🚀 Nexus Agent V5.5: 3분 퀵 스타트 가이드 (사용 방법)

<aside> ✅ 구독자 여러분, 아래 순서대로 파일을 만들고 실행만 하시면 미국 시장 전체를 스캔하는 AI 에이전트가 가동됩니다.

</aside>

1단계: 동일한 폴더에 아래 제공된 3개의 파이썬 파일(data_loader.py, analysis_core.py, nexus_run.py)을 만듭니다.\\n2단계: nexus_run.py 상단의 CAPITAL_KRW에 본인의 투자금을 입력합니다.\\n3단계: 터미널(CMD)에서 python nexus_run.py를 실행합니다.

⚙️ 시장 유니버스 선택 방법

nexus_run.py 파일의 9행에 있는 target_universe 변수를 수정하여 분석 대상을 바꿀 수 있습니다.

target_universe = "nasdaq100"  # 나스닥 100만 분석
target_universe = "sp500"      # S&P 500 전수 조사
target_universe = "smallcap"   # 스몰캡(주도주군) 분석
target_universe = "all"        # 나스닥+S&P+스몰캡 통합 분석 (강력 추천!)

🛠️ 완성형 통합 소스코드 (V5.5)

1. data_loader.py (전미 시장 유니버스 수집기)

2. analysis_core.py (전략 연산 엔진)

3. nexus_run.py (오케스트레이터 - 실행 파일)

1. data_loader.py (전미 시장 유니버스 수집기)

# data_loader.py
import yfinance as yf
import pandas as pd
from typing import List, Optional

def get_market_universe(index_type: str = "nasdaq100") -> List[str]:
    """선택한 지수의 티커 목록 자동 수집 (all 선택 시 통합 수집)"""
    try:
        tickers = []
        if index_type in ["nasdaq100", "all"]:
            url = "<https://en.wikipedia.org/wiki/Nasdaq-100>"
            tickers += pd.read_html(url)[4]['Ticker'].tolist()
        if index_type in ["sp500", "all"]:
            url = "<https://en.wikipedia.org/wiki/List_of_S%26P_500_companies>"
            tickers += pd.read_html(url)[0]['Symbol'].tolist()
        if index_type in ["smallcap", "all"]:
            tickers += ["CIFR", "MRAM", "INOD", "MSTR", "CLSK", "MARA", "RIOT", "WULF"]
        return list(set(tickers)) # 중복 제거
    except Exception as e:
        print(f"Error fetching universe: {e}")
        return ["TSLA", "NVDA", "AVGO", "PLTR"]

def fetch_historical_data(ticker: str, period="1y"):
    data = yf.download(ticker, period=period, progress=False)
    if data.empty: return None
    if isinstance(data.columns, pd.MultiIndex):
        data.columns = ['_'.join(col).strip() for col in data.columns]
    return data

2. analysis_core.py (전략 연산 엔진)

# analysis_core.py
import pandas as pd
import numpy as np

def analyze_v6_vcp_quantitative(data):
    """RS 점수 및 VCP(변동성 수축) 분석"""
    if len(data) < 100: return 0, 0
    close = data['Close']
    rs_score = (close.iloc[-1] / close.iloc[-63]) - 1 # 3개월 수익률 기반 RS
    
    high_low = data['High'] - data['Low']
    high_close = np.abs(data['High'] - close.shift(1))
    low_close = np.abs(data['Low'] - close.shift(1))
    atr = pd.concat([high_low, high_close, low_close], axis=1).max(axis=1).rolling(14).mean().iloc[-1]
    return rs_score, atr

def calculate_v7_sizing(price, atr, risk_amt, cap_amt):
    """이중 리스크 관리 사이징"""
    stop_dist = max(atr * 1.5, price * 0.05)
    shares = min(risk_amt / stop_dist, cap_amt / price)
    return int(shares), price - stop_dist

3. nexus_run.py (오케스트레이터 - 실행 파일)

# nexus_run.py
from data_loader import get_market_universe, fetch_historical_data
from analysis_core import analyze_v6_vcp_quantitative, calculate_v7_sizing
import pandas as pd
from datetime import datetime

# [설정] 본인의 상황에 맞게 수정하세요
CAPITAL_KRW = 10000000   # 투자 원금 (KRW)
target_universe = "all"   # nasdaq100, sp500, smallcap, all 중 선택
FX_RATE = 1350

risk_usd = (CAPITAL_KRW * 0.01) / FX_RATE
cap_usd = (CAPITAL_KRW * 0.25) / FX_RATE

if __name__ == "__main__":
    print(f"🚀 Nexus Agent V5.5 가동... 유니버스: {target_universe}")
    tickers = get_market_universe(target_universe)
    results = []
    
    for t in tickers:
        df = fetch_historical_data(t)
        if df is None: continue
        rs, atr = analyze_v6_vcp_quantitative(df)
        if rs < 0.2: continue # 강한 종목만 선별
        
        price = df['Close'].iloc[-1]
        shares, sl = calculate_v7_sizing(price, atr, risk_usd, cap_usd)
        if shares > 0:
            results.append([t, round(rs, 2), price, shares, round(sl, 2)])
            print(f"   [발굴] {t} | RS: {rs:.2f} | 추천: {shares}주")

    report = pd.DataFrame(results, columns=['Ticker', 'RS', 'Price', 'Shares', 'StopLoss'])
    print("\n" + "="*50 + "\n최종 분석 리포트\n" + "="*50)
    print(report.sort_values(by='RS', ascending=False).to_markdown(index=False))