AI 랭킹 상위권에 있는 종목이 실제 주문으로 이어지지 않으면 사용자는 두 가지 의문을 가질 수 있습니다. 점수가 잘못된 것인지, 아니면 자동매매가 고장 난 것인지 궁금해집니다. 그러나 Lee Trader의 운영 구조에서는 높은 점수와 즉시 진입이 같은 뜻이 아닙니다. 모델은 후보의 상대적인 기대를 계산하고, 정책은 현재 가격과 시장, 계좌 조건에서 그 후보를 감당할 수 있는지 다시 판단합니다.
이 글은 특정 실명 종목의 투자 결과를 홍보하기 위한 사례가 아닙니다. 실제 운영에서 반복해서 확인하는 판단 항목을 하나의 가상 후보 C로 정리한 설명입니다. 숫자는 구조를 이해하기 위한 예시이며 수익을 약속하는 기준이 아닙니다.
사례의 출발점
후보 C는 종합 점수 78점으로 그날 랭킹 상위권에 들어왔다고 가정하겠습니다. 중기 예상 수익과 상위권 진입 확률은 양호했고, 기관 수급도 최근 며칠 동안 개선됐습니다. 이 정보만 보면 매수 후보로 충분해 보입니다.
하지만 최근 세 거래일 동안 주가가 15% 상승했고, 당일 변동 폭도 평소보다 크게 확대됐습니다. 시장 전체에서는 상승 종목 수가 줄었으며 일부 대형주만 지수를 끌어올리고 있습니다. 후보 C의 기업 전망이 나쁘다는 뜻은 아니지만 지금 가격에서 진입할 때의 손익 구조는 랭킹 점수가 만들어진 평균적인 상황보다 불리할 수 있습니다.
Lee Trader는 이런 경우 후보를 삭제하지 않습니다. 점수가 유효한지 계속 관찰하되 실제 주문은 보류합니다. 화면에서는 WATCH, REVIEW 또는 비실행 상태로 남을 수 있습니다.
이유 1. 모델 점수와 현재 가격 위치는 다릅니다
모델 특징에는 최근 가격 흐름이 포함되지만 예측 점수 하나가 모든 체결 가격의 적정성을 보장하지는 않습니다. 데이터가 종가 기준으로 계산된 뒤 다음 거래일 시가가 크게 상승하면, 모델이 평가한 가격과 실제 주문 가능한 가격 사이에 차이가 생깁니다.
예상 상승 여력이 8%인데 시가가 6% 갭 상승했다면 남은 기대 보상은 줄어듭니다. 반면 손절 기준까지의 거리는 더 커질 수 있습니다. 같은 종목과 같은 모델 점수라도 체결 가격에 따라 기대 손익비가 달라지는 이유입니다.
이때 진입 보류는 “좋은 회사를 나쁘게 평가했다”는 의미가 아닙니다. 좋은 후보를 불리한 가격에 사지 않으려는 실행 판단입니다. 가격이 안정되거나 특징이 새 데이터에서 다시 확인되면 후보를 재검토할 수 있습니다.
이유 2. 최근 급등은 기회와 과열을 동시에 뜻합니다
강한 모멘텀은 주식 모델에서 중요한 정보가 될 수 있습니다. 상승 흐름이 이어지는 종목이 계속 강할 가능성도 있습니다. 그러나 짧은 기간의 급등은 이익 실현 물량과 변동성 확대를 부르기도 합니다.
Lee Trader는 최근 수익률만 보지 않고 이동평균과의 거리, 거래량 지속성, 고점 부근의 변동 폭을 함께 확인합니다. 거래량이 하루만 폭증하고 다음 날 급감한다면 지속적인 수요라고 보기 어렵습니다. 고점에서 긴 위아래 꼬리가 반복되면 주문 체결 가격의 불확실성도 커집니다.
과열 판단은 상승 종목을 무조건 배제하기 위한 장치가 아닙니다. 상승의 질과 현재 진입 비용을 구분하기 위한 안전 점검입니다. 과열 경고가 해제되지 않으면 점수가 높아도 관찰 상태를 유지할 수 있습니다.
이유 3. 시장 breadth가 약하면 개별 신호의 실패 가능성이 커집니다
지수가 상승해도 실제로 오르는 종목 수가 적을 수 있습니다. 소수 대형주가 지수를 끌어올리는 동안 중소형 종목 대부분이 하락한다면 시장 내부 확산은 약한 상태입니다. 이런 환경에서는 개별 후보의 좋은 신호가 빠르게 꺾일 가능성이 커집니다.
후보 C가 속한 업종까지 약세라면 위험은 더 커집니다. 종목 자체의 수급과 실적이 좋아도 업종 전체의 매도 압력을 혼자 버티기 어려울 수 있습니다. 따라서 Lee Trader는 시장 상태와 업종 맥락을 모델 점수 밖의 운영 조건으로 확인합니다.
시장 필터가 보수적이면 반등 초기에 기회를 놓칠 수 있습니다. 그 대가를 인정하면서도 약한 시장에서 모든 상위 후보를 동일하게 매수하는 위험을 줄이는 것이 목적입니다. 필터는 미래를 정확히 맞히는 예언이 아니라 계좌 노출을 조절하는 장치입니다.
이유 4. 예상 최대 낙폭이 기대 수익보다 클 수 있습니다
평균 예상 수익이 양수라도 손실 분포가 넓으면 실제 계좌에서는 부담이 큽니다. 예를 들어 예상 수익이 6%인데 비슷한 과거 사례의 최대 낙폭이 12%라면, 손실을 견디는 동안 정책상 손절이 먼저 발생할 수 있습니다.
이 문제는 모델의 방향 정확도와 별개입니다. 몇 주 뒤에는 상승했더라도 진입 직후 큰 하락을 겪으면 실제 거래는 중간에 종료될 수 있습니다. 백테스트에서 종가만 비교하고 경로를 보지 않으면 이런 차이를 놓칩니다.
Lee Trader의 손익 분석은 진입부터 청산까지의 최고 유리 움직임과 최고 불리 움직임을 따로 보려 합니다. 높은 점수 후보를 보류한 결정도 이후 가격 경로와 연결해야 판단 품질을 평가할 수 있습니다.
이유 5. 데이터가 최신이어도 검증이 끝나지 않을 수 있습니다
랭킹 산출물이 생성됐다는 사실만으로 모든 입력이 정상이라는 뜻은 아닙니다. 가격 기준일, 시장 상태 기준일, 재무 갱신일이 서로 다를 수 있습니다. 일부 특징이 비어 있거나 전일 자료가 반복됐을 수도 있습니다.
운영 파이프라인은 날짜와 필수 산출물, 행 수, 신호 신선도를 확인합니다. 신호가 오래됐거나 시장 상태 파일이 최신 거래일과 맞지 않으면 신규 매수를 차단할 수 있습니다. 이는 모델 점수를 무효로 만드는 것이 아니라 신뢰할 수 없는 실행을 막는 안전 장치입니다.
웹 화면에 데이터가 보이는 것과 브로커 주문에 사용 가능한 상태도 구분합니다. 표시용 자료가 정상이어도 주문 원장의 기준일이 다르면 실행하면 안 됩니다. 반대로 주문이 없다는 이유만으로 화면 장애라고 결론 내릴 수도 없습니다.
이유 6. 계좌와 주문 조건이 맞지 않을 수 있습니다
후보 C가 모든 분석 조건을 통과해도 계좌 현금이 부족하거나 종목별 최대 비중을 초과하면 주문할 수 없습니다. 이미 같은 종목을 보유하고 있거나 동일한 주문이 제출된 상태라면 중복 주문도 막아야 합니다.
최소 주문 금액과 정수 수량 때문에 목표 비중을 정확히 맞출 수 없는 경우도 있습니다. 유동성이 낮은 종목에서 큰 시장가 주문은 분석 가격보다 불리하게 체결될 수 있습니다. 주문 가능 시간, 휴장일, 시장 상태도 확인 대상입니다.
이런 실행 제한은 종목의 투자 매력과 별개의 문제입니다. Lee Trader가 정책 결정, 주문 요청, 차단 사유, 실제 체결을 나누어 기록하는 이유입니다. 사용자는 “주문 없음”을 하나의 원인으로 해석하지 말고 어느 단계에서 멈췄는지 확인해야 합니다.
관찰 상태에서 확인하는 변화
진입을 보류한 뒤에는 가격이 단순히 내려오기를 기다리지 않습니다. 조정 과정에서 이전 지지 구간을 지키는지, 거래량이 안정되는지, 수급이 하루 만에 반전하지 않는지 확인합니다. 시장 breadth와 업종 흐름이 함께 개선되는지도 봅니다.
모델 점수가 유지되는지도 중요합니다. 가격만 낮아졌지만 예상 수익과 상위권 확률이 함께 악화됐다면 싸진 것이 아니라 초기 가정이 무너진 것일 수 있습니다. 반대로 가격 조정 뒤 점수가 유지되고 변동성이 줄면 진입 조건이 좋아질 수 있습니다.
관찰 조건은 기록 가능한 문장으로 남기는 편이 좋습니다. “조금 더 좋아지면 산다”보다 “변동성 정상화, 시장 위험 단계 해제, 최신 기준일 재계산”처럼 확인 항목을 명확히 해야 사후 평가가 가능합니다.
이후 결과로 보류 판단을 평가하는 방법
후보 C가 다음 날 급등했다고 해서 보류가 자동으로 실패한 것은 아닙니다. 당시 사용할 수 있었던 정보와 정해진 위험 기준에서 판단이 합리적이었는지를 먼저 봐야 합니다. 결과만 보고 과거 결정을 평가하면 앞으로 모든 급등 후보를 추격하게 될 수 있습니다.
반대로 후보가 하락했다고 해서 정책이 완벽했다고 말할 수도 없습니다. 우연히 피한 것인지, 반복 가능한 위험 신호가 있었는지 구분해야 합니다. 충분한 사례를 모아 보류 사유별 이후 1일, 5일, 10일 성과와 최대 낙폭을 비교해야 합니다.
실제 진입한 후보와 보류한 후보를 같은 기준일과 비슷한 점수 구간에서 비교하는 것도 필요합니다. 시장 상태, 업종, 변동성 수준이 다른 사례를 단순 평균하면 보류 정책의 효과를 잘못 판단할 수 있습니다.
이 사례가 말해 주는 것
AI 점수는 탐색의 시작점이지 주문 버튼이 아닙니다. 모델이 상대적으로 좋은 후보를 찾으면 정책은 현재 가격에서의 위험, 시장 환경, 데이터 신선도, 계좌 제약을 확인합니다. 실제 주문은 이 단계들이 모두 연결된 뒤에만 생성됩니다.
이 구조는 기회를 일부 놓칠 수 있습니다. 대신 높은 점수라는 이유만으로 과열 가격을 추격하거나 오래된 신호로 주문하거나 계좌 한도를 넘기는 오류를 줄입니다. 어느 쪽이 실제로 더 나은지는 충분한 운영 기록과 체결 결과로 검증해야 합니다.
Lee Trader의 전체 분석 순서는 한국 주식 분석 방법에서 볼 수 있고, 모델 자체의 특징은 LightGBM 설명에서 확인할 수 있습니다. 이 사례는 교육 목적이며 특정 종목의 매수나 매도를 권유하지 않습니다.