저는 IB 교육을 제외하고 관심 있는 분야는 투자 분야입니다. 실제로 해외 주식 및 암호화폐 시장에 관심이 많고 이에 따른 투자도 진행하고 있습니다.
하지만 투자를 진행할수록 느끼는 것이 꾸준히 진행하기 쉽지 않다는 것입니다. 본업을 하다보면 바쁠때는 일주일씩 투자를 못하는 경우도 생기고, 일주일치 등락을 놓치게 되는 경우도 많다보니 이것을 어떻게 자동화로 바꿀 수 있을까가 저의 고민이였고, AI의 발전으로 인해 바이브 코딩(전문지식 없이 언어로 하는 코딩)이 발전되어 저도 코딩을 짜서 자동 매매 시스템을 구축 할 수 있었습니다. 해당 과정을 공유하고, 이를 통해 학생들도 프로젝트성으로 따라하거나 자신만의 시스템을 구축하면 좋겠다고 생각합니다.
1단계: 기본 뼈대 구축 – AI 트레이딩의 시작
모든 위대한 여정은 작은 첫걸음에서 시작됩니다. 처음의 목표는 간단했습니다. ‘AI에게 차트 데이터를 주고, 매수/매도 판단을 받아보자.’
- 초기 로직:
- 빗썸 (코인거래소)를 통해 시간대별(1시간, 4시간, 24시간 거래량 및 가격 데이터를 수집합니다.
- 수집한 데이터를 가공하여, Perplexity AI에게 “이 데이터를 보고 비트코인을 사야 할까, 팔아야 할까?”라고 질문을 던집니다.
- AI가 내린 결정(사기/ 팔기/ 가지고있기)과 그 이유를 받아옵니다.
- 이 결정에 따라 실제 거래를 실행하고, 모든 거래 내역은 데이터베이스에 기록합니다.
이 간단한 구조만으로도 AI가 데이터를 기반으로 제법 그럴듯한 투자 결정을 내리는 것을 확인하며, 프로젝트의 가능성을 엿볼 수 있었습니다.
기술 스택: Python, python-bithumb (이후 pybithumb으로 변경), Perplexity AI API
2단계: 3대 분석 엔진 탑재 – 시스템의 지능 강화
단순히 데이터만 던져주는 것을 넘어, 시스템이 스스로 시장을 다각도로 분석하고 이해하는 ‘두뇌’를 만들어주기로 했습니다. 이를 위해 저는 ‘기술적 분석’, ‘온체인/심리 분석’, ‘실시간 유동성 분석’이라는 3개의 핵심 분석 엔진을 구축했습니다.
기술적 분석:
RSI(상대강도지수), MACD, 이동평균선(50일, 200일) 등 핵심 보조지표를 자동으로 계산합니다. ‘골든크로스/데드크로스 발생 여부’, ‘현재 가격이 200일선 위에 있는지’ 등 시장의 추세를 판단하는 명확한 ‘신호(Signal)’를 생성하도록 만들었습니다.
온체인과 시장 심리 분석
단순한 가격 변동 너머에 있는, 시장 참여자들의 실제 행동과 감정 상태를 분석합니다.
공포-탐욕 지수:api.alternative.me API를 사용하여 시장의 전반적인 감정 상태를 수치화했습니다. (극도의 공포 = 매수 기회) 대규모 거래 추적:Blockchair API로 최신 거래 내역을 받아, 특정 규모 이상의 거래를 ‘고래의 움직임’으로 간주하여 시장의 변동성 위험을 감지하는 로직을 추가했습니다
실시간 유동성 분석 엔진: 시스템의 안전장치를 달다
거래량이 부족한 ‘가짜 상승/하락’에 속지 않고, 내가 원하는 가격에 거래를 체결할 수 있는지, 즉 거래의 ‘안전성’을 확보합니다.
3가지 지표를 조합하여 ‘유동성 점수(0~100)’를 산출했습니다:
- 매수-매도 스프레드: 호가 차이가 적을수록 높은 점수.
- 오더북 깊이: 현재가 위아래로 쌓인 주문량이 많을수록 높은 점수.
- 거래 강도: 최근 1분간의 거래량이 많을수록 높은 점수.
실전 배포 및 자동화 – 시스템에 생명을 불어넣다
모든 분석 엔진이 완성된 후, 이 시스템이 24시간 스스로 작동하도록 클라우드 서버에 배포했습니다.
코드 관리: 로컬(VS Code)에서 코드를 수정하고, Git과 GitHub를 통해 버전 관리
서버 환경:AWS의 가상 서버(EC2)를 사용
아래는 실제 자동 매매 시스템을 이용하여 어떤 결정을 내렸고 그 이유에 대하여 설명하는 모습입니다.
결론 및 앞으로의 계획
이제 저의 자동매매 봇은 기술(차트), 온체인(자금 흐름), 심리(공포-탐욕), 유동성(안전성)까지 모두 고려하여 종합적인 판단을 내리는 시스템으로 성장했습니다. 이 봇은 지금도 AWS 서버에서 정해진 스케줄에 따라 조용히 시장을 분석하고 있습니다.
물론 이것이 끝은 아닙니다. 앞으로는 데이터베이스에 쌓인 로그를 분석하여 AI의 결정 성공률을 높이고, 시장 상황에 맞게 각 분석 엔진의 가중치를 조절하는 등 지속적인 최적화 작업을 진행할 계획입니다.
답글 남기기