클로드 코드용 금융 CLI '핀텀' 등장

트레이딩·리서치 에이전트에게 블룸버그 터미널 역할을 하겠다는 커맨드라인 도구가 나왔다. 핀텀(Finterm)은 클로드 코드(Claude Code)나 챗GPT(ChatGPT), 자체 제작 트레이딩 에이전트가 명령 한 번으로 공시·시세·수급·리서치 데이터를 구조화된 형태로 받아 쓰게 하는 금융 CLI다. npm 설치 한 줄이면 CLI를 실행할 수 있는 어떤 에이전트 환경에서든 작동한다.

배경 — 에이전트의 병목은 추론이 아니라 데이터

LLM 에이전트에 금융 리서치를 시킬 때 실제 병목은 모델의 추론력보다 데이터 수집·정리 단계에서 생긴다. 웹 검색으로 기업 정보를 모으면 AI가 양산한 저품질 글, SEO 스팸, 같은 보도자료의 재배포본이 뒤섞여 들어오기 때문이다. 핀텀의 딥 리서치 기능은 종목당 600~800개 링크를 수집한 뒤 30~40%를 노이즈로 걸러내고, 남은 출처를 1차·2차 자료로 라벨링해 넘긴다.

핵심 짚어보기 — '토큰 효율' 데이터 레이어

기능 축은 다섯 가지다. 실적·가이던스·주가 반응·밸류에이션·옵션 심리·공매도 압력·기술적 지표를 한 번에 묶어 주는 티커 번들, 분기 공시를 섹션별로 비교해 달라진 문구만 뽑아 주는 SEC 공시 diff, 풋콜 비율과 내재변동성으로 읽는 옵션 심리, 내부자 거래와 기관 13F 보고를 90일 순액으로 정리한 수급 흐름, 그리고 7개 요소를 해당 기업 자체의 1년 이력과 비교해 매기는 0~100 종합 심리 점수다. 모든 출력은 출처 링크와 타임스탬프가 붙은 구조화 데이터(YAML)로 나와 에이전트가 바로 인용하고 재사용할 수 있다. 수만 토큰짜리 웹 탐색을 한 번의 호출로 대체하는 '토큰 효율 레이어'가 셀링 포인트다.

1인기업 실전 적용 포인트

• 금융·투자 콘텐츠 제작자라면 리서치 자동화에 바로 응용할 수 있다. 공시 diff로 '지난 분기와 달라진 문구'만 뽑아 뉴스레터 초안을 만드는 파이프라인이 대표적이다.
• 자동매매·시그널 시스템을 운영한다면, 판단 이전 단계인 데이터 수집·정제를 CLI 호출 하나로 치환하는 구조를 검토해볼 만하다.
• 출력이 구조화 데이터라 크론(cron)과 에이전트 CLI 조합으로 아침 브리핑 자동 생성 같은 무인 워크플로에 연결하기 쉽다.
• 다만 이런 도구의 출력은 어디까지나 데이터다. 매매 판단까지 도구에 위임하는 것과는 구분해야 하며, 핀텀 스스로도 '투자 조언이 아니다'라고 명시한다.

전망 / 주의점

관건은 데이터의 정확성과 지연이다. 잘못된 수치가 구조화된 형태로 들어오면 에이전트는 오히려 더 그럴듯하게 틀린다. 그럼에도 개발 도구에 이어 금융까지, '에이전트가 쓰라고 만든 CLI 데이터 레이어'가 하나의 제품 카테고리로 자리 잡는 흐름은 눈여겨볼 만하다. 자기 분야의 데이터를 에이전트 친화적인 형태로 묶어 파는 것 자체가 1인기업의 제품 아이디어가 될 수 있다.

출처: Finterm 공식 사이트 (https://finterm.ai/)