Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
NSE 트레이더를 위해 Python과 Termux를 활용하여 트레이딩 업무를 자동화하는 10가지 스크립트를 소개합니다. 데이터 수집부터 백테스트, 뉴스 감성 분석까지 다양한 도구를 통해 주당 6시간 이상의 시간을 절약할 수 있습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 Dev.to AI tag의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기대부분의 트레이더들은 코딩이 "기술 전문가"나 "전문가"들만을 위한 것이라고 생각합니다. 그것은 거짓말입니다. Python은서:
Termux는 당신의 Android 휴대폰을 완전한 Linux 머신으로 바꿔줍니다. 다음과 같은 것들을 사용할 수 있습니다:
결합하면, Python + Termux = 당신의 주머니 속에 있는 **완전한 트레이딩 워크스테이션 (trading workstation)**이 됩니다.
| 절약된 시간 | 스크립트 | 수동 소요 시간 | 자동화 소요 시간 |
|---|---|---|---|
| 매일 | 가격 가져오기 (Price fetcher) | 5분 | 5초 |
| 매일 | 상위 상승/하락 종목 (Top gainers/losers) | 15분 | 10초 |
| 매일 | FII/DII 추적기 (FII/DII tracker) | 10분 | 5초 |
| 매주 | 주식 스크리너 (Stock screener) | 2시간 | 30초 |
| 매일 | 옵션 체인 분석기 (Option chain analyzer) | 10분 | 2초 |
| 매일 | Telegram 알림 (Telegram alerts) | 수동 확인 | 즉시 |
| 매주 | 백테스트 실행기 (Backtest runner) | 4시간 | 1분 |
| 매일 | 포트폴리오 추적기 (Portfolio tracker) | 30분 | 5초 |
| 매일 | 뉴스 감성 분석 (News sentiment) | 20분 | 10초 |
| 매일 | 보고서 생성기 (Report generator) | 30분 | 2초 |
총 절약 시간: 주당 6시간 이상
가치:
이 스크립트들을 실행하기 전에 다음 사항을 확인하세요:
pkg install python)pip 작동 확인 (pip install pandas numpy requests xgboost)
4. 인터넷 연결 (4G/WiFi)
이것으로 끝입니다. 화려한 하드웨어도, 비싼 구독 서비스도 필요 없습니다.
순서대로 읽는 것을 권장합니다. 스크립트 1번부터 시작하여 숙달한 다음, 스크립트 2번으로 넘어가세요. 하루 만에 10개를 모두 구현하려고 하지 마세요.
1주 차: 스크립트 1-3 (기본 데이터 가져오기)
2주 차: 스크립트 4-6 (분석 + 알림)
3주 차: 스크립트 7-9 (백테스팅 (Backtesting) + 감성 분석 (Sentiment))
4주 차: 스크립트 10 + 자동화 (Automation)
한 달이 지나면, 당신은 완벽한 트레이딩 툴킷을 갖게 될 것입니다.
*문제 1: NSE API 차단
- NSE가 알 수 없는 IP로부터의 요청을 차단함
문제 2: 모듈을 찾을 수 없음 (Module not found)
- 실행: pip install module_name
- 또는 pip가 작동하지 않으면 pip3를 사용하세요.
문제 3: 스크립트 실행 속도가 느림
- 캐싱 (Caching) 추가 (데이터를 파일에 저장하여 매번 가져오지 않도록 함)
문제 4: 텔레그램 (Telegram) 봇이 작동하지 않음
- @BotFather를 통해 봇 토큰을 확인하세요.
이 10개의 스크립트를 모두 구현했다면, 다음 단계는 다음과 같습니다:
머신러닝 (Machine Learning) 추가 — 예측을 위해 scikit-learn/XGBoost를 사용하세요.
"코딩을 못해요"에서 "나만의 트레이딩 시스템을 구축했습니다"로 가는 여정은 약 3개월이 소요됩니다. 오늘 시작하세요.
사용 용도:
`python
import urllib.request, json
def get_nifty():
url = "https://query1.finance.yahoo.com/v8/finance/chart/%5ENSEI"
req = urllib.request.Request(url, headers={"User-Agent": "Mozilla/5.0"})
r = urllib.request.urlopen(req, timeout=10)
data = json.loads(r.read())
price = data['chart']['result'][0]['meta']['regularMarketPrice']
print(f"Nifty 50: {price}")
return price
get_nifty()
`
필요한 이유: 3개의 서로 다른 앱을 확인할 필요가 없습니다. 하나의 스크립트로 하나의 가격만 확인하세요.
사용 용도:
`python
import urllib.request, json
def get_nifty50():
url = "https://www.nseindia.com/api/equity-stockIndices?index=NIFTY%2050"
req = urllib.request.Request(url, headers={ "User-Agent": "Mozilla/5.0", "Accept": "application/json" })
try:
r = urllib.request.urlopen(req, timeout=10)
data = json.loads(r.read())
stocks = data['data']
# 등락률(percent change) 기준 정렬
sorted_stocks = sorted(stocks, key=lambda x: x.get('pChange', 0), reverse=True)
print("TOP 5 GAINERS:")
for s in sorted_stocks[:5]:
print(f"{s['symbol']}: {s['pChange']:.2f}%")
print("\nTOP 5 LOSERS:")
for s in sorted_stocks[-5:]:
print(f"{s['symbol']}: {s['pChange']:.2f}%")
except Exception as e:
print(f"NSE API가 차단되었습니다. Yahoo Finance 폴백(fallback)을 사용하세요: {e}")
get_nifty50()
`
필요한 이유: NSE API는 때때로 Termux에서 접속을 차단합니다. Yahoo Finance로의 폴백(fallback)이 작동합니다.
사용 용도:
import urllib.request, json
from datetime import date
timedef get_fii_dii():
url = "https://www.nseindia.com/api/fiidiiTrade"
req = urllib.request.Request(url, headers={"User-Agent": "Mozilla/5.0"})
try:
r = urllib.request.urlopen(req, timeout=10)
data = json.loads(r.read())
for entry in data.get('data', []):
date = entry.get('date', '')
fii = entry.get('fii', {}).get('net', 0)
dii = entry.get('dii', {}).get('net', 0)
print(f"{date}: FII={fii}, DII={dii}")
except Exception as e:
print(f"NSE API error: {e}")
get_fii_dii()
사용법: Nifty 50에서 근본적으로 강한(fundamentally strong) 종목을 필터링합니다.
import urllib.request, json
def screen_nifty50():
screened = []
nifty50 = ['RELIANCE', 'TCS', 'INFY', 'HDFCBANK', 'ICICIBANK'] # nifty50의 모든 50개 종목을 추가하세요:
try:
url = f"https://query1.finance.yahoo.com/v10/finance/quoteSummary/{stock}.NS?modules=summaryDetail,financialData"
req = urllib.request.Request(url, headers={"User-Agent": "Mozilla/5.0"})
r = urllib.request.urlopen(req, timeout=5)
data = json.loads(r.read())
pe = data['quoteSummary']['result'][0]['summaryDetail']['trailingPE']['raw']
roe = data['quoteSummary']['result'][0]['financialData']['returnOnEquity']['raw']
if pe < 30 and roe > 0.15:
screened.append(f"{stock}: PE={pe:.1f}, ROE={roe:.1%}")
except:
continue
print("SCREENED STOCKS (PE<30, ROE>15%):")
for s in screened:
print(s)
screen_nifty50()
사용법:
옵션 체인 데이터에서 최대 고점(max pain), 지지선(support), 저항선(resistance)을 찾습니다.
import urllib.request, json
def analyze_option_chain(symbol="NIFTY", expiry="2026-08-28"):
url = f"https://www.nseindia.com/api/option-chain-indices?symbol={symbol}"
req = urllib.request.Request(url, headers={"User-Agent": "Mozilla/5.0"})
try:
r = urllib.request.urlopen(req, timeout=10)
data = json.loads(r.read())
calls = {}
puts = {}
for record in data['records']['data']:
strike = record.get('strikePrice')
if 'CE' in record: calls[strike] = record['CE']['openInterest']
if 'PE' in record: puts[strike] = record['PE']['openInterest']
max_pain = max(calls, key=lambda k: calls.get(k, 0) + puts.get(k, 0))
support = max(puts, key=puts.get)
resistance = max(calls, key=calls.get)
print(f"Max Pain: {max_pain}")
print(f"Support: {support} (Put OI: {puts[support]})")
print(f"Resistance: {resistance} (Call OI: {calls[resistance]})")
except Exception as e:
print(f"NSE API error: {e}")
analyze_option_chain()
사용법:
Nifty가 주요 레벨을 돌파할 때 알림을 받습니다.
import urllib.request, json
def send_telegram(message, bot_token="YOUR_TOKEN", chat_id="-1004486524686"):
url = f"https://api.telegram.org/bot{bot_token}/sendMessage"
payload = json.dumps({ "chat_id": chat_id, "text": message, "parse_mode": "HTML" }).encode()
req = urllib.request.Request(url, data=payload, headers={"Content-Type": "application/json"})
try:
r = urllib.request.urlopen(req, timeout=10)
print("Alert sent!")
except Exception as e:
print(f"Error: {e}")
# 사용 예시
send_telegram("Nifty가 24,500 저항선을 돌파했습니다! 다음 목표는 24,600입니다.")
사용법:
Nifty 과거 데이터를 사용하여 단순 이동 평균(simple moving average) 교차 전략을 테스트합니다.
import urllib.request, json
import pandas as pd
def backtest_ma_crossover(): # Nifty 과거 데이터를 사용하여 단순 이동 평균(simple moving average) 교차 전략을 테스트합니다.
url = "https://query1.finance.yahoo.com/v8/finance/chart/%5ENSEI?range=1y&interval=1d"
req = urllib.request.Request(url, headers={"User-Agent": "Mozilla/5.0"})
r = urllib.request.urlopen(req, timeout=10)
data = json.loads(r.read())
timestamps = data['chart']['result'][0]['timestamp']
closes = data['chart']['result'][0]['indicators']['quote'][0]['close'] # Simple MA crossover
df = pd.DataFrame({'close': closes})
df['ma20'] = df['close'].rolling(20).mean()
df['ma50'] = df['close'].rolling(50).mean()
# Generate signals
df['signal'] = 0
df.loc[df['ma20'] > df['ma50'], 'signal'] = 1 # Buy
df.loc[df['ma20'] < df['ma50'], 'signal'] = -1 # Sell
print("Last signal:", df['signal'].iloc[-1])
return df
backtest_ma_crossover()
사용법:
여러 주식에 걸친 P&L(Profit and Loss)을 추적합니다.
import json
from datetime import date
timedef track_portfolio():
portfolio = { "RELIANCE": {"qty": 10, "buy_price": 2800}, "TCS": {"qty": 5, "buy_price": 4200}, "INFY": {"qty": 20, "buy_price": 1600} }
total_pnl = 0
print("PORTFOLIO TRACKER")
print("="*50)
for stock, data in portfolio.items(): # 라이브 가격을 가져옵니다 (모든 API 사용 가능)
live_price = 2900 # placeholder, fetch from API
pnl = (live_price - data['buy_price']) * data['qty']
pnl_pct = (live_price - data['buy_price']) / data['buy_price'] * 100
total_pnl += pnl
print(f"{stock}:")
print(f" Qty: {data['qty']}, Buy: {data['buy_price']}, Live: {live_price}")
print(f" P&L: ₹{pnl:.0f} ({pnl_pct:.1f}%%)")
print("="*50)
print(f"Total P&L: ₹{total_pnl:.0f}")
track_portfolio()
사용법:
시장 뉴스가 강세(bullish)인지 약세(bearish)인지 확인합니다.
분석기 (News Sentiment Analyzer)
사용법:
시장 뉴스가 강세(bullish)인지 약세(bearish)인지 확인합니다.
pythonimport urllib.request, jsondef analyze_sentiment(): # Fetch Google News RSS for NSE url = "https://news.google.com/rss/search?q=NSE+market&hl=en-IN&gl=IN&ceid=IN:en" req = urllib.request.Request(url, headers={"User-Agent": "Mozilla/5.0"}) r = urllib.request.urlopen(req, timeout=10) # Simple keyword-based sentiment bullish_words = ['surge', 'rally', 'gain', 'up', 'bullish', 'positive'] bearish_words = ['fall', 'drop', 'loss', 'down', 'bearish', 'negative'] bullish_count = 0 bearish_count = 0 # Count keywords (simplified) content = r.read().decode() for word in bullish_words: bullish_count += content.lower().count(word) for word in bearish_words: bearish_count += content.lower().count(word) if bullish_count > bearish_count: sentiment = "BULLISH" elif bearish_count > bullish_count: sentiment = "BEARISH" else: sentiment = "NEUTRAL" print(f"Market Sentiment: {sentiment}") print(f"Bullish: {bullish_count}, Bearish: {bearish_count}")analyze_sentiment()
사용법:
매일의 트레이딩 보고서를 자동으로 생성합니다.
`pythonfrom datetime import datetimedef generate_daily_report(): report = f"""DAILY TRADING REPORT - {da"