안녕하세요, 여러분! 저는 일타 강사 저스틴입니다. 오늘 여러분과 함께 다룰 주제는 **”GPT에게 맡기는 AI 비트코인 투자 자동화 – AI 에이전트 만들기”**입니다. 이 강의는 유튜브 채널 ‘조코딩 JoCoding’에서 제공된 1강부터 5강까지의 내용을 바탕으로, 파이썬과 GPT API를 활용해 실제 비트코인 자동 매매 시스템을 만드는 과정을 자세히 안내해드릴 겁니다. 저는 이 콘텐츠를 여러분께 체계적으로 전달하며, 초보자부터 전문가까지 모두 따라올 수 있도록 하나씩 설명드리겠습니다. 자, 그럼 시작해볼까요?

1강 – 강의 개요 (0:00 – 8:40)

여러분, 오늘 강의는 정말 흥미로운 주제예요. 조코딩 채널에서 소개된 내용에 따르면, 우리는 AI를 활용해 비트코인 투자를 자동화하는 시스템을 만들어볼 겁니다. 이 콘텐츠에서는 2021년 당시의 비트코인 투자 자동화 강의와 2024년 현재의 접근법을 비교하며 설명하고 있어요. 2021년에는 ‘변동성 돌파 전략’ 같은 고정된 전략을 프로그래밍으로 구현했죠. 이는 어제 변동 폭을 기준으로 오늘 일정 배수 이상 상승 시 매수하고 종가에 매도하는 방식이었고, 시장 상황이나 뉴스와 상관없이 고정 로직만 따랐습니다. 당시 AI 가격 예측은 Prophet 라이브러리로 보조 지표 수준에 머물렀고, 초보자들에게는 다소 어려웠으며 정확도도 높지 않았다고 해요.

하지만 2024년, 대형 AI 시대가 열렸다고 조코딩은 강조합니다. ChatGPT를 필두로 초거대 AI 모델들이 등장하면서, AI는 이제 인간처럼 자연스럽게 대화하고 이미지나 소리까지 이해할 수 있는 수준이 됐어요. 예를 들어, GPT-4o 데모에서는 그래프를 보여주고 설명을 요청하면 AI가 데이터를 분석해 설명한다고 하죠. 게다가 AI가 처리할 수 있는 데이터 양, 즉 컨텍스트 길이가 엄청나게 늘어났다고 합니다. Gemini의 경우 200만 토큰, 즉 2시간 분량 영상, 22시간 오디오, 6만 줄 코드, 1400만 단어까지 한 번에 처리 가능하다네요. 이는 AI가 인간처럼 방대한 데이터를 보고, 듣고, 종합적으로 추론하고 판단할 수 있다는 의미라고 조코딩은 설명해요.

인간의 투자 판단 과정을 생각해보자고 조코딩은 제안합니다. 차트 데이터, 보조 지표, 뉴스, 커뮤니티 의견, 투자 대가들의 철학을 종합해 매수나 매도 여부를 결정하죠. 이제 AI가 이 과정을 비슷하게 수행할 수 있다고 해요. 차트 이미지를 넣고, 뉴스나 커뮤니티 게시물을 스크랩해 입력하면, AI가 종합적으로 판단해 매매 결정을 내리고 거래소 API를 통해 자동 거래를 실행할 수 있다고 합니다. 이번 강의에서는 이런 시스템을 만드는 과정을 다룰 거예요.

조코딩이 소개한 구현 내용은 다음과 같아요. 먼저 GPT에게 전략을 세우고 데이터를 모아 입력하면, GPT가 데이터를 분석하고 추론해 매수, 매도, 홀딩 여부를 결정합니다. 그 이유까지 받아볼 거라고 하죠. 이후 거래소 API를 통해 거래를 실행하고, 매매 기록을 저장한 뒤 이 기록을 다시 데이터로 활용해 AI가 회고하고 개선하도록 설계한다고 해요. 또한 실시간 현황을 볼 수 있는 웹사이트를 만들어 현재 수익률이나 거래 내역을 한눈에 확인할 수 있게 할 계획이라고 합니다.

지금은 다소 복잡하게 들릴 수 있지만, 조코딩은 본격 강의에서 간단한 예시로 이해를 돕겠다고 하네요. 예를 들어, 11일간 프로그램을 돌려본 결과 수익률이 1.8% 정도 나왔다고 소개하며, 8시간마다 프로그램이 작동해 매수, 홀딩, 매도 여부를 결정하고 보유 금액 비율까지 설정한다고 해요. 판단 이유도 기록돼 나중에 분석에 활용 가능하다고 하죠.

꼭 알아야 할 점! 조코딩은 투자는 항상 유의해야 한다고 강조합니다. AI가 똑똑해도 완벽하지 않으며, 전략을 잘 세우고 데이터를 많이 넣어도 판단이 틀릴 수 있고 이는 원금 손실로 이어질 수 있다고 경고해요. 투자의 책임은 본인에게 있음을 꼭 명심하라고 당부합니다!

조코딩은 긍정적인 소식도 전합니다. AI는 시간이 갈수록 인간의 능력을 넘어선다고 하며, 마이크로소프트 빌드 행사나 구글 개발자 행사에서 발표된 내용처럼 AI 모델은 점점 강력해지고 컨텍스트 길이도 무한대로 늘어날 계획이라고 해요. 즉, 지금 시스템을 구축해놓으면 AI 성능이 올라가면서 투자 판단 정확도도 높아질 것이라고 전망합니다. 모든 대가들의 전략, 뉴스, 유튜브, 팟캐스트 데이터를 담아 종합적으로 판단하는 AI가 된다면 정말 엄청난 결과가 나올 거라고 기대를 전하고 있죠. 자, 이런 배경을 바탕으로 강의를 시작해봅시다!

2강 – 강의 수강 방법 (8:40 – 11:41)

자, 여러분! 이제 강의를 어떻게 들을지에 대해 안내드릴게요. 조코딩 채널에서는 강의 자료를 jocoding.net/gptbitcoin에 정리해뒀다고 합니다. 웹사이트에 접속하면 각 강의별로 필요한 사이트, 명령어, 완성된 코드를 파일명과 함께 확인할 수 있다고 하니, 복사해서 바로 활용하시면 됩니다.

조코딩이 설명한 전체 강의 구성은 이렇습니다. 앞부분 강의는 유튜브에서 무료로 공개돼 있어요. AI 자동 매매의 최소한 제품(MVP)을 만들어 실제로 돌리는 과정까지 누구나 무료로 볼 수 있다고 하죠. 더 깊이 배우고 싶은 분들은 유데미, 유튜브 멤버십, 유튜브 학습 프로그램을 통해 심화 내용을 접할 수 있다고 해요. 여기서는 다양한 데이터를 추가하고, 전략을 다듬으며, AI가 스스로 개선하도록 하고, 클라우드에서 실행하는 방법까지 다룬다고 합니다. 뒷부분 강의 자료는 비공개 페이지에 올려놨으니 추가 안내를 참고하라고 하네요.

코딩을 잘 모르시는 분들도 걱정하지 마세요. 조코딩은 뒤 강의에서 거의 모든 코딩을 AI에게 맡긴다고 설명합니다. 앞 5강까지는 간단한 구현을 직접 해보지만, 어려운 부분은 AI가 다 해결해준다고 하죠. 그래도 파이썬 기초 정도는 알고 계시면 이해가 더 쉬울 거라고 하니, 조코딩 유튜브 채널에 무료로 제공된 파이썬 기초 강의를 참고하길 추천한다고 합니다. 환경 설정부터 최종 코드까지 다 올려드리니, 극단적으로는 마지막 코드만 복사해서 돌리셔도 된다고 하네요.

궁금한 점이 생기거나 용어가 어려울 때, 코드가 이해 안 될 때는 질문도 좋지만, 조코딩이 전하는 꿀팁 하나! AI에게 물어보세요! ChatGPT, Claude, Gemini 같은 AI는 정말 친절하게 즉시 답변을 준다고 하죠. 예를 들어, 코드 한 줄 한 줄을 중학생도 이해할 수 있게 설명해달라고 하면 정말 자세히 알려준다고 합니다. 이 방법을 강력히 추천한다고 하니 참고하시길 바랍니다. 자, 이제 자료와 팁을 참고하며 강의를 함께 따라와 주세요!

3강 – 챗GPT로 원리 이해하기 (11:41 – 13:59)

여러분, AI가 투자 판단을 내린다는 개념이 아직 낯설죠? 조코딩은 코딩 없이 ChatGPT를 활용해 데이터를 기반으로 투자 판단을 내리는 원리를 간단히 이해해보는 시간을 마련했다고 합니다. ChatGPT 홈페이지에 접속해 데이터를 넣고 판단을 요청하면 어떤 응답이 나오는지 보여준다고 하죠.

조코딩의 설명에 따르면, 먼저 차트 데이터를 입력하기 위해 업비트 차트를 캡처 도구로 찍어서 ChatGPT에 붙여넣는다고 합니다. 그리고 프롬프트를 이렇게 작성한다고 하죠. “당신은 투자 전문가입니다. 현재 상황을 보고 매수, 매도, 보유 중 어떤 옵션이 가장 좋을지 결정해주세요. 응답은 JSON 형식으로 해주세요.” JSON 형식은 프로그램에서 데이터를 쉽게 활용할 수 있는 구조라고 하네요. 예시로 { “decision”: “buy”, “reason”: “some reason” } 이런 식으로 응답이 오도록 설정했다고 합니다.

이렇게 요청을 보내면 AI가 차트 데이터를 분석하고 JSON 형식으로 응답한다고 하죠. 예를 들어, { “decision”: “hold”, “reason”: “최근 시장 변동성이 크다” } 이런 식으로 나온다고 합니다. 조코딩은 우리가 프로그래밍으로 구현할 때는 수동으로 입력하지 않고, 파이썬으로 데이터를 API를 통해 보내고 응답을 받는 방식으로 작동한다고 설명합니다. 원리는 동일하다고 하죠. 즉, 파이썬으로 프롬프트와 데이터를 ChatGPT API에 전송하고, JSON 응답을 받아 활용하는 방식이라고 합니다. 이 원리를 이해하셨다면, 이제 본격적인 구현을 위한 환경 설정으로 넘어가 보죠!

4강 – 환경 설정 (13:59 – 29:34)

자, 여러분! 이제 본격적으로 환경 설정을 해볼게요. 조코딩은 업비트 거래소를 사용할 예정이니, 업비트 가입과 API 키 발급이 필요하다고 안내합니다. 또한, OpenAI API를 통해 AI 판단을 받을 거라 관련 설정도 진행한다고 하죠. 하나씩 차근차근 따라와 주세요.

먼저, 조코딩의 안내에 따르면 업비트 앱을 구글 플레이 스토어나 앱 스토어에서 다운로드하고 회원 가입을 완료해야 한다고 합니다. 고객 확인(KYC)도 필수고, 원화 입금을 위해 네이버나 카카오 인증서를 통해 채널 인증을 해야 한다고 하죠. 업비트는 K-Bank와 연동되어 있으니, K-Bank 계좌가 없으시면 앱을 설치하고 계좌를 개설해 원화를 충전하라고 안내합니다. 투자를 위해 원하는 금액을 입금하시면 된다고 하네요.

다음은 업비트 API 키 발급입니다. 조코딩은 업비트 웹사이트에서 ‘오픈 API 사용하기’ 버튼을 누르고 로그인 후 API 키를 생성하라고 안내해요. 권한은 자산 조회, 주문 조회, 주문하기 3가지를 체크하고, IP 주소는 ‘What is my IP’로 검색해 나온 주소를 등록해 보안을 강화하라고 하죠. 발급받은 Access Key와 Secret Key는 메모장에 저장해두라고 합니다. 꼭 알아야 할 점! 조코딩은 이 키가 절대 외부에 노출되면 안 된다고 강조합니다! 누군가 이 키를 사용하면 계정을 마음대로 조작할 수 있으니, 안전하게 보관하라고 당부합니다.

이제 OpenAI 설정으로 넘어가죠. 조코딩은 OpenAI API 사용을 위해 계정을 만들고 크레딧을 충전해야 한다고 설명합니다. 주의할 점은 ChatGPT 플러스 구독과 API 사용은 별개라는 거라고 하죠. OpenAI 웹사이트에서 회원가입 후 크레딧을 충전하고, 프로젝트(예: ‘Bitcoin’)를 생성해 API 키를 발급받으라고 안내합니다. 이 키도 역시 외부 노출 금지라고 강조하니, 메모장에 저장해두라고 하네요.

다음으로, 프로그래밍 환경을 설정한다고 합니다. 조코딩은 파이썬(3.9.13 권장)과 비주얼 스튜디오 코드를 설치하라고 안내해요. 파이썬 설치 시 ‘Add Python to PATH’를 꼭 체크하고, 비주얼 스튜디오 코드에서 파이썬 익스텐션을 설치하라고 하죠. 프로젝트 폴더를 ‘GPT_Bitcoin’으로 만들어 파일을 정리하고, 테스트 파일(예: test.py)을 만들어 ‘print(“Hello World”)’가 잘 실행되는지 확인하라고 합니다.

마지막으로, 필요한 파이썬 라이브러리를 설치한다고 하죠. 조코딩은 requirements.txt 파일에 python-dotenv, openai, pyupbit를 작성하고, 터미널에서 pip install -r requirements.txt 명령어로 설치하라고 안내합니다. API 키는 .env 파일에 저장해 os.getenv()로 불러오는 방식으로 사용한다고 하니, 이렇게 하면 환경 설정이 완료된다고 하네요. 혹시 오류가 있다면, 강의 자료에 링크된 유튜브 영상으로 문제 해결 방법을 확인하라고 조코딩은 덧붙입니다. 자, 이제 본격적인 구현으로 넘어가 볼까요?

5강 – 최소 기능 제품(MVP) 만들기 (29:34 – 56:09)

5-1강 – 개요 (29:34 – 31:12)

여러분, 이제 본격적으로 AI 기반 비트코인 자동 매매 프로그램을 만들어볼게요. 조코딩은 복잡한 시스템을 만들기 전에, 우선 최소 기능 제품(MVP)을 통해 원리를 쉽게 이해하도록 하겠다고 합니다. MVP는 세 가지 핵심 기능을 구현한다고 하죠. 첫째, 업비트에서 데이터를 가져오고, 둘째, AI에게 데이터를 보여주며 투자 판단을 받고, 셋째, 그 판단에 따라 자동 매매를 실행하는 거라고 해요. 이 세 가지만 구현하면 AI 기반 자동 매매의 기본 버전이 완성된다고 하네요. 그림으로 보면, 업비트 30일 일봉 데이터를 가져와 GPT API에 프롬프트와 함께 전송하고, AI가 Buy/Sell/Hold 판단을 내려 파이썬이 그 신호에 맞게 매매를 수행하는 구조라고 조코딩은 설명합니다. 자, 하나씩 구현해봅시다!

5-2강 – 업비트 차트 데이터 가져오기 (31:12 – 34:15)

먼저, 업비트에서 30일 일봉 데이터를 가져와 보죠. 조코딩은 새 파일 mvp.py를 만들어 시작하라고 안내합니다. API 키는 .env에서 불러오고, pyupbit 라이브러리를 사용해 데이터를 가져올 거라고 하죠. pyupbit.get_ohlcv(ticker="KRW-BTC", interval="day", count=30) 함수로 원화-BTC 시장의 시가, 고가, 저가, 종가, 거래량(OHLCV) 데이터를 30일치 가져올 수 있다고 합니다. 실행해보면 최근 30일 데이터가 잘 출력되는 걸 확인할 수 있다고 하니, 이 데이터를 다음 단계에서 AI에게 넘겨줄 거라고 하네요.

5-3강 – AI에게 데이터 제공하고 판단 받기 (34:15 – 43:37)

이제 가져온 데이터를 AI에게 넘겨 투자 판단을 받아보죠. 조코딩은 OpenAI API를 사용하며, 테스트는 OpenAI Playground에서 진행할 수 있다고 설명합니다. Playground는 개발자들이 다양한 설정을 실험할 수 있는 공간이라고 하죠. 시스템 프롬프트로 “You are an expert in Bitcoin investing. Tell me whether to buy, sell, or hold based on the provided chart data. Respond in JSON format.” 이렇게 설정하고, 응답 예시로 { "decision": "buy", "reason": "some reason" }를 제시한다고 합니다. 데이터는 업비트에서 가져온 30일치를 JSON 형태로 변환해 유저 메시지로 입력한다고 하죠.

실행하면 AI가 JSON 형식으로 응답하며, 예를 들어 “Hold”를 권고하고 그 이유를 설명해준다고 하네요. 이를 코드로 옮기면, 파이썬에서 openai 라이브러리를 통해 API 요청을 보내고, 업비트 데이터를 동적으로 입력해 응답을 받는 방식이라고 합니다. 응답에서 decision과 reason만 추출해 다음 단계에서 활용할 거라고 하니, AI가 종합적으로 차트 데이터를 분석해 판단을 내리는 걸 확인하셨죠? 자, 이제 이 판단을 실제 매매로 연결해봅시다.

5-4강 – AI의 판단에 따라 자동 매매 진행하기 (43:37 – 49:05)

AI 응답을 JSON 형태로 받았으니, 이를 파이썬 딕셔너리로 변환해 활용할게요. 조코딩은 json 모듈로 텍스트를 딕셔너리로 바꾸고, decision 값에 따라 매수(Buy), 매도(Sell), 홀드(Hold)를 실행한다고 안내합니다. 업비트 API로 로그인 후, upbit.buy_market_order()로 매수, upbit.sell_market_order()로 매도를 구현한다고 하죠. 매수는 보유 현금을 모두 사용하고, 매도는 보유 BTC 전량을 판매한다고 합니다. 판단 이유도 출력해 나중에 분석에 활용할 수 있도록 하겠다고 하니, 이렇게 하면 AI 판단에 따라 자동 매매 로직이 완성된다고 하네요. 최소한의 기능이지만, 실제 동작하는 시스템이 만들어졌다고 조코딩은 설명합니다.

5-5강 – 디테일 수정 및 실제 자동 매매 실행하기 (49:05 – 56:09)

마지막으로, 실제 매매를 위해 디테일을 수정할게요. 조코딩은 업비트가 거래 수수료 0.05%를 부과하니, 매수 시 현금의 99.95%만 사용하도록 조정하라고 안내합니다. 또한, 원화 마켓 최소 주문 금액이 5,000원이니, 보유 금액이 이에 미치지 못하면 거래를 실행하지 않도록 조건을 추가하라고 하죠. 매도 시에도 BTC를 원화로 환산해 5,000원 이상일 때만 실행한다고 합니다. 현재 가격은 upbit.get_orderbook()으로 매도 호가를 기준으로 계산한다고 하네요.

출력도 보기 좋게 개선해서 AI 판단과 이유를 먼저 보여주고, 실행 여부를 명확히 표시하겠다고 합니다. 자동화하려면 코드를 ai_trading() 함수로 묶고, while True와 time.sleep(10)으로 10초마다 실행되도록 설정하라고 하죠. 업비트 계좌에 자금을 충전한 뒤 실행하면, 실제 매매가 진행된다고 합니다. 예를 들어, “Sell” 판단이 나오면 BTC가 원화로 전환되는 걸 확인할 수 있다고 하네요.

꼭 알아야 할 점! 조코딩은 현재 단순히 30일 일봉 데이터만으로 판단하니 정확도가 높지 않을 수 있다고 경고합니다. 게다가 매 10초마다 API 호출로 데이터를 보내니 OpenAI API 비용이 많이 들 수 있다고 하죠. API 요금은 입력 토큰당 책정되니, 빈번한 호출은 비용 부담이 될 수 있다는 점 참고하라고 합니다. 출력과 비중(예: 50:50)도 조정해 더 안정적으로 테스트해봤다고 하니 참고하시길 바랍니다.

이후 강의 소개 및 마무리 (56:09 – 끝)

여러분, 축하드립니다! 조코딩의 안내를 따라 AI 기반 자동 매매 시스템의 최소 버전을 완성했어요. 실제로 업비트에서 거래가 실행되는 걸 보셨죠? 하지만 지금은 단순한 데이터와 전략만 사용했으니, 조코딩은 앞으로 더 많은 데이터를 추가하고, 여러분의 투자 철학과 맞는 전략을 AI에 반영해볼 거라고 합니다. 보조 지표, 공포 탐욕 지수, 최신 뉴스까지 포함하면 더 정확한 판단이 가능하겠다고 하죠. 이후 강의에서는 이런 내용과 실시간 모니터링 웹사이트 제작까지 다룰 예정이라고 하니, 자세한 수강 방법은 고정 댓글을 확인하라고 안내하고 있습니다.