Sense Stock, D+15

📅 Sense Stock 개발 일지 (2025-07-07)

n8n 기반 주식 자동화 시스템 Sense Stock 구축 중 진행한 작업들을 정리합니다.

=> n8n, 사용자 질의 기반 경제/시장/주식 분석 자동화 파이프라인

 

처음엔 "뉴스 기반 요약 + 주식 추천"이었지만, 지금 구조는 훨씬 더 복합적이고, 사용자 성향 기반 분석, 실시간 데이터 수집, AI 응답 구조화, Slack 인터페이스까지 포함되어있다. 

그래서 지금의 시스템을 한 줄로 표현하려면,
단순히 "뉴스 요약 시스템"보단 더 넓은 범주의 개념으로 잡아야할 것같다.

그래서!!!

 n8n, 사용자 질의 기반 경제/시장/주식 분석 자동화 파이프라인

으로 변경한다.

 

오늘은 S&P500 이미지 분석의 한계를 확인하고, 
이를 대체할 수 있는 외부 데이터들을 정리하면서 자동화 흐름 개선 방향을 설정 했습니다.

 

 

❗ 문제 발생 포인트

S&P500 이미지 기반 정보 추출이 정확하지 않아,
이미지 대신 참조할 수 있는 신뢰성 높은 외부 데이터 소스를 탐색

S&P500 이미지는 단순 시각 확인용으로만 남기고, 실제 데이터 흐름에서는 정제된 외부 레퍼런스 데이터를 참조하기로 방향을 전환했다.
그 과정에서, 뉴스 요약/이슈 탐색/종목 추천 등에 활용 가능한 사이트들을 정리해봤다.

 

🔎 대체 가능한 데이터 소스 정리

1. 정책 및 경제 이슈 기반 뉴스

• KCIF 미국 경제
  https://www.kcif.or.kr/economy/america?pp=10&pg=2
  → 한글 기반 요약 가능, 주요 경제지표/정책 동향 포함

2. 경제지표 / 실적 발표 일정

• Investing.com 경제 캘린더
  https://kr.investing.com/economic-calendar/
  → 발표 시점, 영향도, 국가별 정렬 가능

3. 섹터/산업별 데이터

• Finviz Sector Overview
  https://finviz.com/groups.ashx
  → 섹터별 퍼포먼스, 티커 분포 확인 가능
  → 일간, 주간, 월간, 분기별 기준 분류도 가능

출처: https://finviz.com/

4. 티커 기반 종목 상세 정보

• Finviz Screener
  https://finviz.com/screener.ashx?v=111&t=TSLA
  → 정확한 티커명을 활용해 종목 스크래핑 가능
  → 추후 종목 추천 시 유용할 예정

출처: https://finviz.com/

 

⏰ 데이터 활용 주기

• Daily - 시장 전반 요약 (변동률 + 주요 이슈)
• Weekly - 섹터별 퍼포먼스, 경제지표 캘린더 정리
• Monthly/Quarterly - 실적 발표, 정책 발표 일정 등 리포트화
  → 이런 기준으로 자동화 Schedule 설계 예정

 

✔ 부가 이슈 및 해결한 것들

1. Supabase, Postgres DB 연동

• DB 구조 설계 및 n8n → Supabase Write/Read 연결 테스트 완료
• 향후 AI 요약 결과 저장 및 사용자 로그 기록용으로 확장 예정

2. 미국 휴일 판별 로직 오류 수정

## 기존 코드
const isHoliday = holidayData.some(h => h.date === usTime);

<문제 발생>
usTime = "2025-07-04T20:00:00.007-04:00"
holidayData = { date: "2025-07-04" }
→ 문자열 매칭 실패

## 해결 - 날짜만 분리해 비교
const usTime = $input.first().json.time.split("T")[0];

usTime = "2025-07-04"

 

3. n8n Output 값 직접 수정 가능 (팁)

• 노드 실행 결과 → Output 패널 우측 연필 아이콘 클릭 시 값 수정 가능
• 테스트 중 데이터 흐름 조정/디버깅 시 매우 유용

 

❓ 다음 단계에서 고민 중인 것들

• 각 Data 취합 로직 구현 및 변동률 기준(예: ±3%) 이상일 때만 뉴스 요약 흐름을 실행할지
• 종목 추천 흐름 설계 시, 어떤 데이터 기준으로 필터링할지