# \#ai-for-finance **URL:** https://discuss.pytorch.kr/tag/ai-for-finance/4068.md [최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md) --- ## [TradingAgents: 전문 애널리스트와 트레이더 역할을 맡은 LLM 에이전트들이 협력하는 다중 에이전트 금융 트레이딩 프레임워크](https://discuss.pytorch.kr/t/tradingagents-llm/9459)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [4월 2, 2026, 12:30오전 UTC](https://discuss.pytorch.kr/t/tradingagents-llm/9459 "2026-04-02T00:30:29Z")
들어가며 (Disclaimer) :pytorch::kr::warning: :warning: 이 글은 대형 언어 모델(LLM)과 다중 에이전트 기술을 금융 분야에 적용하는 방법을 탐구하기 위해 연구 목적으로 개발된 TradingAgents 프로젝트를 소개하는 글입니다. 파이토치 한국 사용자 모임은 최신 인공지능 프레임워크가 복잡한 금융 도메인의 의사결정에 어떻게 활용될 수 있는지 그 기술적 가능성과 구현 방법을 소개하고자 합니다. 즉, 이 글이 특정 자산에 대한 투자를 권유, 제안 또는 추천하려는 목적으로 작성된 것이 아님을 분명히 알려드리며, 이 글이 실제 금융 거래를 위한 전문적인 투자 조언으로 해석되거나 활용되어서는 안 됩니다.:warning: TradingAgents 소개 금융 시장에서 투자 결정은 방대한 데이터를 다양한 관점에서 동시에 분석하는 복잡한 과정을 필요로 합니다. 최근 인공지능 기술의 비약적인 발전과 함께 대규모 언어 모델(LLM)을 금융 트레이딩에 접목하려는 시도가 활발히 이루어지고 있습니다. 하지만 초기 연구들은 주로 텍스트 요약이나 단일 지표 예측 등 제한적인 임무를 수행하는 단일 에이전트 시스템에 의존해 왔습니다. 이러한 방식은 쏟아지는 수많은 변수와 동적인 시장 환경을 반영하기에는 아키텍처적 한계가 명확했습니다. 따라서 거시 경제, 기업 재무, 기술적 지표 등을 종합적으로 판단할 수 있는 보다 고도화된 다각적 접근법의 필요성이 꾸준히 제기되어 왔습니다. 이러한 배경 속에서 등장한 TradingAgents는 전문 트레이딩 회사의 실제 조직 구조를 모방하여 설계된 다중 에이전트(Multi-Agent) 기반의 오픈소스 프레임워크입니다. Tauric Research가 개발하고 공개한 이 프로젝트는 현재 GitHub에서 4.5만개 이상의 스타를 기록하며 개발자 및 금융 공학 커뮤니티에서 폭발적인 반응을 얻고 있습니다. 이 시스템은 단일 모델의 인지적 과부하를 방지하기 위해 각 에이전트에게 특화된 역할을 부여합니다. 에이전트들은 서로의… --- ## [OpenBB: 전 세계 금융 데이터를 하나로 연결하는 것을 목표로 하는 오픈소스 투자 리서치 플랫폼](https://discuss.pytorch.kr/t/openbb/8478)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [12월 23, 2025, 3:30오전 UTC](https://discuss.pytorch.kr/t/openbb/8478 "2025-12-23T03:30:04Z")
OpenBB 소개 OpenBB는 금융 데이터 접근과 분석을 민주화(Democratizing Financial Data)하기 위해 만들어진 오픈소스 기반의 투자 리서치 플랫폼입니다. 초기에는 'Gamestonk Terminal'이라는 이름의 개인용 CLI(Command Line Interface) 도구로 시작했으나, 현재는 Open Data Platform(ODP) 이라는 강력한 백엔드 인프라 및 이를 활용한 다양한 인터페이스(Desktop, Python Code, CLI 등)를 갖춘 거대한 생태계로 진화했습니다. :memo: 참고: Open Data Platform은 과거 OpenBB Platform으로 불렸으며, 최근 Open Data Platform(ODP)으로 리브랜딩되었습니다. 이는 OpenBB Platform이 데이터를 통합하여 어디서든 사용하게 해주는 인프라(Infrastructure) 라는 점을 강조하기 위한 것입니다. 즉, 과거에는 퀀트 분석가를 위한 도구였다면, 지금은 AI 에이전트(LLM) 및 사내 구축형 대시보드에 데이터를 공급하는 '표준 데이터 인프라' 역할을 수행합니다. 금융 시장의 데이터 분석은 전통적으로 기관 투자자들의 전유물이었습니다. Bloomberg Terminal과 같은 전문 도구는 연간 수천만 원에 달하는 비용과 폐쇄적인 시스템을 가지고 있어, 개인 투자자나 소규모 핀테크 스타트업이 접근하기에는 큰 장벽이 존재했습니다. OpenBB는 이러한 정보의 비대칭성을 해결하고자 합니다. 사용자는 전 세계 100개 이상의 금융 데이터 제공자(Data Provider)를 하나의 표준화된 인터페이스(API)로 통합하여 다룰 수 있으며, Python 환경에서 자유롭게 데이터를 가공하여 자신만의 퀀트 알고리즘이나 AI 분석 봇을 구축할 수 있습니다. 월스트리트에서는 실시간 데이터와 강력한 분석 도구를 위해 막대한 비용을 지불하지만, OpenBB는 오픈소스 커뮤니티의 힘과 Python 생태계(Pandas, NumPy, Scikit-l… --- ## [AI-Trader: AI 모델이 자율적인 의사결정으로 주식 거래를 수행하도록 설계된 오픈소스 프로젝트](https://discuss.pytorch.kr/t/ai-trader-ai/8094)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [10월 31, 2025, 3:30오전 UTC](https://discuss.pytorch.kr/t/ai-trader-ai/8094 "2025-10-31T03:30:51Z")
들어가며(Disclaimer) :pytorch::south\_korea::warning: :warning: 이 글은 인공지능 모델을 활용하여 금융 분야에서 적용하는 교육적 목적으로 개발된 AI 헤지 펀드 프로젝트를 소개하는 글입니다. AI 헤지 펀드 프로젝트는 '실험적'이고 '교육적'인 목적으로 개발 및 공개된 프로젝트로, 파이토치 한국 사용자 모임은 인공지능 모델이 어떠한 분야에 활용될 수 있는지 가능성과 그 방법에 대한 소개를 하는 것입니다. 즉, 어떠한 경우에도 파이토치 한국 사용자 모임 및 이 글은 투자를 권유, 제안, 또는 추천하려는 목적으로 작성한 것이 아님을 알려드리며, 투자에 대한 조언을 구성하지 않습니다. AI-Trader 프로젝트 소개 AI-Trader는 인공지능 모델이 완전한 자율 의사결정으로 주식 거래를 수행하도록 설계된 오픈소스 프로젝트입니다. 이 프로젝트의 핵심은 “AI가 인간의 개입 없이 시장에서 수익을 낼 수 있는가?”라는 근본적인 질문에 대한 실험적 접근입니다. GPT, Claude, Qwen 등 서로 다른 구조와 학습 방식의 AI 모델들이 동일한 조건 아래에서 나스닥 100 종목을 거래하며, 누가 더 높은 수익을 올릴 수 있는지를 겨루는 일종의 AI 트레이딩 챔피언십입니다. AI-Trader는 단순한 시뮬레이터가 아니라, 실제 시장 데이터를 기반으로 한 완전한 에이전틱 트레이딩 시스템입니다. 각 AI는 독립적으로 시장 뉴스를 분석하고, 재무 데이터를 평가하며, 매수·매도 결정을 수행합니다. 모든 과정은 MCP(Model Context Protocol) 기반의 표준화된 툴 호출로 이루어져 있어 인간의 개입이 전혀 없습니다. 이는 곧 AI가 스스로 시장을 해석하고, 투자 결정을 내리며, 전략을 개선해 나가는 “자율 진화형 금융 AI”의 가능성을 탐구하는 프로젝트라 할 수 있습니다. 이 프로젝트가 특히 흥미로운 이유는, 각 AI 모델이 동일한 데이터, 동일한 자본, 동일한 도구 환경에서 거래를 수행함으로써 AI 간의 순… --- ## ["실험적"이고 "교육적" 목적의 AI 헤지 펀드(AI Hedge Fund) 프로젝트 🤖💰🧑‍🔬](https://discuss.pytorch.kr/t/ai-ai-hedge-fund/6300)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [3월 7, 2025, 3:30오전 UTC](https://discuss.pytorch.kr/t/ai-ai-hedge-fund/6300 "2025-03-07T03:30:58Z")
들어가며(Disclaimer) :pytorch::kr::warning: :warning: 이 글은 인공지능 모델을 활용하여 금융 분야에서 적용하는 교육적 목적으로 개발된 AI 헤지 펀드 프로젝트를 소개하는 글입니다. AI 헤지 펀드 프로젝트는 '실험적'이고 '교육적'인 목적으로 개발 및 공개된 프로젝트로, 파이토치 한국 사용자 모임은 인공지능 모델이 어떠한 분야에 활용될 수 있는지 가능성과 그 방법에 대한 소개를 하는 것입니다. 즉, 어떠한 경우에도 파이토치 한국 사용자 모임 및 이 글은 투자를 권유, 제안, 또는 추천하려는 목적으로 작성한 것이 아님을 알려드리며, 투자에 대한 조언을 구성하지 않습니다. AI 헤지 펀드 프로젝트 소개 최근 인공지능(AI)이 금융 투자 영역에서도 적극적으로 활용되면서, AI 기반의 투자 모델이 점점 더 주목받고 있습니다. 특히, AI를 활용한 자동 투자(algorithmic trading)나 헤지 펀드 전략에 대한 관심이 높아지고 있습니다. 이번에 소개할 AI Hedge Fund는 AI가 직접 투자 결정을 내리는 헤지 펀드 개념을 실험해볼 수 있는 오픈소스 프로젝트입니다. AI Hedge Fund는 AI 기반의 투자 결정을 시뮬레이션하는 교육용 프로젝트입니다. 실제로 돈을 투자하는 것이 아니라, AI가 주식 거래 결정을 어떻게 내릴 수 있는지 실험하는 것이 목적입니다. 이 프로젝트는 다양한 투자 전략을 반영한 11개의 AI 에이전트가 협력하여 종목을 분석하고 매매 결정을 내리며, 백테스팅 기능까지 제공합니다. AI Hedge Fund 프로젝트에서 지원하는 AI 에이전트들의 목록은 다음과 같습니다: Ben Graham Agent: 가치투자의 창시자 스타일로 안전마진이 있는 저평가 주식을 매수 Bill Ackman Agent: 행동주의 투자자로서 과감한 포지션을 취하고 변화를 유도 Cathie Wood Agent: 혁신적인 성장주 투자자로 변화를 믿고 투자 Warren Buffett Agent: ‘… --- ## [\[2024/11/18 ~ 11/24\] 이번 주의 주요 ML 논문 (Top ML Papers of the Week)](https://discuss.pytorch.kr/t/2024-11-18-11-24-ml-top-ml-papers-of-the-week/5576)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [11월 25, 2024, 12:57오전 UTC](https://discuss.pytorch.kr/t/2024-11-18-11-24-ml-top-ml-papers-of-the-week/5576 "2024-11-25T00:57:57Z")
\[2024/11/18 ~ 11/24\] 이번 주의 주요 ML 논문 (Top ML Papers of the Week) PyTorchKR​:fire::south\_korea: :thinking::speech\_balloon: 이번 주에는 주로 대규모 언어 모델(LLM)과 에이전트 관련 기술에 대한 연구가 두드러지게 나타났습니다. 특히, LLM 평가 방법론, 자동 버그 수정과 같은 LLM 기반 에이전트 개발, 그리고 프롬프트 포맷팅이 LLM 성능에 미치는 영향에 대한 연구가 포함되었습니다. 또한, GUI 에이전트나 FinRobot과 같은 에이전트 개발을 다루는 논문도 있어 최근 인공지능 에이전트에 대한 관심이 높아지고 있음을 보여주고 있습니다. 이러한 트렌드는 인공지능과 머신러닝 기술이 점점 더 폭넓은 분야로 확장되고 있음을 나타냅니다. 언어 모델은 정보 검색, 자연어 처리, 자동화된 문제 해결 등의 광범위한 애플리케이션을 위해 계속해서 발전하고 있습니다. LLM의 성능을 높이기 위한 다양한 접근 방식, 예를 들어 프롬프트 변경만으로도 성능 차이를 도출할 수 있는 연구는 향후 LLM의 활용도를 더욱 증가시킬 가능성을 보여줍니다. 이는 산업계와 학계 모두에서 효율적인 솔루션을 제공할 수 있는 기회를 의미합니다. 또한, 에이전트 기술의 발전은 다양한 분야에서의 자동화 가능성을 제고하고 있습니다. GUI 에이전트와 FinRobot과 같은 논문은 특히 금융이나 소프트웨어 개발 등 실무 영역에서 에이전트 기술의 활발한 연구와 응용을 시사합니다. 이러한 연구는 복잡한 문제를 해결하고, 정확성과 효율성을 높이는 데 큰 기여를 할 것으로 기대됩니다. 궁극적으로, 이러한 트렌드는 인류의 삶의 질을 향상시키고 다양한 산업의 혁신을 가속화하는데 중요한 역할을 할 것입니다. 양자 프로세서를 위한 고정밀 오류 디코딩 학습하기 / Learning high-accuracy error decoding for quantum processors 논문 소개 양자 컴퓨터의 오류를…