좋은 종목을 찾는 일은 여전히 밤샘이다

"좋은 종목을 찾는 일"은 여전히 애널리스트의 밤샘과 수십 개의 브라우저 탭, 그리고 흩어진 PDF 사이에서 일어납니다. 재무제표는 한 곳에, 증권사 리포트는 다른 곳에, 공시는 DART에, 뉴스는 또 어딘가에 흩어져 있습니다.

특히 개인 투자자에게는 이 과정이 더 가혹합니다. 곳곳에 흩어진 재무·리포트·뉴스를 일일이 조합하고, 그걸 근거로 종목을 스크리닝하는 일은 굉장히 번거롭고 어렵습니다. 무엇보다 — 애초에 무엇을 검색해야 하는지조차 알기 어렵습니다.

랭퀀트(LangQuant)는 이 문제를 정면으로 겨냥합니다.

랭퀀트 스크리너는 자연어 기반 멀티에이전트 스크리너 입니다. 가상자산 시장에서 쌓아온 데이터 파이프라인과 AI 에이전트 역량을, 이제 한국 주식 시장 — 코스피·코스닥 — 으로 확장합니다.

한 문장으로 말하면, 종목을 찾아준다

이렇게 말한다고 해봅시다:

"지난 분기 대비 영업이익률이 개선되고, 외국인 순매수가 들어온 코스닥 소부장 기업"

랭퀀트 스크리너는 이 자연어 문장을 받아, 구축된 벡터DB와 데이터 파이프라인 위에서 적절한 툴을 호출하고, 조건에 맞는 기업들을 스크리닝해 돌려줍니다. SQL을 짤 필요도, 화면을 열 댓 개 띄워둘 필요도 없습니다.

DART 공시, 정성 재무, 정량 재무, 정성 리포트, 뉴스까지 — 흩어진 데이터를 전부 수집해 벡터화하고 분류 합니다.

검색은 키워드 매칭과 의미(semantic) 검색을 결합한 하이브리드 서치 로 동작합니다. 정확한 종목명·계정과목은 키워드로 잡고, "소부장", "실적 턴어라운드" 같은 모호한 개념은 의미 검색으로 잡아냅니다. 흩어진 데이터에서도 맥락을 잃지 않는 이유입니다.

재무 데이터에서 LLM이 가장 자주 틀리는 지점이 바로 '표' 입니다. 행과 열이 엇갈리면 그럴듯한 숫자가 엉뚱한 항목에 붙어버립니다. 금융 문맥에서는 숫자 하나가 틀리면 신호 전체가 뒤집힙니다.

랭퀀트는 모든 수치를 원천 데이터에 고정(grounding) 합니다. LLM이 만들어낸 그럴듯하지만 틀린 숫자를 원천과 대조해 걸러내, "보기엔 맞지만 실제로 틀린" 답을 차단합니다.

사실 개인 투자자가 겪는 진짜 어려움은 검색 실행이 아니라, 무엇을 검색해야 하는지 모른다는 것 입니다.

그래서 랭퀀트는 다양한 알파 팩터를 탐색하는 스크리닝 프리셋 을 제공합니다. 무엇을 검색해야 할지, 어떤 조건이 유용할지 막막한 투자자도, 검증된 프리셋에서 출발해 자기만의 조건으로 변주해 나갈 수 있습니다.

하나의 거대한 모델에 모든 걸 떠넘기지 않습니다. 정량·정성·공시·뉴스를 각각의 전문 에이전트 가 나눠 처리하고, 그 결과를 오케스트레이터가 하나의 답으로 종합합니다.

각 도메인에 특화된 에이전트가 협업하기에, 단일 모델보다 정확하고 추적 가능한 답을 만들어냅니다.

스크리너는 시작입니다.

축적한 알파 데이터를 바탕으로, 랭퀀트는 이제 코스피·코스닥 지수 개발 에 들어갑니다. 단순한 스크리너를 넘어, 한국 시장을 위한 독자적인 시그널과 인덱스를 만들어가려 합니다.

랭퀀트는 가상자산 시장뿐 아니라, 이제 코스피·코스닥 시장에서도 알파를 찾기 시작합니다.

흩어진 데이터를 한 문장으로 꿰는 일 — 그 다음은, 그 데이터로 시장을 읽는 자체 인덱스입니다. 여정은 이제 막 시작됐습니다.

#LangQuant #랭퀀트 #퀀트투자 #코스피 #코스닥 #AI에이전트 #벡터DB #핀테크 #스크리너 #알파