dry-run 감사 로그를 AI FX Bot의 훈련 데이터로 만드는 설계 메모

AI에게 FX Bot의 전략 선택을 맡길 경우, 체결된 트레이드(trade)만 봐서는 개선 재료가 부족합니다. 실운용 전의 dry-run에서 "무엇을 샀는가"뿐만 아니라, "왜 보류했는가"까지 남김으로써 나중에 검증할 수 있는 판단 로그를 만들 수 있습니다.

이번 dry-run에서는 최소한 다음 정보를 감사 로그(audit log)로 남기는 방침으로 정했습니다.

• strategy_name: 선택된 전략명
• stop_reason: 진입(entry)을 중단한 이유
• risk_judgement: 리스크 판정
• market_context: 시장 분류나 시간봉(timeframe)의 전제
• decision_time: 판단한 시각

이렇게 구성해 두면, 수익을 낸 트레이드뿐만 아니라 보류 판단도 훈련 데이터(training data)로 다룰 수 있습니다.

AI를 무제한으로 매매하게 하는 것이 아니라, 시장 분류, 전략 선택, 중단 판단, 개선 제안으로 역할을 나눕니다. 특히 dry-run 단계에서는 실제 주문 사고를 피하면서 판단 품질을 측정하는 것이 중요합니다.

검증에서는 다음과 같은 관점을 반드시 남깁니다.

• bid / ask 중 어느 쪽을 사용했는가
• spread와 slippage를 어떻게 처리했는가
• 수수료를 포함한 기대값(expected value)으로 되어 있는가
• 미확정 봉(unconfirmed bar)을 참조하고 있지 않은가
• look-ahead bias가 혼입되지 않았는가

{
"mode": "dry_run",
"strategy_name": "trend_follow_v1",
...

이 정도의 입도(granularity)로 남겨 두면, 나중에 "어떤 시장에서, 어떤 전략이, 왜 중단되었는가"를 집계할 수 있습니다.

forward paper 데이터를 쌓아가면서 시간봉, 시장 환경, 전략 선택의 조합을 비교합니다. 월간 손익뿐만 아니라, 중단 이유의 분포, 과도한 진입 회피, 개선 제안의 타당성까지 확인합니다.

AI 운용에서 성장하는 것은 화려한 수익 트레이드만이 아니라 판단 로그입니다. 우선 dry-run을 감사 가능하게 만들어, 멈출 수 있는 메커니즘과 개선할 수 있는 로그를 가진 Bot으로 키워 나갑니다.