# Show GN: 31개의 LLM을 교차검증 체계로 엮은 100% 자율 주식 매매 시스템 > Clean Markdown view of GeekNews topic #27946. Use the original source for factual precision when an external source URL is present. ## Metadata - GeekNews HTML: [https://news.hada.io/topic?id=27946](https://news.hada.io/topic?id=27946) - GeekNews Markdown: [https://news.hada.io/topic/27946.md](https://news.hada.io/topic/27946.md) - Type: show - Author: [cjb9452](https://news.hada.io/@cjb9452) - Published: 2026-03-28T13:48:03+09:00 - Updated: 2026-03-28T13:48:03+09:00 - Original source: [t.me](https://t.me/K_Agent_Alpha) - Points: 19 - Comments: 8 ## Summary 한 학생 개발자가 **31개의 LLM 에이전트를 교차검증 구조로 묶은 완전 자율 주식 매매 시스템**을 구축해 실제 계좌에 연결했습니다. 각 에이전트가 거시경제·섹터·기업 분석을 분담하고, 최종 의사결정은 상위 모델이 통합해 매매를 실행합니다. 개발 과정에서 LLM의 **인지 편향(손절 회피)** 과 API 트래픽 한계를 해결하기 위해 자기 반박 로직과 배치 처리 아키텍처를 도입했습니다. ## Topic Body 안녕하세요. 개인 포트폴리오를 관리하기 위해 토이 프로젝트로 시작했다가, 점차 판이 커져 31개의 LLM 에이전트 시스템을 구축하게 된 학생 개발자입니다. 초기에는 사용자를 모으기 위한 B2C 종목 추천 웹서비스로 기획했습니다. 하지만 막대한 API 통신 비용 문제와 효용성 검증 문제에 부딪혔습니다. 그래서 사용자 확보(마케팅)를 포기하고, UI/UX를 모두 걷어낸 뒤 **제 실계좌(1,000만 원)를 직접 연결하여 AI가 모든 판단과 매매를 알아서 수행하는 파이프라인**으로 피벗하여 운영 중입니다. 그동안 고민하며 구축한 아키텍처와 기술적인 삽질 경험을 GeekNews 분들과 공유하고자 합니다. --- ##### 🧠 시스템 아키텍처: 6단계, 31개 에이전트 교차 검증 이 시스템(K-Agent Alpha)은 단일 프롬프트가 아닌, 완전한 탑다운(Top-Down) 투자 방식을 모사한 **Multi-Agent 릴레이 파이프라인**으로 작동합니다. 약 1시간 동안 순차적으로 실행됩니다. 1. **포트폴리오 & 심리 분석 (Phase 0~1):** - KIS(한국투자증권) API로 실제 잔고를 불러오고, 기존 매매의 승률을 분석해 피드백 루프를 돕습니다. - 변동성(VIX), 환율, KOSPI 등락 등 5개 지표를 기반으로 시장 스탠스를 규정합니다. 2. **거시경제 팀 (Phase 2 - 7개 에이전트):** - 금리, 환율, 파생상품 에이전트들이 FRED, 한국은행 API 등을 통해 글로벌 유동성을 분석합니다. - 단방향 사고를 막기 위해 Base/Bull/Bear 3가지 시나리오를 강제로 도출하게 설계했습니다. 3. **산업/섹터 팀 (Phase 3 - 10개 에이전트):** - 시스템에서 가장 정교한 파이프라인입니다. 외인/기관 실시간 수급, 업종 PER, 검색 뉴스를 바탕으로 유망 업종을 스크리닝합니다. - LLM 특유의 환각(없는 주식을 추천)을 잡기 위해, 상장폐지 여부나 시총 미달을 기계적으로 필터링하는 **Validator 에이전트**를 배치했습니다. 4. **기업분석 및 리스크 팀 (Phase 4 - 8개 에이전트):** - DART 재무제표, 차트(기술적 지표), 뉴스를 뜯어보고 후보를 올립니다. 리스크 매니저가 공매도 압력과 MDD를 검증합니다. 5. **최종 결정권자 CIO (Phase 5 - 1개 에이전트):** - 30명(Gemini Flash)의 산출물을 가장 똑똑한 `gemini-3.1-pro-preview` 원탑 모델이 취합합니다. - 매몰 비용 오류(Sunk Cost Fallacy) 등을 막기 위해 무조건 **"내가 틀렸을 때의 Bear Case 시나리오"** 와 **"투자 무효화 조건"** 을 명시하도록 'Bounded Autonomy' 프롬프트를 적용했습니다. 여기서 생성된 JSON이 제 한국투자증권 API로 쏘아집니다. --- ##### 💡 트러블 슈팅: LLM의 인지 편향과 트래픽 폭주 시스템을 운영하며 두 가지 뼈아픈 문제를 겪고 해결했습니다. 1. **LLM은 손절을 못 한다 (처분 효과):** - AI는 수익 난 종목은 조금만 올라도 팔고 싶어 하고, 물린 주식은 "언젠가 오를 것"이라며 방치하는 인간의 인지 편향을 똑같이 재현했습니다. 이를 막기 위해 어제와 오늘의 결정이 모순될 경우 왜 스탠스가 바뀌었는지 명시하게 하고, 스스로 자신의 과거 승률을 평가해 반박(Red-Teaming)하도록 로직을 수정했습니다. 2. **31개 에이전트의 API 트래픽 한계 (Rate Limit & Context Limits):** - 20~30개 종목을 깊게 분석하다 보니 토큰이 터지거나 외부 API Limit이 막히는 현상이 지속되었습니다. 결국 재무, 차트 지표 등 대량의 데이터는 `get_fundamental_batch_all`처럼 백단에서 한 방에 말아서 밀어 넣는 **Batch 처리 아키텍처**로 개편하여 실행 시간을 1시간 이내로 안정화했습니다. --- ##### 📊 AI가 실제로 내뱉는 로그 예시 위 과정이 끝나면 AI는 아래와 같이 상당히 딥한 수준의 전략 리포트(로그)를 출력합니다. > *(AI가 어제 작성한 실제 거시경제 진단 로그 중 일부 추출)* > "PPI(생산자물가) 반등 폭(2.43%)이 CPI(2.0%)를 추월하면서 기업들의 마진 스퀴즈(Margin Squeeze)가 현실화되고 있습니다... > 선물 시장은 -1112.61의 깊은 백워데이션 상태를 기록하고 있습니다. > 유가가 100달러를 돌파하고 환율이 1,520원을 넘어서는 'Sudden Stop' 국면 진입 가시화. > → **현금 비중을 34% 수준까지 대폭 상향 조정. 전방위적 저평가 매력이 돋보이는 조선기자재 편입."** --- ##### 💻 실행 결과 및 로그 관전하기 아직 전체 소스코드가 제 보안 키들과 실계좌 로직들로 엉켜 있어, 오픈소스로 바로 `git clone` 해서 실행해 보실 수 있게 올리지는 못했습니다 (추후 핵심 프롬프트와 파이프라인은 정리해서 깃허브에 올릴 예정입니다). 대신, 이 31개의 프롬프트 파이프라인이 실제로 하루 1시간씩 토론하고 **어떤 의사결정 로그(결과물)를 내뱉는지 평가해 보실 수 있도록 전용 텔레그램 채널을 연동해 두었습니다.** * 랜딩 페이지나 이메일 수집, 마케팅 목적이 전혀 아닙니다. * 사람이 개입하지 않고 100% LLM이 자동 생성하는 기관급 투자 리포트와 그로 인한 실시간 매매 내역(실계좌 연동)이 매일 오후 3시 5분에 스트리밍으로 올라갑니다. **👉 실시간 AI 판단 로그(리포트) 채널:** [t.me/K_Agent_Alpha](https://t.me/K_Agent_Alpha) 현재 멀티 에이전트 시스템이나 프롬프트 엔지니어링 쪽에 관심 있으신 분들이 보시고, 아키텍처나 AI의 판단 오류 수정에 대해 따끔한 조언이나 기술적인 피드백을 주시면 정말 감사하겠습니다! ## Comments ### Comment 54064 - Author: github88 - Created: 2026-03-29T11:22:31+09:00 - Points: 2 아이고.. ### Comment 54136 - Author: dydwls140 - Created: 2026-03-30T14:40:47+09:00 - Points: 1 아이고... ### Comment 54125 - Author: woonsa - Created: 2026-03-30T13:03:29+09:00 - Points: 1 LLM 은 추론 시간이 있기에 실시간 매매나 HFT 같은 고빈도 매매 에는 대응이 느립니다. 최소 5분봉 기준으로만 가능 합니다. 거기에 LLM 모델을 여러개 엮어도 능력이 더 뛰어 나거나 하지 않습니다. 차라리 5개 정도의 LLM 으로 로직이나 LSTM 모델에서는 캐치 하지 못하는 시장이나 커뮤니티 의 분석 환희 인지 공포인지 같은 감정적 분석을 맡기고 어드밴스드ppo cnn lstm(과거차트 데이터분석) 같은 딥러닝들과 거기에 사용자 만에 분석 로직에 따른 매매 방법을 앙상블로 엮어야 합니다. 초단기 매매는 LSTM, cnn 같은 딥러닝 모델이 맞습니다. ### Comment 54138 - Author: cjb9452 - Created: 2026-03-30T15:00:45+09:00 - Points: 1 - Parent comment: 54125 - Depth: 1 그 부분 충분히 고려하고 있습니다. 그래서 장 마감 종가베팅을 통해서 고빈도 매매를 피하려고 합니다. ### Comment 54167 - Author: woonsa - Created: 2026-03-31T08:26:44+09:00 - Points: 1 - Parent comment: 54138 - Depth: 2 조금더 팁을 드리자면 소형 llm 모델을 sft(ntr) 튜닝을 통해서 특정 도메인 특화로 만드는 것입이나 그것들은 로컬에서 돌리고 api 는 대형 언어모델 하나만 사용 하고요! 7B 나 3B 정도 되는 것들 특정 분석용 으로 특화하면 좀더 좋은 결과가 나옵니다. 아! sft(ntr) 할땨 ai hub 적극 이용하시면 데이터셋 만들기 편합니다. ( 저도 비슷한걸 만들어 본적이 있어서요 ^^;) ### Comment 54126 - Author: woonsa - Created: 2026-03-30T13:05:32+09:00 - Points: 1 - Parent comment: 54125 - Depth: 1 아참 꼭 한두달 은 꼭 백테스팅 이 필요 합니다. 안그러면 llm 이 이상한짓 해서 자산 날리는걸 목격 할수도 있습니다.(저점에 매수 고점에 매도) ### Comment 54101 - Author: galaxy11111 - Created: 2026-03-30T07:39:51+09:00 - Points: 1 대단히 정교한 환각 덩어리를 만드셨네요... 시장은 예측할 수 없습니다. 만드신걸로 자산이 두배 이상 불어난다면 제가 틀렸음을 인정 하겠습니다. ### Comment 54139 - Author: cjb9452 - Created: 2026-03-30T15:01:16+09:00 - Points: 1 - Parent comment: 54101 - Depth: 1 환각일 수도 있습니다. 그래서 저도 지켜보려고 합니다. 제 돈을 건만큼 계속해서 업데이트를 해야 될 겁니다. 일종의 실험입니다.