오늘은 UCLA와 MIT에서 작성한 TradingAgents 논문을 들고 왔습니다. 헤지펀드의 투자 의사 결정을 다중 에이전트 LLM 트레이딩 프레임워크로 따라해보자는 내용입니다. 사실 작년에 발표된 논문인데 최근 깃허브 리포가 입소문을 타고 유명해져서 저도 따라해봤습니다. 새롭거나 신기한건 일단 시도해봐야죠. 예전 글에서 금융 의사결정을 위한 LLM 에이전트 내용을 소개해드렸습니다. AI모델이 트레이딩 모델을 만들고 인간의 개입 없이 스스로 수익을 낸다는 내용이었는데, 자세히 뜯어보면 취약한 리스크 관리 능력 등 아쉬운 부분이 많았었습니다. 그에 반해 오늘 소개해드릴 논문은 실제 투자 회사처럼 7명의 에이전트들이 아래와 같이 각자 역할을 합니다. 펀더멘털 애널리스트: 재무제표, 어닝 보고서, 내부자 거래 분석. 기업 내재가치 평가. 감성 애널리스트: Reddit·X/Twitter 소셜 미디어 감성 점수 분석. 단기 심리 예측. 뉴스 애널리스트: Bloomberg·Finnhub 뉴스, 정부 발표, 거시경제 지표 분석. 기술적 애널리스트: MACD·RSI·볼린저밴드 등 60개 기술 지표 계산 및 패턴 분석. 리서처 (강세/약세): 불리시·베어리시 두 에이전트가 토론. 투자 위험·기회를 다각도로 검토. 트레이더: 분석 종합 후 매수·매도·보유 신호 생성. 타이밍·규모 결정. 리스크 매니저 & 펀드 매니저: 공격적·중립·보수적 시각으로 리스크 조정. 최종 승인 및 실행. 정리하자면 펀더멘털·감성·뉴스·기술적 애널리스트 4명이 병렬로 데이터를 수집하고, 강세·약세 리서처가 토론으로 투자 논거를 검증하고, 트레이더가 매매 신호를 생성하면, 공격적·중립·보수적 리스크 매니저가 재검토한 뒤, 펀드 매니저가 최종 승인합니다. 다른 모델들에 비해서 이러한 의사 결정 구조가 가지는 차이점은 (1) 실제 트레이딩 회사처럼 역할을 분리하고 상호작용 하는 구조를 구현했다는 점과 (2) 자연어 대화로만 소통하면 정보가 희석되는 "전화 게임 (telephone effect)" 문제를 해결하기 위해, 구조화된 보고서와 자연어 토론을 혼합해 썼다는 점입니다. 논문에서는 2024년 1~3월 백테스트에서 AAPL +26.6%, GOOGL +24.4%, AMZN +23.2% 누적 수익을 기록했는데 샤프 지수가 무려 8.21 이라고 하네요! 하지만 이는 3개월이라는 짧은 강세장 기간에 빅테크 위주로만 테스트했고, 하락장·중소형주 적용성은 미검증 상태입니다. 음.. 좋다는걸 알았으니 이제 실제로 해봐야겠죠? 깃허브 가서 코드를 다운받아 설치해봅니다. 복잡할 것 없이 아나콘다 (미니콘다도 됩니다) 환경에서 명령어 단 몇 줄이면 됩니다. 깃 클론하고, 가상 환경 만들고 패키지를 설치해준 다음 실행시키시면 됩니다. 처음에 실행하면 주식 티커를 입력하라고 나옵니다. 저의 아픈 손가락인 노보노 (#NVO)를 넣어봤습니다. 혹시 영어가 어려운 분들은 한글로 설정할 수도 있으니 걱정 안하셔도 됩니다. 처음 시작하면 여러가지 설정들을 하는데 2026년 5월 19일 기준으로, 결과는 한국어로, 데이터 수집에는 4명의 에이전트를 모두 동원한 다음에, 딥리서치를 하라고 했습니다. 실행은 여러 LLM 모델들을 지원하는데, 저는 클로드 API key를 연결해주었습니다. 시작한지 20분이 지나서 4명의 애널리스트들이 자료를 모두 모았습니다. 이제 리서쳐들이 불케이스 베어케이스로 나눠서 토론을 하는데 논리적인 전개와 반론이 재밌습니다. 장기 가치투자자 입장에서 가장 흥미로운 부분은 펀더멘털 애널리스트와 리서처 팀의 토론 구조입니다. 투자 아이디어를 강세 논거와 약세 논거로 체계적으로 분해하고 검증하는 프로세스는, 실제로 내가 특정 주식을 리서치할 때 스스로에게 적용해볼 수 있는 사고 프레임워크이기도 합니다. 그런데 애널리스트 팀의 자료수집과 리서치 팀의 토론이 끝나고, 트레이더가 매매 신호를 만들때 문제가 발생합니다. 클로드에 충전해놓았던 돈이 다 떨어졌다고 하네요. 확인해보니 35분 동안 토큰을 $5 정도 썼다고 나오는데, 시작하기 전에 금액이 충분한지 확인하든지, 자동 충전이 되도록 설정해놨어야 하는데 깜박했네요. 결국 TradingAgents는 리스크 매너저와 펀드 매니저까지 도달하지 못한채 종료해버리고 맙니다. 여기까지 느낀점은 일반 LLM 모델에 프롬프트로 돌렸을때보다 좀 더 체계적이고 정돈된 내용을 들을 수 있다는 것입니다. 최종 리포트를 못봐서 결과물을 확인할 수 없었지만, 일반 금융 모델에 비해서 조금 더 균형잡힌 시각을 제공한다는 부분은 분명히 강점이라고 생각합니다. 주식 한 종목을 깊게 분석하는데 대략 $10 정도 비용이 발생한다고 생각하면 될 것 같아요. 그리고 모든 코드가 오픈소스로 공개되어 있으니, 직접 돌려보며 개선 방향을 탐색하는 것도 재미있을 것 같습니다. 시간이 있다면 말이죠.. 그리고 토큰을 좀 더 효율적으로 사용하거나 아끼는 방법 아시는 분은 팁 좀 가르쳐주세요. 밸리 여러분도 한번 직접 해보시고 다른 모델들과 어떤점이 다른지 알려주세요! 아니면 밸리 세라핀이 정식으로 출시된다면 TradingAgents 모델과 함께 돌려서 토론 시켜봐도 좋을 것 같아요.