멀티 에이전트 트레이딩 시스템: AI 하나로 부족할 때

하나의 언어 모델에 "이 종목을 분석하고 잘 거래해 줘"라고 시키면, 자기 숙제에 스스로 점수를 매기는 자신만만한 산문 한 줄기를 얻습니다. 그 문제에 대해 가장 많이 인용되는 연구적 답이 멀티 에이전트 트레이딩입니다. 일을 특화된 역할(애널리스트, 리서처, 트레이더, 리스크 매니저)로 나누고, 어떤 주문이 존재하기 전에 그들이 논쟁하게 만드는 것입니다. 이 글은 TradingAgents 논문을 통해 그 패턴을 설명하고, 분해가 진정으로 도움이 되는 이유를 보이며, 백테스트 결과를 딱 마땅한 만큼만 진지하게 받아들이고, 다섯 개의 LLM보다 구조가 훨씬 더 필요한 개인 사용을 위해 그 아이디어를 옮깁니다.

멀티 에이전트 트레이딩이 실제로 뜻하는 것

멀티 에이전트 트레이딩 시스템은, 각각 좁은 일과 제한된 입력과 정의된 권한을 가진 여러 AI 구성 요소를, 파이프라인·토론·거부권 같은 구조화된 상호작용으로 조율해 돌립니다. 그것이 정의의 전부입니다. 대조 대상은 모놀리식 프롬프트입니다. 하나의 모델에게 하나의 완성 안에서 애널리스트, 강세론자, 약세론자, 트레이더, 리스크 담당자가 되라고 시키는 것입니다.

모놀리스가 고전하는 이유는 신비가 아니라 기계적입니다. 가격 이력, 뉴스, 펀더멘털, 지시로 가득 채운 하나의 컨텍스트 창은 모델이 마지막으로 읽은 무엇이든 거기에 닻을 내리도록 부추깁니다. 하나의 완성은 하나의 내러티브를 만들어 내고, 그 과정 안의 어떤 것도 그것에 반대할 구조적 위치에 있지 않습니다. 더 나쁘게, 거래를 옹호하는 바로 그 텍스트가 규모도 산정하므로, 리스크 판단이 자기가 점검해야 할 논지의 낙관을 물려받습니다.

분해는 각 약점을 따로따로 공략합니다. 각 역할은 자기 일에 관련된 데이터만 봅니다. 불일치가 바라는 것이 아니라 설계로 만들어집니다. 그리고 아니라고 말할 수 있는 구성 요소가 거래하고 싶어 하는 구성 요소가 아닙니다. 그런 시스템 속 단일 에이전트의 해부(입력, 추론 계층, 도구, 메모리, 가드레일)는 AI 트레이딩 에이전트가 실제로 어떻게 작동하는가를 보세요.

TradingAgents 내부: 언어 모델로 만든 회사

기준이 되는 설계는 "TradingAgents: Multi-Agents LLM Financial Trading Framework"(Xiao et al., arXiv:2412.20138, Dec 2024)이며, 250회가 넘는 인용으로 이 분야에서 가장 많이 인용된 연구에 속합니다. 그 아키텍처는 지표 파이프라인이 아니라 재량적 트레이딩 회사를 의도적으로 본떴습니다.

특화된 애널리스트 에이전트가 각각 정보의 한 조각을 처리합니다. 하나는 펀더멘털을 읽고, 하나는 심리를 채점하고, 하나는 기술적 분석을 다룹니다. 그다음 리서처 계층이 그 산출을 명시적 토론에서 스트레스 테스트하며, 평균을 내는 대신 강세와 약세 논거를 서로 맞붙여 논쟁합니다. 트레이더 에이전트가 살아남은 것을 제안 행동으로 종합하고, 리스크 관리 에이전트가 무엇이 최종이 되기 전에 그 제안을 검토합니다.

핵심을 떠받치는 선택은 토론입니다. 균형을 요구받은 하나의 모델은 "한편으로는, 다른 한편으로는" 식의 죽처럼 되고, 결코 드러내지 않는 이유로 한쪽을 고릅니다. 서로의 가장 강한 논점에 답해야 하는 대립하는 에이전트들은 다르게 행동합니다. 지정된 적수를 견디지 못하는 논지는 토론에서 죽는데, 그곳은 시장보다 훨씬 값싸게 죽을 수 있는 곳입니다.

성과에 관해, 저자들은 백테스트에서 기준 전략 대비 개선된 누적 수익률과 샤프 지수를 보고합니다(arXiv:2412.20138, Dec 2024). 그 두 단어 "백테스트에서"가 여기서 많은 무게를 짊어집니다. 뒤의 한 절이 그것을 제대로 해부합니다.

분해가 도움이 되는 이유: 세 가지 메커니즘

특화된 컨텍스트. 각 역할은 범위가 지정된 프롬프트와 범위가 지정된 데이터를 받으므로, 닻을 내릴 무관한 자료가 적고 날조할 표면이 적습니다. 좁은 범위는 감사 가능성도 사 줍니다. 결정이 잘못되면 기록을 읽고 어느 역할이 실패했는지 짚어 낼 수 있습니다. 하나의 긴 완성을 노려보며 추론이 어디서 휘었는지 궁금해하는 대신에요.

적대적 점검. 언어 모델은 기본적으로 순응적입니다. 내러티브에 저항하는 대신 완성합니다. 두 에이전트에게 반대하라고 배정하면 그 약점이 커버리지로 바뀝니다. 약세 에이전트의 일 전체는 강세가 놓친 것을 찾는 것이고, 성공하면(설계상) 보상받습니다. 외톨이 모델이 스스로에게 결코 주지 않는 레드팀 검토를 얻습니다.

명시적 거부권. 리스크 에이전트는 다른 역할들에 없는 권한을 쥡니다. 차단할 수 있습니다. 그것이 중요한 이유는, 큰 프롬프트 안에 한 문장으로 쓰인 강한 제약은 적용될 때마다 논쟁에서 이겨야 하고 때때로 집니다. 거부권을 가진 별도 에이전트로 인코딩된 제약은 협상하지 않습니다.

트레이드오프도 그만큼 구체적입니다. 이제 모든 결정이 하나가 아니라 여러 번의 모델 호출 비용을 지연과 돈 양쪽에서 치릅니다. 조율 자체가 하나의 실패 표면이 됩니다. 잘못 구성된 역할, 또는 양측이 같은 자신만만한 헛소리로 수렴하는 토론. 그리고 더 복잡한 시스템은 재현하고 테스트하기가 더 어렵습니다. 분해는 오류 잡기와 감사 가능성을 사 줍니다. 그것만으로 알파를 사 주지는 않습니다.

백테스트가 증명하는 것과 증명하지 못하는 것

TradingAgents는 백테스트에서 그 이득을 보고하며, 이 분야 자체의 문헌이 왜 그 주장을 장갑을 끼고 다뤄야 하는지 설명합니다. LLM 트레이딩 에이전트에 관한 한 서베이는 발표된 대부분의 시스템이 우수한 백테스트 성과를 보고하는 한편, 이 분야 전반의 방법론적 약점을 지적했습니다. 짧은 테스트 구간, 룩어헤드 리스크, 작은 종목 유니버스(arXiv:2408.06361, 2024).

더 날카로운 문제는 암기입니다. 모델의 훈련 데이터가 백테스트 구간과 겹치면 티커, 날짜, 가격 움직임을 사실상 기억할 수 있어서, "예측"이 부분적으로 회상이 됩니다. 성과는 표본 밖에서 종종 저하됩니다(arXiv:2505.07078, 2025). 2026년의 메모리 통제 벤치마크가 반대 방향에서 같은 판정에 도달했습니다. 새어 든 시장 이력을 통제하면 겉보기 실력이 급격히 줄어듭니다(arXiv:2605.28359, 2026).

그래서 멀티 에이전트 문헌의 정직한 독법은 이렇습니다. 아키텍처는 의사 결정 과정(구조화된 불일치, 분리된 리스크 권한, 읽을 수 있는 추론)을 입증할 만큼 개선하는 한편, 지속적 시장 초과 성과는 여전히 입증되지 않았습니다. 그것은 LLM이 트레이딩에서 할 수 있는 것과 없는 것의 더 넓은 그림과 맞아떨어집니다. 언어와 추론 구조에는 진정으로 강하고, 예측 기계로는 미덥지 않습니다. 그 패턴을 백테스트된 샤프가 아니라 그 규율 때문에 사세요.

개인 투자자를 위한 옮김: 다섯 개의 LLM이 아니라 관심사 분리

여러분은 자기 증권 계좌를 두고 언어 모델들의 토론 동아리를 지휘하지 않을 것이고, 그럴 필요도 없습니다. 연구 프레임워크를 골격까지 벗겨 내면 남는 것은 트레이딩에 적용된 오래된 공학 지혜입니다. 신호 생성, 리스크 관리, 실행을 분리하고, 어떤 단일 구성 요소도 셋 다 소유하지 못하게 하는 것.

실전에서 그것은 세 개의 독립적이고 감사 가능한 계층처럼 생겼습니다. 여러분의 전략 로직이 진입과 청산을 제안합니다. 그것이 오버라이드할 수 없는 리스크 계층이 모든 제안을 포지션 상한, 노출 한도, 낙폭 서킷 브레이커에 대조해 점검합니다. 이것이 논문의 리스크 매니저 거부권의 개인용 등가물이며, AI 트레이딩 에이전트를 위한 가드레일에서 상술합니다. 그다음 실행 계층이 자체 점검을 거쳐 주문을 라우팅합니다. 성과는 연구에서와 같습니다. 여러분의 전략이 틀려도 계좌가 파괴되지 않는데, 피해를 제한하는 계층이 논지의 낙관을 결코 공유하지 않았기 때문입니다.

Obside에서는 이 패턴이 추가 기능이 아니라 제품의 형태입니다. 각 전략이 자기 에이전트로 돌고, 리스크 한도는 에이전트의 필드(사이징, 스탑, 낙폭 상한, 레버리지 한도)로서 실행 시점에 강제되지, 프롬프트 속 제안이 아닙니다. BTC 모멘텀 에이전트를 월간 ETF 리밸런싱 에이전트와 나란히 돌린다고 합시다. 이들은 별도 상한을 가진 격리된 자동화이므로, 모멘텀 에이전트가 낙폭 한도에 닿으면 그 에이전트만 멈추고 리밸런서는 계속 일합니다. 토론 단계조차 개인용 등가물이 있습니다. 코파일럿이 무엇이든 돌기 전에 여러분의 지시를 정확한 조건으로 다시 진술하여, 여러분이 말한 것과 의도한 것 사이의 불일치를 아직 공짜일 때 수면 위로 끌어올리도록 강제합니다.

같은 철학은 한 단계 아래, 하나의 규칙 안에도 적용됩니다. 독립적 조건(가격 수준 AND 추세 필터 AND 뉴스 조용 점검)을 조합하는 것은 신호에 적용된 분해이며, 멀티 조건 자동화에서 다룹니다.

여기서 어디로 갈 것인가

멀티 에이전트 아이디어는 여러분이 연구 프레임워크를 결코 건드리지 않아도 훔칠 가치가 있습니다. 이 글에서 질문 하나를 간직해, 여러분 자신의 것을 포함한 어떤 구성에든 적용하세요. 거래하고 싶어 하는 구성 요소가 리스크를 제한하는 구성 요소를 무를 수 있는가? 답이 예라면, 몇 개의 모델이 돌든 여러 모자를 쓴 하나의 에이전트를 가진 것입니다.

여기서는 구조가 지능을 이깁니다. 진짜 관심사 분리 안의 수수한 전략은 자기 나쁜 주간을 견뎌 냅니다. 거부권 계층 없는 뛰어난 전략은 결국 그것을 끝내는 그 주와 마주칩니다. 그 구조를 직접 짓지 않고 원한다면, Obside가 분리된 버전을 기본으로 줍니다. 전략을 평이한 문장으로 설명하고, 백테스트하고, 페이퍼 트레이딩하고, 여러분의 전략 로직이 우길 수 없는 리스크 한도와 함께 라이브로 가세요.

본 콘텐츠는 교육 목적으로만 제공됩니다. 투자 자문이 아닙니다. 트레이딩에는 원금 손실을 포함한 위험이 따릅니다.