MacroScore는 미국 증시의 장기 투자 시점을 거시경제 데이터를 통해 판단하는 실험적 투자 보조 플랫폼입니다. 감정적인 매매, 계획없는 적립식 매매 등을 지양하고 데이터를 바탕으로 투자 전략을 세울 수 있도록 돕는 것을 목표로 함.
- 미국 증시에 대한 적립식 투자 관심 증가
- 단순 DCA 전략을 넘어, 경제 사이클에 따라 투자 비중을 조절할 수 있는 방법 모색
- 거시경제 지표와 시가총액 기반의 평가 지표(예: 버핏 지수)를 통해 데이터 기반의 투자 타이밍 판단 도구 개발
- 주요 경제 지표 시계열화 및 실시간 시각화
- LSTM 기반 GDP 예측 모델 구축 및 실험적 예측
- 예측 GDP와 실시간 시가총액을 활용한 버핏 지수 동적 계산
- FRED API 기반: 금리, 실업률, 통화량, 소비 등 주요 지표 수집
- 경제 데이터 정규화 및 시계열 구성
- 시각화를 통해 지표 흐름 확인 가능
- LSTM + Bidirectional LSTM 기반 예측 구조
- 시계열 길이 확장 및 중복 변수 제거로 성능 향상
- 최근 데이터 중심으로 보정된 예측값 반영
- 발표되지 않은 미래 GDP 예측값을 활용한 버핏지수 계산 및 다른 지표에 활용
- Wilshire 5000 시가총액 / 미국 GDP
- 발표된 GDP는 실제 값을 사용하고, 발표되지 않은 구간은 모델 예측값으로 대체
- 일 단위 시계열로 보간 처리하여 시계열 추적 가능
- Plotly.js를 통한 웹 기반 시각화 구현 (React)
- 여러 거시적 지표를 활용해 신뢰할 수 있는 투자 참고 지수를 도출하는 것이 목표
- 정확성을 높히기 위한 다양한 실험 요
- 위험성이 높은 단기 수익 투자 구조보다는 장기적으로 참고할 수 있는 지수를 도출하는 것
| 분류 | 기술 |
|---|---|
| 프론트엔드 | React (Vite), TypeScript, Plotly.js |
| 백엔드 | Node.js (Express), SQLite, REST API |
| 머신러닝 | Python, TensorFlow, Scikit-learn |
| 데이터 수집 | FRED API, Yahoo Finance (yfinance) |
| 인프라 | Docker, Netlify, Render, GitHub Actions |
MacroScore/
├── frontend/ # 대시보드 React 프로젝트
│ └── public/data/ # Plotly용 CSV 데이터 (버핏지수 등)
├── backend/ # REST API (향후 확장 예정)
├── ml_pipeline/ # 머신러닝 파이프라인
│ ├── fetch_macro_data.py
│ ├── train_model.py
│ ├── evaluate_model.py
│ ├── correct_gdp.py
│ └── buffett_index_generator.py
├── data/
│ ├── macro_data.csv
│ ├── macro_data_scaled.csv
│ ├── recent_gdp_prediction.csv
│ ├── wilshire5000_yahoo_api.csv
│ └── buffett_index.csv
└── README.md- 최종 예측 모델 (Long-term)
- RMSE: 0.0100
- MAPE: 5.99%
- 구조: Bidirectional LSTM, 24개월 시계열, 중복 지표 제거
- 예측 결과는 최근 분기 기준으로 자동 보정
- 실제 GDP와 오차가 크지 않아, 예측값을 활용한 실용적 지표 구성 가능
- 거시경제 지표 수집 및 정규화
- LSTM 기반 GDP 예측 모델 학습 및 시각화
- 버핏지수 산출 및 React + Plotly.js 시각화
- 실시간 예측값 기반 GDP 확장 및 자동 보정
- 백엔드 API로 지표 데이터 연동 (계획 중)
- 알림 기능 및 사용자 설정 기능 (계획 중)
- FRED Economic Data
- Yahoo Finance - Wilshire 5000
- TensorFlow Documentation
- Financial Modeling Prep API
- 모델 성능 향상을 위해 여러 파라미터 실험 및 보정 기법 시도
- 시계열 예측의 한계를 느끼며 예측 구간 구분 전략(장기/단기)을 도입
- Plotly + React 조합으로 고해상도 대시보드 구현 가능성 확인
- 실제 지표 수집 → 학습 → 예측 → 시각화까지 파이프라인 자동화 완료
- 한계: 실제 자산 가격 예측에는 아직 거리 존재, 설명력 높은 종합지표 도입 필요