주식 데이터를,
과학으로 해석합니다.

데이터에서 패턴과 관계를 학습하는 방법입니다. 어떤 특성을 입력하는지, 무엇을 예측하거나 분류하는지, 새로운 데이터에서도 결과가 유지되는지가 핵심입니다.

여러 층의 신경망으로 복잡한 표현을 학습하는 머신러닝의 한 분야입니다. 주식 데이터에서는 시간에 따른 변화와 여러 변수의 관계를 모델링하는 접근을 살펴볼 수 있습니다.

수학·통계·계산 기법으로 금융 현상과 위험을 분석하는 분야입니다. 수익률, 변동성, 상관관계와 비용 등을 명시적으로 다루며 가설과 분석 결과를 검증합니다.

실제로 거래가 성립한 기록입니다. 오빗은 최근 체결의 가격·수량과 매수·매도 방향 자료를 함께 살핍니다. 주문 잔량과는 다릅니다.

사거나 팔겠다고 제시된 가격과 수량입니다. 주문은 취소될 수 있어, 오빗의 호가 압력 규칙은 잔량의 지속성과 매수 체결을 함께 확인합니다.

체결 가격과 체결 수량으로 계산하는 거래 규모입니다. 오빗의 순간 증가 규칙은 최근 5초의 흐름을 직전 25초 구간과 비교합니다.

최근 30초 체결을 수량으로 가중한 평균가격입니다. 오빗의 회복 신호는 이 평균 아래에 있던 체결이 위로 회복하는지를 봅니다. 당일 전체 평균은 아닙니다.

선택한 규칙 중 통과한 규칙의 비율입니다. 규칙 10개 중 8개가 통과하면 80점이라는 뜻이지, 상승 확률 80%라는 뜻이 아닙니다.

WAIT는 신호 판단에 필요한 자료나 구간이 부족한 상태입니다. 평가 제외는 후속 결과를 계산하지 못한 관측입니다. 둘 다 0% 수익이나 손실로 바꾸지 않습니다.