00. 이 책을 읽는 방법
01. 대장주란 무엇이고 AI는 어떻게 찾는가
01-1. 시장 주도력과 대장주의 정의
01-2. 대장주 탐지와 대장주 지속성 예측의 차이
01-3. 상승률 1위와 대장주는 왜 다를까
01-4. AI 대장주 탐색 시스템 전체 아키텍처
02. Python과 한국투자증권 Open API 개발환경 구축
02-1. 개발환경 준비와 예제 저장소 클론
02-2. KIS Developers 가입과 API 인증
02-3. 국내주식 순위·시세 조회
02-4. 실습: 실시간 체결 시세 수신하기
03. AI 분석을 위한 주식 데이터 파이프라인
03-1. KOSPI·KOSDAQ 종목 마스터 관리
03-2. 일봉·분봉 수집과 매일 데이터 축적하기
03-3. DuckDB 저장 구조 설계
03-4. 데이터 품질 검사와 미래정보 누수 방지 원칙
03-5. 실습: 재현용 샘플 데이터셋 불러오기
04. 거래대금과 상대강도로 대장주 후보 찾기
04-1. 상승률·거래대금 집중도·거래량 급증 지표
04-2. 시장 대비 상대 주가 강도
04-3. 유동성 필터 구현
04-4. 실습: 오늘의 대장주 후보 추리기
05. 시장을 주도하는 테마 자동 탐색
05-1. 테마 사전 만들기
05-2. 테마별 동반 상승과 종목 간 관계
05-3. 테마 강도와 자금 집중도 분석
05-4. 실습: 주도 테마 TOP 5 찾기
06. Leader Score 기반 대장주 랭킹 구현
06-1. 지표 정규화
06-2. 6개 지표와 초기 가중치
06-3. 선정 근거 출력하기
06-4. 실습: 대장주 TOP 10 일일 리포트
07. 장중 실시간 대장주 탐색과 교체 감지
07-1. 5분 간격 재평가 구조
07-2. VWAP과 체결강도로 실시간 매수세 측정
07-3. 대장주 교체와 테마 간 자금 이동 탐지
07-4. API 호출 제한·구독 제한 대응
07-5. 실습: 주도력 변화 알림 구현
08. LightGBM으로 미래 대장주 랭킹 학습하기
08-1. Feature Engineering
08-2. 정답 레이블 설계 ? 향후 30·60분 상대수익률
08-3. Learning-to-Rank와 LGBMRanker
08-4. 시점 기준 학습·검증 데이터 분할
08-5. 실습: Leader Score와 LightGBM Ranker 비교
09. LLM으로 뉴스와 공시에서 주도 테마 찾기
09-1. 뉴스·OPEN DART 공시 수집
09-2. LLM 테마 분류와 신규 테마 확장
09-3. 상승 재료 근거 검증
09-4. 종목-테마 연관성 분석
09-5. 실습: LightGBM + LLM 특성 결합
10. AI 전용 차트 생성과 VLM 분석
10-1. 사람용 차트와 AI 전용 차트의 차이
10-2. AI 전용 차트 설계와 이미지 자동 생성
10-3. VLM으로 차트 판독하기
10-4. 실습: 정형 데이터 모델과 LightGBM + VLM 비교
11. AI 대장주 탐색 시스템 백테스트
11-1. 시점별 검증(Walk-forward) 설계
11-2. 평가 지표 ? NDCG@K, 상대수익률, MFE·MAE
11-3. 거래비용 반영
11-4. 데이터 누수 점검 체크리스트
11-5. 실습: 6개 모델 성능 비교 실험
12. 실시간 AI 대장주 모니터 완성하기
12-1. Streamlit·Plotly 대시보드 구성
12-2. 선정 이유 설명과 변화 이력 표시
12-3. 장 마감 리포트 자동 생성
12-4. 가상 장부로 신호 검증하기
12-5. 실전 프로젝트: 하루 동안 AI 대장주 모니터 운영하기
부록 A. 한국투자증권 API 엔드포인트와 호출 제한
부록 B. KRX·NXT 시장 구분과 거래시간
부록 C. 용어 정리
부록 D. 참고 자료와 공식 문서