AI 에이전트 스웜으로 퀀트 리서치 팀을 대체하는 방법
전체 퀀트 리서치 팀을 대체하는 AI 에이전트 스웜을 구축하는 방법을 설명하겠습니다.
바로 본론으로 들어가겠습니다.
북마크 추천
- 저는 Roan 입니다. 시스템 설계, HFT 스타일 실행, 그리고 퀀트 트레이딩 시스템을 개발하는 백엔드 개발자입니다. 제 작업은 예측 시장이 부하 상태에서 실제로 어떻게 작동하는지에 초점을 맞추고 있습니다. 제안, 의미 있는 협업, 파트너십 관련 DM 은 언제나 환영합니다.
지난 글에서 AI 퀀트 시스템을 구축하는 처음 20 명의 분들을 직접 도와드리겠다고 말씀드렸습니다. 진심이었습니다.
이미 4 명의 빌더가 저와 함께 작업을 진행 중입니다. 그중 한 분은 지금 이 순간에도 완전한 자기 개선형 헤지펀드 루프를 실행하고 있습니다.
제안은 여전히 유효합니다.
알파 리서치 시스템을 구축 중이거나, 곧 시작하려고 하거나, 아니면 그냥 생각만 하고 계신다면, 이 글 아래에 댓글을 남기거나 DM 으로 현재 설정을 보내주세요. 제가 직접 아키텍처를 검토하고, 현재 시스템과 스스로 알파를 찾아내는 스웜 사이의 차이점을 보여드리겠습니다.
제가 답장하지 않았다면, 처음 20 명 안에 들지 못한 것입니다. 빠르게 움직이세요.
대부분의 퀀트들은 여전히 10 년 전과 같은 방식으로 알파를 찾고 있습니다.
논문을 읽습니다. Jupyter 노트북을 엽니다. 몇 가지 피처를 엔지니어링합니다. 백테스트를 실행합니다. Sharpe 비율을 살펴봅니다. 다음 아이디어로 넘어갑니다.
그들 자신이 파이프라인입니다.
리서치의 모든 단계에서 그들이 직접 화면 앞에 앉아 한 번에 하나의 가설만 실행합니다.
지구상에서 가장 똑똑한 퀀트 빌더들은 더 이상 그렇게 하지 않습니다.
그들은 스웜을 구축합니다. 스웜의 각 에이전트는 리서치의 한 단계를 담당합니다. 에이전트들은 병렬로 작업합니다. 스웜은 지속적으로 실행됩니다. 그들이 잠자는 동안 매일 아침 새로운 알파가 나타납니다.
Anthropic 의 Claude Code 책임자인 Boris Cherny 가 2 주 전에 말했습니다. "저는 더 이상 Claude 에게 프롬프트를 입력하지 않습니다. Claude 에게 프롬프트를 입력하고 무엇을 할지 파악하는 루프를 실행하고 있습니다. 제 일은 루프를 작성하는 것입니다."
그 한 문장은 지구상의 모든 진지한 빌더가 AI 에 대해 생각하는 방식을 재정의했습니다.
퀀트 리서치에게는 모든 것을 바꿔놓는 문장입니다.
알파 리서치는 이미 파이프라인이기 때문입니다. 논문을 읽습니다. 가설을 추출합니다. 피처를 엔지니어링합니다. 20 년치 데이터로 백테스트합니다. 유의성을 확인합니다. 신호가 다양한 국면에서도 유효한지 확인합니다. 알려진 모든 팩터에 대해 분해합니다.
월스트리트의 모든 진지한 펀드는 정확히 그 파이프라인을 실행합니다. Renaissance 는 100 명의 박사와 함께 실행합니다. Two Sigma 는 200 명과 함께 실행합니다. Citadel 은 더 많은 인력과 함께 실행합니다.
유일한 차이점은 그들은 수백 명의 인간이 파이프라인 내부에 있어야 한다는 것입니다. 여러분은 그렇지 않습니다.
AI 에이전트 스웜은 그 파이프라인의 모든 단계를 여러분을 대신해 실행할 수 있습니다. 각 에이전트는 전문화되어 있습니다. 각 에이전트는 자신의 복잡성에 맞는 모델에서 실행됩니다. 모두 24/7 병렬로 실행됩니다.
저는 지난 며칠 동안 이 스웜을 구축해왔습니다.
밤새 새로운 연구 논문을 읽습니다. 그 안의 수학을 연구합니다. 주장되는 정확한 가설을 추출합니다. 필요한 피처를 엔지니어링합니다. 20 년치 역사 데이터에 대해 신호를 백테스트합니다. 통계적 엄격함을 실행합니다. 과적합을 확인합니다. 하나의 시장 국면에서만 작동하는 것은 모두 플래그합니다.
이 글을 마칠 때쯤이면 여러분은 6 개 에이전트 알파 리서치 스웜의 정확한 아키텍처를 알게 될 것입니다.
자체 에이전트 프레임워크를 처음부터 작성하지 않고도 주말 안에 구축할 수 있는 도구를 알게 될 것입니다.
그리고 소매 투자자 시도의 90% 를 실패하게 만드는 5 가지 실패 모드를 알게 될 것입니다.
시작해보겠습니다.
파트 1: 스웜이 실제로 무엇인가
프롬프트는 질문입니다. 여러분이 묻고, 모델이 한 번 답변하고, 멈춥니다.
루프는 작업입니다. 에이전트는 계속 작업하고, 자신의 진행 상황을 확인하고, 작업이 실제로 완료될 때까지 계속합니다.
스웜은 병렬로 실행되는 많은 루프입니다. 각 루프는 전문가입니다. 각 전문가는 파이프라인의 한 단계를 담당합니다. 하나의 출력이 다음 단계의 입력이 됩니다.
이것이 전체 멘탈 모델입니다.
Claude Code, Cursor 또는 Codex 를 사용해본 적이 있다면, 모르는 사이에 루프를 사용한 것입니다. 에이전트가 모델을 호출하고, 모델이 액션을 선택하고, 액션이 실행되고, 결과가 모델로 돌아가고, 목표가 달성될 때까지 반복됩니다.
루프는 에이전트를 단일 답변이 아닌 에이전트로 만드는 것입니다.
스웜은 리서치 팀을 한 명의 연구자가 타이핑하는 것이 아닌 리서치 팀으로 만드는 것입니다.
파트 2: 스웜을 실행하는 도구
다양한 API 를 호출하는 Python 스크립트로 직접 구축해볼 수도 있습니다.
저도 시도해봤습니다. 한 에이전트가 다른 에이전트를 기다려야 할 때 바로 깨집니다. 상태가 여러 주기에 걸쳐 지속되어야 할 때 깨집니다. 다른 모델에서 6 개의 루프를 병렬로 실행하려고 할 때 깨집니다.
결국 리서치를 하는 대신 자체 에이전트 프레임워크를 처음부터 구축하게 됩니다.
그때 Slate 를 발견했습니다.
Slate 는 @wearerandomlabs 가 만든 AI 코딩 도구입니다. 터미널에서 실행됩니다. 모든 작업을 코드베이스 전체에 걸쳐 서브 에이전트 스웜으로 확장합니다. 어떤 단계에서든 원하는 모델을 선택할 수 있습니다. 기존 구독을 그대로 사용할 수 있습니다.
이 스웜에 Slate 를 사용하는 이유는 방금 출시한 Programs 라는 기능 때문입니다.
Program 은 Slate 가 실행하는 JavaScript 로 작성된 루프입니다.
프롬프트는 한 번 실행되고 멈춥니다. Program 은 엔지니어링된 루프입니다. 지속적으로 실행됩니다. 실행 사이에 상태를 유지합니다. 작업이 완료될 때까지 계속됩니다.
각 단계에서 무엇을 할지 결정합니다. 어떤 모델이 어떤 단계를 처리할지. 루프가 계속되기 전에 무엇을 확인할지. 언제 멈출지.
Program 을 혼자 작성할 필요는 없습니다. Slate 에 원하는 것을 말하면 Slate 가 단계별로 루프를 함께 초안을 작성합니다. 루프를 저장합니다. 실행합니다. 계속 실행합니다.
루프는 코드이기 때문에 상태를 유지하고, 코드베이스와 상호작용하고, 외부 API 를 호출하고, Slack 에 게시하고, 선택한 모델 조합으로 여러 서브 에이전트를 병렬로 오케스트레이션할 수 있습니다. 쉬운 작업에는 저렴한 오픈 웨이트 모델을, 어려운 추론에는 프론티어 모델을 사용합니다. 단계에 맞는 것을 선택하면 됩니다.
6 개 에이전트 리서치 스웜에게 이것은 정확히 이전에 없던 레이어입니다.
Slate 는 https://randomlabs.ai 에서 찾을 수 있습니다. 지금 사용 가능합니다.
이제 스웜을 보여드리겠습니다.
파트 3: 6 개의 에이전트
모든 진지한 퀀트 펀드는 동일한 6 단계 리서치를 실행합니다.
다음은 이를 대체하는 스웜입니다.
에이전트 1: 아이디어 생성기.
매일 밤 arXiv q-fin, SSRN 및 금융 저널의 새로운 연구 논문을 읽습니다.
각 논문이 제안하는 수학적 모델을 연구합니다. 주장되는 정확한 가설, 필요한 데이터, 예측된 신호의 방향을 추출합니다.
각 가설을 다음 에이전트가 처리할 수 있는 구조화된 리서치 티켓으로 작성합니다.
고속 비용 효율적인 모델에서 실행됩니다. 작업이 대량의 구조화된 추출이기 때문입니다.
에이전트 2: 피처 엔지니어.
가설 티켓을 받습니다. 가격 데이터베이스 또는 펀더멘털 데이터베이스에서 필요한 데이터를 가져옵니다.
피처 벡터를 구성합니다. 횡단면 전체에 걸쳐 표준화합니다. 누락된 관측치, 3 표준편차를 초과하는 이상치, 선견지명 편향을 처리합니다.
백테스트 준비가 된 깔끔한 데이터프레임을 출력합니다.
에이전트 3: 백테스터.
피처 벡터를 받습니다. 포트폴리오 구성 규칙을 구축합니다. 현실적인 거래 비용, 공매도 측의 차입 비용, 슬리피지를 포함하여 20 년치 데이터에 대한 역사적 백테스트를 실행합니다.
Sharpe 비율, 최대 손실폭, 회전율, 용량 추정치를 출력합니다.
에이전트 4: 검증기.
여기에 엄격함이 있습니다.
백테스트 결과를 받습니다. 수익률 시계열의 자기상관을 교정하기 위해 Newey-West 조정 t-통계량을 실행합니다. Sharpe 비율이 실제인지 샘플 아티팩트인지 확인하기 위해 10,000 회 반복으로 부트스트랩 리샘플링을 실행합니다.
유의성 임계값을 통과하지 못하는 신호를 플래그합니다. 샘플 내 대비 샘플 외 성능 저하가 30% 를 초과하는 것은 모두 폐기합니다. 과적합이기 때문입니다.
더 강력한 추론 모델에서 실행됩니다. 제작자는 절대 자신의 작업을 검증하지 않습니다. 절대.
에이전트 5: 국면 감사자.
검증을 통과한 신호를 받습니다. (변동성과 수익률에 대한 은닉 마르코프 모델로 식별된) 국면별로 20 년 역사를 분할합니다.
각 국면 내에서 Sharpe, 손실폭, 적중률을 재계산합니다. 하나의 국면에서만 작동하는 것은 모두 폐기합니다. 알파로 위장한 국면 타이밍이기 때문입니다.
에이전트 6: 팩터 분해기.
국면에 강건한 신호를 받습니다. Fama-French 5 팩터 모델에 Carhart 모멘텀과 저변동 팩터를 더해 회귀합니다.
잔여 알파(회귀의 절편)와 그 t-통계량을 보고합니다.
잔여 알파가 팩터 분해 후에도 살아남는 신호만이 진정한 새로운 알파입니다. 나머지는 추가 단계가 포함된 재포장된 모멘텀 또는 재포장된 가치에 불과합니다.
6 개의 에이전트. 각자 한 단계를 담당합니다. 출력을 체인 아래로 전달합니다.
하나의 Slate Program. 6 개의 전문화된 에이전트. 24 시간마다 실행됩니다.
전체 스웜은 24 시간마다 실행되는 Slate Program 에서 실행됩니다.
파트 4: 단계별 구축 방법
정확한 빌드입니다. 따라 하시면 오늘 안에 스웜을 실행할 수 있습니다.
1 단계: Slate 설치
터미널을 열고 다음을 실행합니다:
1npm install -g @randomlabs/slate
Slate 는 30 초 안에 글로벌 CLI 로 설치됩니다.
그런 다음 프로젝트 디렉토리를 생성합니다:
1mkdir alpha-swarm2cd alpha-swarm3slate init
slate init 은 상태, Programs, 공급자에 필요한 폴더로 프로젝트를 스캐폴딩합니다.
2 단계: 모델 연결
다음을 실행합니다:
1slate /providers
Slate CLI 내에서 공급자 구성 화면이 열립니다. 사용하려는 모델을 연결합니다.
이 스웜에서는 빠른 에이전트(아이디어 생성, 피처 엔지니어링, 백테스팅, 국면 감사)에는 Sonnet 을, 추론이 많은 에이전트(검증 및 팩터 분해)에는 Opus 를 사용합니다.
3 단계: Program 초안 작성
Slate 를 시작합니다:
1slate
그런 다음 Slate CLI 에 다음을 입력합니다:
6 개의 리서치 에이전트를 순차적으로 실행하는 Program 초안을 작성해줘: 아이디어 생성기, 피처 엔지니어, 백테스터, 검증기, 국면 감사자, 팩터 분해기. 24 시간마다 실행. 빠른 에이전트에는 Sonnet, 검증과 팩터 분해에는 Opus 사용.
Slate 가 여러분과 함께 Program 을 초안 작성합니다. 명확한 질문을 합니다. 어떤 데이터 소스. 어떤 백테스트 기간. 어떤 Sharpe 임계값. 어떤 국면 분류기. 자연어로 답변합니다. Slate 가 JavaScript 를 작성합니다.
작성된 루프는 다음과 같습니다:
1export default async function alphaSwarm(slate) {2 while (true) {3 // Stage 1: read papers, extract hypotheses4 const hypotheses = await slate.agent('idea-generator', {5 model: 'sonnet',6 task: 'Read arXiv q-fin and SSRN from the last 24 hours. Extract 10 alpha hypotheses with claimed direction, required data, and paper reference.',7 state: slate.state.get('tested-hypotheses')8 });910 // Stage 2: feature engineering, in parallel per hypothesis11 const features = await Promise.all(12 hypotheses.map(h => slate.agent('feature-engineer', {13 model: 'sonnet',14 task: `Build the feature vector for: ${h.claim}. Standardize cross-section. Handle look-ahead.`,15 data: slate.tools.priceData()16 }))17 );1819 // Stage 3: 20-year backtest with realistic costs20 const backtests = await Promise.all(21 features.map(f => slate.agent('backtester', {22 model: 'sonnet',23 task: 'Run 20-year backtest. Include transaction costs of 5bps per trade and shorting costs.',24 features: f25 }))26 );2728 // Stage 4: statistical validation on the reasoning model29 const validated = await Promise.all(30 backtests.map(b => slate.agent('validator', {31 model: 'opus',32 task: 'Newey-West t-stat above 2.5. Bootstrap 10k. Reject if IS/OOS Sharpe degrades more than 30 percent.',33 backtest: b34 }))35 );3637 // Stage 5: regime segmentation via HMM38 const regimeChecked = await Promise.all(39 validated40 .filter(v => v.passed)41 .map(v => slate.agent('regime-auditor', {42 model: 'sonnet',43 task: 'Fit 3-state HMM on volatility and returns. Recompute Sharpe per regime. Reject if only one regime works.',44 result: v45 }))46 );4748 // Stage 6: factor decomposition to isolate residual alpha49 const finalSignals = await Promise.all(50 regimeChecked51 .filter(r => r.passed)52 .map(r => slate.agent('factor-decomposer', {53 model: 'opus',54 task: 'Regress against Fama-French 5 + Carhart momentum + low-vol. Report residual alpha and t-stat.',55 result: r56 }))57 );5859 // Persist, notify, sleep60 await slate.state.set('final-signals', finalSignals);61 await slate.state.append('tested-hypotheses', hypotheses);62 await slate.notify.slack('research', `${finalSignals.length} new signals survived all six stages today.`);63 await slate.sleep('24h');64 }65}
이것이 전체 스웜입니다. 하나의 파일. 6 개의 에이전트. 영원히 실행됩니다.
4 단계: 스웜 실행
파일을 저장하고 다음을 실행합니다:
1slate run alpha-swarm.js
Enter 를 누르는 순간 Slate 가 루프를 시작합니다. 6 개의 에이전트가 순차적으로 실행됩니다.
피처 엔지니어링은 모든 가설에 대해 병렬로 실행됩니다. 백테스트는 병렬로 실행됩니다. 검증은 더 강력한 모델에서 실행됩니다.
Slate CLI 에서 모든 에이전트가 실시간으로 작업하는 것을 볼 수 있습니다. 각 에이전트는 상태, 현재 작업, 진행 상황을 표시합니다.
[스크린샷 4: 여러 에이전트가 병렬로 활성화되어 실행 중인 스웜을 보여주는 터미널, 각 단계의 진행 표시기가 보임]
첫 번째 사이클은 1 단계가 생성하는 가설 수에 따라 20~40 분이 소요됩니다.
마지막에 Slate 는 살아남은 신호를 Sharpe 비율, 손실폭, 잔여 알파와 함께 Slack 채널에 게시합니다. 그런 다음 내일까지 대기합니다.
5 단계: 반복
루프의 첫 번째 버전이 최종 버전인 경우는 없습니다.
아이디어 생성기가 중복을 생성할 것입니다. Slate 에 다음을 입력하세요:
상태 기록을 확인하여 지난 30 일 동안 테스트하지 않은 가설만 제안하도록 체크를 추가해줘.
검증기가 통과해야 한다고 생각하는 신호를 거부할 것입니다. 다음을 입력하세요:
Sharpe 임계값을 1.2 로 완화하지만 최대 손실폭 임계값을 8% 로 강화해줘.
Slate 가 Program 을 업데이트합니다. 다음 사이클은 새로운 로직을 사용합니다. 모든 개선이 상태 파일에 축적되고, 시간이 지남에 따라 스웜은 이미 테스트하고 이미 거부한 모든 것을 기억하기 때문에 더욱 정교해집니다.
파트 5: 이것이 실제로 리서치 팀을 대체하는 방법
세 가지 패턴이 모든 실제 배포를 포괄합니다.
패턴 1: 야간 발견.
스웜은 오후 8 시부터 오전 8 시까지 실행됩니다. 매일 아침 6 단계를 모두 통과한 2~3 개의 신호를 확인하며 일어납니다.
여러분의 역할은 직접 파이프라인을 실행하는 대신 살아남은 신호를 검토하는 것이 됩니다.
패턴 2: 가설 버스트 모드.
새로운 논문이 나옵니다. 새로운 데이터 소스를 사용할 수 있게 됩니다. 주문형으로 스웜을 실행하고 그날 오후에 100 개의 가설을 테스트합니다.
인간 연구자는 같은 시간에 2 개를 테스트합니다.
패턴 3: 알파 붕괴 모니터링.
스웜은 검증된 신호를 매주 새로운 데이터에 대해 재실행합니다. 신호의 Sharpe 비율이 임계값 아래로 떨어지는 순간 붕괴를 플래그합니다.
손실폭이 축적되기 전에 익스포저를 줄입니다.
각 패턴은 이전에 박사 학위가 필요했던 특정 기능을 대체합니다. 함께 사용하면 리서치 팀이 실제로 매일 하는 대부분의 작업을 대체합니다.
파트 6: 소매 시도의 90% 를 실패하게 만드는 5 가지 실패 모드
실패 1: 검증기 건너뛰기.
아름다운 Sharpe 비율과 엄격함이 전혀 없는 100 개의 신호를 얻게 될 것입니다. 모든 것이 데이터 스누핑으로 위장한 것입니다.
검증기는 협상 불가입니다. 가장 강력한 모델을 사용하세요. 엄격한 거부 임계값을 설정하세요. 제작자가 자신의 작업을 검증하도록 절대 두지 마세요.
실패 2: 상태 지속성 없음.
메모리가 없는 스웜은 매일 동일한 실패한 가설을 테스트합니다.
거부된 모든 신호는 정확한 거부 사유와 함께 기록되어야 어떤 에이전트도 동일한 실패에 두 번 토큰을 낭비하지 않습니다.
실패 3: 제작자-검증자 분할 없음.
가설을 생성한 에이전트는 그것이 실제 알파인지 판단하는 최악의 평가자입니다.
제작자와 검증자를 다른 모델의 다른 에이전트로 분할하세요. Renaissance 가 이렇게 합니다. Two Sigma 가 이렇게 합니다. Citadel 이 이렇게 합니다. 여러분의 스웜도 그래야 합니다.
실패 4: 하나의 에이전트가 모든 것을 함.
하나의 에이전트가 생성, 엔지니어링, 백테스트, 검증을 모두 하게 하면 품질이 붕괴됩니다.
전문화가 스웜을 작동하게 만드는 것입니다. 각 에이전트는 하나의 일을 완벽하게 수행합니다.
실패 5: 루프에 중지 조건 없음.
실제 중지가 없는 루프는 조용히 실패합니다. 에이전트가 작업이 완료되었다고 믿고 완료 신호를 방출합니다. 잘못된 결과가 수정되지 않은 채 남습니다.
모든 중지 조건은 에이전트 자체의 주장이 아닌 다른 것에 의해 확인 가능해야 합니다. "지난 30 개의 샘플 외 거래에서 Sharpe 1.5 이상." "손실폭 5% 미만." 절대 "에이전트가 완료되었다고 말함"이 아닙니다.
이 다섯 가지를 존중하면 스웜은 기관 수준의 리서치 결과를 생산합니다.
요약
알파 리서치는 이미 파이프라인입니다. 6 단계. 논문 읽기. 피처 엔지니어링. 백테스트. 검증. 국면 확인. 팩터에 대한 분해.
모든 진지한 펀드는 100 명의 박사와 함께 실행합니다.
6 개의 전문화된 AI 에이전트 스웜이 모든 단계를 여러분을 대신해 실행합니다. 각 에이전트는 자신의 복잡성에 맞는 모델을 선택합니다. 전체 스웜은 24 시간마다 실행되는 Slate Program 에서 실행됩니다.
Slate 의 Programs 는 6 개월이 아닌 주말 안에 실제로 출시 가능하게 만드는 레이어입니다.
여러분과 함께 루프를 초안 작성합니다. 루프를 저장합니다. 루프를 실행합니다. 영원히 실행합니다.
여러분은 더 이상 파이프라인이 아닙니다. 여러분은 아키텍트가 됩니다.
인프라 해자는 현실입니다. 리서치 해자는 죽었습니다.
그것이 핵심입니다.
직접 시도해보고 싶다면
https://randomlabs.ai 에서 가입하고
@wearerandomlabs 를 팔로우하여 출시 소식을 확인하세요.
루프 엔지니어링에 대한 이전 글에서는 동일한 아키텍처가 자체적으로 거래를 실행하는 완전한 자기 개선형 트레이딩 시스템에 어떻게 연결되는지 설명했습니다. 아직 읽지 않으셨다면, 이 글을 읽은 후 바로 읽어보세요.
이 스웜은 그 시스템의 리서치 절반입니다.
https://x.com/RohOnChain/status/2069056530960490835
이것을 먼저 구축하는 펀드는 향후 10 년 동안 복리 효과를 누릴 것입니다.
여전히 한 번에 하나의 가설만 실행하는 펀드는 뒤쳐질 것입니다.
자, 함께 생각해볼 질문입니다.
여러분은 여전히 일주일에 하나의 가설을 테스트하는 연구자입니까, 아니면 여러분이 잠자는 동안 매일 밤 100 개의 가설을 테스트하는 스웜을 구축한 아키텍트입니까?
틀린 답은 없습니다. 하지만 매우 많은 것을 드러내는 답은 있습니다.
