왜 당신의 AI 트레이딩 에이전트는 메모리가 필요한가 — 그리고 우리가 만든 방법
Source: Dev.to
개요
내가 사용해 본 모든 AI 트레이딩 어시스턴트는 같은 문제를 가지고 있다: 기억 상실.
당신이 Claude에게 금 거래를 분석해 달라고 하면, 그는 견고한 분석을 제공한다 — 런던 세션 돌파를 식별하고, 저항 수준을 언급하며, 손절매를 제안한다. 훌륭하다.
다음 주에 정확히 같은 상황이 나타난다. 그런데 Claude는 지난 번에 무슨 일이 있었는지 전혀 기억하지 못한다. 그 돌파가 성공했는가? 손절매가 걸렸는가? 그는 모른다. 알 수 없기 때문이다.
실제 트레이더가 생각하는 방식은 이와 다르다. 베테랑 트레이더는 머릿속에 수천 개의 패턴 인식을 가지고 있다. 그들은 이를 “시장에 대한 감각”이라고 부르지만, 실제로는 시간이 지나면서 판단으로 정제된 기억이다.
그래서 나는 생각했다: AI에게도 같은 종류의 기억을 줄 수 있다면 어떨까?
문제점: AI 에이전트는 무상태다
오늘날 대부분의 AI 트레이딩 도구는 다음과 같이 작동한다:
- 당신이 AI에게 시장 데이터를 제공한다
- AI가 분석하고 추천을 제시한다
- 대화가 종료된다
- 다음 번에는 처음부터 시작한다
학습 루프가 없다. AI가 “지난 번에 아시아 세션에서 이 패턴을 보았는데, 5번 중 4번 실패했다 — 조심해야겠다”라고 말할 방법이 없다.
기존 솔루션도 이 문제를 해결하지 못한다. 트레이딩 저널은 인간을 위해 만들어졌으며, 에이전트를 위한 것이 아니다. 백테스팅 프레임워크는 전략을 테스트하지만, AI가 실시간으로 조회할 수 있는 지속적인 기억을 제공하지 않는다.
해결책: 3계층 기억 아키텍처
우리는 TradeMemory Protocol 을 구축했다 — AI 트레이딩 에이전트를 위한 오픈소스 기억 레이어. 이는 인간 트레이더가 전문성을 쌓는 방식을 모방한 세 개의 계층으로 구성된다:
L1: 원시 거래 기억
모든 거래가 자동으로 전체 컨텍스트와 함께 기록된다 — 진입 가격, 청산 가격, 손절매, 이익 실현, 시간 프레임, 세션, 결과, 그리고 당시 AI의 추론. 이는 세부 사항을 절대 잊지 않는 완벽한 트레이딩 저널이라고 생각하면 된다.
L2: 패턴 기억
리플렉션 엔진이 주기적으로 L1 데이터를 검토하고 패턴을 추출한다, 예를 들어:
-
“XAUUSD의 런던 세션 돌파: 승률 73 % (n = 41)”
-
“NFP 기간 동안의 역추세 진입: 승률 23 % — 피해야 함”
-
“강한 추세일 이후의 되돌림 진입: RSI 조건일 때 승률 81 %”
-
아키텍처 문서:
-
라이선스: MIT
L3: (이 게시물에서는 상세히 다루지 않음)
이 게시물은 L1과 L2에 초점을 맞추며, L3은 더 높은 수준의 전략적 기억을 포함한다.
대만 타이베이에서 Mnemox 가 구축했다. 우리는 AI 에이전트를 위한 기억 인프라를 만든다.
AI 트레이딩 에이전트를 개발 중이거나 유용한 기억 패턴에 대한 아이디어가 있다면, 댓글을 남기거나 GitHub에 이슈를 열어 주세요.