Skip to content
@Multi-Agent-Quant-Lab

MAQ Lab

Multi-Agent LLM 기반의 트레이딩 프레임워크를 관련 논문과 코드를 통해 폭넓게 학습하고 이를 바탕으로 국내 증권사 API와 국내외 코인 거래소 API를 이용하여 실제 마켓에서 매매하고 공부하는 스터디
Multi-Agent Quant Lab

Multi-Agent Quant Lab

AI 에이전트로 굴러가는 알고리즘 트레이딩 시스템을 만든다

Claude · Codex 같은 AI 에이전트와 함께, 주식 · 크립토 시장에서 실제로 작동하는 트레이딩 시스템을 짜는 오픈 스터디

Status Mission Agents Markets Open


🎯 Mission

Multi-Agent Quant Lab (MAQ Lab)AI 코딩 에이전트(Claude, Codex 등) 를 적극적으로 활용해 실제 시장(주식 · 크립토)에서 작동하는 알고리즘 트레이딩 시스템을 처음부터 끝까지 만들어보는 스터디입니다.

논문을 쓰기 위한 연구도, 발표를 위한 백테스트도 아닙니다. 목표는 단 하나:

"실거래에 투입할 수 있는 시스템을 만든다."

이를 위해 AI 에이전트는 우리의 동료 개발자이자 리서처로 일합니다. 사람은 가설과 판단을 맡고, 에이전트는 코드 · 데이터 · 검증을 빠르게 돌립니다.


🧭 What We Build

레이어 내용
🛰️ Data Layer 시세 / 호가 / 온체인 / 매크로 데이터 수집 & PIT 정합성 관리
🧪 Research Layer 가설 생성 → 시그널 정의 → 통계 검증
⚙️ Strategy Layer 전략 코드화, 파라미터 튜닝, 리스크 모듈
📊 Backtest Layer 재현 가능한 백테스트, 슬리피지 / 수수료 / 체결 시뮬레이션
🚀 Execution Layer 페이퍼 트레이딩 → 라이브 트레이딩 (거래소 API 연동)
🛡️ Ops Layer 모니터링, 알림, 사고 대응, 포지션 관리

각 레이어는 사람과 AI 에이전트가 짝을 이뤄 만듭니다.


🤖 Why "Multi-Agent"?

이 스터디 이름의 Multi-Agent 는 두 가지를 의미합니다.

  1. 개발 측면 — AI 코딩 에이전트와 협업 Claude Code, Codex, Gemini 등을 활용해 리서치 → 코드 → 백테스트 사이클을 압축합니다. 사람은 전략과 의사결정에 집중합니다.

  2. 시스템 측면 — 역할 분담형 트레이딩 에이전트 하나의 거대 모델이 아니라, 데이터 수집 · 시그널 생성 · 리스크 관리 · 실행 을 담당하는 여러 에이전트가 협력하는 구조를 지향합니다.

사람도 에이전트, AI도 에이전트. 함께 굴리는 트레이딩 데스크 를 만드는 게 우리의 그림입니다.


🔬 Research Tracks

알고리즘 트레이딩 시스템을 만들기 위해 지금 진행 중인 사전 리서치 트랙들입니다.

  • 📈 Macro → Market Mapping (현재 진행 중) 거시 지표(물가 · 금리 · 유동성)와 자산 가격의 연결 구조 분석. 본격적인 전략 개발 전에 시장의 큰 흐름을 잡기 위한 준비 단계입니다.

  • 🧮 Signal Engineering 단순 지표가 아니라 실제 트레이딩 가능한 신호로 가공. 레벨 / 변화율 / 서프라이즈 / 레짐 의존성까지 포함.

  • 🧱 Backtest Infrastructure Point-in-Time, 슬리피지, 체결 모델까지 갖춘 거짓말하지 않는 백테스트 환경 구축.

  • 🛡️ Risk & Execution 포지션 사이징, 손절, 상관관계 헤지, 라이브 환경 전환.

매크로 리서치는 메인이 아니라 디딤돌 입니다. 진짜 목적지는 라이브 트레이딩 시스템 입니다.


📂 Projects

아직 공개된 프로젝트는 없습니다. 사전 리서치 단계가 마무리되는 대로 하나씩 오픈할 예정입니다.

대략적인 로드맵:

  • 🧪 거시 지표 → 자산 반응 리서치 (진행 중, 비공개)
  • 🧮 시그널 R&D 라이브러리
  • 🧱 Point-in-Time 정합 백테스트 엔진
  • 🚀 거래소 API 연동 실행 모듈

🛠️ Tech & Tools

  • AI Agents — Claude Code, Codex, Gemini
  • Languages — Python · Rust · JavaScript · TypeScript
  • Data — DuckDB, Polars, Parquet
  • Backtest — 자체 엔진 (+ vectorbt / backtrader 등 참고)
  • Markets & Venues
    • 🇰🇷 국내 주식 — 한국거래소 (KRX)
    • 🇰🇷 국내 코인 — 업비트, 빗썸 등
    • 🌏 해외 코인 — 바이낸스, 바이비트 등
  • Infra — Docker, GitHub Actions, 셀프호스팅

🤝 Who Should Join

거창한 자격은 필요 없습니다. 다음 중 하나라도 해당되면 환영합니다.

  • 💡 시장에 대한 가설은 있는데 검증할 환경이 없는 분
  • 🛠️ 개발은 익숙한데 금융/시장 맥락이 부족한 분
  • 📈 트레이딩 경험은 있는데 시스템화가 어색한 분
  • 🤖 AI 에이전트로 뭔가 만들어보고 싶은

→ 사람마다 잘하는 게 다르기 때문에, 어디서든 어울리는 자리가 있습니다.


📌 Philosophy

멋있어 보이는 모델보다 — 재현 가능한 결과
예쁜 백테스트보다 — Point-in-Time 정합성
한 번 잘 맞은 신호보다 — 레짐을 넘는 강건성
빠른 프로토타입보다 — 실거래에 투입할 수 있는 안정성

그리고 무엇보다,

"AI에게 시켜서 만든 시스템이 진짜로 시장에서 살아남는가?" 이 질문에 답하는 것이 우리 스터디의 존재 이유입니다.


📫 Contact

  • 🐙 GitHub Issues / Discussions — 공개적인 논의는 여기로
  • 💬 KakaoTalkopen.kakao.com/me/minsuksung
  • ✈️ Telegramt.me/minsuksung
  • 📚 각 레포의 README.md 에서 더 자세한 컨텍스트 확인 가능

Humans set the thesis. Agents do the reps. Markets do the judging.

Popular repositories Loading

  1. .github .github Public

Repositories

Showing 1 of 1 repositories

Top languages

Loading…

Most used topics

Loading…