Claude Skill로 애널리스트급 주식보고서 만들기
"삼성전자 지금 사도 돼?" "셀트리온 주가 비싼 거야?" 주식 투자를 하다 보면 이런 질문이 끊이지 않습니다. 증권사 보고서를 읽어보지만, DCF니 EV/EBITDA니 하는 용어가 나오면 머리가 아파지기 시작합니다. 반대로, 직접 분석하자니 엑셀로 모델링하는 건 너무 복잡하고요.
만약 "삼성전자 주가 분석해줘"라고 한마디만 하면, 8개의 한국어 차트가 포함된 투자은행(IB) 수준의 분석 보고서가 자동으로 만들어진다면 어떨까요? 이 글에서는 Claude의 Skill이라는 기능을 활용해 주식 초보자가 애널리스트 급의 보고서를 만드는 과정을 처음부터 끝까지 구현한 경험을 공유합니다.
시작점: "월스트리트 애널리스트처럼 분석해줘"
모든 것의 출발점은 X(구 트위터)에서 발견한 하나의 프롬프트였습니다. @deepdive_kr 님이 공유한 기업분석 프롬프트를 보고 작업을 시작하게 되었습니다.
뉴욕대 교수이자 기업 가치 분석의 대가, Aswath Damodaran의 밸류에이션 모델을 프롬프트로 구현해서 X에 다음과 같은 형태로 공유를 해주셨고,
####
당신은 월스트리트 투자은행 출신의 시니어 재무 분석가입니다.
■ 핵심 작동 방식
사용자가 기업명만 입력하면, 알아서 판단하여 적합한 분석을 자동 실행합니다.
질문하지 말고 바로 분석 결과를 출력하세요.
추가 원칙:
모든 분석의 출발점은 “적정가 제시”가 아니라
“현 주가가 암시하는 시장 기대치(Expectations) 해부”입니다.
즉, Forward DCF 이전에 Reverse DCF를 우선 수행합니다.
■ 할루시네이션 방어 규칙 (최우선 적용)
▸ 데이터 태깅 필수
모든 숫자를 반드시 3단계로 태깅:
.
.
(전체 프롬프트는 X 원문에서 확인해보세요)
@deepdive_kr 님이 정리해주신 프롬프트를 Claude에 입력하고 분석을 요청하자, 다음과 같이 놀랍도록 체계적인 분석 결과 나왔습니다.
분석 결과 :
하지만 문제가 있었습니다. 매번 이 긴 프롬프트를 복사해서 붙여넣어야 했고, 차트가 영어로 나왔으며, 결과물 형식도 들쭉날쭉했습니다. 이 과정을 반복 가능하고 일관된 형태로 만들 방법이 필요했고, 그래서 주식 분석 워크플로우를 stock-analysis 라는 이름의 Claude Skill로 만들었습니다.
Claude Skill, 30초 만에 이해하기
그렇다면 Claude Skill이란 무엇일까요? 한마디로 "AI를 위한 레시피 책"입니다. 요리사가 복잡한 요리를 만들 때 레시피를 참조하듯, Claude도 Skill을 참조해서 전문적인 작업을 수행합니다. 레시피에 재료와 절차가 있듯이, Skill에도 필요한 참고 자료와 작업 지침, 실행 가능한 스크립트가 포함됩니다.
앞서 언급한 문제를 다시 떠올려 보면, 프롬프트는 매번 복사해서 붙여넣어야 하고, 결과물 형식도 일정하지 않았습니다. Skill은 한 번 등록하면 Claude가 자동으로 인식하고 적용하기 때문에, 주식 분석처럼 여러 종목에 반복적으로 적용해야 하는 작업에 특히 효과적입니다.
stock-analysis Skill의 구조
stock-analysis Skill의 핵심은 SKILL.md라는 마크다운 파일 하나입니다. 이 파일에 "언제 이 Skill을 쓸지"(트리거 조건)와 "무엇을 어떻게 할지"(작업 지침)가 담겨 있습니다. 참고 자료인 references에는 금융 초보자를 위한 용어집이 정리돼 있고, script 에는 작업을 위한 프로그램이 정리돼 있습니다.
stock-analysis Skill이 하는 일
완성된 stock-analysis Skill은 "삼성전자 분석해줘"라는 한마디에 아래의 단계를 자동으로 실행합니다.
1단계: 웹 검색으로 재무 데이터 수집
Claude가 직접 웹 검색을 5회 이상 수행하여 매출액, 영업이익, 시가총액, 주가, 동종 업체 멀티플 등 분석에 필요한 모든 데이터를 수집합니다. 수집한 데이터에는 [실제], [추정], [가정] 태그가 붙어서, 어디까지가 확인된 팩트이고 어디부터가 추정인지를 명확히 구분합니다.
2단계: 밸류에이션 모델 실행
수집한 데이터를 Python 스크립트(valuation_model.py)에 입력하여 핵심 계산을 수행합니다. Reverse DCF는 현재 주가에서 거꾸로 계산해 "시장이 이 회사의 성장률을 얼마로 기대하고 있는지"를 알아내고, Forward DCF는 낙관/기본/비관 세 가지 시나리오별로 적정주가를 산출합니다. 여기에 동종 업체와의 밸류에이션 비교(Comps)와 WACC-성장률 조합에 따른 민감도 분석까지 한 번에 실행됩니다.
3단계: 한국어 차트 8개 생성
분석 결과를 시각화하는 Python 스크립트(generate_charts.py)가 8개의 차트를 한국어로 생성합니다. 매출 구성 비교, Reverse DCF 워터폴, Forward DCF 시나리오 비교, 동종 업체 밸류에이션 비교, 민감도 히트맵, 확률가중 요약, 실적 성장 추이, 제품 믹스 차트가 포함됩니다.
4단계: Word 보고서 빌드
Node.js의 docx 패키지를 활용하는 build_report.js가 차트와 분석 내용을 하나의 Word 문서로 조합합니다. 보고서에는 표지, 10 Key Points, 투자 판단 요약, 각 분석 섹션의 해설, 향후 이벤트 일정(딜 레이더), 그리고 모든 데이터의 출처와 신뢰도를 정리한 체크리스트까지 포함됩니다.
초보자를 위한 두 가지 장치
이 Skill을 설계할 때 가장 신경 쓴 부분은 "투자 초보자도 보고서를 읽고 이해할 수 있어야 한다"는 점이었습니다. 이를 위해 두 가지 핵심 장치를 넣었습니다.
쉬운 용어 풀이
금융 용어가 처음 등장할 때마다 괄호 안에 한 줄 설명을 넣도록 지침을 설정했습니다. 예를 들어 "EV/EBITDA가 12.1배입니다"로 끝나지 않고, "EV/EBITDA(기업가치를 영업이익+감가상각비로 나눈 배수, 숫자가 작을수록 저렴)가 12.1배로, 같은 업종 평균 11.3배보다 약간 높습니다"처럼 쓰입니다. Skill 내부에 금융 용어 쉬운 설명 사전(glossary.md)을 별도로 포함하여, Claude가 용어를 풀어쓸 때 일관된 설명을 사용하도록 했습니다.
데이터 신뢰도 태그
AI가 생성한 숫자를 얼마나 신뢰해야 할지 판단하기 어려운 것은 초보자만의 문제가 아닙니다. 이 Skill에서는 모든 수치에 세 가지 태그를 의무적으로 붙이도록 했습니다. [실제]는 공시 자료나 거래소 데이터처럼 확인된 팩트, [추정]은 여러 애널리스트의 평균(컨센서스)이나 합리적 계산으로 도출한 숫자, [가정]은 분석자가 시나리오를 설정하면서 넣은 숫자입니다. 이렇게 하면 보고서를 읽는 사람이 "이 숫자는 믿어도 되는 건지"를 스스로 판단할 수 있습니다.
실전: 삼성전자를 분석해보자
Skill을 완성한 뒤, 실제로 삼성전자(005930)에 적용해보았습니다. "삼성전자 주가 분석해줘"라고 입력하자, Skill이 자동으로 트리거되면서 웹 검색 → 모델 실행 → 차트 생성 → 보고서 빌드까지 약 4분 만에 완료되었습니다.
분석 결과 :
2025년 삼성전자는 매출 333.6조 원, 영업이익 43.6조 원이라는 사상 최대 실적을 기록했습니다. 이 데이터를 바탕으로 분석한 결과를 소개하면, Reverse DCF 결과 시장이 삼성전자에 기대하는 내재 성장률은 약 23.3%로, 현재 주가 18만 8,200원에는 매우 공격적인 성장 기대가 이미 반영되어 있었습니다.
Forward DCF에서는 낙관(25%)/기본(50%)/비관(25%) 시나리오의 확률을 가중한 적정주가가 11만 4,802원으로, 현재 주가 대비 약 39% 하락 여지가 있다는 결론이 나왔습니다. 동종 업체 비교에서도 삼성전자의 EV/EBITDA 12.1배는 동종 업체 평균 11.3배 대비 6% 프리미엄이고, P/E 32.1배는 동종 업체 평균 20.4배 대비 58%나 높은 수준이었습니다.
실전: 다양한 종류의 분석 사례
앞서 삼성전자 분석 작업과 같이 개별 주식에 대한 분석은 물론 아래와 같이 다른 주식과의 비교 분석을 요청할 수도 있고,
stock-analysis 스킬을 이용해서 삼성전자와 하이닉스를 비교 분석해줘
분석 결과 :
해외 주식에 대한 분석도 요청할 수 있습니다.
stock-analysis 스킬을 이용해서 테슬라를 분석해줘
분석 결과 :
마지막으로 특정한 주식을 지정하지 않고, 아래와 같이 전체 시장을 대상으로 종목 분석을 요청할 수도 있습니다(많은 토큰이 소모되는 작업입니다. Max 사용자가 아니라면 금방 토근 한도가 소진이 되니 주의해주세요)
stock-analysis 스킬을 이용해서 한국 주식 중에서 시가 총액 기준으로 상위 5개의 종목에 대한 종합 보고서를 작성해주세요.
분석 결과 :
Skill은 어떻게 만들었나
이처럼 놀라운 결과를 보여주는 스킬을 만드는 방법은 생각보다 복잡하지 않습니다. stock-analysis Skill을 만드는 과정은 크게 세 단계였습니다.
1. 수작업 분석으로 워크플로우 확립
처음에는 Skill 없이 X에 있는 프롬프트만으로 주식을 분석했습니다. 이 과정에서 어떤 검색을 하는지, 어떤 계산이 필요한지, 어떤 차트가 나와야 하는지를 정리했습니다. 이러한 분석이 Skill의 설계도가 된 셈입니다.
2. Skill Creator로 자동 생성
Claude에 내장된 Skill Creator 도구에 워크플로우와 참고 스크립트를 전달하고, Skill 생성을 요청했습니다. Skill Creator는 SKILL.md를 작성하고, Python 밸류에이션 모델과 차트 생성기, Node.js 보고서 빌더를 scripts/ 폴더에 배치하고, 금융 용어 사전을 references/ 폴더에 넣는 작업을 자동으로 처리했습니다. 한국어 차트를 위한 koreanize_matplotlib 라이브러리는 SKILL.md의 사전 준비 단계에서 자동 설치되도록 지침을 설정하여, 매번 수동 설치 없이도 한글 차트가 정상 동작하도록 했습니다.
3. 테스트와 반복 개선
Skill을 만든 뒤에는 테스트 과정을 거쳤습니다. 삼성전자, 네이버, 현대자동차 등 서로 다른 업종의 종목으로 테스트 케이스를 만들고, Skill 적용 시와 미적용 시의 결과를 비교했습니다. 7개 평가 항목(Word 문서 생성, 8개 차트, 10 Key Points, 신뢰도 태그, DCF 분석, 비교 밸류에이션 테이블, 초보자 친화적 설명) 기준으로 Skill 적용 시 100% 통과, 미적용 시 43% 통과라는 결과가 나와 Skill의 효과를 확인할 수 있었습니다.
4. 꼭 알아둘 점 : AI 분석의 한계
이 Skill이 만들어내는 보고서는 투자 의사결정의 "참고 자료"이지 "투자 추천"이 아닙니다. AI가 웹 검색으로 수집한 데이터는 항상 최신이 아닐 수 있고, 잘못된 정보를 가지고 올 수도 있습니다. 또한, DCF 모델의 성장률 가정은 분석자의 판단이 들어갈 수밖에 없습니다. 보고서에 [실제]/[추정]/[가정] 태그를 붙이는 이유가 바로 이것입니다. 특히 [가정] 태그가 붙은 숫자는 변동 가능성이 높으므로, 실제 투자 전에는 반드시 직접 확인하시기 바랍니다.
마무리 — 여러분도 만들어보세요
이 글에서는 X에서 발견한 프롬프트를 출발점으로, Claude Skill을 만들어 주식 분석 보고서 생성을 자동화한 과정을 살펴보았습니다. Claude Skill의 기본 구조(SKILL.md 하나면 시작 가능)부터, 초보자 친화적 설명과 데이터 신뢰도 태그를 설계하는 과정, 그리고 실전 적용 결과까지 공유했습니다.
"이 분석을 할 때마다 같은 프롬프트를 반복하고 있다"고 느끼신다면, 그것이 바로 Skill을 만들어야 할 신호입니다. 맞춤법 교정, 이메일 작성, 코드 리뷰, 경쟁사 분석 등 반복적인 지시가 필요한 모든 영역에 같은 접근법을 적용할 수 있습니다. 여러분만의 Skill을 만들어보세요.
이 글에서 소개한 stock-analysis Skill 파일이 필요한 분은 댓글 달아주시면 파일 전달해드리겠습니다~
#ClaudeSkill #AI주식분석 #밸류에이션 #DCF분석 #주가분석 #투자보고서 #ClaudeAI #주식리서치 #AI투자 #Cowork