알고픽 투자 에이전트를 설계하고 코딩하고 운영한지 5개월 째로 들어 서고 있네요. 25년 8월 24일부터 알고픽 에이전트가 운용하는 포트폴리오를 가동했으니 그러한 것 같습니다. 아... 오픈AI의 에이전트 킷을 발견하고는 AI 에이전트가 주식을 알아서 운용하는걸 만들 수 있겠는데? 했던건 아마 25년 5월 정도였던 것 같으니 그거까지 포함하면 벌써 9개월인가요? 시간 빠릅니다 ㅎㅎ 시장은 전체적으로 상승했지만 그 사이사이 조정도 있었고 폭락도 있었습니다. 투자를 하다보면 늘 그런 것 같습니다. '지나고 보면 저 때 사서 지금까지 들고만 있었어도 얼마야...' 라는 생각. 하지만 그 과정은 쉽지 않죠. 처음 투자 에이전트를 만들 때는 저의 투자 스타일을 최대한 모사하려고 했습니다. 여러 에이전트를 만들고 각각에 여러가지 툴을 주고 기나긴 프롬프트까지. 내가 지금까지 책으로 공부하고 실전에서 깨지면서 배우고 깨우쳐 왔던 투자 철학을 에이전트에 담고 싶었습니다. 그 결과가 수익이 나든 안 나든 솔직히 중요하지는 않았습니다. 왜나하면 저는 저의 투자를 대신해줄 AI를 원했기 때문인데요. 그거면 충분할 것 같았습니다. 내가 매일 시장을 보고 텔레그램을 읽으면서 주도 테마를 찾고, 주도주를 찾고, 시장의 분위기를 읽는 일련의 과정들을 AI가 대신해주고 매매를 해준다면 그 시간을 다른 곳에 쓸 수 있으니까요. 하지만 결과적으로는 실패했습니다.

API 비교 분석 GPT 5.1 vs gemini-3-pro-preview 알고픽 투자 에이전트는 현재 오픈AI의 에이전트를 이용해 포트폴리오를 운용하고 있습니다. 최근 구글에서 발표한 제미나이3의 성능이 생각보다 우수한 것 같아 간단한 테스트를 해보았는데요. 주도 테마 에이전트를 만들어 동일한 데이터를 주고 현재 주도 테마를 분석하고 관련주를 선별하라고 했습니다. 결과는 거의 동일했습니다. 주도 테마 3개는 똑같았고, 구성 종목도 크게 다르지 않았습니다. 관련주도 틀리지 않게 잘 뽑아 냈습니다. 결과는 아래와 같습니다. <GPT 5.1> 로봇 테마 : 로보티즈, 로보스타, 에스피지 바이오 테마 : 앱클론, 디앤디파마텍, 보로노이 패키지판/PCB 테마 : 심텍, 대덕전자 <gemini-3-pro-preview> 로봇 테마 : 로보티즈, 로보스타, 케이엔알시스템, 에스피

3편에서는 실제 코드 예시와 함께 OpenAI의 ADK(Agent Development Kit)를 활용해 "매크로 분석 에이전트" 하나를 만드는 과정을 중심으로 이야기해보려 합니다. 이번 편의 포커스는 코딩 테크닉이 아닙니다. 대신 아래 세 가지를 직관적으로 느끼는 것이 목표예요. 에이전트에게 '목적'을 심어주는 것 = 프롬프트 그 목적을 이루기 위해 어떤 일을 어떻게 해야 하는지 계획 = 프롬프트 안의 구조화된 지시 그 계획을 실제로 수행하게 해주는 손발 = 툴(tool) OpenAI는 에이전트(Agent)를 다음과 같이 정의합니다. "사용자를 대신하여 목표를 추구하고 작업을 완료하기 위해 자율적으로 행동하고 의사 결정을 내릴 수 있는 AI 시스템" 즉, 머리(모델)만 있다고 에이전트가 되는 게 아니라, 머리 + 목적, 계획, 지침 등(프롬프트) + 손발(툴) 이 모두 있어야 비로소 에이전트가 됩니다. 인간 버전으로 먼저 생각해보죠. "요즘 매크로 환경이 어떤지 브리핑 한번 부탁드립니다."

1편에서 'AI Agentic Trading'의 개념과 철학적인 측면을 이야기했다면, 이번 2편에서는 조금 더 실질적인 이야기를 해보려 합니다. 구체적인 예시와 함께, 코딩 초보라도 AI 에이전트 시스템의 감을 잡을 수 있을 만큼 직관적으로 풀어보겠습니다. AI 에이전트는 프로그래밍 기술이 아니라 ‘사고의 구조화’로부터 시작된다. 결국 질문은 이것입니다. "투자 씬에서 AI 에이전트를 어떻게 다루어야 하는가?" 제 답은 아주 단순합니다. "나의 투자 방법론을 정교화하고, 투자 철학을 세우고, 그것을 시스템화하라." 1편 내용 : 알고픽AI Agentic Trading에 대하여 - 알고픽 관점부터 바로잡고 가야 합니다. AI를 주식 투자에 접목하려고 할 때, AI 기술이 먼저일까요, 주식 투자가 먼저일까요? 저는 단언컨대, 주식 투자가 먼저라고 생각합니다. 쉽게 말해보죠. AI 엔지니어가 주식 투자를 잘할까요? 아니면, 유명 펀드매니저가 AI를 활용했을 때 더 잘할까요? 저는 후자라고 봅니다.

'AI Agentic Trading'라는 말이 적절한 것인지는 모르겠지만 AI 에이전트를 주식 투자에 활용하는걸 흔히 이렇게 부른다고 합니다. 중요한 것은 단어 그 자체보다 단어가 의미하는 바일겁니다. 저는 아래와 같이 정의하고 싶습니다. 다양한 역할을 지닌 AI 에이전트들을 유기적으로 연결하여 AI가 매매를 ‘보조’하는 게 아니라, 스스로 판단하고 운용하는 구조 퀀트, 시스템 트레이딩, 로보어드바이저 등과는 뭐가 다르지? 저는 'AI Agentic Trading'이 기존의 퀀트, 시스템 트레이딩, 로보어드바이저와는 본질적으로 다른 패러다임이라고 생각합니다. 이것은 단순히 알고리즘이 매매를 자동화하는 수준을 넘어, 자율적으로 사고하고 판단하는 AI 운용 시스템의 등장입니다. 그리고 바로 이 'AI Agentic Trading'이야말로, 인간 펀드매니저를 대체할 수 있는 새로운 형태의 운용 주체, 즉 'AI 펀드매니저 시대'의 서막이라고 봅니다. 그럼 먼저 퀀트, 시스템 트레이딩, 로보어드바이저가 무엇인지 알아보고 중요한 차이점이 어디서 발생하는지 말씀드려보겠습니다. 단순히 인터넷에 떠도는 정의를 나열하려는 게 아닙니다. 제가 직접 퀀트 전략을 공부하고, 시스템 트레이딩을 구축하며 시행착오를 겪었던 경험을 바탕으로 제 언어로 설명드리려 합니다. 먼저 퀀트입니다. 대부분 퀀트라고 하면 수학이나 통계 모델을 이용해 투자하는 방식으로 알고 계실 겁니다. 요즘은 여기에 딥러닝까지 결합해 'AI 퀀트 리포트'를 내놓는 경우도 많죠. 하지만 본질은 훨씬 단순합니다. 어떤 종목을 포트폴리오에 담을지 나름의 규칙과 조건을 정한다. ex) 매출이 전분기보다 15% 이상 성장한 종목 정해진 주기(n개월, 보통 분기 단위)마다 그 조건을 만족하는 상위 n개의 종목을 선정한다.