제 22회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [영웅호걸] : Context-Aware Real-time Sentiment based AI Agent for Stock Trading
0 likes33 views
데이터 분석 프로젝트를 진행한 영웅호걸 팀에서는 아래와 같은 프로젝트를 진행했습니다. 대규모 언어 모델(LLM) 기반의 다각적 분석·자기반성·법률 검토 기능을 갖춘 새로운 AI 주식 트레이딩 에이전트 시스템 개발 23기 박지원 동국대학교 컴퓨터AI학과 23기 오영민 인하대학교 통계학과 23기 김강민 세종대학교 인공지능학과 23기 정한결 국민대학교 소프트웨어학과 노션을 통해 더 자세히 확인해보세요! https://oval-alligator-fbf.notion.site/TEAM-2216710199ab808aaebcf9f07ef61643?source=copy_link
제 22회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [영웅호걸] : Context-Aware Real-time Sentiment based AI Agent for Stock Trading
- 1. 팀원 소개 프로젝트 소개 및 목적 본 프로젝트는 대규모 언어 모델(LLM)의 추론 능력을 활용하여 실제 금융 전문가처럼 사고하고 투자 결정을 내리는 AI 주식 트레이딩 에이전트 개발을 목표로 한다. 기존의 감성 분석 기반 모델(FinMem)에서 개선점을 도입하여 다각적인 분석, 자기반성 학습, 그리고 법률적 검토까지 수행하는 새로운 차원의 의사결정 시스템을 구현한다. 핵심 기능 ● 멀티-페르소나 투자 위원회 (Multi-Persona Investment Committee) ● 자기반성 학습 루프 (Self-Correction Loop) ● RAG 기반 법률 자문 시스템 (RAG-based Legal Advisory) 데이터 소개 데이터셋은 주요 기술주(Apple, MS, Nvidia, Tesla)를 대상으로, 2021년 11월부터 2025년 6월까지의 일일 주가 및 뉴스 정보를 담고 있다. 데이터는 Pickle(.pkl) 파일 형식으로 제공 된다. 각 뉴스 기사 텍스트의 끝에는 금융 특화 모델인 FinBERT를 사용하여 분석된 감성(긍정/중립/부정) 결과가 문장 형태로 덧붙여져 있는 것이 핵심 특징이다. 구현 및 분석 에이전트는 크게 시장 환경(Environment), 기억(Memory), 추론 (Reasoning), 자산 운용(Portfolio)이라는 네 가지 핵심 구성 요소가 유기적으로 상호작용하도록 설계되었다. 에이전트는 시장으로부터 정보를 받아, 자신의 기억을 바탕으로 추론하고, 그 결과를 행동으로 옮긴 뒤, 다시 그 결과를 기억에 반영하여 스스로를 개선한다. 기억 구조는 인간의 기억처럼 정보를 중요도와 시간에 따라 단기, 중기, 장기로 계층화하여 관리한다. 매일의 뉴스는 단기 기억에, 분기 보고서는 중기, 연차 보고서는 장기 기억에 저장된다. 특히, 중요한 단기 뉴스는 LLM 판단 하에 중장기 기억으로 '메모리 점프'하여 장기적 의사결정에 반영된다. 추론 과정은 실제 투자 회사의 의사결정을 모방한다. '가치/성장/기술' 투자자 페르소나가 각자의 관점에서 정보를 검색하고 LLM이 이를 분석한다. CIO 페르소나는 이 분석들을 종합하여 토론하고, 법률 자문 시스템까지 활용해 최종적인 매수/매도/보유 결정을 내린다. 이 결정은 근거 문서 ID와 함께 명확한 투자 계획으로 도출된다. 학습 및 개선은 행동-결과-피드백 루프를 통해 이루어진다. 실제 매매 결과가 수익/손실로 이어지면, 관련 근거 문서의 중요도 점수를 조정하여 기억을 업데이트한다. 또한, 손실 발생 시 '오답 노트'에 실패 원인을 기록하고, 다음 분석 시 이를 최우선으로 고려하며 시장 상황에 따라 자신의 투자 페르소나를 동적으로 변경하여 같은 실수를 반복하지 않도록 한다. 시뮬레이션 결과, 에이전트는 추세가 명확한 시장에서 추세 추종 및 스윙 트레이딩 전략으로 높은 성과를 보였다. 그러나 변동성이 큰 횡보장에서는 다소 어려움을 겪는 것으로 나타나, 안정적인 성장주/기술주 투자에 더 적합하며 불확실한 종목에는 추가적인 위험 관리 장치가 필요하다. 결론 Context-Aware Real-time Sentiment based AI Agent for Stock Trading은 실시간 주식 가격과 시장 정보를 고려하여 사용자가 원하는 종목을 AI Agent가 분석하고 구매 의사를 결정하는 서비스를 제공한다. 기존의 연구가 가지고있던 실시간으로 동작하지 못한다는 한계를 극복했으며, 더욱 엄선된 데이터를 의사결정에 활용하여 AI Agent의 성능을 높이고자 했다. 고품질의 과거 마켓 뉴스 데이터를 구매했으며, 데이터가 해당 종목에게 어떤 소식인지 감성분석을 통해 고려한다. 또한, 실시간 마켓 뉴스 데이터와 종목 가격 등의 정보를 서버로부터 가져와 사용자가 당장 오늘 해당 종목에 대한 의사 결정에 참고할 수 있는 서비스를 구축한다. 본 프로젝트는 공개되어있는 Agent Stock Trading 연구들이 좋은 성능을 주장하는 반면, 실제 사용자가 현실세계에 적용해서 사용하기 힘들다는 간극을 좁힌 프로젝트라는 점에서 의의가 있다. 이번 프로젝트는 FinMem 연구를 사용하여 구현했지만, 기존의 다른 연구들 뿐만 아니라 앞으로 공개될 Agent Stock Trading 연구들도 쉽게 적용할 수 있는 일종의 파이프라인을 제시한다. 본 프로젝트는 미래의 Agent Stock Trading 시장에 있어서 실시간 주식 거래가 기업 및 기관들의 전유물이 아닌, 개인들도 최소한의 지불과 노동력만으로도 기술을 누리게 되는 흐름의 초석이다. Context-Aware Real-time Sentiment based AI Agent for Stock Trading TEAM 영웅호걸 Bigdata is Our A to Z 해당 팀의 시연영상 유튜브 QR 박지원 동국대학교 컴퓨터AI학과 김강민 세종대학교 인공지능학과 오영민 인하대학교 통계학과 정한결 국민대학교 소프트웨어학과 File Name Ticker Data Period (Start) Data Period (End) Total News Count aapl.pkl Apple 2021-11-15 2025-06-13 16028 msft.pkl Microsoft 2021-11-15 2025-06-13 11681 nvda.pkl Nvidia 2021-11-15 2025-06-13 16941 tsla.pkl Tsla 2021-11-15 2025-06-13 18255 그림 3. 배포 및 동작 방식 그림 1. 데이터 설명 그림 2. 에이전트 워크플로우 다이어그램 그림 4. 에이전트 매매일지