서론: 왜 기존의 'AI 투자 봇'은 실전에서 이길 수 없는가?
최근 몇 달 동안 GitHub에서는 virattt/ai-hedge-fund (6.3만 스타)나 TradingAgents (4.4만 스타)와 같이 LLM 멀티 에이전트를 활용한 AI 헤지펀드 오픈소스가 전 세계적인 열풍을 일으키고 있습니다.
하지만 이 프로젝트들의 코드를 상세히 분석하고 실제로 구동해 보면, 하나의 **결정적인 장벽(Execution Realism의 단절)**에 직면하게 됩니다:
- '추론'과 '계산'이 혼재되어 있음
LLM에게 차트 수치나 펀더멘털 지표를 그대로 읽게 하고 직접 '매수/매도'를 판단하게 하므로, 환각(hallucination)이나 계산 실수가 빈번합니다. -
- 수수료, 슬리피지, 유동성을 무시함
백테스트에서는 이긴 것처럼 보여도, 실제 시장 마찰(왕복 수수료, 호가 스프레드에 의한 불리한 체결)을 제외하는 순간 수익이 사라집니다. -
- 급락 시 방어 기제(세이프티 넷)의 부재
LLM이 긴 글을 생각하고 토론하는 몇 분 동안 시장이 급변하면, 손절매를 할 시간이 없어 즉시 파산합니다.
이러한 기존 과제들을 공학적으로 극복하여, **'비정형 데이터 LLM 합의'와 '결정론적 수리 퀀트 계산'을 완전히 분리 및 통합한 자율형 AI 헤지펀드 엔진 『Lumina Capital (v6.0)』**를 처음부터 개발했습니다.
오늘, 개인 개발자나 연구자들이 로컬에서 구동하고 검증할 수 있도록 GitHub에 오픈소스(CC BY-NC 4.0)로 공개했습니다.
🔗 GitHub 리포지토리:
전체 아키텍처 개요
본 시스템은 '모델은 추론하고, 소프트웨어가 계산한다'는 금융 AI의 철칙을 철저히 지킵니다.
핵심 기술 분석
1. LangGraph를 이용한 '반추종(Anti-Sycophancy)' 멀티 에이전트 합의
LLM들을 대화시키면, 선행하는 의견이나 강한 의견에 다른 에이전트가 동조해 버리는 '추종 편향(conforming bias)'이 치명적입니다.
본 시스템에서는 다음 2단계 접근 방식을 스테이트 머신으로 엄격하게 분리했습니다:
- 페이즈 1 (완전 독립 병렬 추론): 워렌 버핏, 조지 소로스, 마이클 바리, 캐시 우드, 벤저민 그레이엄, 윌리엄 오닐, CIS의 7명이 다른 의견을 차단된 상태에서 개별적으로 분석을 실시합니다. -
- 페이즈 2 (사실 기반 크로스 디베이트): 최고 평가를 받은 '최강 Bull'과 최저 평가를 받은 '최강 Bear'를 대결시켜, 일차 데이터(재무제표나 지표)만을 논거로 한 토론을 강제합니다. -
CRO의 절대 거부권: 아무리 합의 점수가 높아도, 리스크 관리 책임자(CRO)가 테일 리스크나 부정 회계를 감지하면 배분액 0%로 강제 잠금 처리합니다.
2. Microsoft Qlib 'Alpha158'의 Native Python 완전 벡터화
Microsoft Research가 개발한 퀀트 투자 프레임워크 'Qlib'의 핵심인 Alpha158 수리 팩터(롤링 볼래틸리티, 모멘텀, 가격 스프레드 등)를 무거운 C++ 컴파일에 의존하지 않고, pure pandas/numpy로 고속 완벽 재현했습니다.
이를 LightGBM의 메타 결정 트리에 통과시켜, 속임수의 브레이크아웃을 기계적으로 배제합니다.
3. Google TimesFM을 이용한 시계열 확률 팬 차트
Google Research의 시계열 기반 모델 'TimesFM'을 통합하여, 과거 주가 컨텍스트로부터 5일 후까지의 가격 경로, 80% 신뢰 구간, 급락 확률을 정량적으로 산출합니다.
4. 듀얼 스피드 아키텍처 (10초 순찰견 센티넬)
'15분 간격의 무거운 LLM 합의 스레드'와는 완전히 독립하여, **'10초 간격의 초고속 순찰견 센티넬 스레드'**를 멀티스레드로 상시 감시합니다.
볼래틸리티에 연동된 '동적 ATR 호흡 침대'와 '피보나치 최적값 -13.0 라인'을 초 단위로 물리적으로 감시하며, 시장 급락 시에는 LLM의 API 호출을 기다리지 않고 즉시 강제 결제를 실행합니다.
5. Neo4j와 Graphiti를 이용한 '3D 지식 그래프 & GraphRAG'
과거 합의나 트레이드의 성공 요인 및 실패 요인을 Neo4j의 3D 공간에 인과 그래프로 영구화합니다. 나아가 SEC의 10-K에서 공급망 의존 관계(예: ASML ➔ TSMC ➔ NVIDIA)를 자동 추출하여, 상류 공급망 장애 리스크를 탐색합니다.
빠른 시작 (1분 만에 실행)
Python 3.10 이상의 환경이 있다면, 몇 가지 명령어로 로컬에서 실행할 수 있습니다.
# 1. 클론
git clone https://github.com/ramuza0113-sketch/lumina-ai-hedge-fund.git
cd lumina-ai-hedge-fund
...
브라우저에서 http://localhost:8501을 열면, 실시간 시장 데이터를 활용한 자율형 AI 투자 스튜디오가 실행됩니다.
맺음말 & 커뮤니티
본 프로젝트는 학술/교육/연구용 프레임워크로 공개하고 있습니다 (CC BY-NC 4.0).
'개인 이용 및 시뮬레이션은 완전 무료'이니, 부디 포크(fork)나 코드 검증, GitHub에서의 피드백을 기다립니다!
만약 흥미롭다고 느끼셨다면, GitHub에서 **Star（⭐）**를 눌러주시면 큰 힘이 됩니다!
토론
