이 쇼츠는 클로드 스킬 11개가 미국 주식 후보 탐색부터 주문 직전의 위험 검사까지 돕고, 이른바 “타임머신"으로 남은 장을 1만 번 돌려본다고 소개한다. 원 개발자의 Day Trader Skill 저장소를 대조하면 핵심은 미래를 맞히는 AI가 아니라 과거 5분 봉을 재조합한 시뮬레이션과 주문 전 체크리스트 다. 이 글은 소프트웨어 구조 분석이며 투자 조언이 아니다.
Sources
- 원본 유튜브 쇼츠 —
youtube-transcript-api로 0~55초 자막을 확인했다. YouTube 전용 MCP가 연결되지 않아 대체 경로를 사용했다. 자막의 첫 문장과 마지막 문장은 인식 오류 가능성이 있어 분석에서 제외했다. - Jake Schincariol의 Day Trader Skill 저장소, Time Machine 스킬, Risk 스킬, Broker 스킬 — 역할, 계산 방식, 주문 승인 설명의 1차 출처.
- Alpaca 모의투자 문서, Alpaca 주문 유형 문서 — 모의 체결과 손절 주문의 한계를 확인할 공식 자료.
11개 스킬은 한 번의 거래를 여러 단계로 나눈다
영상은 미국 주식 약 5,900개를 훑고, 움직이기 시작한 종목의 뉴스·공시를 모은 뒤 진입·손절·목표 가격을 정한다고 압축한다. 원 저장소에서는 이 기능을 trader-scanner, trader-news, trader-entry, trader-exit 등으로 분리하고, 이어 trader-timemachine, trader-budget, trader-risk, trader-broker가 차례로 산출물을 읽는다. 나머지 trader-alerts, trader-analyst, trader-pelosi는 알림·실적·의회 거래 공시를 보조한다. “11개"는 각각 독립적으로 수익을 창출하는 에이전트 수가 아니라 기능별 스킬 폴더 수 다. 영상 5~19초, 원 저장소
flowchart TD
A["종목 목록·차트"] --> B["Scanner: 후보"]
B --> C["News: 뉴스·공시"]
C --> D["Entry·Exit: 진입·청산 계획"]
D --> E["Time Machine: 과거 봉 재조합"]
E --> F["Budget: 수량 계산"]
F --> G{"Risk: 한도 통과?"}
G -->|"아니요"| X["거래 보류"]
G -->|"예"| H["Broker: 주문표·승인"]
classDef dataTone fill:#c5dcef,stroke:#6d90ad,color:#333
classDef processTone fill:#e0c8ef,stroke:#9a77ad,color:#333
classDef decisionTone fill:#fde8c0,stroke:#b99b5c,color:#333
classDef outputTone fill:#c0ecd3,stroke:#70a98b,color:#333
classDef blockedTone fill:#ffc8c4,stroke:#bc817b,color:#333
class A dataTone
class B,C,D,E,F processTone
class G decisionTone
class H outputTone
class X blockedTone저장소의 scan.py universe 설명에 나온 약 5,900개는 전체 후보군 규모 다. 저장소의 테슬라 시연에서는 별도로 231개 차트를 스캔했다고 적는다. 따라서 영상의 “5,900개를 훑는다"는 기능 범위를 가리키며, 제시된 테슬라 사례에서 5,900개 종목을 모두 실시간으로 분석했다는 뜻으로 읽으면 안 된다. 무료 Yahoo Finance 차트와 Nasdaq Trader 종목 목록 등 공개 데이터에 의존한다는 원 개발자의 설명도 데이터 지연·접속 제한을 고려하게 한다. 영상 10~15초, 원 저장소
‘타임머신’의 1만 번은 1만 건의 검증 거래가 아니다
영상은 지난 60일의 5분 차트로 오늘 남은 장을 1만 번 돌려본다고 말한다. 원 개발자의 Time Machine 설명에 따르면, 먼저 계획일 이전의 완전한 장에서 시간대별 5분 봉을 모은다. 각 가상 경로는 같은 시간대 부근의 과거 봉을 무작위로 골라 현재 가격에 비율로 연결한다. 이후 손절가와 목표가 중 어느 쪽에 먼저 닿는지 계산한다. 시드값을 고정해 같은 입력으로 재현할 수 있지만, 1만 회를 실행해도 과거 약 60거래일의 정보 범위를 넘는 새 관측치가 생기는 것은 아니다. 영상 19~25초, Time Machine 스킬
flowchart TD
A["과거 완전한 장의 5분 봉"] --> B["시간대별 봉 풀"]
B --> C["무작위 봉 재조합"]
C --> D["가상 잔여 장 1회"]
D --> E{"먼저 닿은 가격?"}
E -->|"목표"| F["목표 도달 집계"]
E -->|"손절"| G["손절 집계"]
E -->|"둘 다 아님"| H["장 종료 시 미결 집계"]
C --> I["설정된 횟수까지 반복"]
I --> E
classDef dataTone fill:#c5dcef,stroke:#6d90ad,color:#333
classDef processTone fill:#e0c8ef,stroke:#9a77ad,color:#333
classDef decisionTone fill:#fde8c0,stroke:#b99b5c,color:#333
classDef goodTone fill:#c0ecd3,stroke:#70a98b,color:#333
classDef badTone fill:#ffc8c4,stroke:#bc817b,color:#333
class A,B dataTone
class C,D,I processTone
class E decisionTone
class F,H goodTone
class G badTone여기서 나오는 비율은 해당 재조합 규칙과 선택한 과거 구간을 조건으로 한 시뮬레이션 빈도 다. 뉴스, 거래 정지, 급격한 변동성 변화처럼 과거 봉에 없던 사건을 예측하지 못한다. 동일 봉이 목표와 손절을 모두 건드리면 구현상 손절을 먼저 집계하고, 갭으로 손절가를 넘어가도 계산상 손실을 일정하게 취급한다는 제한도 원 스킬에 적혀 있다. 수치가 정밀해 보여도 미래의 승률이나 최악 손실 보증으로 바꿔 읽을 수 없다. Time Machine 스킬
테슬라 예시: 두 종류의 숫자를 섞지 않는다
영상은 제작자가 제시한 테슬라 판정이 “동전 던지기에 가깝다"고 전한다. 원 저장소의 2026년 10월 19일 예시는 1만 회 가상 경로에서 목표 먼저 29.4%, 손절 먼저 25.5%, 장 종료까지 미결 45.1% 를 보고한다. 별도로 같은 진입 규칙이 과거 세션에서 발동한 33건 중 목표 13건, 손절 15건, 어느 쪽도 아닌 경우 5건 을 제시한다. 영상의 13·15라는 숫자는 1만 회 결과가 아니라 과거 33건의 재적용 결과다. 두 실험은 표본과 질문이 다르므로 서로 합쳐 승률처럼 계산하면 안 된다. 영상 25~35초, 원 저장소의 테슬라 예시
flowchart TD
A["테슬라 거래 계획"] --> B["가상 경로 1만 회"]
A --> C["과거 발동 사례 33건"]
B --> D["목표 29.4%·손절 25.5%·미결 45.1%"]
C --> E["목표 13건·손절 15건·미결 5건"]
D --> F["재조합 조건에서의 빈도"]
E --> G["과거 규칙 재적용 기록"]
classDef inputTone fill:#c5dcef,stroke:#6d90ad,color:#333
classDef processTone fill:#e0c8ef,stroke:#9a77ad,color:#333
classDef outputTone fill:#c0ecd3,stroke:#70a98b,color:#333
class A inputTone
class B,C processTone
class D,E,F,G outputTone이 결과만으로 기대수익이나 실제 체결 확률을 판단할 수 없다. 예를 들어 미결 45.1%는 손익이 0이라는 뜻이 아니며, 실제 손절 주문은 지정한 가격에 반드시 체결되지 않는다. Alpaca도 손절 주문이 시장가 주문으로 바뀐 뒤 체결 가격을 보장하지 않는다고 설명한다. Time Machine 스킬, Alpaca 주문 유형
‘혼자 주문하지 않는다’는 설정에 의존한다
영상은 기본이 모의투자이고 실제 주문까지 손실 한도 검사, 채팅 확인, 허용 버튼의 세 단계를 거친다고 설명한다. 원 저장소의 trader-broker 스킬도 위험 판정이 난 정확한 주문 의 지문을 확인하고, 채팅의 명시적 승인과 Claude의 도구 권한 카드에서 다시 허용하도록 안내한다. 다만 ticket.py 자체는 브로커에 주문을 보내는 코드가 아니라 주문표와 승인 기록을 만드는 코드다. 실제 주문은 연결된 브로커 도구가 맡으며, “Needs approval” 권한 설정을 지켜야 두 번째 사용자 확인이 나타난다. 영상 36~43초, Broker 스킬
flowchart TD
A["주문 제안"] --> B["Risk: 한도·주문 지문"]
B --> C{"PASS?"}
C -->|"아니요"| X["차단"]
C -->|"예"| D["정확한 주문표 표시"]
D --> E["사용자 채팅 승인"]
E --> F["연결 도구 Allow once"]
F --> G["모의 계정 주문 요청"]
classDef inputTone fill:#c5dcef,stroke:#6d90ad,color:#333
classDef processTone fill:#e0c8ef,stroke:#9a77ad,color:#333
classDef decisionTone fill:#fde8c0,stroke:#b99b5c,color:#333
classDef goodTone fill:#c0ecd3,stroke:#70a98b,color:#333
classDef badTone fill:#ffc8c4,stroke:#bc817b,color:#333
class A inputTone
class B,D,E,F processTone
class C decisionTone
class G goodTone
class X badTone따라서 “절대 혼자 주문할 수 없다"는 표현을 모든 환경에 대한 기술적 보증으로 받아들여서는 안 된다. 승인 과정은 스킬 지시와 도구 권한 설정에 의존하고, 브로커 도구에 다른 경로로 접근할 가능성까지 이 스킬만으로 배제할 수 없다. 실거래 키를 에이전트 환경에 넣지 않고 모의투자 키·엔드포인트를 따로 쓰는 편이 더 분명한 경계다. Alpaca의 모의투자는 주문을 실제 거래소로 보내지 않지만, 시장 충격·지연 슬리피지·호가 대기열 등을 완전히 재현하지는 않는다. Broker 스킬, Alpaca 모의투자
실전 적용 포인트
- 먼저 소스와 데이터 경계를 확인한다. 5,900개 전체 후보군, 실제 스캔 수, 뉴스·차트 데이터의 시각을 구분한다. 비공식 무료 데이터는 브로커 자료와 다를 수 있다. 원 저장소
- 1만 회를 승률로 부르지 않는다. 재조합한 과거 봉의 빈도, 과거 규칙 발동 사례, 앞으로의 체결 결과를 서로 다른 수치로 기록한다. Time Machine 스킬
- 위험 한도와 승인 경로를 테스트한다.
PASS판정의 주문 지문이 바뀌면 다시 검사하고, 연결 도구가 항상 사용자 승인을 요구하는지 확인한다. 가능하면 실거래 자격 증명은 아예 노출하지 않는다. Risk 스킬, Broker 스킬 - 모의 손익을 실거래 기대수익으로 해석하지 않는다. 손절 가격과 체결 가격은 다를 수 있고, 모의 환경에는 실제 시장 비용과 미체결 조건의 일부가 빠진다. Alpaca 주문 유형, Alpaca 모의투자
핵심 요약
- Day Trader Skill은 11개 스킬을 이어 후보 탐색부터 모의 주문 승인까지 흐름을 구성한다.
- “타임머신 1만 번"은 과거 5분 봉 재조합이며, 테슬라의 과거 발동 사례 33건과 다른 실험이다.
- 테슬라 예시의 “동전 던지기에 가까움"은 수익을 보장하지 않는다는 경고에 가깝다.
- 주문 전 세 단계는 유용한 운영 규칙이지만, 스킬 지시만으로 모든 브로커 접근을 강제 차단하는 보안 경계는 아니다.
결론
이 쇼츠의 흥미로운 점은 AI가 단타의 정답을 찾았다는 데 있지 않다. 탐색, 계획, 과거 자료 재생, 수량 계산, 위험 판정, 사용자 승인을 서로 다른 단계로 보이게 만든 것 이다. 그 단계마다 데이터의 시점과 실패 동작을 검증하고, 실제 자금과 모의 환경을 분리해야 비로소 안전한 연구 도구로 다룰 수 있다.