biweek 모델 소개
현재 버전 biweek 1.0
biweek가 하는 일
매일 새벽 미국 주식 수천 종목을 분석해서, 2주(14거래일) 안에 +10% 오를 확률이 높은 종목을 순위로 보여줘요. 사람이 고르지 않고, 딥러닝 모델이 데이터로 판단해요.
두 가지 엔진 — 성향대로 고르세요
같은 청산 규칙(트레일링) 위에서 어떤 종목을 고르느냐만 다른 두 모델을 함께 운영해요.
안정형 — 탄탄한 돌파주 8종목, 낮은 낙폭3년 wf ×13.5 (+1,248%) · fold +71/+110/+274%
공격형 — 크게 터질 소형주 10종목, 큰 변동3년 wf ×12.2 (+1,124%) · fold +62/+220/+135%
수익을 더 원하고 깊은 낙폭을 견딜 수 있으면 공격형, 꾸준함·낮은 낙폭이 중요하면 안정형이에요. 오늘의 종목 화면 위쪽 토글로 바꿀 수 있어요. 두 엔진 모두 꼭 여러 종목에 나눠 사야 원리가 통해요.
전략 성과 — 연도별 비교
회고 시뮬레이션 · 실매매 미검증 · 참고용● 안정형● 공격형● S&P500(시장)
워크포워드(미래 구간) 연도별 결과예요 · 분산 투자 기준 · 참고용. 안정형이 2025에 +274% 로 가장 강했고, 공격형은 2024에 +220% 로 빅이어 — 해마다 어느 모델이 앞설지는 다름.
왜 절반도 못 맞히는데 돈을 벌까요?
맞히는 횟수가 아니라, 오를 땐 크게 · 내릴 땐 조금이라서 벌어요. 오를 확률은 44%(10번 중 4~5번)지만, 오를 땐 +10%, +40%, 가끔 +100%까지 크게 가고, 안 오르면 −7%에서 바로 잘라 손실을 작게 막아요.
예시 — 10종목에 똑같이 100만원씩(총 1,000만원) 나눠 샀을 때:
6종목 안 오름 (−7%)−42만
2종목 (+15%)+30만
1종목 (+40%)+40만
1종목 크게 오름 (+120%)+120만
합계 (6번 틀렸는데도)+148만 (+14.8%)
한 줄 요약: 손실은 짧게 끊고, 수익은 길게 끌어서 큰 한 방이 작은 손실 여러 개를 덮어요. 이게 트레일링 청산의 원리예요. ⚠️ 그래서 꼭 여러 종목에 나눠 사야 해요 — 1~2개만 사면 큰 상승을 놓쳐서 이 원리가 안 통해요.
어떻게 믿을 수 있나요
- 수년치 미국 시장 데이터로 학습한 시계열 딥러닝 모델이에요.
- 워크포워드 검증 — 학습에 안 쓴 미래 구간으로만 3년 연속 시험했고, 3년 모두 시장(S&P500)을 초과했어요.
- 3년 워크포워드 (각 fold 재학습 OOS) 안정형 ×13.5 (+1,248%) · 공격형 ×12.2 (+1,124%) vs S&P500 ×1.74 (+74%) — 트레일 청산 · fold별 +71/+110/+274% (안정형) · +62/+220/+135% (공격형). (스톱리밋 자동 발주 환경 기준 시뮬레이션)
- 매주 새 데이터로 다시 검증하며 버전을 올려요(biweek 1.0 → 1.1 …, 큰 개선은 2.0).
운영 규칙 (투명하게 공개)
- 매일 확률 순으로 종목 선정 — 안정형 8종목 / 공격형 10종목, 동일가중.
- 진입 후 −7% 손절 / 고점 대비 −12% 트레일 / 최대 60거래일 — 셋 중 먼저 닿을 때 매도. (고정 익절 없음 — 상방은 트레일로 끝까지 태움)
- 청산된 슬롯만 다음 상위 종목으로 교체 (보유 중 갈아타기 없음).
- 두 엔진은 청산 규칙 동일, 고르는 종목(모델)만 다름.
공개하는 것 / 보호하는 것
공개 — 예측 대상(2주 +10% 확률), 검증 방식, 성과·낙폭·승률, 운영 규칙, 모델 버전.
비공개 — 입력 변수 구성, 신경망 구조·학습 세부, 데이터 소스. 이건 모델의 핵심 경쟁력이라 공개하지 않아요. (공개하면 누구나 복제할 수 있으니까요.) 대신 결과와 검증으로 증명할게요.
예측이지 보장은 아니에요. 워크포워드로 검증된 모델이지만 변동성이 있는 전략이에요 (최대낙폭 안정형 −21% · 공격형 −26%, 약세장엔 한때 −40% 안팎까지). 어떤 전략도 100% 적중은 없으니, 여유 자금으로 꼭 분산해 활용하는 게 가장 안정적이에요.
면책 안내
본 서비스는 투자 조언이 아니며, 표시 성과는 회고 시뮬레이션(실계좌 아님)입니다. 원금 손실이 발생할 수 있습니다.
오늘의 종목 보기 →