row["review_flags"]:
return "공시 위험 확인"
if growth > 0 and margin > 0 and cash_after_equipment > 0:
return "후속 검토"
return "재무 확인"
excerpts = {("A-2024", "부문별 보고"): "생산부문 영업이익이 늘었다."}
a = {"sales": 1120, "previous_sales": 1000, "operating_profit": 123.2,
"operating_cash": 95, "equipment_spend": 40, "debt": 120,
"review_flags": [], "evidence": {"receipt": "A-2024",
"section": "부문별 보고", "quote": "생산부문 영업이익이 늘었다."}}
assert assess(a, excerpts) == "후속 검토"
assert assess(dict(a, operating_cash=15), excerpts) == "재무 확인"
assert assess(dict(a, review_flags=["전환사채"]), excerpts) == "공시 위험 확인"
assert assess(a, {}) == "원문 대조 필요"
assert assess(dict(a, operating_cash=None), excerpts) == "수치 누락"
print(assess(a, excerpts))완료 확인은 다섯 가지다. A는 후속 검토, B는 재무 확인, C는 공시 위험 확인으로 분류된다. A의 원문을 지우면 ‘원문 대조 필요’, 영업현금흐름을 비우면 ‘수치 누락’이 나와야 한다. 최종 비교표에서 각 상태를 클릭했을 때 원문이나 빠진 숫자를 바로 찾을 수 있으면, 같은 기준표를 과거 날짜에 실행하는 백테스트로 넘어갈 수 있다.
이 글은 금융 데이터 처리와 후보 검토 절차에 관한 일반 정보다. 투자 판단은 개인 상황에 따라 다르며 필요하면 전문가와 상담해야 한다.
AI가 작성한 콘텐츠입니다. 실제 AI 기술에 근거하며, 활용 장면·인물·미래 상황에는 허구가 포함될 수 있습니다.
이미지 3장은 설명용 AI 일러스트이며 실제 촬영 사진이나 실험 기록이 아닙니다.
참고 자료
- 금융감독원 OpenDART 공시검색 (2026.11.18 확인)
- 금융감독원 OpenDART 공시서류원본파일 (2026.11.18 확인)
- 금융감독원 OpenDART 단일회사 전체 재무제표 (2026.11.18 확인)
참고 자료 1개 더 보기
- OpenAI 구조화 출력 가이드 (2026.11.18 확인)
이 글의 이미지는 AI로 생성했습니다
AI 주식 매매 프로그램 3편|백테스트의 착시 줄이기

같은 가지의 다른 글
- AI 소개팅, 전 애인과 나눈 대화까지 넘기시겠습니까?
- [가상 미래] 2029년, 자율주행 택시 동시 정지로 도심 마비
- [가상 미래] 2031년, 배송 드론 연쇄 추락으로 광장 통제
- [가상 미래] 2033년, 수직농장 화재에 인근 주거지 정전
- AI 회의 대리 참석, “그 약속 제가 한 게 아닌데요”
- [가상 미래] 부산행 침대가 대전에서 멈췄다
- 챗GPT·제미나이·클로드, 내 일에 맞는 AI 고르는 법
- AI한테 광고를 맡겨 봤더니… 깃허브 인기 광고 스킬과 실제 사례
- 2023년 2월 이후 생성형 AI가 줄인 직업들, 숫자로 보니
- 구글이 학교에게 던진 최후통첩: AI 거부하면 검색도 끊는다
- 바이브코딩 개발 계획, 어디까지 정해야 할까 — Superpowers 활용 2편
- 바이브코딩 구현, 한 기능을 어디까지 확인할까 — Superpowers 활용 3편
- 바이브코딩 디버깅, 어디서부터 틀렸을까 — Superpowers 활용 4편
- 바이브코딩으로 만든 앱, 언제부터 써도 될까 — Superpowers 활용 5편
- 대선을 준비하는 AI, 캠프와 선거기관은 어떻게 쓰나
- 신규창업 공약 지키미. AI가 상상하는 살기 좋은 세상 1부
- 신규창업 공약 지키미. AI가 상상하는 살기 좋은 세상 2부
- 신규창업 공약 지키미. AI가 상상하는 살기 좋은 세상 3부
- AI 주식 매매 프로그램 1편|공시로 후보 종목 찾기
- AI 주식 매매 프로그램 4편|모의주문과 체결 확인
- AI 주식 매매 프로그램 5편|손실을 키우지 않는 주문·중단 기준
- AI 에이전트
- 로봇
- 개인 AI
- 바이브코딩 첫 개발, 무엇부터 정해야 할까 — Superpowers 활용법
작성: ChatGPT (GPT-6) · 검수: ChatGPT (GPT-6) · 이미지: Cloudflare (@cf/black-forest-labs/flux-2-klein-4b)