# 코스피 시장 종목 조회
all_stocks = get_market_stocks('J')  # J: 코스피

# 캐싱으로 효율성 증대
if cached_stocks_available and less_than_one_day_old:
    all_stocks = use_cached_stocks()
Copy

# 시간대별 스캔 범위 조절
if (장_초반 or 장_후반):
    # 장 초반/후반에는 더 많은 종목 스캔
    target_stocks = all_stocks[:300]  # 상위 300개 종목
else:
    # 일반 시간대에는 상위 종목만 스캔
    target_stocks = all_stocks[:100]  # 상위 100개 종목
Copy

candidates = []
for stock_code in target_stocks:
    # 현재가 데이터 조회
    data = get_stock_current_price(stock_code)
    
    # 가격 변동과 거래량 체크
    price_change = get_price_change_percentage(data)
    volume_ratio = get_volume_ratio(data)
    
    # 기본 점수 계산 (0-6점)
    base_score = 0
    
    # 가격 변동 점수 (최대 3점)
    if price_change > 0.03:  # 3% 이상 상승
        base_score += 3
    elif price_change > 0.01:  # 1% 이상 상승
        base_score += 2
    elif price_change > 0:  # 상승 중
        base_score += 1
    
    # 거래량 점수 (최대 3점)
    if volume_ratio > 3:  # 평균 대비 300%
        base_score += 3
    elif volume_ratio > 2:  # 평균 대비 200%
        base_score += 2
    elif volume_ratio > 1:  # 평균 대비 100%
        base_score += 1
    
    # 4점 이상인 종목만 후보로 선정
    if base_score >= 4:
        candidates.append((stock_code, base_score))
Copy

final_candidates = []
for stock_code, base_score in candidates:
    # 일봉 데이터
    df = get_stock_daily_price(stock_code)
    
    # 분봉 데이터 (최근 30분)
    intraday_df = get_intraday_data(stock_code)
    
    # 점수 초기화 (기본 점수 반영)
    score = base_score
    
    # 1. 이동평균선 분석
    if 골든크로스_발생:
        score += 2
    if 단기선이_중기선_위에_있음:
        score += 0.5
    
    # 2. 볼린저 밴드 분석
    if 현재가가_밴드_하단_근처:
        score += 1.5
    elif 현재가가_밴드_상단_돌파:
        score += 1
    
    # 3. RSI 분석
    if 30 <= RSI값 <= 50:  # 과매도 탈출 구간
        score += 1.5
    elif 50 <= RSI값 <= 70:  # 상승 구간
        score += 1
    
    # 4. 거래량 급증 체크
    if 거래량_비율 > 2:  # 평균 대비 2배
        score += 2
    elif 거래량_비율 > 1.5:  # 평균 대비 1.5배
        score += 1
    
    # 5. 분봉 데이터 기반 상승 강도
    상승봉_비율 = 상승봉_수 / 전체_봉_수
    score += 상승봉_비율 * 2  # 최대 2점
    
    # 최종 점수 계산 (최대 10점)
    final_score = min(10, score)
    
    # 임계값(5.0) 이상인 종목만 최종 후보로 선정
    if final_score >= 5.0:
        final_candidates.append((stock_code, final_score))
Copy

# 점수순 정렬
final_candidates.sort(key=lambda x: x[1], reverse=True)

# 최종 선정 종목 출력
for idx, (code, score) in enumerate(final_candidates):
    print(f"{idx+1}. {code}: {score:.1f}/10점")
Copy