AI Trader Team

September 20, 2026 · View on GitHub

AI Trader Team

AI Trader Team

Test License: MIT Python 3.11+ Skills Agents

한국어 · English · 中文

개인이 AI 에이전트를 통해 전문 수준의 투자 리서치 팀을 갖추기 위한 프레임워크입니다. 슬래시 커맨드(스킬) → 병렬 서브에이전트(관점별 페르소나) → 결정론적 검증 도구, 3계층으로 구성됩니다.

⚠️ 교육 및 연구 목적입니다. 투자자문이 아니며, 최종 판단과 책임은 사용자 본인에게 있습니다.

미리보기

/trade-team을 실행하면 4개 관점 에이전트가 병렬로 논쟁하고, 팀장이 절충하지 않은 채로 종합합니다:

/trade-team 실행 예시 — Gray Zone 판정

(예시 데이터 — reports/examples/trade-team-example.md 발췌. 실제 투자 판단에 사용하지 마세요.) 상호작용을 코드로 직접 보고 싶다면 작동 원리 페이지(한국어/English/中文)를 확인하세요.

이런 분들께 유용합니다

  • 스윙 트레이더 — /screen으로 후보군을 빠르게 걸러내고, /trade-team으로 진입 전 4관점(추세·매크로·리스크·수급) 교차검증을 받고 싶은 경우
  • 장기 보유자 — /position-review로 보유 종목의 최초 진입 근거가 여전히 유효한지 주기적으로 재점검하고 싶은 경우
  • 전략 검증자 — 정성적 판단이 아니라 tools/backtest.py의 워크포워드 검증으로 규칙 기반 전략의 과최적화 여부를 직접 확인하고 싶은 경우
  • Claude Code 사용자 — 이미 Claude Code 워크플로우에 익숙하고, 스킬/서브에이전트/결정론적 도구를 조합하는 프레임워크 설계를 참고하고 싶은 경우

아키텍처

Skill Layer   (skills/)   ← 시나리오별 진입점
     ↓                        ↑
Agent Layer   (agents/)   ← 관점별 병렬 서브에이전트
     ↓                        ↑
Tool Layer    (tools/)    ← 정밀 계산 · 데이터 검증
     ↓                        ↑
Report Layer  (reports/)  ← 원장·산출물, 다음 실행이 다시 읽어들이는 상태

계층별 자세한 설명은 docs/architecture.md를 참고하세요.

reports/는 실행 결과를 쌓아두는 로그가 아니라 근거 없는 판단을 남기지 않는 원장입니다 — 모든 리포트는 4개 관점의 점수·근거·반증을 그대로 보관하고, 다음 실행이 그 상태를 다시 읽어들입니다.

설치

git clone https://github.com/TLSRUF/ai-trader-team.git
cd ai-trader-team
pip install -r requirements.txt   # 실시간/과거 시세 조회(market_data.py)에 필요
./scripts/install-claude-commands.sh

Claude Code에서 이 저장소를 열면 /screen, /trade-team, /position-review, /portfolio, /post-mortem 슬래시 커맨드를 바로 사용할 수 있습니다.

/screen AAA BBB CCC     # 저비용 스크리닝으로 후보를 먼저 거르고
/screen                 # 인자 생략 시 reports/watchlist.md 전체를 스크리닝
/trade-team AAA         # Pass한 종목만 4-agent 심층 분석
/position-review AAA    # 진입 후 주기적으로 최초 테제가 아직 유효한지 재점검
/portfolio              # 보유 포지션 전체의 실시간 시세·미실현 손익 대시보드
/post-mortem AAA        # 청산 후 실현 손익(R-멀티플)과 판단 귀인을 회고

권장 흐름: /screen으로 후보를 거르고 → Pass한 종목만 /trade-team으로 심층 분석해서 진입 판단하고 → 진입 후에는 /position-review로 테제 드리프트를 주기적으로 점검하고 /portfolio로 실시간 손익을 확인하며 → 청산 후에는 /post-mortem으로 회고합니다. 보유 포지션과 관심 종목은 각각 reports/positions.md, reports/watchlist.md에 원장으로 남아 다음 실행 때 자동으로 조회됩니다.

백테스트 (tools/backtest.py)

4-agent 정성적 판단(위 스킬들)과는 별도로, 이 프로젝트가 이미 갖춘 결정론적 규칙만 떼어낸 기계적 추세추종 전략을 과거 데이터로 검증하는 도구입니다. LLM의 정성적 판단을 재현하지 않습니다 — 매 시점의 뉴스·맥락을 과거로 되돌릴 수 없기 때문입니다. 대신 "이동평균 상향 돌파 + 고정%손절 + 고정 R:R 목표가"라는 근사 전략의 자산군별·기간별 강건성을 확인하는 용도로 씁니다.

# 단순 실행 — 마찰비용(수수료+슬리피지 근사) 반영
python tools/backtest.py run --tickers '["AAPL","MSFT","NVDA"]' \
    --start 2023-01-01 --end 2026-08-01 --friction-pct 0.1

# 동시 보유 포지션 자본 제약(포트폴리오 히트 한도) 반영
python tools/backtest.py run --tickers '["AAPL","MSFT","NVDA"]' \
    --start 2023-01-01 --end 2026-08-01 --max-heat-pct 6

# 워크포워드 검증 — in-sample 구간에서만 파라미터를 고르고
# 한 번도 보지 않은 다음 구간에 적용해 과최적화 여부를 확인
python tools/backtest.py walk-forward --tickers '["AAPL","MSFT","NVDA"]' \
    --start 2022-01-01 --end 2026-08-01 --window-months 12 --step-months 6

실제 검증 결과는 reports/2026-08-23-backtest-comparison.md(미국 대형주 파라미터 튜닝)와 reports/2026-08-23-backtest-crypto-extension.md(크립토 확장 검증 — 같은 전략이 자산군을 넘어 일반화되지 않는다는 결론)를 참고하세요.

연도별 성과 (S&P500 대비)

10종목(AAPL·MSFT·NVDA·GOOGL·AMZN·META·TSLA·JPM·UNH·XOM) 유니버스, 튜닝 기본값, 마찰비용 0.1% 반영 결과입니다. 방법론·한계는 reports/2026-08-26-performance-vs-sp500.md를 반드시 함께 읽어주세요 — 과거 백테스트 성과이며 미래 수익을 보장하지 않습니다.

연도AI Trader Team (튜닝 백테스트)S&P500 (매수 후 보유)
2022-10.67%-19.95%
2023+96.86%+24.73%
2024+94.94%+24.01%
2025+54.92%+16.65%

2022년 약세장에서도 지수 하락폭의 절반 수준으로 방어했고, 나머지 3개 연도는 모두 S&P500을 크게 상회합니다. 자세한 방법론·데이터 출처·한계는 reports/2026-08-26-performance-vs-sp500.md를 참고하세요.

샘플 출력

/trade-team은 4개 관점 서브에이전트를 병렬 실행해 아래처럼 하나의 리포트로 종합합니다 (아래는 reports/examples/trade-team-example.md에서 발췌한 예시 데이터입니다 — 실제 투자 판단에 사용하지 마세요):

관점태그점수핵심 근거
추세Bull4/5다중 시간축 상승 배열, 거래량 동반 돌파 확인
매크로Neutral3/5유동성 환경은 우호적이나 섹터 로테이션 방향이 상충
리스크Bear2/5최근 유사 국면에서 최대낙폭 이력이 크고, 상관관계 높은 포지션 이미 보유 중
수급Bull4/5순매수 흐름과 이상거래량 확인, 옵션 포지셔닝은 중립

한줄 결론: 4개 관점 중 3개(추세·매크로·수급)는 긍정적이나, 리스크 관리자가 손실 시나리오를 근거로 반대하는 Gray Zone — 포지션 크기를 줄여서 접근할지, 리스크 신호가 해소될 때까지 대기할지 판단이 필요하다.

이런 의견 충돌(Gray Zone)은 버그가 아니라 설계 의도입니다 — 4개 에이전트가 서로 다른 질문(가격이 오를까? vs 이 계좌 맥락에서 손실을 감당 가능한가?)에 답하기 때문에 나오는 자연스러운 결과이며, 최종 판단은 항상 사용자에게 남습니다. 다른 스킬의 실제 출력 예시는 reports/examples/에서 전부 볼 수 있습니다.

폴더 구조

폴더역할
skills/슬래시 커맨드 정의 (canonical source)
agents/관점별 에이전트 페르소나 정의
tools/결정론적 계산/검증 스크립트
reports/실행 결과 리포트, 보유 포지션/워치리스트 원장
scripts/설치 · 동기화 스크립트
docs/설계 문서
tests/tools/, scripts/ 스크립트 테스트

기여

작업은 항상 이슈 → 토픽 브랜치 → PR 순서를 따릅니다. 자세한 규칙은 CONTRIBUTING.md를 참고하세요.

라이선스

MIT

비슷한 프로젝트와 비교

Claude Code용 투자 스킬은 이미 여러 개 있습니다. 무엇이 겹치고 무엇이 다른지, 우리가 밀리는 지점까지 숨기지 않고 정리한 비교표는 docs/comparison.md를 참고하세요.

참고

3계층 아키텍처는 xbtlin/ai-berkshire를 벤치마킹했습니다.