5명의 AI 트레이더가 회의실에 모였다
하나의 알고리즘 대신 서로 다른 인격과 철학을 가진 5명의 AI 에이전트가 실시간으로 토론하여 매매를 결정하고, 사용자는 그 모든 논의 과정을 투명하게 지켜볼 수 있는 차세대 자동매매 시스템
전략이 먼저 판단하고, 위원회가 검증한다 — 새로운 자동매매의 설계 원칙
당신이 사용하는 자동매매 프로그램은 지금 이 순간 무엇을 하고 있는가? 대부분의 프로그램은 조건이 맞으면 사고, 조건이 맞으면 판다. 왜 샀는지, 왜 팔았는지는 아무도 모른다. 로그를 열어봐야 숫자와 타임스탬프의 나열이고, 인간이 읽을 수 있는 언어로 "왜"를 설명해주는 프로그램은 거의 없다.
우리는 이 문제를 두 개의 레이어로 풀었다. 첫 번째 레이어는 전략이다. 사용자가 직접 고른 매매 전략들이 각자의 기준으로 시장을 분석하고 독립적으로 판단을 내린다. 두 번째 레이어는 위원회다. 서로 다른 성격과 투자 철학을 가진 5명의 AI 에이전트가 첫 번째 레이어의 판단에 자신들의 관점을 더한다. 전략이 "무엇을 할지"를 먼저 결정하고, 위원회가 그 판단을 다중 관점에서 검토하는 구조다.
블랙박스의 시대는 끝났다
기존 자동매매 시스템의 가장 큰 문제는 신뢰의 부재다. 프로그램이 새벽 3시에 내 돈으로 비트코인을 샀다. 왜? "RSI가 30 아래였으니까." 그게 끝이다. RSI가 30 아래인 건 알겠는데, 그때 거래량은 어땠는지, 볼린저밴드 상 어느 위치였는지, 다른 전략들은 같은 종목에 대해 어떤 판단을 내렸는지는 아무도 설명해주지 않았다.
우리 시스템은 다르다. 어떤 전략이 신호를 냈는지, 복수 전략을 쓸 때 몇 대 몇으로 의견이 갈렸는지, 위원회는 그 신호에 어떤 반응을 보였는지, 결국 어떤 근거로 매수가 실행됐는지. 이 모든 과정이 자연어로 기록되고, 사용자의 화면 위에 언제든 펼쳐볼 수 있게 저장된다.
1레이어: 전략이 먼저 판단한다
시스템의 첫 번째 레이어는 매매 전략 엔진이다. 사용자는 우리가 제공하는 11개의 전략 중에서 자신에게 맞는 것을 골라 활성화한다.
전략의 종류는 다양하다. RSI+MACD 복합 전략처럼 가장 고전적인 기술적 지표를 조합한 것부터, 변동성 돌파 전략, 눌림목 MA20 전략, MA 정배열 전략, VCP 패턴 전략, 컵앤핸들 패턴 전략 같은 가격 구조 분석 전략까지. 트레일링 스탑 전략처럼 매도 전용으로 설계된 전략도 있고, AI 뉴스 감성 분석 전략처럼 시장 외부 신호를 읽는 전략도 있다. 그리고 AI 위원회 전략이 있다. 이것은 뒤에서 다시 설명한다.
각 전략에는 두 가지 핵심 설정이 있다. **자본 배분 비율(capital_pct)**은 매수 신호가 발생했을 때 1회 매매 금액의 몇 퍼센트를 사용할지를 결정한다. **역할(signal_type)**은 이 전략이 매수 신호만 볼지, 매도 신호만 볼지, 양방향을 모두 볼지를 설정한다. 예를 들어 변동성 돌파 전략을 매수 전용으로 설정하고 capital_pct를 80%로 잡으면, 이 전략이 매수 신호를 낼 때마다 1회 매매 금액의 80%를 집행한다.
복수의 전략을 동시에 활성화할 수 있다. 이때 각 전략은 독립적으로 실행되어 자신의 신호를 생성한다. 매수 신호를 낸 전략이 전체 활성 전략의 40% 이상을 차지하면 매수가 결정된다. 40% 합의에 도달하지 못하면 시스템은 관망한다. 어떤 전략도 단독으로 전체를 지배하지 못하는 구조다.
2레이어: 5명의 AI가 합의로 신호를 만든다
두 번째 레이어가 바로 AI 위원회 전략이다. 이것은 11개 전략 중 하나로, 사용자가 직접 활성화를 선택할 수 있다. 차이가 있다면, 이 전략의 신호는 단일 알고리즘이 아니라 5명의 AI 에이전트가 토론하여 만들어낸다는 것이다.
Oracle 📊은 기술적 분석 전문가다. RSI, MACD, 볼린저밴드, 거래량 비율을 분석하고 편향 없이 데이터 기반 판단을 내린다. 방향을 강하게 주장하기보다, 지금 시장이 어떤 상태인지를 객관적으로 보고한다.
Marcus 🐂는 팀 내 강세론자다. "시장은 장기적으로 우상향한다"는 철학 아래, 같은 데이터에서 상승 근거를 찾는다. 과매도 구간이나 골든크로스 같은 긍정적 신호에 민감하게 반응하며 매수 기회를 포착하는 데 탁월하다.
Cassandra 🐻는 약세론자다. "살아남는 자가 이긴다"는 원칙 아래, 하방 리스크와 위험 신호에 집중한다. Marcus가 기회를 볼 때 Cassandra는 함정을 의심한다. 그녀의 비관론이 때때로 기회를 놓치게 만들기도 하지만, 하락장에서는 가장 먼저 위험을 경고한다.
Sentinel 🛡️은 리스크 관리자다. 시장의 방향에는 관심이 없다. RSI가 극단 구간(20 이하/80 이상)에 있는지, 볼린저밴드 경계에 근접해 있는지, 거래량이 이상 징후를 보이는지를 확인하고 진입 타이밍의 적절성을 판단한다. 불확실하면 관망을 권고한다.
마지막으로 Sage 🧘가 있다. 의장이자 중재자인 Sage는 네 명의 의견을 모두 받아 최종 결정을 내린다. 4명 중 3명 이상이 같은 방향이면 그 방향을 따른다. 팽팽하게 맞설 때는 리스크 원칙을 우선시해 Cassandra와 Sentinel의 의견에 더 큰 무게를 둔다. 확신이 부족하면 관망을 선택한다. 이 결정이 하나의 전략 신호로 반환되어 1레이어의 투표에 참여한다.
Gemini 2.5-flash API를 기반으로, 4명의 위원이 동시에 병렬로 분석을 수행한다. 위원들은 단순히 "매수/매도"를 찍는 것이 아니라, 한 문장의 근거와 신뢰도(0~100)를 함께 제출한다. Sage는 이 내용을 모두 보고 최종 판단을 내린다.
두 레이어가 함께 작동하는 방식
실제로 시스템이 돌아가는 순서를 보자.
예를 들어 사용자가 RSI+MACD 복합 전략, 변동성 돌파 전략, AI 위원회 전략을 함께 활성화했다고 하자.
봇이 60초마다 깨어나 분석을 시작한다. 세 전략이 동시에 실행된다. RSI+MACD 전략이 "매수 — RSI 과매도 + MACD 골든크로스"라는 신호를 낸다. 변동성 돌파 전략은 "관망 — 돌파 조건 미충족"이라고 응답한다. AI 위원회 전략에서는 Oracle, Marcus, Cassandra, Sentinel 네 명이 병렬로 분석을 시작한다. Marcus가 "buy — 과매도 구간 반등 기대"를 제출하고, Cassandra가 "hold — 추세 전환 확인 필요"를 제출하고, Sentinel이 "hold — RSI 극단 구간, 변동성 주의"를 제출한다. Sage가 네 명의 의견을 종합하고 "hold — 리스크 우선 원칙에 따라 관망"을 결정한다. 이것이 세 번째 전략의 표가 된다.
결과: 매수 1표, 관망 2표. 매수 비율 33%. 40% 합의에 미달. 시스템은 이번 사이클을 관망으로 마무리한다.
다음 사이클에서 가격이 조금 더 내려가 RSI 29까지 떨어졌다. 이번엔 Marcus가 신뢰도 88로 강한 매수 의견을 제출하고, Sentinel도 "50% 규모 진입 허용"으로 돌아선다. 위원회 전략이 "buy"를 반환한다. 3개 전략 중 2개(RSI+MACD + 위원회)가 매수. 67% 합의. 시스템이 매수를 실행한다. 그리고 이 모든 과정이 거래 기록에 함께 저장된다.
위험이 감지되면 위원회가 먼저 깨어난다
위원회의 역할은 신호 생성에만 그치지 않는다. 시스템은 보유 포지션의 손익을 실시간으로 추적하고, 포지션이 손절선 근처(-3%)에 진입하는 순간 자동으로 위원회를 소집한다.
아직 손절이 필요한 상황은 아니다. 하지만 방심할 수 없는 구간이다. 이때 rule-based 위원회 엔진이 현재 RSI, MACD 지표를 바탕으로 5명의 에이전트 관점에서 상황을 분석하고 토론 기록을 생성한다. Marcus는 반등 가능성을 주장하고, Cassandra는 추가 하락 가능성을 경고하고, Sentinel은 손절 라인 엄수를 촉구한다. 이 토론이 "위원회 토의장" 메뉴에 실시간으로 기록된다.
사용자는 이 토론을 보고 직접 판단할 수 있다. 봇을 계속 돌릴지, 수동으로 정리할지, 손절 라인을 조정할지. 자동매매가 알아서 처리하는 것이 아니라, 사용자가 충분한 정보를 갖고 결정을 내릴 수 있게 되는 것이다. 중요한 것은 이 단계에서의 위원회 토론이 실제 매도 결정을 강제하지 않는다는 점이다. 결정은 여전히 사용자의 것이다.
왜 이 방식이 더 나은가
기존 자동매매의 근본적 한계는 단일 관점이다. 하나의 전략, 하나의 알고리즘, 하나의 판단 기준. 시장이 그 기준에 맞으면 잘 작동하고, 맞지 않으면 속수무책이다.
우리 시스템은 구조적으로 다중 관점을 보장한다. 기술적 전략들이 각자의 기준으로 시장을 읽고, AI 위원회 전략이 실제 AI의 다각적 분석을 하나의 표로 더한다. 투표 결합이 단독 전략의 오판을 걸러낸다. 그리고 위험이 감지되면 위원회가 먼저 경고를 보낸다.
사용자는 이 모든 과정을 본다. 어떤 전략이 신호를 냈는지, 몇 대 몇으로 결론이 났는지, 위원회의 5명은 어떤 의견이었는지. 거래 기록을 클릭하면 그 결정에 이르기까지의 전체 논의가 펼쳐진다. 이 투명성이 신뢰를 만들고, 신뢰가 있어야 자동매매 시스템을 안심하고 운용할 수 있다.
기술 아키텍처의 핵심
전략 실행과 위원회 토론은 완전히 분리된 레이어로 동작한다. 전략 엔진은 순수하게 기술적 조건만 판단하고, ai_committee 전략 내의 위원회는 Gemini API를 통해 AI의 언어로 분석한다. 새로운 전략을 추가하거나 에이전트의 성격을 조정해도 서로에게 영향을 주지 않는다.
4명의 AI 위원이 동시에 병렬로 분석을 수행하므로, 순차 처리 대비 응답 시간이 크게 단축된다. 각 위원의 분석 결과와 Sage의 최종 결정, 그리고 반대 의견까지 모두 데이터베이스에 영구 저장된다. 사용자는 6개월 전 매수 결정의 근거도 다시 꺼내 볼 수 있다.
모든 신호 생성, 위원회 토론, 거래 실행은 비동기로 처리된다. 특정 전략이나 API 호출이 느려져도 다른 전략의 실행을 막지 않는다. ai_committee 전략에서 Gemini API 타임아웃이 발생하면, 해당 전략만 hold를 반환하고 나머지 전략들의 투표는 정상적으로 진행된다.
우리가 그리는 미래
이 시스템은 단순한 자동매매 프로그램이 아니다. AI가 인간의 투자 의사결정 과정을 시뮬레이션하는 새로운 패러다임의 시작이다.
실제 투자 기관에서는 여러 명의 애널리스트가 서로 다른 관점에서 분석하고, 정량적 모델이 신호를 생성하며, 리스크 매니저가 제한을 걸고, CIO가 최종 결정을 내린다. 우리는 이 구조를 그대로 소프트웨어로 재현했다. 개인 투자자도 기관 수준의 의사결정 프로세스를 가질 수 있게 된 것이다.
앞으로 각 전략과 위원의 과거 적중률을 추적하여 투표 가중치를 동적으로 조정하거나, 거시경제 분석 전문 에이전트를 추가하거나, 특정 섹터 전문가 위원을 도입하는 것도 가능하다. 시스템의 모듈화된 구조가 이런 확장을 자연스럽게 허용한다.
매매의 모든 "왜"가 기록되는 시스템. 전략들이 민주적으로 투표하고, AI 위원회가 다중 관점을 더하며, 위험이 오기 전에 먼저 경고가 울리는 구조. 그리고 이 모든 과정을 투명하게 지켜볼 수 있는 사용자 경험. 이것이 우리가 만든 자동매매 시스템이고, 우리가 믿는 자동매매의 미래다.