숙련 된 투자자를위한 규칙

마지막 업데이트: 2022년 7월 14일 | 0개 댓글
  • 네이버 블로그 공유하기
  • 네이버 밴드에 공유하기
  • 페이스북 공유하기
  • 트위터 공유하기
  • 카카오스토리 공유하기

Premium Contents

'머신 러닝'이란 인공지능을 구현하는 기술의 일종으로, 기계가 직접 학습을 한다는 뜻이다. 반대 개념으로 '규칙기반' 인공지능이 있는데, 인간 전문가가 일종의 규칙을 만들어 먼저 부여하는 방식이다. 머신 러닝은 인간이 규칙을 정해주지 않아도, 기계 또는 시스템이 독자적으로 경험을 쌓아가며 학습한다.

'딥 러닝'은 '머신 러닝' 중에서도 구조를 여러 층으로 '깊이' 쌓아 연결한 경우를 말한다. 딥 러닝은 인간 전문가조차 생각해내기 힘든 특성을 고려하여 판단을 내릴 수 있으며, 이를 통해 비정형 데이터, 시각, 음성, 문자 등의 분야에서 괄목할 성과를 낸다.

하지만 '딥 러닝'은 방대한 데이터와 이를 처리할 컴퓨팅 파워를 필요로 하며, 정작 인간이 그 작동 방식을 이해할 수 없다는 등의 한계가 있다. 또 경제, 금융 등 수치화된 정형 데이터가 사용되는 분야에선 그리 두드러지는 결과를 내지 못한다. 따라서 이런 분야에서는 여전히 '쉘로우(얕은) 러닝'도 많이 사용되고 있다.

강신재: LG전자 책임연구원. LG전자에서 데이터를 기반으로 고객을 이해하고, 이를 바탕으로 고객경험혁신 업무를 추진하고 있다.

은종현: 성균관대학교 GSB AI MBA 겸임교수 겸 HAAFOR Singapore CIO.

머신 러닝, 딥 러닝… 인공지능, 대세로 부상하다

2016년 3월 벌어진, 바둑 인공지능 알파고(AlphaGo)와 이세돌 기사의 바둑 대결. 대결 전까지만 해도, 사실 대부분의 바둑 전문가들이 아직은 인공지능이 인간 기사를 이길 수 없을 것이라는 전망을 내놨다. 체스야 인공지능이 제패한 지 오래 되었지만, 바둑은 경우의 수가 체스보다 훨씬 많아 인공지능이 따라가기 힘들 것이라는 전망이었다.

하지만 과학계의 의견은 달랐다. 인공지능의 발전이 이미 완전히 다른 차원에 이르렀음을 이미 알고 있었기 때문이다. 결국 바둑계의 예상을 뒤집고, 알파고는 이세돌 기사를 4:1로 제압했다. 이후 대중적으로, 인공지능에 대한 관심이 그야말로 폭발했다. 인공지능은 물론, 머신 러닝(기계학습, Machine Learning), 딥 러닝(Deep Learning)과 같은 단어들이 대중적으로 익숙하게 사용되기 시작했다.

이세돌과 알파고의 대국은 바둑계의 예상을 깨고 알파고의 압도적인 승리로 끝났다. (출처: KBS)

하지만 이들 단어가 ‘정확히’ 무엇인지를 설명하기란 쉽지 않다. 이는 인공지능 분야의 용어들이 간단히 정의하기에는 너무 복잡하기 때문이기도 하다. 덕분에 인공지능은 실제 이상으로 지나치게 과장되어, 때로는 모든 것을 극복할 마법처럼, 때로는 인류를 파멸시킬 재앙처럼 여겨지고는 한다.

인공지능이란 무엇인가? 딥 러닝의 의미는? 머신 러닝과 딥 러닝은 무슨 관계인가? 오늘날 인공지능은 딥 러닝만이 전부인가? 절대 쉬운 질문은 아니다. 숙련된 경력자조차, 모두 공감할 만한 설명을 제시하기에는 어려움이 있다. 여기에서는 비교적 비전공자를 위한 대중적 접근에 초점을 맞추어 이야기를 전개해보고자 한다.

인공지능 > 머신 러닝 > 딥 러닝

인공지능은 크게 규칙 기반과 머신 러닝으로 나뉘며, 머신 러닝은 다시 딥 러닝과 쉘로우 러닝으로 나뉜다.

인공지능은 말 그대로, “인간의 지적 능력을 인공적으로 구현하는 기술”을 의미한다. 인간 특유의 시청각적 지각 능력이나 학습 능력, 추론 능력 등을 기계에 이식하는 것이다.

오늘날 인공지능이 활용되고 있는 분야는 다양하다. ‘알파고’를 위시한 게임 분야는 대표적이다. 애플(Apple)의 ‘시리(Siri)’를 비롯한 음성인식 분야에서는, 사람의 자연스러운 언어를 이해하기 위해 인공지능이 적극 활용되고 있다. 또 자율주행 및 의료영상 분석 분야에서는 시각 정보를 받아들이고 추론하는 데 인공지능 기술이 필요하다. 카메라, 레이더, 라이다 등으로 정보를 분석한 뒤 상황을 판단하여, 직접 운전 등을 하거나 의학적 진단 등을 제안하는 것이다.

애플의 인공지능 음성비서 ‘시리’. 사람의 자연스러운 음성 언어를 이해하고 적절한 답변을 내놓기 위해 인공지능 기술이 적극 활용되고 있다.

‘머신 러닝’은 그러한 인공지능을 구현하는 기술의 일종으로, 우리말로 하자면 ‘기계학습’이라고 할 수 있다. 말 그대로 기계가 직접 학습을 한다는 것이다. 그럼, 기계가 직접 학습을 한다는 건 무슨 의미일까? 이를 바로 설명하기보다는, 우선 머신 러닝에 대비되는 개념을 하나 이야기하고 넘어가는 게 더 좋을 것 같다. 바로 규칙기반(Rule-Based)이라 불리는 기술이다.

인간이 규칙을 먼저 정해주는 경우: 규칙기반(Ruled-Based) 인공지능

‘규칙 기반’은 ‘머신 러닝’에 비하면 오히려 대중적으로는 생소한 개념이다. 하지만 ‘규칙기반’은 ‘머신 러닝’이 본격적으로 대두하기 전부터 적극적으로 활용되던 인공지능의 한 분야다. ‘규칙기반’이라는 말 그대로, 이 기술은 우선적으로 인공지능에 일종의 규칙을 만들어 부여한다. 그리고 이 규칙은 관련 분야에 전문 지식을 갖춘, ‘인간 전문가’가 정하는 경우가 대부분이다.

규칙기반에 대해 좀 더 자세히 설명하기 위해, 세계에서 가장 유명한 주식 투자자, ‘오마하의 현인’ 워렌 버핏의 투자 방식을 예로 들어보자. 워렌 버핏은 자신이 회장 겸 CEO로 있는 투자회사 ‘버크셔 해서웨이’의 주주들에게 보내는 편지에서 좋은 주식을 고르는 방법을 설파한 적이 있다.

워렌 버핏은 주주들에게 보내는 편지에서 몇 가지 투자 원칙을 설명하고는 한다. (출처: 매일경제)

그 방법 중 하나가, “운전자본(Working Capital)이 적게 들어서 주주의 이익이 극대화되는 회사를 고르라”는 것이었다. 운전자본이란 ‘일상적인 기업 운용에 필요한 자본’을 뜻한다. 즉, 운전자본이 적다는 건 그만큼 기업에 ‘묶이는 돈’이 적다는 의미가 된다. 운전자본이 적을수록 주주에게 유리하다는 것은 이런 뜻인 것이다.

이건 말하자면, 워렌 버핏이라는 ‘인간 전문가’가 ‘기업의 운전자본으로 이익을 추정할 수 있다’는 ‘규칙’을 만든 것이라고 할 수 있다. 이 경우에는 기계가 아니라 인간 주주들에게 규칙을 정해준 것이지만, 같은 식으로 기계에게도 규칙을 가르쳐줄 수 있다.

실제로 많은 ‘퀀트’ 기반 주식 투자가 이러한 ‘규칙 기반’ 으로 이루어진다. ‘퀀트’란 정량화된 데이터를 가지고 수학, 통계학적 방법론을 동원하여 투자하는 방법을 의미한다. 자연히 개중 많은 부분은 인공지능에 의해 자동화할 수 있다.

퀀트 투자는 숫자 등 정량화할 수 있는 데이터를 가지고 수학적, 통계학적 방법론을 동원하여 투자하는 주식 투자법을 말한다. 일반적으로 가설을 과거 시점에서 시뮬레이션해본 뒤, 해당 가설이 과거 시점에 잘 작동한다는 것이 확인되면 실전 투자에 나선다. (출처: 한국경제)

‘규칙 기반’에 의한 퀀트 투자는 보통 다음과 같은 방법으로 이루어진다. 인간 전문가가 먼저 가설을 세우고, 이 가설에 따라 규칙을 만든다. 예를 들어, ‘기업의 운전자본이 증가할수록 이익은 감소한다’는 가설을 세웠다면, 이에 따라 ‘기업의 운전자본이 증가하면 주식을 매각한다’는 규칙을 세우는 것이다.

물론 이것만으로는 충분하지 않다. 가설을 증명하는 숙련 된 투자자를위한 규칙 절차가 필요하다. 그래서 이 규칙에 의거하여 주식을 매매했을 경우 실제 수익을 거두는지, 과거의 특정 시점에서 가상의 매매(시뮬레이션)를 돌려 본다. 그리고 이 시뮬레이션에서 해당 규칙을 이용한 매매가 실제로 수익을 거둔다는 것이 검증된다면, 현재 시점의 진짜 시장에서 해당 규칙에 따라 주식을 매매한다.

아직 ‘인간의 개입’을 필요로 한다는 점에서 규칙기반 인공지능이 마치 뒤처진 인공지능처럼 보일 수도 있지만, 그렇지 않다. 오히려 규칙기반 인공지능의 적용분야는 오늘날에도 계속 확장되어가고 있다. 머신 러닝, 딥 러닝 등 최근 화두가 되고 있는 인공지능 기술의 경우, 상대적으로 긴 시간과 강력한 컴퓨팅 파워를 필요로 한다는 약점이 있기 숙련 된 투자자를위한 규칙 때문이다. 오늘날 규칙기반 인공지능은 차량, 로봇 제어 등을 포함한 거의 전 산업 분야에서 활용되고 있다.

규칙을 정해주지 않아도, 기계가 스스로 학습하는 경우: 머신 러닝

앞에서 알아본 바와 같이, ‘규칙기반’은 우선 인위적으로 한 가지 규칙을 정해놓는 것이 가장 큰 특징이라고 할 수 있다. 이 규칙을 기반으로, 결정론적으로(Deterministic) 시스템 또는 기계가 동작하는 것이다.

사실 ‘규칙기반’은, ‘인공지능’ 하면 흔히 떠올리기 마련인 자율적인 지능과는 다소 차이가 있다. 적은 비용으로 효율적인 계산을 수행할 수 있지만, 인간이 부여하는 규칙 외에 새로운 규칙을 학습할 수 없어 경직적이다. 마치 학습된 단어에 대해서만 답변할 수 있고, 조금만 단어가 변형돼도 말문을 알아듣지 못하는 구세대 챗봇처럼 말이다.

인도의 성장 스토리 재 작성 – 새로운 투자 목적지

주요 비 부채 금융 원인 외국인 직접 투자 (FDI) 는 국가 발전에 필수적인 역할을합니다. Narendra Modi 정부의 유리한 정책 체제와 강력한 비즈니스 접근 방식은 개방적이고 잘 규제되고 포용적인 사회에서 고도로 숙련 된 인력과 함께 외국 자본이 계속해서 국가로 유입되도록했습니다.

인도의 FDI

유엔 무역 및 개발 회의 (UNCTAD)는 인도의 국가 투자 촉진 및 촉진 기관인 Invest India를 2020 유엔 투자 촉진 상 수상자 로 선언했습니다. 이상은 인도의 사회적 회복력과 4D에 대한 인도의 공약에 대한 증언입니다 : 민주주의, 인구 통계학, 수요 및 규제 완화 .

4D 효과 : 2020 년에 5 천억 달러 달성

2014 년 이후 정부 정책 은 글로벌 경관을 미리 이해하고 경제에 필요한 구조적 변화를 가져온다는 점에서 높은 평가를 받고 있습니다. 그들의 노력은 시간 "사업 순위를하는"세계 은행 (World Bank)에 반영되어 다시 지난해 인도는 14 순위 향상 및 190 개국 중 63 번째 위치로 증가했다. 인도는 5 년 동안 (2014-19) 79 위로 순위를 올렸습니다.

진행중인 전염병 속에서 게임의 모든 규칙을 깨뜨리는 인도는 FDI 주식 유입에서 5 천억 달러의 이정표를 숙련 된 투자자를위한 규칙 성공적으로 통과하여 역사를 만들었습니다. 인도는 2015 년부터 2020 년까지 2,600 억 달러를 받았으며, 이는 2015 년부터 2020 년까지 지난 20 년간 FDI의 절반 이상이 발생했음을 의미합니다.

2020 년에 발표 된 그린 필드 FDI 프로젝트는 인도에서 325 개였으며, 중국, 베트남, 말레이시아에서 각각 345 개, 73 개, 67 개 프로젝트가있었습니다. 인도는 미국에서 154 개의 프로젝트를 받았으며 중국, 베트남, 숙련 된 투자자를위한 규칙 말레이시아는 각각 86, 12, 15 개의 프로젝트를 받았습니다.

국가별로 분석 해보면 2014 년 이후 가장 많은 FDI 유입은 모리셔스에서 발생했습니다. 그러나 2019-2020 년에 싱가포르와 미국 의 FDI는 2014 년에 비해 무려 179 %, 167 % 증가했습니다.

인도의 FDI

세계 5 대 소비자 시장 중 하나 인 인도는 외국인 투자자에게 매력적인 목적지입니다 . 2020 년 인도로 유입되는 FDI의 평균 티켓 규모는 $ 48.26 백만 입니다. 이는 인도가 시장 리더와 마찬가지로 소규모 신흥 플레이어에게 유리하고 투자자 친화적임을 의미합니다.

FDI 유입의 부문 별 구성

가장 높은 FDI를받는 부문은 각각 서비스 (금융, 은행 및 보험), 컴퓨터 소프트웨어 및 하드웨어 , 통신 및 거래입니다. 그들은 각각 17 %, 12 %, 7 % 및 6 %의 비율로 가장 높은 FDI를 받았습니다. 빠르게 따라 잡는 다른 부문은 건설 및 자동차 산업 으로 FDI 유입 측면에서 각각 5 %를 차지합니다.

앞서가는 방법 : 혁신을 통해 AtmaNirbhar를 강화

수년에 걸쳐 FDI 유입은 국가의 경쟁 수준을 높여 연구 개발 (R & D) 요건의 기준을 높였습니다. Digital India, AatmaNirbhar Bharat Innovate Challenge, Make in India, Atal Innovation Challenges와 같은 프로그램은 국가의 투자 프로세스를 합리화하고 가속화했습니다. 이러한 도전은 고갈 된 생태계와 노후된 기술을 다시 활성화 할 수 있습니다. 그것은 결국 인도가 풀뿌리 기술 혁신가들의 군대를 만드는 데 도움이 될 것입니다.

정부는 국가 투자 진흥 기관인 Invest India 와 함께 세계에서 가장 매력적인 외국인 투자 목적지를 유지하기 위해 인도가 올바른 방향으로 계속 여행 할 수 있도록 변화를 가져오고 있습니다.

숙련 된 투자자를위한 규칙

┃한국어판 서문┃ 트레이딩을 통해 자유를 얻다
┃개정판 서문┃ 기록만 잘해도 늘어나는 실력

들어가는 글
1. 마지막 미개척지, 주식시장
2. 문제는 심리다
3. 미리 알아두어야 할 몇 가지 걸림돌

제1부 개인 심리
4. 왜 트레이딩하는가?
5. 현실과 환상
6. 트레이더 스스로를 망치는 행위
7. 트레이딩 심리
8. 알코올 중독자들의 모임에서 배운 트레이딩 교훈
9. 패자들의 모임
10. 승자와 패자

제2부 집단 심리
11. 가격이란 무엇인가
12. 시장이란 무엇인가
13. 트레이딩 현장의 집단들
14. 시장의 군중과 나
15. 추세의 심리학
16. 관리냐 예측이냐

제3부 전통적인 차트 분석법
17. 차트의 출발점
18. 지지와 저항
19. 추세와 박스권
20. 캥거루 꼬리

제4부 컴퓨터를 이용한 기술적 분석
21. 컴퓨터를 이용한 분석
22. 이동평균
23. MACD: MACD 선과 MACD 히스토그램
24. 방향성 시스템
25. 오실레이터
26. 스토캐스틱
27. 상대강도 지수

제5부 거래량과 시간
28. 거래량
29. 거래량 지표
30. 강도 지수
31. 미결제약정
32. 시간
33. 트레이딩 시간단위

제6부 전체 시장을 분석하는 지표
34. 신고점/신저점 지수
35. 50일 이동평균 상회 종목
36. 기타 시장 지표
37. 합의 지표와 시장 참여 지표

제7부 트레이딩 시스템
38. 시스템 트레이딩, 모의 트레이딩, 모든 트레이딩의 3가지 요건
39. 삼중 스크린 매매 시스템
40. 임펄스 시스템
41. 채널 트레이딩 시스템

제8부 트레이딩 대상
42. 주식
43. ETF
44. 옵션
45. CFD
46. 선물
47. 외환

제9부 위험관리
48. 심리와 확률
49. 위험관리의 2대 법칙
50. 2퍼센트 규칙
51. 6퍼센트 규칙
52. 손실 후 재기하기

제10부 실용적인 원칙들
53. 수익 목표 설정: 과유불급
54. 손실제한 설정: 헛꿈을 버려라
55. A등급인가?
56. 트레이딩 후보 검출

제11부 트레이딩 일지
57. 매일 해야 하는 숙제
58. 트레이딩 계획 수립 및 채점
59. 트레이딩 일지

┃맺는 글┃ 끝없는 여정: 배움을 멈추지 마라
┃참고문헌┃

“트레이더의 목표는 매수세와 매도세 사이의 힘의 균형을 판단해
이기는 쪽에 돈을 거는 것이다.
게임에서 이기려면 군중의 머리 위에서 놀아야 한다.”

트레이딩 분야 역대 최고의 베스트셀러
새 시대에 맞춘 개정판 출간
전 세계의 개인 및 기관 트레이더들 사이에서 명저가 된 《심리투자 법칙》 개정판이 발간되었다. 이번 확대 개정판에서는 오늘날 급변하는 시장에 맞춘, 세월의 검증을 거친 개념들을 소개하고 현재 트레이더에 맞는 새로운 연구 결과와 기법을 추가했다.

이 책은 예측할 수 없는 주식시장에서 침착하고 절도 있게 접근할 수 있도록 가르치고 있다. 특히 자기 관리와 함께 위험관리를 역설하고 이를 위한 분명한 규칙도 제공한다. 《심리투자 법칙》 개정판은 주가 분석, 트레이딩 계획 수립, 자신의 트레이딩 역량 평가에 대한 해법을 제시한다. 이 책을 통해 자신만의 효과적인 트레이딩 시스템을 개발할 수 있는 지식과 시각, 도구를 얻을 수 있다.

이 책의 차트 역시 최신 차트로 규칙과 기법에 관한 명쾌한 해설을 첨부했다. 분명한 어조, 실용적인 실제 사례와 더불어 핵심적인 기술을 아낌없이 제공해서 업계의 본보기가 되었고, 많은 곳에서 모방하고 있지만 쏙 빼닮은 책은 어디에도 없다. 이 책이 주는 통찰력은 초보 투자자부터 숙련된 투자자까지 여전히 혼돈의 주식시장에서 침착하고 체계적인 접근법으로 상대할 수 있도록 도와줄 것이다.

_ 성공에 방해가 되는 걸림돌을 제거하고 절제력을 더욱 강하게 키워라
_ 보상은 크고 위험은 낮은 구간을 식별하라
_ 진입, 목표, 손실제한 설정 시 자금관리에 능수능란하라
_ 체계적으로 기록해 스스로에게 스승이 되라

주식시장에서 성공하려면 지식과 집중력, 그리고 절제력이 밑바탕에 있어야 한다. 《심리투자 법칙》 개정판은 오늘날 시장에 맞는 툴과 함께 균형 잡힌 지혜를 더하여 트레이딩 수준을 높일 것이다.

전 세계 10개 국어 출간: 영미권에서만 100만 부 판매
금융시장에 ‘심리투자’라는 새로운 해법을 제시
출간되자마자 월스트리트에서 화제의 중심에 섰으며 세계 10개 언어로 번역되어 열광적인 반향을 불러일으킨 세계적 베스트셀러다. 저자인 알렉산더 엘더 박사는 정신과 의사이자 손꼽히는 테크니션으로서 심리와 기술적 분석을 접목하여 금융시장에 ‘심리투자’라는 화두를 던지고 이 분야를 리드했다.

현재까지 수많은 투자서들과 언론, 투자 프로그램 등에 그의 기법이 인용, 추천됐으며 아마존의 장기 베스트셀러로 변함없이 주목받고 있다. 국내에서도 선물시장의 전설적 트레이더가 “시장과 군중의 심리를 명쾌하게 통찰한 책!”이라는 극찬을 아끼지 않은 이 시대 투자자들의 필독서다. 정신과 의사라는 독특한 이력 덕분에 투자자들의 심리를 꿰뚫을 수 있었으며 이를 시장에 적용시켜 심리투자라는 새로운 장을 열었다. 이 책은 심리투자의 세 가지 핵심을 논리적이고 설득력 있게 제시함으로써 소란스러운 시장에서 자신을 지킬 수 있는 해법을 알려준다.

“트레이더가 통제할 수 있는 것은 자신뿐이다”
트레이딩의 성패를 가르는 가장 근본적인 요인은 심리다. 트레이더로서 개인의 심리와 군중으로서 집단의 심리를 파헤쳐 감정적 취약점을 찾아내기 위한 논의가 1부와 2부에서 진행된다. 누구나 돈을 벌기 위해 시장에 뛰어들지만 왜 대부분이 목표를 이루지 못하고 퇴출되는지 이해할 수 없다면 공들여 읽어야 할 주제다. 시장이란 무엇이며 가격이란 무엇인지, 추세의 이면에 숙련 된 투자자를위한 규칙 존재하는 심리가 어떤 것인지를 통찰할 수 있다.

“트레이딩은 방향성(Direction)에 대한 가능성(Possibility) 게임이다”
지지와 저항, 추세, 차트 패턴 등 전통적인 차트 분석 방법을 기본으로 MACD, 오실레이터, 모멘텀, ROC, 스토캐스틱 등 기술적 지표들의 의미와 활용 방법을 설명한다(3~4부). 거래량과 거래량 기반 지표들을 살펴보고 시간 단위와 매매 결정의 관계를 확인한다(5부). 전체 시장을 분석하는 지표(6부)와 트레이딩 시스템(7부)을 설명한다. 주식, ETF, 옵션 등 6가지 유형의 트레이딩 대상 중 어떤 시장에 주력할지 결정할 수 있도록 트레이딩 대상(8부)에 관해 새롭게 집필했다.

“트레이더의 첫 번째 목표는 시장에서 살아남는 것이다”
시장에 진입한 뒤 가격이 변동하면 수익이 나든 손실이 나든 트레이더는 심리적으로 취약해진다. 특히 손실이 났을 때 세웠던 자금계획을 바꾸고 싶은 유혹이 더욱 강렬해진다. 엄격한 자금관리 원칙이 필요한 것도 이 때문이다. 손실의 심리와 현명한 손실제한 원칙에 대해 논의하고, 포지션 진입 시 리스크 수준의 설정과 청산에 관한 전략을 자세하고도 새롭게 제시했다(9~10부). 또한 저자는 트레이딩이 끝난 후 자신의 거래를 기록(11부)할 것을 제안하는데, 자신의 과거로부터 교훈을 얻지 못하는 트레이더는 수익률의 꾸준한 성장이나 고수익 트레이더로의 변신은 차치하고 시장에서 살아남는 것도 불가능하기 때문이다.

핵심을 되짚어 이해도를 확인할 수 있도록
스터디 가이드 동시 출간
“아마추어가 돈을 잃는 이유는 딱 세 가지다. 게임이 어려워서, 무지해서, 그리고 자제력이 부족해서. 이런 문제로 골머리가 아프다면 반드시 이 책을 읽기 바란다.” 최고의 트레이딩 책을 읽었을지라도 1주일 뒤에 얼마나 머리에 남아 있을까? 저자는 개정판 독자들이 핵심 내용을 완전히 익힐 수 있도록 스터디 가이드를 집필했다.
스터디 가이드에는 11개 장에 걸쳐 170개의 다지선다형 문제가 있으며 문항마다 채점 기준이 다르다. 이 문항들은 심리에서 시스템 설계, 위험관리에서 체계적인 트레이더가 되는 길까지 전 분야에 걸친 트레이딩 주제를 다루고 있다. 모든 문제는 본 책의 특정 장과 연계되어 있으며 정답 부분은 정답과 오답에 대한 폭넓은 해설로 작은 교과서 역할도 한다.
스터디 가이드에는 다양한 트레이딩 신호와 패턴을 식별할 수 있는지 테스트하는 차트 17개도 포함되어 있다. 《심리투자 법칙》 개정판 스터디 가이드는 시장에서 꾸준히 승리하기를 바라는 모든 트레이더에게 보물 같은 책이다.

Xray 및 Jira로 자동화된 테스트를 트리거하는 방법

Sérgio Freire 얼굴 사진

다음은 자동화된 테스트를 트리거하고 Xray 테스트 계획을 통해 결과를 제공하는 지속적 통합 도구인 Xray Cloud를 사용하는 방법에 대한 단계별 자습서입니다.

시간: 7분 분량. 2시간 동안 완료합니다.

대상: Gitlab에 프로젝트가 있고 자동화된 테스트를 설정한 숙련된 Xray 및 Jira 사용자입니다. 기술 팀 이외의 팀원이 자동화에 참여할 수 있도록 Xray에서 자동화된 테스트를 트리거하는 쉬운 방법을 설정하려고 합니다.

필수 조건:

  • Gitlab에서 프로젝트를 설정했습니다
  • Xray에서 테스트로 테스트 계획을 만들었습니다

Audience

You’re a seasoned Xray and Jira user, you have a project in GitLab, and have automated tests set up. You want to set up an easy way to trigger automated tests in Xray so that non-technical team members can participate in automation.

Prerequisites

You’ve set up your project in GitLab. Get started with GitLab here.

You've created a Test Plan in Xray with tests. Get started with Xray for Jira here.

You have an active Jira project with the GitLab application installed and configured. Get started with Jira here.

Why is test 숙련 된 투자자를위한 규칙 automation important?

Test automation reduces manual efforts through repeatable and stable processes, increases testing ROI, accelerates testing and feedback, and ultimately reduces business expenses.

Step 1: Generate an API key

First, go to the Xray API settings and generate an API Key. Then, save the client ID and client secret code.

Create API Key

2단계: Gitlab 토큰 만들기

Gitlab에서 설정으로 이동한 다음 CI/CD로 이동합니다. 파이프라인 트리거 섹션에서 트리거를 만들고 이름을 지정합니다. 그러면 트리거 토큰이 만들어집니다.

: Jenkins, Robot Framework, Bamboo 등의 다른 프레임워크에 대해 이 프로세스를 쉽게 복제할 수 있습니다.

Gitlab 토큰

3단계: Xray와의 연결 완료

Xray의 엔드포인트 기본 URL 및 API 키 자격 증명을 정의해야 합니다. 이렇게 하려면 변수 섹션으로 이동하여 3개의 변수(클라이언트 ID와 Xray 암호 코드에 대한 변수 2개와 엔드포인트에 대한 변수 1개)를 추가합니다.

Gitlab 집합 변수

그런 다음 프로젝트의 코드와 테스트가 포함된 Gitlab 리포지토리에서 파이프라인 구성 파일을 만듭니다.

Gitlab 리포지토리

이 예시에서 파이프라인은 Gitlab의 API를 사용하여 트리거됩니다. 테스트 계획 이슈 키를 입력 매개 변수로 숙련 된 투자자를위한 규칙 수신합니다. 그런 다음 자동화된 테스트를 포함하여 빌드를 실행하고 "curl" 유틸리티를 사용하여 결과를 Xray에 다시 보고합니다.

Gitlab 리포지토리 이슈 키

4단계: Automation for Jira로 트리거 만들기

1. Jira 설정의 자동화에서 새 규칙을 만들고 "When(조건)"(트리거되어야 하는 경우를 의미)를 정의합니다. "수동 트리거"로 설정합니다.

자동화의 Jira 설정에서 새 규칙 만들기

2. 그런 다음 이 규칙이 테스트 계획 이슈에서만 실행될 수 있도록 조건을 정의합니다.

자동화의 Jira 설정에서 새 규칙의 조건 정의

3. 작업("Then(결과)")을 정의하고 "웹 요청 보내기"로 설정한 다음 Gitlab 프로젝트의 URL로 구성합니다.

4. "콘텐츠 유형" 헤더를 "멀티파트 양식 데이터"로 설정합니다

5. 마지막으로 사용자 지정 데이터에 이전에 만든 토큰 데이터를 삽입합니다.

6. 저장을 숙련 된 투자자를위한 규칙 클릭하여 규칙을 게시합니다.

5단계: 트리거 실행

테스트 계획 화면으로 돌아가서 트리거를 실행합니다. 테스트가 실행되고 통과 또는 실패로 표시됩니다.

실행 결과

이제 완료했습니다. Xray에서 테스트 자동화를 트리거하고 모든 결과를 시각화하는 쉬운 방법입니다.

이것은 숙련 된 투자자를위한 규칙 Xray가 모든 테스트 활동을 중앙 집중식으로 설정하고 소프트웨어 개발 프로젝트의 모든 팀원이 품질 향상에 참여할 수 있는 여러 방법 중 하나입니다.

자세한 내용을

자동화 작업에 대한 자세한 내용은 Xray 설명서에서 확인하세요.

Sérgio Freire

Sérgio Freire는 Jira를 위한 최첨단 테스트 관리 앱인 Xray의 솔루션 아키텍처 및 테스트 지원 책임자로, 전 세계 여러 팀과 긴밀히 협력하여 우수한 품질의 테스트 가능한 제품을 만들도록 지원합니다. 그는 조직의 업무 방식을 이해하면 프로세스와 품질을 개선하는 동시에 개발 팀과 테스트 팀이 '통합'되고 이해 관계자에게 필요한 최고의 제품을 제공한다는 공동의 목표를 가진 고유한 팀으로서 활동할 수 있다고 믿습니다.


0 개 댓글

답장을 남겨주세요