AI에게 문장 하나를 던졌더니, 퀀트 전략을 짜고 내 논리까지 반박했다

거래 도구에 한 문장을 입력했다. 약 1분 후, 실제 Python 코드를 작성하고 4년치 시장 데이터를 가져와 전체 백테스트를 실행하고, 4년 동안 손실을 본 전략을 내놓았다.

그런 다음, 어떤 "AI 트레이딩 봇"도 해본 적 없는 일을 했다. 내가 틀렸다고 말해준 것이다. 내 아이디어가 왜 잘못되었는지 정확히 설명했다. 그리고 단순히 말로 끝내지 않고, 두 번째 테스트를 실행해 이를 증명한 후, 실제로 작동하는 전략으로 재구축했다.

이 도구는 Minara's Strategy Studio다. 이 글은 적자 수치까지 모두 공개하는 솔직한 워크스루(walkthrough)다. 끝까지 읽으면 왜 "투자 조언이 아님(Not financial advice)"이라는 문구가 이 글 전체에서 가장 중요한 문장인지 알게 될 것이다.

한 문장으로 완성된 퀀트 전략

Minara의 핵심 가치는 간단하다. 일반 언어로 거래 아이디어를 설명하면, 이를 실제로 백테스트된 퀀트 전략으로 바꿔준다. 양식(form), 전략 영상의 화면 녹화, 또는 코드를 붙여넣는 방식으로도 입력할 수 있다. 내부적으로는 500개 이상의 팩터 라이브러리에서 데이터를 가져와 실제 Python 코드를 작성하고, 백테스트를 실행하며, 자본 곡선(equity curve)과 지표(metrics)를 보여준다. 그런 다음, 대화만으로 계속해서 개선할 수 있다.

두 가지 모드가 있다. 단일 자산(Single-Asset) 은 하나의 코인에 대한 전략을 구축한다. 멀티 자산(Multi-Asset) 은 전체 교차 섹션 포트폴리오(cross-sectional portfolio)를 구축한다. 즉, 프리미엄 팩터를 기준으로 자산 바스켓(basket of names)의 순위를 매기고, 최상위 자산을 매수(long)하고 최하위 자산을 매도(short)하는 방식이다. Minara 자체 표현을 빌리자면, 기관 퀀트 데스크가 구축하는 데 수년이 걸리던 교차 섹션 팩터 모델(cross-sectional factor models)이 이제는 한 문장으로 호출 가능해졌다는 것이다. 이것이 그들의 주장이다. 나는 오후 내내 이 도구를 스트레스 테스트했다.

Strategy Studio: 아이디어를 설명하고, 단일 자산 또는 멀티 자산을 선택하면 나머지는 도구가 처리한다.

워밍업: 하나의 코인, 한 문장

작게 시작했다. 단일 자산 모드로 전환하고 정확히 다음과 같이 입력했다.

"최근 시장 상황을 기반으로 내 BTC 포지션에 대한 15분 모멘텀 전략을 설계해줘"

이것이 전체 입력이다. 단 한 문장이다.

코드 한 줄을 작성하기 전에, 실제로 시장을 읽었다. 즉, 약 200개의 최근 캔들(candle) 데이터를 가져와 시장 국면(급격한 매도, 부분 반등, 높은 변동성, 이후 레인지)을 요약하고, 이를 "모멘텀-필터 결합 환경"이라고 명명한 후에야 EMA-모멘텀 전략에 RSI 및 볼륨 필터를 적용하여 구축했다.

다음은 도구가 내놓은 백테스트 결과다(BTC, 10배 레버리지, 2026년 6월 25일까지의 2개월 기간).

4건의 거래에서 +3.47% · 최대 손실률 -1.87% · 승률 75% · 수익 팩터(profit factor) 6.84 · 샤프 비율(Sharpe) 3.51.

단독으로 보면 +3.47%는 대단한 성과는 아니다. 하지만 바로 옆에 있는 수치를 보라. 같은 기간 동안 BTC는 21.63% 하락했다. 전략이 홈런을 노리지 않았다. 21% 하락장을 피하면서 몇 퍼센트의 수익을 냈다. 이것이 진정한 가치다. 즉, "부자가 되는 것"이 아니라 "치여 죽지 않는 것"이다.

솔직한 주의사항: 2개월과 4건의 거래는 매우 작은 샘플이다. 4건의 거래로 산출된 3.51의 샤프 비율은 작업 흐름을 보여주는 좋은 데모일 뿐, 실적 기록은 아니다. 본격적인 테스트로 넘어가자.

본게임: 30개 주식 포트폴리오와 대실패

이것이 교차 섹션 팩터가 실제로 작동하는 영역이다. 멀티 자산 모드로 전환하고 TradFi 30 유니버스(메가캡 테크 기업 - NVDA, MU, MRVL 등)를 선택한 후, 고전적인 기관 투자 설정을 요청했다.

"이 유니버스를 가치+품질 복합 점수(value+quality composite score)로 순위를 매기고, 상위 10개는 매수, 하위 10개는 매도, 동일 비중, 월별 리밸런싱"

전체를 구축하고 4년(2022년 6월 → 2026년 6월) 동안 실행했다. 결과는 처참했다.

V1: 총 수익률 -21.17% · CAGR -5.77% · 최대 손실률 -33.83% · 샤프 비율 -0.22, 그리고 단순 S&P 지수를 크게 하회했다.

전형적인 가치 + 품질 팩터 포트폴리오가 4년 동안 손실을 내고, 단순히 지수를 매수하는 것에 비해 처참하게 패배했다. 일반적인 "AI 봇"이라면 이런 결과를 잘 골라낸 데모 뒤에 조용히 숨겼을 것이다. Minara는 적자 수치를 화면에 바로 표시했다.

그리고 도구가 나와 논쟁했고, 도구가 옳았다

그래서 나는 반박했다. 전략이 손실을 냈고 시장을 하회했다고 지적하며, 솔직히 물었다. 이 전략이 단순 지수를 이길 수 있도록 실제로 개선할 수 있는지, 아니면 접근 방식 자체가 여기서 구조적으로 약한 것인지.

도구의 대답은 내가 이 도구를 존중하게 된 순간이었다. 요약하자면: 이 유니버스와 이 기간 동안 가치 + 품질은 구조적으로 약하다. TradFi 30은 모멘텀 주도 강세장에서의 메가캡 테크 기업들이다. "저렴하고 고품질" 기준으로 순위를 매기는 것은 체계적으로 승자(winner)를 매도하고 패자(loser)를 매수하는 것이다. 정확히 반대되는 것이다. 그리고 단순히 주장하는 대신, 신호를 반전시켜 이를 증명하겠다고 말했다.

"여기 수정안이 있습니다"가 아니다. 먼저 진단을 내리고, 그 진단을 테스트로 증명하겠다고 제안했다.

반전: +829%, 그리고 솔직한 별표

먼저 신호를 반전시켜 요점을 증명했다. 그런 다음, 수익에 부담을 주는 매도 포지션(short leg)을 제거하고, 매수 전용 모멘텀+품질 전략(long-only momentum+quality strategy)만 남겼다. 동일한 유니버스, 동일한 4년 기간.

+829.20% · 샤프 비율 1.53 · 승률 80% · 바이 앤드 홀드(buy-and-hold) 대비 726% 초과 성과. 매도 포지션만 제거했을 뿐인데 샤프 비율이 0.17에서 1.53으로 상승했다.

그리고 여기 강조하고 싶은 부분이 있다. 아무런 요청 없이도 도구가 주의사항을 알려주었다. -42%의 최대 손실률은 실제이며, 한 번에 3~4개 종목에 집중되어 있다고 말한 후, 이를 해결하겠다고 제안했다. 도구가 스스로의 홈런 수치를 과신하지 말라고 경고하는 경우는 매우 드물다.

해결책: 트렌드 필터, +1047%

손실률을 어떻게 처리할지 물었다. 200일 트렌드 필터를 추가했다. 즉, 자체 200일 이동 평균 위에서 거래되는 종목만 보유하고, 승자(winner)가 꺾이기 시작하면 현금 비중을 늘리는 방식이다.

V3: +1047.39% · 샤프 비율 1.74 · 칼마 비율(Calmar) 2.07 · 손실률 약 -40%.

전체 과정: 손실을 본 전략, AI의 수정안, 그리고 트렌드 필터가 적용된 버전 - 모든 손실률이 표시되었다. 이 손실률들을 읽어보라. "좋은" 버전들조차 40% 이상의 평가 손실(paper loss)을 견뎌야 했다. 이 부분은 다시 다루겠다.

블랙박스가 아니다 - 코드를 읽을 수 있다

이 모든 것은 추상적인 결과가 아니다. xstrategy라는 프레임워크 위에서 작성된 실제 Python 코드다. 나는 코드 탭을 클릭하고 한 줄씩 읽었다. Strategy 클래스, alpha() 메서드, 그리고 가치 평가를 위한 jkp_fcf_me 및 운영 수익률 z-점수(operating-earnings-yield z-score), 품질 평가를 위한 jkp_qmj_prof(QMJ 수익성) 및 jkp_f_score(Piotroski)와 같은 이름의 팩터 임포트(import)가 있었다. NaN을 인식하는 결합(combine) 방식으로 블렌딩되어, 데이터가 누락된 종목은 깔끔하게 제외된다.

실제 생성된 전략 코드 - 편집 가능하고, 검사 가능하며, 사용자 코드로 대체할 수 있다.

블랙박스를 신뢰할 필요가 없다. 정확히 무엇을 하는지 읽고, 변경하거나, 자신의 코드를 가져올 수 있다.

거래하기

백테스트는 이론일 뿐이다. Trade 탭은 실제 거래를 위한 공간이다. Hyperliquid의 선물(perpetuals)을 세 가지 모드로 거래할 수 있다. Autopilot(전략을 배포하고 실행), AI Copilot, 또는 Manual. 자금을 입금하고, 전략을 선택한 후, 시작 버튼을 누르면 된다.

배포된 전략으로 라이브 선물 거래. 제품에 내장된 문구에 주목하라: "Minara may make mistakes. NFA".

거래 화면에 스스로 틀릴 수 있다고 알려주는 거래 제품은 드물다. 이것이 올바른 태도다. 실제 돈, 실제 레버리지, 그리고 수탁 지갑(custodial wallet)이 관련되어 있다. 그에 맞게 대처해야 한다.

게시하기

말 그대로 "최고 전략, 정직하게 측정됨(Top strategies, measured honestly)"이라는 제목의 공개 게시판이 있다. 자신의 전략을 게시하면, 다른 사람들이 포크(fork)하고, 별표(star)를 주고, 카피 트레이드(copy-trade)할 수 있다. 중요한 점은 리더보드가 수익률 바로 옆에 최대 손실률을 표시한다는 것이다. 따라서 +3,363%의 전략도 -42%의 손실률을 눈에 띄게 표시한다.

공개 게시판 - 말 그대로 "정직하게 측정됨", 모든 수익률 옆에 최대 손실률이 표시된다.

나는 내 V3 전략을 그 게시판에 게시했다. 현재 #11위(백테스트 +1,047%, 샤프 비율 1.74, 손실률 -40.53%)에 있으며, 네 자릿수 백테스트 수익률을 게시한 다른 크리에이터들과 나란히 있다. 그 모든 전략의 손실률이 함께 표시되어 있다.

냉정한 현실 (이 부분은 두 번 읽어라)

+829%와 +1047%라는 수치는 일회성 사이클 구간의 백테스트 결과다. 2022~2026년은 AI 메가캡 급등기(melt-up)였다. 모멘텀 전략은 이런 추세 안에서 화려한 백테스트 결과를 만들어내지만, 추세가 끝나면 급격히 반전된다.

40% 이상의 손실률은 가상의 것이 아니다. 동일한 결과에 포함되어 있으며, 소수의 종목에 집중되어 있다. 백테스트는 예측이 아니며, 레버리지를 사용한 실제 거래는 백테스트가 과소평가하는 수수료, 슬리피지(slippage), 그리고 자금 조달 비용(funding)이 추가된다.

따라서 솔직한 결론은 "이것이 돈을 벌어준다"가 아니다. 이 도구는 퀀트처럼 추론한다는 것이다. 즉, 내 아이디어가 잘못되었다고 말하고, 증명하고, 재구축했으며, 위험을 숨기지 않았다. 이것이 실제 제품의 가치다. 즉, 슬롯 머신이 아닌, 필요할 때 바로 사용할 수 있는 판단력(judgment on tap)이다.

비용과 사용 방법

무료 티어는 300 크레딧을 제공한다. 위에서 수행한 것과 같은 실제 백테스트를 실행하기에 충분한 양이다. 유료 요금제는 Lite 월 $19(1,400 크레딧), Starter 월 $49(4,000 크레딧), Pro 월 $199(20,000 크레딧 + API 액세스)이다.

개인 가격. Strategy Studio는 무료로 시작할 수 있다.

직접 사용해보고 싶다면, 무료 티어로 여기서 시작할 수 있다.

→ minara.ai/app/trade?r=SLASH1S → 여기서 Lite 티어 100개만 무료로 제공

당신에게 항상 동의하기만 하는 도구는 지능적인 것이 아니다. 그것은 거울일 뿐이다. Minara가 처음으로 내가 틀렸다고 말했을 때, 그것은 더 이상 장난감이 아니었고 유용한 도구가 되기 시작했다.