학습 목표
여러분, 안녕하세요! 2026년, 급변하는 IT 트렌드 속에서 우리는 실질적인 기술을 통해 새로운 기회를 창출해야 합니다. 이번 강의에서는 파이썬(Python)과 Pyupbit API를 활용하여 5분봉 이동평균선(Moving Average) 골든 크로스(Golden Cross) 및 데드 크로스(Dead Cross) 전략을 기반으로 하는 자동매매 봇을 직접 구현해 볼 것입니다. 특히, 실시간 모의투자 환경에서 안전하게 전략을 검증하고, 필수적인 손절매(Stop-Loss) 로직까지 완벽하게 통합하는 방법을 학습합니다. 이 강의를 통해 여러분은 다음과 같은 역량을 갖추게 될 것입니다:
- Pyupbit API를 이용한 업비트(Upbit) 데이터 조회 및 주문 실행 방법 이해
- Pandas 라이브러리를 활용한 시계열 데이터(캔들) 분석 및 이동평균선 계산
- 골든 크로스/데드 크로스 신호를 감지하는 알고리즘 구현
- 실시간 자동매매 봇의 기본 구조 설계 및 모의투자 환경 구축
- 자산 보호를 위한 손절매(Stop-Loss) 로직의 중요성 및 구현 방법 습득
- 파이썬을 이용한 실제 금융 자동화 시스템 구축 능력 향상
이 모든 과정을 통해 여러분은 단순한 코드를 넘어, 실제 시장에서 작동하는 자동화 시스템을 설계하고 운영하는 실무 경험을 얻게 될 것입니다. 그럼, 바로 시작해볼까요?
사전 준비 사항
본격적인 실습에 앞서, 원활한 학습을 위한 개발 환경을 구축해야 합니다. 아래 준비 사항들을 꼭 확인하고 설정해 주시기 바랍니다.
1. 개발 환경
- 운영체제(OS): Windows 10/11, macOS, 또는 Ubuntu LTS 버전 (최신 버전 권장)
- 통합 개발 환경(IDE): Visual Studio Code (VSCode) 최신 버전. 파이썬 확장팩 설치 필수.
- 파이썬(Python) 버전: 3.9 이상 (현재 2026년 기준, 3.10 또는 3.11 버전 권장)
2. 필수 라이브러리 설치
터미널 또는 명령 프롬프트를 열어 다음 명령어를 실행하여 필요한 파이썬 라이브러리들을 설치합니다.
bash
pip install pyupbit pandas numpy python-dotenv
- `pyupbit`: 업비트 API와 상호작용하기 위한 라이브러리입니다.
- `pandas`: 데이터 분석 및 조작을 위한 핵심 라이브러리입니다. 시계열 데이터 처리에 필수적입니다.
- `numpy`: 수치 계산을 위한 라이브러리로, pandas 내부에서 많이 사용됩니다.
- `python-dotenv`: API 키와 같은 민감한 정보를 환경 변수로 관리하기 위해 사용합니다. (선택 사항이지만 보안을 위해 강력 권장)
3. Upbit API 키 발급
업비트 웹사이트에 접속하여 ‘MY’ 페이지에서 ‘Open API 관리’ 메뉴를 통해 API 키를 발급받아야 합니다. 이 때, ‘주문하기’, ‘자산 조회’, ‘현재가 정보’ 권한은 반드시 체크해 주십시오. 발급받은 Access Key와 Secret Key는 절대로 외부에 노출되지 않도록 주의해야 합니다. 이를 위해 `.env` 파일을 활용하여 관리하는 방법을 권장합니다.
프로젝트 루트 디렉토리에 `.env` 파일을 생성하고 다음과 같이 API 키를 저장합니다.
ini
# .env 파일 예시
UPBIT_ACCESS_KEY=YOUR_ACCESS_KEY
UPBIT_SECRET_KEY=YOUR_SECRET_KEY
`YOUR_ACCESS_KEY`와 `YOUR_SECRET_KEY` 부분에 여러분의 실제 API 키를 입력하세요.
단계별 실습 과정
이제 본격적으로 자동매매 봇을 구현하는 단계별 실습을 진행하겠습니다.
1단계: Pyupbit API 키 설정 및 기본 연결 확인
먼저 Pyupbit 라이브러리가 API 키를 제대로 인식하고 업비트와 연결되는지 확인하는 코드를 작성합니다. `dotenv`를 사용하여 API 키를 불러오는 것이 좋습니다.
`bot.py` 파일을 생성하고 다음 코드를 입력합니다.
python
# bot.py
import pyupbit
import os
from dotenv import load_dotenv
# .env 파일에서 환경 변수 로드
load_dotenv()
access_key = os.getenv(“UPBIT_ACCESS_KEY”)
secret_key = os.getenv(“UPBIT_SECRET_KEY”)
# Pyupbit 업비트 객체 생성
upbit = pyupbit.Upbit(access_key, secret_key)
# 잔고 조회 테스트 (모의투자 확인)
try:
balances = upbit.get_balances()
print(“[API 연결 성공] 현재 계좌 잔고:”)
for balance in balances:
if float(balance[‘balance’]) > 0 or float(balance[‘locked’]) > 0:
print(f” {balance[‘currency’]}: {float(balance[‘balance’]) + float(balance[‘locked’]):.4f}”)
except Exception as e:
print(f”[API 연결 실패] 오류 발생: {e}”)
print(“API 키 또는 네트워크 연결을 확인해주세요.”)
print(“기본 연결 확인 완료.”)
위 코드를 실행하여 API 연결이 정상적으로 되는지 확인합니다. 잔고 정보가 출력된다면 성공입니다.
bash
python bot.py
2단계: 5분봉 데이터 조회 및 이동평균선 계산
자동매매의 핵심은 정확한 데이터 분석입니다. 5분봉 데이터를 가져와 단기 및 장기 이동평균선을 계산하는 로직을 구현합니다.
python
import pyupbit
import pandas as pd
import time
# … (API 키 설정 및 upbit 객체 생성 부분은 위와 동일)
# 5분봉 데이터 가져오기 함수
def get_ma(ticker, count=200):
df = pyupbit.get_ohlcv(ticker, interval=”minute5″, count=count)
if df is None or df.empty:
print(f”[{ticker}] 5분봉 데이터를 가져오지 못했습니다.”)
return None
# 5분 이동평균선 (단기 MA_5) 및 20분 이동평균선 (장기 MA_20) 계산
# 실제 5분봉 5개는 25분, 20개는 100분을 의미합니다. (봉 개수 기준)
df[‘ma5’] = df[‘close’].rolling(window=5).mean()
df[‘ma20’] = df[‘close’].rolling(window=20).mean()
return df
# 테스트
ticker = “KRW-BTC” # 비트코인 원화 마켓
df_btc = get_ma(ticker)
if df_btc is not None:
print(f”[{ticker}] 최신 5분봉 데이터 및 이동평균선:”)
print(df_btc.tail(5))
print(“이동평균선 계산 로직 확인 완료.”)
`get_ohlcv` 함수는 지정된 티커와 간격으로 캔들 데이터를 반환합니다. `rolling(window=N).mean()`을 사용하여 N봉 이동평균선을 쉽게 계산할 수 있습니다. 여기서는 5봉(단기)과 20봉(장기) 이동평균선을 사용합니다.
3단계: 골든 크로스 및 데드 크로스 신호 감지 로직 구현
이제 이동평균선을 기반으로 매수(골든 크로스) 및 매도(데드 크로스) 신호를 감지하는 로직을 구현합니다.
python
# … (이전 코드에서 get_ma 함수 및 API 설정은 유지)
def check_cross_signal(ticker):
df = get_ma(ticker, count=22) # MA_20 계산을 위해 최소 20개 + 현재 봉 2개 필요
if df is None or len(df) < 22:
return "wait" # 데이터 부족 시 대기# 가장 최신 두 개의 5분봉 데이터로 골든/데드 크로스 판단
# ma5와 ma20이 모두 NaN이 아닌 경우에만 비교
if pd.isna(df['ma5'].iloc[-1]) or pd.isna(df['ma20'].iloc[-1]) or \
pd.isna(df['ma5'].iloc[-2]) or pd.isna(df['ma20'].iloc[-2]):
return "wait" # 이동평균선 데이터가 충분하지 않으면 대기ma5_prev = df['ma5'].iloc[-2] # 이전 5분봉의 5분 이동평균선
ma20_prev = df['ma20'].iloc[-2] # 이전 5분봉의 20분 이동평균선
ma5_curr = df['ma5'].iloc[-1] # 현재(가장 최신) 5분봉의 5분 이동평균선
ma20_curr = df['ma20'].iloc[-1] # 현재(가장 최신) 5분봉의 20분 이동평균선# 골든 크로스 조건: 단기 MA가 장기 MA를 아래에서 위로 돌파
if ma5_prev <= ma20_prev and ma5_curr > ma20_curr:
return “buy” # 매수 신호
# 데드 크로스 조건: 단기 MA가 장기 MA를 위에서 아래로 돌파
elif ma5_prev >= ma20_prev and ma5_curr < ma20_curr:
return "sell" # 매도 신호return "hold" # 신호 없음# 테스트
signal = check_cross_signal("KRW-BTC")
print(f"현재 KRW-BTC 신호: {signal}")print("골든/데드 크로스 신호 감지 로직 확인 완료.")이 로직은 `iloc[-2]` (이전 봉)와 `iloc[-1]` (현재 봉)의 이동평균선 값을 비교하여 크로스 발생 여부를 판단합니다. 크로스 신호는 "buy", "sell", 또는 "hold"로 반환됩니다.
4단계: 자동 매매 로직 (매수/매도) 구현 및 모의투자
이제 실제로 매수/매도 주문을 실행하는 로직을 구현합니다. 모의투자를 위해 실제 거래가 아닌 콘솔 출력으로 대체하거나, 소액으로 테스트하는 것을 권장합니다.
python
# … (이전 코드에서 get_ma, check_cross_signal 함수 및 API 설정은 유지)
# 거래 상태를 저장할 전역 변수 (간단한 모의투자를 위해 사용)
is_holding_coin = False # 현재 코인을 보유하고 있는지 여부
bought_price = 0.0 # 매수 시점의 가격
def execute_trade(ticker, signal):
global is_holding_coin, bought_price
current_price = pyupbit.get_current_price(ticker)
if current_price is None:
print(f”[{ticker}] 현재 가격을 가져오지 못했습니다.”)
return
if signal == “buy”:
if not is_holding_coin:
# 매수 로직 (실제 거래 시 주석 해제)
# krw_balance = upbit.get_balance(“KRW”)
# if krw_balance > 5000: # 최소 주문 금액 5,000원 이상
# order = upbit.buy_market_order(ticker, krw_balance * 0.99) # 99% 사용
# if ‘uuid’ in order: # 주문 성공
# print(f”[{ticker}] 매수 주문 성공! 주문 ID: {order[‘uuid’]}”)
# is_holding_coin = True
# bought_price = current_price
# else: # 주문 실패
# print(f”[{ticker}] 매수 주문 실패: {order}”)
# else:
# print(f”[{ticker}] 매수할 KRW 잔고 부족. 현재 잔고: {krw_balance:.0f}원”)
# 모의 투자 출력
print(f”[{ticker}] 골든 크로스 발생! {current_price:.0f}원에 매수 시뮬레이션.”)
is_holding_coin = True
bought_price = current_price
else:
print(f”[{ticker}] 이미 코인을 보유 중이므로 매수하지 않습니다.”)
elif signal == “sell”:
if is_holding_coin:
# 매도 로직 (실제 거래 시 주석 해제)
# coin_balance = upbit.get_balance(ticker.split(‘-‘)[1]) # 코인 잔고 조회
# if coin_balance > 0.00000001: # 최소 매도 수량 이상
# order = upbit.sell_market_order(ticker, coin_balance)
# if ‘uuid’ in order: # 주문 성공
# print(f”[{ticker}] 데드 크로스 발생! {current_price:.0f}원에 매도 주문 성공! 주문 ID: {order[‘uuid’]}”)
# is_holding_coin = False
# bought_price = 0.0 # 초기화
# else:
# print(f”[{ticker}] 매도 주문 실패: {order}”)
# else:
# print(f”[{ticker}] 매도할 코인 잔고 부족.”)
# 모의 투자 출력
print(f”[{ticker}] 데드 크로스 발생! {current_price:.0f}원에 매도 시뮬레이션.”)
is_holding_coin = False
bought_price = 0.0 # 초기화
else:
print(f”[{ticker}] 보유한 코인이 없으므로 매도하지 않습니다.”)
print(f”현재 보유 상태: {is_holding_coin}, 매수 가격: {bought_price:.0f}”)
#
print(“자동 매매 로직 (모의투자) 확인 완료.”)
이 단계에서는 실제 주문 대신 `print` 문을 사용하여 모의투자를 진행합니다. 실제 거래를 원한다면 주석 처리된 `upbit.buy_market_order`와 `upbit.sell_market_order` 부분을 활성화해야 합니다. 시장가 주문은 가장 빠르게 체결되지만, 원하는 가격에 체결되지 않을 수도 있다는 점을 명심하십시오.
5단계: 필수 손절매(Stop-Loss) 로직 추가
자동매매에서 가장 중요한 것은 손실을 제한하는 것입니다. 손절매 로직을 추가하여 급격한 하락으로부터 자산을 보호합니다.
python
# … (이전 코드에서 get_ma, check_cross_signal, execute_trade 함수 및 API 설정은 유지)
# 손절매 퍼센트 설정 (예: -3% 손실 시 손절)
STOP_LOSS_PERCENT = 0.03 # 3%
def check_and_execute_stop_loss(ticker):
global is_holding_coin, bought_price
if is_holding_coin and bought_price > 0:
current_price = pyupbit.get_current_price(ticker)
if current_price is None:
print(f”[{ticker}] 손절매 판단을 위한 현재 가격을 가져오지 못했습니다.”)
return
loss_rate = (bought_price – current_price) / bought_price
if loss_rate >= STOP_LOSS_PERCENT: # 손실률이 설정된 손절매 퍼센트를 초과하면
# 손절매 실행 (실제 거래 시 주석 해제)
# coin_balance = upbit.get_balance(ticker.split(‘-‘)[1])
# if coin_balance > 0.00000001:
# order = upbit.sell_market_order(ticker, coin_balance)
# if ‘uuid’ in order:
# print(f”[{ticker}] !!! 손절매 발생! {current_price:.0f}원에 매도 주문 성공! (손실률: {loss_rate*100:.2f}%) 주문 ID: {order[‘uuid’]}”)
# is_holding_coin = False
# bought_price = 0.0
# else:
# print(f”[{ticker}] 손절매 매도 주문 실패: {order}”)
# else:
# print(f”[{ticker}] 손절매할 코인 잔고 부족.”)
# 모의 투자 출력
print(f”[{ticker}] !!! 손절매 발생! {current_price:.0f}원에 매도 시뮬레이션. (손실률: {loss_rate*100:.2f}%)!!!”)
is_holding_coin = False
bought_price = 0.0
else:
print(f”[{ticker}] 현재 손실률: {loss_rate*100:.2f}%. 손절매 조건 미달.”)
print(“손절매 로직 확인 완료.”)
손절매 로직은 코인을 보유하고 있을 때만 작동하며, 현재 가격과 매수 가격을 비교하여 설정된 손실률을 초과하면 즉시 매도 주문을 실행합니다.
6단계: 전체 자동매매 봇 통합 및 실행
이제 위에서 구현한 모든 로직을 통합하여 하나의 자동매매 봇으로 완성합니다. 5분봉 전략이므로, 매 5분마다 봇이 실행되도록 설정합니다.
python
# bot.py (최종 버전)
import pyupbit
import pandas as pd
import time
import os
from dotenv import load_dotenv
import datetime
# .env 파일에서 환경 변수 로드
load_dotenv()
access_key = os.getenv(“UPBIT_ACCESS_KEY”)
secret_key = os.getenv(“UPBIT_SECRET_KEY”)
# Pyupbit 업비트 객체 생성
upbit = pyupbit.Upbit(access_key, secret_key)
# 거래 상태를 저장할 전역 변수
is_holding_coin = False # 현재 코인을 보유하고 있는지 여부
bought_price = 0.0 # 매수 시점의 가격
# 손절매 퍼센트 설정 (예: -3% 손실 시 손절)
STOP_LOSS_PERCENT = 0.03 # 3%
# 5분봉 데이터 가져오기 함수
def get_ma(ticker, count=200):
df = pyupbit.get_ohlcv(ticker, interval=”minute5″, count=count)
if df is None or df.empty:
return None
df[‘ma5’] = df[‘close’].rolling(window=5).mean()
df[‘ma20’] = df[‘close’].rolling(window=20).mean()
return df
# 골든 크로스 및 데드 크로스 신호 감지 로직
def check_cross_signal(ticker):
df = get_ma(ticker, count=22)
if df is None or len(df) < 22:
return "wait"if pd.isna(df['ma5'].iloc[-1]) or pd.isna(df['ma20'].iloc[-1]) or \
pd.isna(df['ma5'].iloc[-2]) or pd.isna(df['ma20'].iloc[-2]):
return "wait"ma5_prev = df['ma5'].iloc[-2]
ma20_prev = df['ma20'].iloc[-2]
ma5_curr = df['ma5'].iloc[-1]
ma20_curr = df['ma20'].iloc[-1]if ma5_prev <= ma20_prev and ma5_curr > ma20_curr:
return “buy”
elif ma5_prev >= ma20_prev and ma5_curr < ma20_curr:
return "sell"
return "hold"# 자동 매매 로직 (매수/매도) 구현
def execute_trade(ticker, signal):
global is_holding_coin, bought_price
current_price = pyupbit.get_current_price(ticker)
if current_price is None:
print(f"[{datetime.datetime.now()}] [{ticker}] 현재 가격을 가져오지 못했습니다.")
returnif signal == "buy":
if not is_holding_coin:
# 실제 매수 로직 (주석 해제 시 실제 거래)
# krw_balance = upbit.get_balance("KRW")
# if krw_balance is not None and krw_balance > 5000:
# order = upbit.buy_market_order(ticker, krw_balance * 0.99)
# if ‘uuid’ in order:
# print(f”[{datetime.datetime.now()}] [{ticker}] 매수 주문 성공! {current_price:.0f}원. ID: {order[‘uuid’]}”)
# is_holding_coin = True
# bought_price = current_price
# else:
# print(f”[{datetime.datetime.now()}] [{ticker}] 매수 주문 실패: {order}”)
# else:
# print(f”[{datetime.datetime.now()}] [{ticker}] 매수할 KRW 잔고 부족. {krw_balance:.0f}원”)
# 모의 투자 출력
print(f”[{datetime.datetime.now()}] [{ticker}] 골든 크로스 발생! {current_price:.0f}원에 매수 시뮬레이션.”)
is_holding_coin = True
bought_price = current_price
else:
print(f”[{datetime.datetime.now()}] [{ticker}] 이미 코인을 보유 중이므로 매수하지 않습니다.”)
elif signal == “sell”:
if is_holding_coin:
# 실제 매도 로직 (주석 해제 시 실제 거래)
# coin_symbol = ticker.split(‘-‘)[1]
# coin_balance = upbit.get_balance(coin_symbol)
# if coin_balance is not None and coin_balance > 0.00000001:
# order = upbit.sell_market_order(ticker, coin_balance)
# if ‘uuid’ in order:
# print(f”[{datetime.datetime.now()}] [{ticker}] 데드 크로스 발생! {current_price:.0f}원에 매도 주문 성공! ID: {order[‘uuid’]}”)
# is_holding_coin = False
# bought_price = 0.0
# else:
# print(f”[{datetime.datetime.now()}] [{ticker}] 매도 주문 실패: {order}”)
# else:
# print(f”[{datetime.datetime.now()}] [{ticker}] 매도할 코인 잔고 부족.”)
# 모의 투자 출력
print(f”[{datetime.datetime.now()}] [{ticker}] 데드 크로스 발생! {current_price:.0f}원에 매도 시뮬레이션.”)
is_holding_coin = False
bought_price = 0.0
else:
print(f”[{datetime.datetime.now()}] [{ticker}] 보유한 코인이 없으므로 매도하지 않습니다.”)
print(f”[{datetime.datetime.now()}] 현재 보유 상태: {is_holding_coin}, 매수 가격: {bought_price:.0f}”)
# 필수 손절매(Stop-Loss) 로직
def check_and_execute_stop_loss(ticker):
global is_holding_coin, bought_price
if is_holding_coin and bought_price > 0:
current_price = pyupbit.get_current_price(ticker)
if current_price is None:
print(f”[{datetime.datetime.now()}] [{ticker}] 손절매 판단을 위한 현재 가격을 가져오지 못했습니다.”)
return
loss_rate = (bought_price – current_price) / bought_price
if loss_rate >= STOP_LOSS_PERCENT:
# 실제 손절매 로직 (주석 해제 시 실제 거래)
# coin_symbol = ticker.split(‘-‘)[1]
# coin_balance = upbit.get_balance(coin_symbol)
# if coin_balance is not None and coin_balance > 0.00000001:
# order = upbit.sell_market_order(ticker, coin_balance)
# if ‘uuid’ in order:
# print(f”[{datetime.datetime.now()}] [{ticker}] !!! 손절매 발생! {current_price:.0f}원에 매도 성공! (손실률: {loss_rate*100:.2f}%) ID: {order[‘uuid’]}”)
# is_holding_coin = False
# bought_price = 0.0
# else:
# print(f”[{datetime.datetime.now()}] [{ticker}] 손절매 매도 실패: {order}”)
# else:
# print(f”[{datetime.datetime.now()}] [{ticker}] 손절매할 코인 잔고 부족.”)
# 모의 투자 출력
print(f”[{datetime.datetime.now()}] [{ticker}] !!! 손절매 발생! {current_price:.0f}원에 매도 시뮬레이션. (손실률: {loss_rate*100:.2f}%)!!!”)
is_holding_coin = False
bought_price = 0.0
else:
print(f”[{datetime.datetime.now()}] [{ticker}] 현재 손실률: {loss_rate*100:.2f}%. 손절매 조건 미달.”)
# 메인 자동매매 루프
def main_trade_loop(ticker=”KRW-BTC”):
print(f”[{datetime.datetime.now()}] 자동매매 봇을 시작합니다. 대상: {ticker}”)
print(“————————————————–“)
# 초기 잔고 확인
try:
balances = upbit.get_balances()
print(“[초기 잔고]”)
for balance in balances:
if float(balance[‘balance’]) > 0 or float(balance[‘locked’]) > 0:
print(f” {balance[‘currency’]}: {float(balance[‘balance’]) + float(balance[‘locked’]):.4f}”)
# 현재 코인 보유 여부 초기화 (실제 잔고 기반)
coin_symbol = ticker.split(‘-‘)[1]
coin_balance_init = upbit.get_balance(coin_symbol)
global is_holding_coin
if coin_balance_init is not None and coin_balance_init > 0.00000001:
is_holding_coin = True
# TODO: 실제 매수 가격을 가져오는 로직 추가 필요 (또는 수동 설정)
# 여기서는 편의상 0으로 초기화하거나, 매수 시점 가격을 저장하는 로직을 보완해야 합니다.
print(f”[{datetime.datetime.now()}] 초기 잔고 확인: {coin_symbol} 보유 중. 매수 가격은 현재 0으로 설정됨.”)
else:
is_holding_coin = False
print(f”[{datetime.datetime.now()}] 초기 잔고 확인: {coin_symbol} 보유하고 있지 않음.”)
except Exception as e:
print(f”[{datetime.datetime.now()}] 초기 잔고 확인 중 오류 발생: {e}”)
while True:
try:
now = datetime.datetime.now()
# 5분봉이 새로 생성되는 시점 (매 5분 정각 + 약간의 지연 시간)에 맞춰 실행
if now.minute % 5 == 0 and now.second < 10: # 매 5분 정각 0~9초 사이에 실행
print(f"\n[{now}] 5분봉 데이터 분석 및 거래 신호 확인...")
# 1. 크로스 신호 확인
signal = check_cross_signal(ticker)
print(f"[{now}] 현재 신호: {signal}")
execute_trade(ticker, signal)
# 2. 손절매 확인 (코인 보유 중일 때만)
check_and_execute_stop_loss(ticker)print(f"[{now}] 다음 5분봉을 기다립니다...")
time.sleep(60) # 1분 대기 후 다음 5분봉 시작까지 기다림
else:
time.sleep(1) # 1초마다 현재 시간 확인except Exception as e:
print(f"[{datetime.datetime.now()}] 메인 루프에서 오류 발생: {e}")
time.sleep(30) # 오류 발생 시 잠시 대기 후 재시도# 봇 실행
if __name__ == "__main__":
main_trade_loop()`main_trade_loop` 함수는 무한 루프를 돌며 매 5분 정각에 맞춰 봇을 실행합니다. `time.sleep()`을 사용하여 CPU 사용량을 줄이고, `try-except` 블록으로 예외 처리하여 봇이 비정상적으로 종료되는 것을 방지합니다. 또한, `datetime` 모듈을 활용하여 로그에 현재 시간을 기록함으로써 봇의 작동 상황을 쉽게 파악할 수 있도록 했습니다.
결과 확인
이제 여러분이 직접 구현한 자동매매 봇을 실행하고 그 결과를 확인해 볼 차례입니다. `bot.py` 파일을 저장하고 터미널에서 다음 명령어로 실행하십시오.
bash
python bot.py
봇이 정상적으로 실행되면 다음과 같은 로그가 터미널에 계속 출력될 것입니다:
* API 연결 성공 메시지 및 초기 잔고 정보
* 매 5분마다 `5분봉 데이터 분석 및 거래 신호 확인…` 메시지
* `현재 신호: hold`, `buy`, 또는 `sell` 메시지
* 모의 매수/매도 시뮬레이션 메시지 (혹은 실제 거래 메시지)
* 손절매 로직이 작동하는 경우 `!!! 손절매 발생!` 메시지
* 현재 보유 상태 및 매수 가격 정보
이 로그들을 통해 봇이 시장 데이터를 어떻게 분석하고 어떤 결정을 내리는지 실시간으로 확인할 수 있습니다. 모의투자 모드에서는 실제 자산 변동은 없지만, 전략의 유효성과 로직의 정확성을 검증할 수 있습니다.
주의사항 및 개선점
1. 실제 투자 전 충분한 모의투자: 이 튜토리얼은 학습 목적으로 제공됩니다. 실제 자산을 이용한 투자는 매우 위험하므로, 반드시 충분한 기간 동안 모의투자 또는 소액 테스트를 통해 전략을 검증한 후 신중하게 접근해야 합니다.
2. API 키 보안: `.env` 파일을 사용했더라도, 이 파일이 외부에 노출되지 않도록 각별히 주의해야 합니다. Git과 같은 버전 관리 시스템 사용 시 `.gitignore` 파일에 `.env`를 추가하는 것을 잊지 마십시오.
3. 네트워크 및 서버 안정성: 자동매매 봇은 항상 네트워크에 연결되어 있어야 합니다. 안정적인 인터넷 환경과 가능한 경우 클라우드 서버(AWS EC2, Google Cloud 등)에 배포하여 24시간 안정적으로 운영하는 것을 고려하십시오.
4. 다양한 지표 및 전략: 이동평균선 크로스 전략 외에도 RSI, MACD, 볼린저 밴드 등 다양한 기술적 지표와 복합적인 전략을 연구하고 적용해 볼 수 있습니다.
5. 백테스팅(Backtesting): 과거 데이터를 기반으로 전략의 수익률과 위험도를 측정하는 백테스팅을 통해 전략의 성능을 객관적으로 평가하는 것이 중요합니다.
6. 슬리피지(Slippage) 및 거래 수수료: 실제 거래에서는 시장가 주문 시 슬리피지가 발생할 수 있고, 거래 수수료가 부과됩니다. 이러한 요소들이 실제 수익률에 미치는 영향을 고려해야 합니다.
여러분은 이제 파이썬과 Pyupbit API를 활용하여 자신만의 자동매매 봇을 구축할 수 있는 강력한 기초를 다졌습니다. 이 지식을 바탕으로 더욱 정교하고 안정적인 트레이딩 시스템을 개발하여 성공적인 투자를 이어나가시길 바랍니다. 수고하셨습니다!