챗GPT로 투자 질문을 할 때 먼저 알아둘 입력 방식

“챗GPT한테 주식 전략 짜달라고 했는데 진짜 쓸 만한 답이 나올까?” 결론부터 말하면, 프롬프트를 어떻게 쓰느냐에 따라 증권사 리포트급 분석도, 엉뚱한 헛소리도 나올 수 있거든요.

저도 처음엔 그냥 “삼성전자 살까 말까?”라고 물어봤어요. 돌아온 답변은 뻔한 교과서 문장뿐이었고, 솔직히 네이버 검색이랑 다를 게 없었거든요. 그런데 프롬프트 구조를 바꾸니까 완전히 다른 세계가 열리더라고요. 종목 분석 프레임워크, 리스크 시나리오, 심지어 매수 타이밍 판단 기준까지 체계적으로 뽑아주는 거예요.

다만 한 가지 확실히 해두고 싶은 게 있어요. AI가 아무리 똑똑해도 투자 판단의 최종 책임은 본인한테 있다는 거예요. 전문가 상담 없이 AI 답변만 보고 매매하면 큰코다칠 수 있어요. 이 글에서는 AI를 ‘리서치 보조 도구’로 제대로 활용하는 프롬프트 기법만 다룹니다.

챗GPT가 진짜 주식 전략을 짜줄 수 있을까?

짧게 답하면 “반만 맞다”예요. 챗GPT는 공개된 재무 데이터를 기반으로 분석 프레임워크를 만들어 주는 데 꽤 능숙하거든요. PER, PBR 같은 밸류에이션 지표를 비교하거나, 특정 섹터의 매크로 트렌드를 요약하는 건 사람보다 빠릅니다.

문제는 이거예요. AI는 실시간 시세를 모릅니다. 학습 데이터에 시간 지연이 있고, 오늘 장중에 터진 뉴스를 반영할 수 없어요. 그래서 “지금 사야 하나요?”라는 질문에는 구조적으로 좋은 답을 줄 수가 없는 거예요. 대신 “이 종목을 분석할 때 어떤 기준을 적용해야 하는가”라는 질문에는 놀라울 정도로 체계적인 답을 내놓습니다.

Reddit의 프롬프트 엔지니어링 커뮤니티에서 공유된 한 사례가 인상적이었는데요. “50년 경력의 투자자처럼 행동하되, 회사의 재무 건전성, 경쟁 환경, 리스크 요인을 종합 평가하라”는 역할 지정 프롬프트 하나로 증권사 애널리스트급 보고서가 나왔다는 거예요. 물론 그 보고서를 맹신하면 안 되지만, 리서치 출발점으로는 충분한 수준이었어요.

결국 챗GPT의 역할은 ‘매매 신호기’가 아니라 ‘리서치 어시스턴트’에 가깝다고 보면 됩니다. 이 구분을 못 하면 AI 투자 활용은 시작부터 꼬이거든요.

역할 지정 한 줄이 결과를 바꾼다

프롬프트 엔지니어링에서 가장 체감 효과가 큰 기법이 뭐냐고 물으면, 저는 무조건 ‘역할 지정(Role Prompting)’이라고 답해요. 똑같은 질문이라도 앞에 역할을 하나 붙여주면 답변 깊이가 확 달라지거든요.

예를 들어 “삼성전자 분석해줘”라고 치면 위키피디아 수준의 개요가 나와요. 근데 “너는 한국 주식시장에 15년 경력을 가진 펀드매니저야. 삼성전자의 반도체 사이클 위치와 현재 밸류에이션을 기준으로 6개월 투자 관점에서 분석해줘”라고 하면? 반도체 업황, 메모리 가격 사이클, 경쟁사 대비 마진율까지 포함된 구조적 답변이 나옵니다.

이 차이가 왜 생기냐면, AI가 역할을 부여받으면 해당 전문가가 사용하는 프레임워크와 용어 체계를 우선적으로 끌어오기 때문이에요. 실제로 프롬프트 엔지니어링 가이드에서도 역할 지정은 답변 정확도를 높이는 가장 기본적인 기법으로 분류하고 있어요.

역할 지정 시 팁이 하나 있어요. 그냥 “전문가”라고 하면 범위가 너무 넓거든요. 경력 연수 + 전문 분야 + 분석 관점을 구체적으로 넣어야 합니다. “20년 경력의 가치투자 전문가로서 DCF 관점에서”처럼요. 구체성이 곧 답변의 품질입니다.

초보자용 실전 프롬프트 5가지

여기서부터가 진짜 실전이에요. 제가 직접 수십 번 테스트하면서 가장 쓸만했던 프롬프트 구조 5가지를 정리했거든요. 복사해서 바로 쓸 수 있도록 가능한 한 구체적으로 적었어요.

1. 종목 기본 분석 프롬프트 — “너는 한국 주식시장 10년 경력의 펀드매니저야. [종목명]의 최근 재무제표를 기준으로 PER, PBR, ROE, 부채비율을 분석하고, 동일 섹터 경쟁사 2곳과 비교해서 밸류에이션 매력도를 평가해줘. 마지막에 투자 시 주의해야 할 리스크 요인 3가지를 반드시 포함해.” 이 프롬프트의 핵심은 비교 대상과 리스크를 명시적으로 요청하는 거예요. 안 그러면 장점만 나열하는 답변이 나오거든요.

2. 뉴스 감성 분석 프롬프트 — “지난 1주일간 [종목명] 관련 주요 뉴스의 긍정·부정·중립 감성을 분류하고, 각 뉴스가 주가에 미칠 수 있는 영향을 단기(1주)와 중기(3개월) 관점에서 구분해서 정리해줘.” 이건 직접 뉴스를 읽을 시간이 없을 때 유용해요. 다만 AI가 실시간 뉴스를 못 읽는 경우가 있으니, 웹 검색 기능이 켜진 상태에서 사용해야 합니다.

3. 포트폴리오 설계 프롬프트 — “나는 30대 직장인이고 월 50만 원을 투자할 수 있어. 공격형 성향이지만 원금 손실 20% 이상은 감당하기 어려워. 국내 ETF와 미국 ETF를 섞어서 자산 배분 비율, 추천 종목, 리밸런싱 주기를 포함한 포트폴리오를 설계해줘.” 여기서 중요한 건 자기 상황(나이, 금액, 리스크 허용 범위)을 구체적으로 넣는 거예요. 막연하게 물으면 막연한 답이 나옵니다.

4. 백테스팅 시나리오 프롬프트 — “최근 5년간 KODEX 200과 TIGER 미국S&P500에 각각 50:50으로 월 적립식 투자했다면 예상 누적 수익률과 최대 낙폭(MDD)은 어떻게 됐을지 시뮬레이션해줘. 연도별로 나눠서 보여줘.” 과거 데이터 기반이라 수치가 비교적 정확하게 나오는 편이에요. 다만 과거 수익률이 미래를 보장하지 않는다는 건 항상 기억해야 해요.

5. 거장 관점 프롬프트 — “워런 버핏의 투자 철학을 기준으로 [종목명]을 평가해줘. 경제적 해자, 경영진 역량, 내재가치 대비 현재 주가 수준을 분석하고, 버핏이라면 매수할지 판단해줘.” 이건 재미로 쓸 수도 있지만 의외로 투자 프레임워크를 체계적으로 배우는 데 효과적이에요. 피터 린치, 레이 달리오 등 다른 거장으로 바꿔가며 같은 종목을 분석하면 관점의 차이가 명확하게 보여요.

좋은 프롬프트 vs 나쁜 프롬프트, 뭐가 다를까

글로만 설명하면 감이 잘 안 올 수 있어서 직접 비교 테이블을 만들어봤어요. 같은 의도의 질문인데 프롬프트 구조만 달리한 경우, 실제로 어떤 차이가 나는지 보면 바로 이해될 거예요.

구분	나쁜 프롬프트	좋은 프롬프트
종목 분석	삼성전자 분석해줘	15년 경력 펀드매니저 역할 + 반도체 사이클 관점 + 경쟁사 비교 + 리스크 포함
ETF 추천	ETF 뭐 사야 돼?	나이·금액·성향 명시 + 산업 구성·수익률·변동성 비교 요청
매매 판단	지금 사도 될까?	환율·변동성·경기 사이클 고려한 매수 타이밍 전략 설계 요청
리스크 관리	위험한 거 알려줘	상위 5개 리스크 + 완화 전략 + 손절 기준 포함 요청

패턴이 보이시나요? 좋은 프롬프트에는 공통적으로 세 가지가 들어가요. 역할 지정, 구체적 맥락(숫자·기간·조건), 출력 형식 요청. 이 세 가지만 챙겨도 답변 품질이 체감 상 2~3배는 올라가더라고요.

한 가지 더. “~도 포함해줘”라는 추가 조건을 넣는 게 생각보다 강력해요. “리스크도 포함해줘”, “단점도 포함해줘”를 안 넣으면 AI는 기본적으로 긍정적인 쪽으로 답변하는 경향이 있거든요. 투자 판단에서는 이게 꽤 위험한 편향입니다.

처음 쓰는 사람이 반드시 빠지는 함정 3가지

첫 번째, AI 답변을 사실(fact)로 받아들이는 것. 이게 가장 위험해요. 챗GPT가 “이 종목의 PER은 12배입니다”라고 말하면 진짜인 줄 알잖아요. 근데 학습 데이터 시점이 다르면 이미 과거 수치일 수 있어요. 금융 데이터는 반드시 증권사 HTS나 공식 공시 사이트에서 크로스체크해야 합니다.

두 번째, 한 번의 프롬프트로 완벽한 답을 기대하는 것. 프롬프트 엔지니어링은 대화형이에요. 첫 답변을 보고 “여기서 반도체 부분만 더 깊게 파줘”, “경쟁사 SK하이닉스와 수익성 지표를 직접 비교해줘”처럼 후속 질문을 이어가야 합니다. 한 방에 끝내려는 사람일수록 불만족스러운 결과를 얻더라고요.

세 번째, 매매 타이밍을 AI한테 맡기는 것. “지금 매수해?” “언제 팔아?”라는 질문에 AI가 답을 주긴 해요. 근데 그건 과거 패턴 기반의 일반론일 뿐이지, 오늘 시장 상황을 반영한 판단이 아니에요. 실시간 데이터를 못 보는 AI에게 타이밍 질문을 하는 건 날씨앱 없이 내일 비 올지 물어보는 것과 비슷합니다.

AI 환각과 투자 판단 — 믿어도 되는 선은 어디까지?

AI 환각(Hallucination)이라는 단어가 좀 무섭게 들릴 수 있는데, 쉽게 말하면 “AI가 자신 있는 표정으로 틀린 말을 하는 현상”이에요. 금융 맥락에서는 실제 재무제표에 없는 숫자를 만들어내거나, 존재하지 않는 뉴스를 인용하는 식으로 나타납니다.

LinkedIn에서 공유된 금융 AI 활용 리포트를 보면, 환각은 “출처에서 지지하지 않는 답변을 자신 있게 내놓는 것”으로 정의되거든요. 투자에서 이게 왜 위험하냐면, 잘못된 PER이나 매출 성장률 하나가 매수·매도 판단을 완전히 뒤집을 수 있기 때문이에요.

그럼 챗GPT 답변에서 뭘 믿고 뭘 의심해야 할까요? 제가 수십 번 테스트해보니 패턴이 있었어요. 분석 프레임워크(어떤 기준으로 볼지)는 꽤 정확합니다. 반면에 구체적 숫자(가격, 비율, 날짜)는 오류율이 높아요. 그래서 전략은 AI에게 짜달라고 하되, 수치는 반드시 별도로 확인하는 습관이 필요합니다.

실제로 저도 한번 챗GPT가 알려준 특정 ETF의 운용보수를 그대로 믿었다가 나중에 확인해보니 0.07%가 아니라 0.15%였던 적이 있어요. 금액이 크면 이 차이가 장기적으로 꽤 커지거든요. 그 이후로는 수치가 나오면 무조건 공식 사이트에서 더블체크합니다.

한 단계 더, 체인 오브 씽킹과 퓨샷으로 정밀도 올리기

기본 프롬프트만으로도 꽤 괜찮은 결과가 나오지만, 여기서 한 단계 더 올라가고 싶다면 두 가지 고급 기법을 알아두면 좋아요.

첫 번째는 체인 오브 씽킹(Chain-of-Thought, CoT)이에요. “답만 알려줘”가 아니라 “단계별로 사고 과정을 보여줘”라고 요청하는 거예요. 예를 들어 “이 종목의 투자 적합성을 판단해줘. 1단계: 재무 건전성 평가 → 2단계: 산업 트렌드 분석 → 3단계: 밸류에이션 비교 → 4단계: 리스크 요인 정리 → 5단계: 종합 판단. 각 단계의 근거를 명시해”라고 프롬프트를 짜는 거죠. 프롬프트 엔지니어링 연구에 따르면 CoT 기법만 적용해도 답변 정확도가 기본 프롬프트 대비 상당히 개선되는 것으로 알려져 있어요.

두 번째는 퓨샷 프롬프팅(Few-Shot Prompting)이에요. 내가 원하는 분석 형식의 예시를 1~2개 먼저 보여주고, “이 형식으로 다른 종목도 분석해줘”라고 하는 거예요. AI가 패턴을 학습해서 일관된 품질의 답변을 내놓습니다. Reddit의 프롬프트 연구 커뮤니티에서도 퓨샷을 적용했을 때 기본 프롬프트 대비 정확도가 68%에서 74%로 올라갔다는 벤치마크 결과가 공유된 바 있어요.

한 가지 실수를 공유하자면, 처음에 CoT를 적용할 때 단계를 너무 많이 넣었더니 오히려 AI가 각 단계를 얕게 다루더라고요. 5단계 이내로 잡는 게 경험상 가장 효과적이었어요. 그리고 퓨샷 예시는 너무 길면 역효과가 나니까 핵심만 간결하게 보여주는 게 좋습니다.

이 두 기법을 결합하면 꽤 놀라운 수준의 분석이 나와요. 물론 그래도 최종 판단은 본인 몫이고, 큰 금액을 투자하기 전에는 반드시 전문 금융 어드바이저와 상의하는 게 맞습니다.