머신러닝으로 주식투자하기 - 4-1편 로직이 있는 것과 없는 것의 차이

이 글은 닥터 네로와 개조된 GPT가 함께 작성했습니다.🐾

---

🤖 머신러닝, 로직을 세우고 하는 것 vs 그냥 하는 것

머신러닝을 처음 접하는 분들이 자주 묻는 질문이 있습니다.

“모델부터 막 짜보면 안 되나요?”

결론부터 말씀드리자면, 할 수는 있습니다. 하지만 대부분 실패합니다.

오늘은 머신러닝을 할 때 로직을 세우고 하는 것과 세우지 않고 무작정 하는 것의 차이를 이야기해보겠습니다.

---

1️⃣ 로직 없이 무작정 하는 경우

머신러닝을 그냥 시작한다는 건 대개 이런 흐름입니다:

1. 데이터를 대충 가져온다.
2. 모델을 아무거나 고른다 (예: 랜덤포레스트, LSTM 등).
3. 훈련 → 예측 → 성능이 별로임.

결과는?

• Overfitting: 훈련 데이터에만 맞춘 모델.
• Underfitting: 아무것도 학습하지 못한 모델.
• 낮은 설명력: 왜 이런 결과가 나왔는지 알 수 없음.
• 시간 낭비: 모델만 계속 갈아치우며 끝없는 시행착오.

👉 즉, 운 좋으면 맞고 대부분은 실패.

❌ 실패 사례

한 투자자가 “주가는 LSTM이 답이라더라”라는 말만 듣고, 아무 준비 없이 삼성전자 주가만 넣어봤습니다. 결과는? 훈련 세트에서는 정확도가 90%처럼 보였지만, 실제 투자에선 손실만 커졌습니다. 이유는 단순합니다. 로직 없이 데이터와 모델을 무작정 연결했기 때문입니다.

---

2️⃣ 로직을 세우고 접근하는 경우

머신러닝에서 로직은 ‘지도(map)’와 같습니다. 다음과 같은 단계가 포함됩니다.

(1) 문제 정의

• “내일 삼성전자 주가가 오를까?” (분류)
• “다음 분기 매출액은 얼마일까?” (회귀)

(2) 데이터 이해 및 설계

• 어떤 데이터가 필요한가? (가격, 거래량, 뉴스, 재무제표)
• 어떤 피처를 만들까? (이동평균, RSI, 감성 점수)

(3) 모델 선택 이유

• 시계열이니 LSTM/Transformer?
• 단순 패턴이니 트리 기반?

(4) 성능 평가 기준

• 단순 정확도 대신 AUC, F1, RMSE 등 적절한 지표 설정.

(5) 피드백 루프

• 결과 분석 → 부족한 피처/데이터 추가 → 재학습.

👉 이런 과정을 거치면 모델은 단순히 “맞았다/틀렸다”를 넘어서, 왜 이런 결과가 나왔는지 설명할 수 있게 됩니다.

✅ 성공 사례

또 다른 투자자는 같은 LSTM을 쓰더라도, 먼저 ‘문제’를 정의했습니다. 단기 추세 예측 vs 장기 투자를 구분하고, 뉴스 감성 점수와 거래량 변화를 함께 넣었죠. 결과적으로 단순 가격만 넣었을 때보다 예측력이 크게 개선되었습니다. 차이는 단순했습니다. 로직이 있었기 때문입니다.

---

3️⃣ 두 접근 방식의 비교

항목	무작정 시작	로직 기반 시작
문제 정의	불명확	명확히 분류/회귀 결정
데이터	아무거나	목적에 맞게 선별
모델 선택	랜덤	이유 있는 선택
결과 해석	불가	피처/모델 단위로 설명 가능
시간 효율	낮음	높음
성공 확률	운에 좌우	일관된 개선 가능

---

4️⃣ 주식 예측을 예로 들어보면

• 로직 없음: 그냥 LSTM에 주가만 넣어본다 → 대체로 성능 낮음.
• 로직 있음:
  • 주가/거래량 + 기술적 지표 + 뉴스 감성 점수 결합
  • 단기/중기 예측 모델을 따로 설계
  • 리스크 관리 로직(포트폴리오 최적화)까지 추가

➡️ 결과적으로 훨씬 높은 신뢰성과 재현성을 확보.

---

✅ 결론

머신러닝은 수학적/코딩적 작업 같지만, 사실상 문제 해결을 위한 사고 체계입니다.

• 로직 없이 시작 = 지도 없이 길 찾기 🚶‍♂️
• 로직 세우고 시작 = 내비게이션 켜고 길 찾기 🚗

둘 다 목적지에 도착할 수는 있지만, 효율과 결과물의 신뢰성은 하늘과 땅 차이입니다.

다만 한 가지 잊지 말아야 할 점도 있습니다. 지도에는 보물의 위치가 표시되지 않습니다.

즉, 로직이 길을 안내해줄 수는 있어도, 전혀 생각지 못한 ‘발견’은 오히려 무작정 모델을 돌리다가 나올 때도 있습니다. 모든 것을 ML에 맡기는 접근이야말로, 새로운 패턴과 숨겨진 신호를 찾아내는 중요한 시발점이 될 수도 있죠.

따라서 가장 현명한 태도는:

• 로직을 세워 길을 잃지 않는 것
• 하지만 가끔은 로직을 벗어나 탐험하며 새로운 보물을 찾는 것

머신러닝의 묘미는 바로 이 두 가지 사이의 균형에 있습니다. 🚀

가장 좋은 것은 빠르게 목적지에 도달하면서도 금은보화를 찾는 것이겠죠?