실시간 주식

마지막 업데이트: 2022년 7월 9일 | 0개 댓글
  • 네이버 블로그 공유하기
  • 네이버 밴드에 공유하기
  • 페이스북 공유하기
  • 트위터 공유하기
  • 카카오스토리 공유하기
신한금융투자 사옥 전경. 사진 신한금융투자 제공 [뉴스락]

주식 관련 광고를 실시간 뉴스란에 일반 기사들과 함께 끼워 넣어 독자들에게 기사인 것처럼 오인하게 한 한경닷컴에 제재가 내려졌다.

한국신문윤리위원회는 지난달 회의를 열고 한경닷컴 뉴스 카테고리 편집에 ‘경고’ 제재를 내렸다. 지난 1월24일 한경닷컴은 뉴스 기사 목록에 ‘추천주 무료로 주는 ‘평생무료 주식카톡방’’ ‘숨겨진 고수, 그들이 무료카톡방에 떴다’ ‘[주식시황] 내일 오전장 급등테마주 미리CHECK!’ 등의 제목으로 보도자료 형식의 광고를 올렸다.

▲ 한경닷컴 기사 목록 속 광고 갈무리

실시간 뉴스란은 한경닷컴 홈페이지에서 제호 아래 ‘뉴스’ 버튼을 클릭하면 나오는 기사 목록이다.

이 주식 광고들을 클릭하면 “급등주 적중률 100%! 내일 급등주 무료 공개하겠습니다(즉시 문자발송)”라는 내용과 함께 종목 5개를 추천해주겠다는 내용이 담겼다. 또 정보를 제공하는 ‘주식카톡방’으로 입장할 수 있는 링크도 있다. 해당 광고 아래에 ‘#보도자료’ 표시를 달았다.

신문윤리실천요강 ‘기사와 광고의 구분’ 조항을 보면 언론은 독자들이 기사와 광고를 명확하게 구분할 수 있도록 편집해야 한다. 또 광고를 기사와 같은 지면이나 공간에 배치할 때는 독자가 명백하게 광고로 인식할 수 있도록 표시해야 한다.

신문윤리위는 “한경닷컴은 실시간 뉴스란에 다량의 주식 광고를 끼워넣기식으로 게재하고 있다. 캡처 화면에서 보는 바와 같이 홈페이지 제호 바로 아래쪽 뉴스 메뉴를 누르면 뉴스가 실시간으로 올라온다”며 “광고라는 표시가 없어 마치 기사인 것처럼 오인될 위험이 있다”고 지적했다.

신문윤리위는 이어 “한경닷컴은 모든 광고 말미에 ‘#보도자료’라고 해시태그를 붙였지만, 독자는 이 표현만으로 기사인지 광고인지 구분하기 어렵다”며 “보도자료는 별도 카테고리에 관리해야 기사와 광고가 구분됐다고 할 수 있다”고 당부했다.

끝으로 신문윤리위는 “리스크가 높은 주식 투자를 권유하거나 관련 상품을 안내하는 광고를 마치 기사인 것처럼 일반 뉴스 카테고리에 배치한 것은 독자들에게 혼란을 주는 동시에 이 광고가 신뢰성 있는 정보라는 잘못된 메시지를 전달할 수 있다”며 “이는 신문에 대한 신뢰를 크게 훼손할 수 있다”고 강조했다.

한편 기사 내용과 다른 제목을 달아 독자로 하여금 잘못된 판단을 하게 해 피해를 줄 우려를 준 매일경제와 한국경제에 ‘주의’ 제재가 내려졌다.

▲지난 1월21일자 매일경제 지면.

매일경제는 지난 1월21일 ‘아파트 대체상품 ‘오피스텔’… 강남·도심권 고르면 불패 예약‘ 제목의 기사를 보도했다. 매일경제는 “아파트 청약 진입장벽이 높아지면서 대체 상품인 오피스텔을 통해 내집 마련에 나서는 수요자들이 늘고 있다”며 2022년 수도권 주요 분양 예정 오피스텔을 소개했다.

기사 본문엔 오히려 신중해야 한다는 내용을 담았다. 매일경제는 “다만 ‘묻지마 투자’나 ‘추격 매수’는 신중해야 한다는 조언이 잇따랐다. 꾸준히 몰리는 아파트와 비교해 환금성이 떨어지는 데다 부동산 시장 하락기에는 가장 먼저 타격을 받을 수 있다는 이유에서다”라고 보도했다.

그러나 기사 제목엔 본문 내용과 관련 없는 ‘강남·도심권 고르면 불패 예약’ 문구가 들어갔다. 신문윤리위는 “강남과 도심권의 오피스텔에 투자하면 절대 실패하지 않는다는 뜻이다. 그러나 기사 본문에는 오피스텔 투자의 장단점을 열거했을 뿐 ‘강남과 도심권의 오피스텔에 투자하면 실패하지 않는다’는 내용은 없다”고 지적했다.

한국경제는 지난 21일 ‘고점대비 30% 빠진 엔터주(株)… “저가 매수 기회”’ 제목의 기사를 보도했다. 한국경제는 엔터주가 하락했다는 소식을 전하면서도 “증권가에서는 엔터주가 추가 하락해도 그 폭은 크지 않을 것이라면서 저가 매수 기회로 삼으라는 조언이 나온다. 무엇보다 본업이 안정적이기 때문”이라고 보도했다.

▲지난 1월21일자 한국경제 지면.

신문윤리위는 “특히 “저가 매수 기회” 표현에 큰 따옴표를 달아 누군가 ‘엔터주를 저가에 매수할 기회’라고 말한 것처럼 묘사했다. 그러나 기사 본문에는 이런 내용을 뒷받침하는 발언이 없다. 기사에 인용된 전문가 발언은 증권 회사 연구원 한 사람에 불과하며 그나마 중립적인 내용에 그치고 있다”며 “뚜렷한 근거 없이 관련 주식 매입을 권유하는 내용의 제목을 붙였다는 지적을 피하기 어렵다”고 했다.

신문윤리위는 “부동산, 주식 투자 관련 기사에서 본문과 다른 내용으로 투자를 부추기는 제목을 달 경우 자칫 선의의 독자에게 피해를 줄 우려가 있다”고 지적한 뒤 “이런 제목 달기는 편집자가 자의적 판단에 따라 과장 왜곡했다는 지적을 받을 소지가 크다. 이 같은 보도는 보도의 객관성과 신뢰성을 훼손할 수 있다”고 지적했다.

실시간 주식

신한금융투자 사옥 전경. 사진 신한금융투자 제공 [뉴스락]

신한금융투자 사옥 전경. 사진 신한금융투자 제공 [뉴스락]

[뉴스락] 신한금융투자(대표 이영창, 김상태)는 중국주식(후강통,선강통) 실시간 시세 서비스를 무료로 제공한다고 2일 밝혔다.

기존 중국주식 투자자는 15분 지연 시세를 이용했다. 또한 실시간 시세 서비스를 이용하고자 하는 고객은 매달 65위안에서 150위안까지 이용료를 지불했다.

이번 서비스 무료 제공으로 지난 2021년 미국주식 실시간시세 무료 제공에 이어 투자자 매매편의성을 높이고 비용을 절감하게 됐다.

이 서비스는 신한금융투자 개인 고객을 대상으로 후강통(상해) 전 종목에 대한 실시간 ±5호가, 현재가, 체결가 등의 거래데이터 및 선강통(심천) 전 종목에 대한 실시간 ±1호가, 현재가, 체결가 등의 거래데이터를 무료로 제공한다.

기존 실시간 시세 서비스 이용 고객과 지연 시세를 이용했던 고객은 MTS 신한알파 및 HTS 신한알파, 홈페이지를 통해 신청할 수 있다.

양진근 신한금융투자 리테일전략본부장은 “해외주식 직접투자 확대로 실시간 호가 니즈가 증가했다”며 “중국주식 실시간 시세 서비스를 무료로 제공해 투자자 매매편의성을 증가시키고 글로벌 이슈에 신속하게 대응할 수 있는 매매기회를 제공하게 됐다.”고 밝혔다.

ScienceON Chatbot

딥러닝을 활용한 실시간 주식거래에서의 매매 빈도 패턴과 예측 시점에 관한 연구: KOSDAQ 시장을 중심으로 인용

A Study on the Optimal Trading Frequency Pattern and Forecasting Timing in Real Time Stock Trading Using Deep Learning: Focused on KOSDAQ

Abstract

Purpose The purpose of this 실시간 주식 study is to explore the optimal trading frequency which is useful for stock price prediction by using deep learning for charting image data. We also want to identify the appropriate time for accurate forecasting of stock price when performing pattern analysis. Design/methodology/approach In order to find the optimal trading frequency patterns and forecast timings, this study is performed as follows. First, stock price data is collected using OpenAPI provided by Daishin Securities, and candle chart images are created by data frequency and forecasting time. Second, the patterns are generated by the charting images and the learning is performed using the CNN. Finally, we find the optimal trading frequency patterns and forecasting timings. Findings According to the experiment results, this study confirmed that when the 10 minute frequency data is judged to be a decline pattern at previous 1 tick, the accuracy of predicting the market frequency pattern at which the market decreasing is 76%, which is determined by the optimal frequency pattern. In addition, we confirmed that forecasting of the sales frequency pattern at previous 1 tick shows higher accuracy than previous 2 tick and 3 tick.

주식시장은 경제 및 정치적 변수를 포함한 다양한 상황에 영향을 받으므로 주식시장을 예측하는 것은 매우 어려운 문제로 여겨지고 있다. 이러한 주식시장을 예측하는 방법으로는 기본적 분석(fundamental analysis)방법과 기술적 분석(technical analysis)방법이 있다. 기본적 분석방법은 기업의 과거와 현재 상태를 보고 현재 주식의 가치와 미래의 주가를 분석(조희연, 김영민, 2003)하는 방법이다.

차트 데이터를 이용한 분석은 다양한 주가 변동 유발요인이 존재한다 해도 최대한 인간의 개입을 최소화하여 차트의 모양, 주가의 추세에 따른 변동 패턴(pattern)을 찾아낼 수 있다면 정치․경제․사회적 사건 등과 관계없이 주가의 변동을 예측할 수 있다(송유정, 이종우, 2017; 송유정 등, 2017)는 주장이 제기되었다

하지만 기술적 지표는 상당 부분 주가 추세가 진행된 이후에 매수 및 매도 신호가 발생되는 ‘추세 후행성’이라는 한계를 가지고 있다(이재원,2017). 반면 차트 데이터를 이용한 분석은 다양한 실시간 주식 주가 변동 유발요인이 존재한다 해도 최대한 인간의 개입을 최소화하여 차트의 모양, 주가의 추세에 따른 변동 패턴(pattern)을 찾아낼 수 있다면 정치․경제․사회적 사건 등과 관계없이 주가의 변동을 예측할 수 있다(송유정, 이종우, 2017; 송유정 등, 2017)는 주장이 제기되었다. 따라서 성공적인 주식시장 분석을 위해 차트 데이터를 이용한 많은 패턴 인식 방법론이 개발되었으며, 많은 투자자들은 주가 패턴을 관찰하고 이를 결정적인 요소로 믿는 것에 큰 관심을 가지고 있다(Shih et al.

기본적 분석방법은 기업의 과거와 현재 상태를 보고 현재 주식의 가치와 미래의 주가를 분석(조희연, 김영민, 2003)하는 방법이다. 기술적 분석방법은 기업의 주가와 거래량의 흐름을 보고 미래의 주가 흐름을 예측하는 방법을 말하며, 컴퓨터와 인터넷 기술의 발달로 인하여 손쉽게 차트를 접할 수 있게 됨에 따라 기술적 분석을 이용하는 투자자가 증가하는 추세이다(이윤선, 2002). 기술적 분석은 주식의 가격 및 거래량에 의해 계산되는 다양한 기술적 지표들을 분석하는 것(오성민, 김성진, 2000; 김상환, 조태근, 2003; 김범준 등, 2005; 이윤선, 2006;)과 차트데이터를 이용한 분석 방법이 있다(이강희, 1997; 이윤선, 2006; 김성동, 2012; 이재원, 2013).

저자의 다른 논문

참고문헌 (54)

  1. 1. 고광은, 심귀보, "딥러닝을 이용한 객체 인식 및 검출 기술 동향," 제어로봇시스템학회지, 제23권, 제3호, 2017, pp. 17-24.
  2. 2. 김범준, 신민규, 박종훈, 이용준, "기술지표를 이용한 주가예측," 경영경제 데이터 분석 사례집, 제8권, 2005, pp. 199-215.
  3. 3. 김상환, 조태근, "기술적 거래전략의 예측력 검정," 재무연구, 제16권, 제2호, 2003, pp. 67-93.
  4. 4. 김유일, 신은경, 홍태호, "신경망과 SVM 을 이용한 주가지수예측의 비교," 인터넷전자상거래연구, 제4권, 제3호, 2004, pp. 221-243. 상세보기
  5. 5. 김종선, 윤세헌, 김철중, "고성장 코스닥시장 벤처기업의 개별특성이 IR공시 효과에 미치는 영향," 벤처창업연구, 제9권, 제4호, 2014, pp. 97-109. 원문보기 상세보기
  6. 6. 김지원, 표현아, 하정우, 이찬규, 김정희, "다양한 딥러닝 알고리즘과 활용," 정보과학회지, 제33권, 제8호, 2015, pp. 25-31. 원문보기 상세보기
  7. 7. 김진백, 김유일, "인공 신경망의 학습에 있어 가중치 변화방법과 은닉층의 노드수가 예측정확성에 미치는 영향," 정보시스템연구, 제9권, 제1호, 2000, pp. 27-44. 원문보기 상세보기
  8. 8. 김현지, 장우진, "지수 이동 평균선을 이용한 거래 전략," 대한산업공학회 춘계공동학술대회 논문집, 2010, pp. 1124-1130.
  9. 9. 김현호, 오경주, "러프집합을 활용한 캔들스틱 트레이딩 최적화 전략," 한국데이터정보과학회지, 제23호, 제5호, 2012, pp. 881-893. 원문보기 상세보기
  10. 10. 남주하, 윤기향, "미국 주식시장에서 한국 주식시장으로의 변동성 이전효과 분석," 공동학술대회 발표논문, 2001, 한국금융학회.
  11. 11. 박강희, 신현정, "시계열 네트워크에 기반한 주가예측," 경영과학, 제28권, 제1호, 2011, pp. 53-60. 원문보기 상세보기
  12. 12. 박상민, 김바다, 원태연, 허준영, "딥러닝을 이용한 이미지 기반 주가예측," 한국정보과학회 학술발표논문집, 2018, pp. 1212-1213.
  13. 13. 성노윤, 남기환, "온라인 뉴스 및 거시경제 변수를 활용한 주가예측," Entrue Journal of Information Technology, 제16권 제2호, 2017, pp. 41-54.
  14. 14. 손동우, 이웅규, "약체연결뉴런 제거법에 의한 부도예측용 인공신경망 모형에 관한 연구," 한국정보시스템학회 학술대회 논문, 2000, pp. 115-121.
  15. 15. 송유정, 이재원, 이종우, "텐서플로우를 이용한 주가 예측에서 가격-기반 입력 피쳐의 예측 성능 평가," 정보과학회 컴퓨팅의 실제 논문지, 제23권 제11호, pp. 625-631. 원문보기 상세보기
  16. 16. 송유정, 이종우, "텐서플로우를 이용한 주가 변동 예측 딥러닝 모델 설계 및 개발," 한국정보과학회 학술발표논문집, 2017, pp. 799-801.
  17. 17. 신동백, "몬테카를로 시뮬레이션방법을 이용한 환율예측분석," 산업경제연구, 제20권, 제5호, 2007, pp. 2075-2093.
  18. 18. 신동하, 최광호, 김창복, "RNN 과 LSTM 을 이용한 주가 예측율 향상을 위한 딥러닝 모델," 한국정보기술학회논문지, 제15권, 제10호, 2017, pp. 9-16.
  19. 19. 안성만, "딥러닝의 모형과 응용사례," 지능정보연구, 제22권, 제2호, 2016, pp. 127-142. 원문보기 상세보기
  20. 20. 안성원, 조성배, "뉴스 텍스트 마이닝과 시계열분석을 이용한 주가예측," 한국정보과학회 학술발표논문집, 2010, pp. 364-369.
  21. 21. 양유영, 박상성, 신영근, 장동식, "데이터 특성에 따른 예측모형 개발 동향에 관한 연구," Proceedings of KIIT Summer Conference, 2009, pp. 591-597.
  22. 22. 오성민, 김성집, "주식의 상한가시 잔량과 일일 거래량의 관계를 통한주가의 단기예측에 관하여-kospi 200 종목올 중심으로," 한국경영과학회 학술대회논문집, 2000, 457-460.
  23. 23. 오세창, "기술적 분석에 의한 주식투자에서 유전 알고리즘을 이용한 최적화 방법," 한국인터넷정보학회 학술발표대회 논문집, 2014, pp. 319-320.
  24. 24. 유재필, 신현준, 김미희, 백종관, (2017). 기계학습과 데이터 시각화 기법을 이용한 주가 패턴 분석. 정보기술아키텍처연구, 14(2), 189-197.
  25. 25. 유제훈, 고광은, 심귀보, "컨볼루셔널 신경망과 케스케이드 안면 특징점 검출기를 이용한 얼굴의 특징점 분류," 제어로봇시스템학회 논문지, 제22권, 제3호, 2016, pp. 241-246. 원문보기 상세보기
  26. 26. 유진, "가격제한 존재 시 VaR 추정 방법론: 몬테카를로 시뮬레이션," 선물연구, 제10권, 제1호, 2002, pp. 81-111.
  27. 27. 이강희, 양인실, 조근식, "캔들스틱 분석을 이용한 주식 매매 타이밍 예측을 위한 전문가 시스템," 한국전문가시스템학회지, 제3권, 제2호, 1997, pp. 57-70.
  28. 28. 이모세, 안현철, "효과적인 입력변수 패턴 학습을 위한 시계열 그래프 기반 합성곱 신경망 모형," 지능정보연구, 제24권, 제1호, 2018, pp. 167-181.
  29. 29. 이석준, 오경주, "선물시장의 시스템트레이딩에서 동적시간와핑 알고리즘을 이용한 최적매매빈도의 탐색 및 거래전략의 개발," 한국데이터정보과학회지, 제22권, 제2호, pp. 2011, 255-267. 원문보기 상세보기
  30. 30. 이우식, "딥러닝분석과 기술적 분석 지표를 이용한 한국 코스피주가지수 방향성 예측," 한국데이터정보과학회지, 제28권, 제2호, 2017, pp. 287-295. 원문보기 상세보기
  31. 31. 이우영, 박승민, 장인훈, 김태형, 심귀보, "CNN기반 신발갑피 패턴인식 및 점착제 도포를 위한 경로점 생성," 제어로봇시스템학회 논문지, 제23권, 제9호, 2017, pp. 725-731.
  32. 32. 이윤선, "시간흐름을 반영하는 캔들스틱과 거래량차트," 금융공학연구, 제5권, 제1호, 2006, pp. 113-127.
  33. 33. 이윤선, "주가이동평균선을 이용한 기술적 분석의 효과," 한국금융공학회 학술발표 논문집, 제2002권, 제2호, 2002, pp. 1-13.
  34. 34. 이윤선, "한국증권시장에서 기술적 분석의 경제적 효과-주가이동평균선을 중심으로," 금융공학연구, 제2권, 제2호, 2003, pp. 1-21.
  35. 35. 이재원, "Monte Carlo 알고리즘에 의한 주가 추세의 평가," 한국정보과학회 학술발표 논문집, 제27권, 제1호, 2000, pp. 235- 237.
  36. 36. 이재원, "고변동 주가 패턴의 감독 학습에 기반한 주식 거래 시스템," 정보과학회논문지, 2013.
  37. 37. 이종우, 김유섭, 김성동, 이재원, 채진석, "인공지능: 패턴 매칭과 자동 규칙 생성에 기반한 2 단계 주식 트레이딩 시스템," 정보처리학회논문지 B, 제10권, 제3호, 2003, pp. 257-264.
  38. 38. 조희연, 김영민, "유전자 알고리즘을 이용한 주식투자 수익률 향상에 관한 연구," 정보시스템연구, 제12권, 제2호, 2003, pp. 1-20. 원문보기 상세보기
  39. 39. 황희수, "퍼지 모델을 이용한 일별 주가 예측," 정보처리학회논문지 B, 제15-B권, 제6호, 2008, pp. 603-608.
  40. 40. Chen, M., and Lin, H., "Order Imbalance, Individual Stock Returns and Volatility: Evidence from China," JCIT: Journal of Convergence Information Technology, Vol. 7, No. 2, 2012, pp. 101-107.
  41. 41. Chiu, D. Y., and Chian, S. Y., "Exploring stock market dynamism in multi-nations with genetic algorithm, support vector 실시간 주식 실시간 주식 regression, and optimal technical analysis," In Networked Computing and Advanced Information Management (NCM), 2010 Sixth International Conference on (pp. 694-699). IEEE.
  42. 42. Deboeck, G. J., "Trading on the Edge," Wiley, Canada, 1994.
  43. 43. Deng, J., Dong, W., Socher, R., Li, L. J., Li, K., and Fei-Fei, L., "Imagenet: A large-scale hierarchical image database," In Computer Vision and Pattern Recognition, 2009, pp. 248-255.
  44. 44. Kataoka, H., Iwata, K., and Satoh, Y., "Feature Evaluation of Deep 실시간 주식 Convolutional Neural Networks for Object Recognition and Detection," arXiv preprint, 2015, arXiv:1509.07627.
  45. 45. Krizhevsky, I. Sutskever and G. E. Hinton, "ImageNet Classification with Deep Convolutional Neural Network," in Proceeding of the Neural Information Processing Systems 25(NIPS), 2012, pp. 1097-1105.
  46. 46. LeCun, Y., Bottou, L., Bengio, Y., and Haffner, P., "Gradient-based learning applied to document recognition," Proceedings of the IEEE, 1998, Vol. 86, pp. 2278-2324. 상세보기
  47. 47. Lee, S. J., Ahn, J. J., Oh, K. J., and Kim, T. Y., "Using rough set to support investment strategies of real-time trading in futures market," Applied Intelligence, Vol. 3, 2010, pp. 364-377.
  48. 48. Lee, S. J., and Jeong, S. J., "Trading Strategies based on Pattern Recognition in Stock Futures Market using Dynamic Time Warping Algorithm," Journal of Convergence Information Technology, Vol. 7, No. 10, 2012, pp. 185-196.
  49. 49. McNelis, P. D., "Neural networks in finance: gaining predictive edge in the market," Academic Press, 2005.
  50. 50. Nelson, D. M., Pereira, A. C., and de Oliveira, R. A., "Stock market's price movement prediction with LSTM neural networks," In Neural Networks (IJCNN), International Joint Conference, 2017, pp. 1419-1426.
  51. 51. Nison S., "Japanese Candlestick charting techniques: A contemporary guide to the ancient investment technique of the far east Institute of Finance," New York, 1991.
  52. 52. Shih, M. L., Hsiao, S. H., and Chen, F. S., "The association of China stock index with Japan and US," Journal of Convergence Information Technology, Vol. 3, No. 2, 2008, pp. 13-22.
  53. 53. Simonyan, K., and Zisserman, A., "Very deep convolutional networks for large-scale image recognition," arXiv preprint, 2014, arXiv:1409.1556.
  54. 54. Szegedy, C., Liu, W., Jia, Y., Sermanet, P., Reed, S., Anguelov, D., Erhan, D., Vanhoucke, V., and Rabinovich, A., "Going deeper with convolutions," in Proceeding of the Computer Vision and Pattern Recognition (CVPR), 2015, pp. 1-9.

이 논문을 인용한 문헌

궁금한 사항이나 기타 의견이 있으시면 남겨주세요.

  • 원문 PDF 정보가 존재하지 않습니다.
  • DOI : 10.5859/KAIS.2018.27.3.123
  • 한국학술정보 : 저널

원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다. (원문복사서비스 안내 바로 가기)

실시간 주식

비주얼 IT

부가서비스

서비스 안내

패밀리 미디어

KB증권도 무료로 미국 주식 실시간 시세 제공

Photo Image

KB증권에서도 새해부터 미국 주식 시세를 실시간 무료로 확인할 수 있게 된다.

KB증권(사장 박정림 김성현)은 새해 4일부터 모든 고객을 대상으로 미국 주식 무료 실시간 시세 서비스 '실시간 라이트(Lite)'를 오픈하고 미국 주식 프리마켓 거래 시간도 2시간 앞당겨 오후 7시부터 제공한다고 29일 밝혔다.

실시간 라이트는 모바일트레이딩시스템 마블(M-able), 홈트레이딩시스템 헤이블(H-able)에서 미국 3개 거래소의 실시간 시세를 제공한다. 특히 나스닥 베이직 패키지를 도입해 미국 주식 전 종목의 실시간 호가, 현재가, 체결가 등 거래 데이터를 무제한으로 제공한다.

이번 서비스 오픈에 따라 기존 실시간 시세 유료 고객은 각 거래소 별로 지불하던 비용(거래소별 월 1500원) 부담이 사라지게 됐다. 기존 실시간 주식 무료 고객은 15분 지연 시세를 실시간 시세로 확인할 수 있게 됐다.

같은 날 시행하는 미국 프리마켓 거래 시간 확대도 매매 편의성을 높일 것으로 회사는 기대했다. 미국 프리마켓 시장은 미국 정규시장 시작 전 미국 주식을 거래할 수 있는 시장이다.


이홍구 KB증권 WM총괄본부장은 “글로벌원마켓 서비스 가입 계좌가 45만명을 돌파하는 등 해외주식에 대한 관심이 증가함에 따라 미국 시장 실시간 시세 무료 제공과 프리마켓 거래시간 확대를 결정했다”면서 “앞으로도 고객이 필요로 하는 다양한 서비스를 지속 제공해 만족도를 높이겠다”고 말했다.


0 개 댓글

답장을 남겨주세요