[Apt Swing 개발일지 #5] GPT에게 부동산 차트를 읽게 만들다
월봉을 만들고, 법정동과 84㎡ 기준을 적용하고, 여러 개의 장기 이동평균선까지 추가하면서 Apt Swing의 차트는 어느 정도 완성되었다.
하지만 차트가 완성되었다고 해서 모든 문제가 해결된 것은 아니었다.
이번에는 해석의 문제가 남아 있었다.
같은 차트를 보더라도 사람마다 보는 관점이 다르다.
누군가는 상승 추세라고 생각할 수 있고, 누군가는 아직 조정 구간이라고 판단할 수도 있다.
어떤 사람은 최근 가격 변화에 집중하고, 어떤 사람은 장기 이동평균선의 방향을 중요하게 볼 수도 있다.
결국 차트 자체보다 차트를 어떻게 해석하느냐가 더 중요한 문제가 되기 시작했다.
그래서 차트를 일정한 기준으로 분석해주는 방법을 고민하게 되었다.
그 과정에서 GPT를 활용한 자동 보고서 생성을 시도하게 되었다.
처음에는 단순한 실험에 가까웠다.
차트를 입력하고 분석을 요청해보았는데 생각보다 흥미로운 결과가 나왔다.
가격 흐름을 요약하고, 상승과 하락 구간을 설명하고, 장기적인 추세를 정리하는 작업을 꽤 자연스럽게 수행했다.
그래서 현재 Apt Swing에서는 GPT를 활용하여 지역별 분석 보고서를 자동으로 생성하고 있다.
물론 AI의 분석이 항상 정답이라고 생각하지는 않는다.
하지만 같은 기준으로 수많은 지역을 분석할 수 있다는 점은 분명한 장점이었다.
그리고 개발을 진행하면서 또 하나의 생각이 들기 시작했다.
부동산은 단순히 차트만 보고 이해할 수 있는 시장이 아니라는 점이다.
금리 인상, 정부 정책, 재건축 이슈, 지역 개발 계획, 경제 위기와 같은 수많은 요인들이 실거래가에 영향을 준다.
현재 Apt Swing의 분석은 주로 차트를 기반으로 이루어지고 있다.
하지만 앞으로는 부동산 뉴스와 정책 데이터, 경제 데이터를 함께 활용하여 보다 풍부한 분석을 제공하는 방향으로 발전시켜보고 싶다.
또한 현재 사용하고 있는 GPT 기반 분석 역시 장기적으로는 비용 효율성과 확장성을 고려하여 로컬 LLM 기반으로 전환하는 방안도 검토하고 있다.
Apt Swing은 아직 완성된 프로젝트가 아니다.
지금까지의 개발 과정은 데이터를 통해 의미 있는 분석 단위를 찾는 과정이었다면, 앞으로의 개발은 데이터를 어떻게 해석하고 이해할 것인가에 대한 과정이 될 것 같다.
지난 다섯 편의 개발일지를 통해 Apt Swing이 만들어진 과정을 정리해보았다.
앞으로도 새로운 기능이나 분석 방법이 추가되면 계속 기록해보려고 한다.
아파트 스윙 - APT. Swing
www.aptswing.com