주식 캔들 패턴 분석 및 AI 주가 예측 웹 서비스

1. 프로젝트 개요
프로젝트명: Algo-View (알고뷰)
핵심 목표: 개인 투자자를 위한 데이터 기반 의사결정 지원 및 대용량 주식 데이터 처리 시스템 구축.
주요 기능: 한국투자증권 API 연동, 실시간 캔들 차트 시각화, LSTM 기반 주가 예측 모델 제공.
2. 기술적 도전 및 해결 방안 (Engineering)
① 대용량 데이터 핸들링 및 성능 최적화
문제: 1,000만 건 이상의 일봉 데이터를 조회할 때 초기 쿼리 속도가 3초 이상 소요되어 사용자 경험 저하.
해결: MariaDB 내 복합 인덱스(Composite Index) 설정 및 Batch Insert를 통한 데이터 적재 속도 개선.
성과: 데이터 조회 성능을 3초에서 0.1초로 약 30배 단축.
② 하이브리드 서버 아키텍처 설계
구조: 메인 웹 서버(Java/Spring Boot)와 AI 연산 서버(Python/Flask or FastAPI)를 분리.
통신: REST API를 통한 비동기 통신 구조를 채택하여 서버 간 부하를 분산하고 각 언어의 강점(Java의 안정성 + Python의 AI 생태계)을 극대화함.
③ 고성능 인프라 환경 구축
전략: 초기 AWS 프리티어의 메모리 부족 문제를 해결하기 위해, 클라우드에 국한되지 않고 고성능 온프레미스(On-Premise) 환경으로 신속히 전환하여 프로젝트 퍼포먼스 확보.
3. AI 기반 주가 예측 (Intelligence)
모델 아키텍처: 시계열 데이터 학습에 최적화된 LSTM(Long Short-Term Memory) 딥러닝 모델 적용.
학습 데이터: 과거 주가 가격 패턴을 기반으로 학습하여 향후 주가 추이에 대한 예측 정보 제공.
정확도: 외부 거시 경제 변수를 제외한 순수 가격 데이터만으로 약 60~65%의 예측 정확도 달성.
4. 자체 평가 및 성과
강점:
대용량 데이터를 단순히 적재하는 것을 넘어 조회 성능을 최적화한 백엔드 역량 입증.
이종 언어(Java-Python) 간의 유기적인 데이터 교환 시스템 완성.
보완점:
외부 뉴스나 거시 경제 지표를 Feature로 추가하여 AI 모델의 예측 정확도를 높일 계획.
모바일 대응을 위한 반응형 UI 고도화 필요.