뉴스 센티먼트 2차원 추가 + AI Agent 입문

이번 주 학습 목표

지금 어디에 있는가 — 2차원 추가 단계

W1~W2에서 가격 1차원을 완성했습니다. 이제 뉴스 센티먼트 2차원을 추가해 AI에게 "가격이 이렇게 움직였고, 그 배경은 이런 뉴스"라고 동시에 알려줍니다. 판단의 질이 비약적으로 달라집니다.

1교시 — 왜 뉴스 센티먼트를 추가하는가

RSI 30 이하 = 과매도 = 매수 신호? 반드시 그렇지 않습니다. 기업이 회계 부정으로 상장폐지 위기면 RSI 10도 추가 하락합니다. 반대로 RSI 80이어도 획기적 신제품 발표라면 추가 상승합니다. 가격은 결과고 뉴스는 원인입니다.

Alpha Vantage NEWS_SENTIMENT — 왜 이게 강력한가

Alpha Vantage는 단순히 뉴스 기사 목록만 주지 않습니다. 각 기사에 대해 AI/ML로 사전 계산된 센티먼트 스코어를 함께 제공합니다. 즉, NLP 모델을 직접 학습시킬 필요 없이 숫자로 바로 사용 가능합니다.

2교시 — Alpha Vantage API 연동

API 키 발급 (무료)

NEWS_SENTIMENT API 호출

응답 구조 (요약)

{
  "items": "50",
  "sentiment_score_definition": "x <= -0.35: Bearish; ...",
  "feed": [
    {
      "title": "Apple unveils new AI chip at WWDC",
      "url": "https://...",
      "time_published": "20260420T143000",
      "summary": "Apple announced ...",
      "source": "Reuters",
      "overall_sentiment_score": 0.24,
      "overall_sentiment_label": "Somewhat-Bullish",
      "ticker_sentiment": [
        {
          "ticker": "AAPL",
          "relevance_score": "0.891",
          "ticker_sentiment_score": "0.287",
          "ticker_sentiment_label": "Somewhat-Bullish"
        }
      ]
    }
  ]
}

Code 노드 — 집계 로직

50개 기사를 그대로 Claude에게 보내면 토큰 낭비입니다. 요약·집계해서 핵심만 전달합니다.

// 입력: Alpha Vantage NEWS_SENTIMENT 응답
const feed = $input.item.json.feed || [];
const targetTicker = 'AAPL';

// 1. 해당 티커의 sentiment만 필터링
const relevant = [];
for (let i = 0; i < feed.length; i++) {
  const article = feed[i];
  const ts = article.ticker_sentiment || [];
  for (let j = 0; j < ts.length; j++) {
    if (ts[j].ticker === targetTicker) {
      const relevance = parseFloat(ts[j].relevance_score);
      const score = parseFloat(ts[j].ticker_sentiment_score);
      // 관련도 0.3 이상만 채택
      if (relevance >= 0.3) {
        relevant.push({
          title: article.title,
          source: article.source,
          time: article.time_published,
          sentiment: score,
          relevance: relevance,
          summary: article.summary
        });
      }
    }
  }
}

// 2. 가중평균 센티먼트 계산 (relevance 가중치)
let totalWeight = 0;
let weightedSum = 0;
for (let i = 0; i < relevant.length; i++) {
  weightedSum += relevant[i].sentiment * relevant[i].relevance;
  totalWeight += relevant[i].relevance;
}
const avgSentiment = totalWeight > 0 ? weightedSum / totalWeight : 0;

// 3. 레이블 판정
let label = 'Neutral';
if (avgSentiment <= -0.35) label = 'Bearish';
else if (avgSentiment <= -0.15) label = 'Somewhat-Bearish';
else if (avgSentiment >= 0.35) label = 'Bullish';
else if (avgSentiment >= 0.15) label = 'Somewhat-Bullish';

// 4. 상위 5개 기사만 반환 (Claude에게 전달할 용도)
const top5 = relevant.slice(0, 5);

return {
  ticker: targetTicker,
  article_count: relevant.length,
  avg_sentiment: avgSentiment.toFixed(3),
  sentiment_label: label,
  top_headlines: top5
};

3교시 — n8n AI Agent 노드 구조 이해

n8n의 AI Agent 노드는 단독으로 작동하지 않습니다. 4가지 sub-node를 주변에 연결해 완성합니다. 마치 자동차의 엔진·연료·핸들처럼 각 부품이 역할을 나눠 가집니다.

AI Agent 아키텍처

Anthropic API 키 준비

4교시 — 일일 투자 코멘트 에이전트 구축

노드 배치 순서

System Message — 핵심 프롬프트 엔지니어링

에이전트의 "성격·역할·출력 규칙"을 정의합니다. 이 프롬프트의 질이 결과의 질을 결정합니다.

입력 조합 — Code 노드로 price + news 합치기

AI Agent에 보내기 전에 W2의 가격·지표 결과와 이번 주 뉴스 결과를 하나의 JSON으로 합칩니다.

// W2 Code(지표) 출력 + W3 Code(뉴스 집계) 출력을 병합
const priceNode = $('Indicators').item.json;
const newsNode = $('NewsAggregate').item.json;

return {
  ticker: priceNode.ticker,
  price_data: {
    current_price: priceNode.price,
    rsi14: priceNode.rsi14,
    ma20: priceNode.ma20,
    bb_upper: priceNode.bb_upper,
    bb_lower: priceNode.bb_lower,
    technical_signal: priceNode.signal
  },
  news_data: {
    article_count: newsNode.article_count,
    avg_sentiment: newsNode.avg_sentiment,
    sentiment_label: newsNode.sentiment_label,
    top_headlines: newsNode.top_headlines
  }
};

전체 워크플로

예상 AI 응답 (실제 예시)

{
  "verdict": "WATCH",
  "confidence": 3,
  "rationale": "RSI 62로 중립 상단이나 WWDC AI 칩 발표로 뉴스 센티먼트 +0.29(약세 매수세). 단기 모멘텀 긍정적이나 이미 상승분 일부 반영.",
  "risk_flag": "지수 과열(VIX 12) — 시장 전체 조정 시 동반 하락 가능"
}

실행 테스트와 디버깅

이번 주 완료 체크리스트

이번 주 과제

참고 자료