AI 자동매매를 만든다고 하면 가장 먼저 떠오르는 생각은 “다음 가격을 맞히면 된다”이다.
하지만 실제 탐색에서는 여기서부터 문제가 시작된다.
가격에는 노이즈가 많고, 조건을 많이 시험할수록 과거 데이터에서만 천재처럼 보이는 전략을 찾기 쉬워진다. 스캘핑에서는 예측이 조금 맞아도 수수료, 스프레드, 지연, 슬리피지로 이익이 사라질 수 있다.[1][2]
결론은 단순하다. AI의 핵심 역할은 미래 가격을 신탁처럼 맞히는 것보다 후보를 대량 탐색하고, 시장 상태를 분류하고, 가짜 엣지를 빠르게 제거하는 데 있을 가능성이 크다.
이번 생각의 출발점은 오랫동안 AI 자동매매를 연구해 온 한 개발자의 공개 실거래 기록을 알게 된 것이었다. 제3자 분석 서비스에는 실제 계좌와 자동 시스템이 여러 개 공개되어 있었다.
문제는 “이 사람이 대단한가?”가 아니었다.
승리 계좌만 봐도 되는가? 레버리지를 낮추면 무엇이 남는가? AI는 가격보다 호가와 체결을 봐야 하는가? 개인이 밀리초 스캘핑에서 경쟁할 수 있는가?
그리고 이 논리는 AI 기사 공장의 불량률 문제까지 그대로 연결됐다.
1. 진짜 엣지는 레버리지를 낮춰도 남는다
엣지는 비용과 위험을 포함해도 반복적으로 양의 기대값이 남는 우위다.
높은 수익률만 봐서는 안 된다.
최대 낙폭, 실제 노출, 수수료·스프레드·슬리피지 후 수익, 미사용 기간 성과, 위기 구간, 전체 시험 전략 수를 함께 봐야 한다.
레버리지는 수익과 손실을 확대한다. 중요한 것은 낮은 레버리지에서도 이상하게 강한 부분이다.
레버리지는 앰프이지 가창력이 아니다.
2. 공개 실적은 승자 하나가 아니라 실패까지 본다
Myfxbook의 공개 계좌에는 Track Record와 Trading Privileges 검증이 있다. 전자는 표시된 거래 이력이 브로커 이력과 일치함을, 후자는 계좌를 실제로 조작할 권한이 있음을 확인한다.[3]
하지만 이것이 AI의 우수성이나 미래 수익을 보증하지는 않는다.
이번에 본 한 공개 프로필에는 +163.46%, 최대 낙폭 20.90%인 실계좌 자동 시스템과 -99.90%, 최대 낙폭 99.93%인 시스템이 함께 있었다.[4]
+163%만 보면 영웅담이고 -99.9%만 보면 재난 영상이다.
연구에서는 둘 다 본다.
또 “1:2000” 표시는 계좌 레버리지 설정이지 매 순간 실제 노출이 2000배였다는 뜻은 아니다. 실제 포지션과 증거금 사용률을 따로 봐야 한다.
3. 승리 계좌가 있다고 개발자가 부자라는 뜻은 아니다
공개 운용 성과로 개인 자산이나 생활 수준을 추정할 수 없다.
연구 자금, 출금, 법인 자산과 개인 자산의 분리가 모두 존재한다. 집, 차, 옷, 가족의 모습은 특히 부정확한 추정 도구다.
기술은 기술 자료로 평가한다.
남의 지갑을 마음대로 백테스트하지 않는다.
4. “랭킹 참가”는 인기 순위와 대회를 구분한다
Myfxbook에는 Most Popular Systems와 별도의 Contests가 있다.[5]
따라서 “인지도를 위해 랭킹에 참가했다”는 말이 인기 목록인지 공식 대회인지 다른 플랫폼인지 확인해야 한다.
이번 조사에서는 공개 시스템은 확인했지만 특정 대회 참가까지는 1차 정보로 확정하지 못했다.
AI 시대에는 조사도 빨라지지만 잘못 연결하는 속도도 빨라진다.
5. AI에게 다음 가격보다 시장 상태를 판단하게 한다
단기매매에서는 정확한 다음 가격보다 다음과 같은 상태를 예측하게 하는 편이 더 실용적일 수 있다.
- 매수·매도 호가 깊이의 불균형
- 실제 체결 매수·매도의 흐름
- 스프레드 확대·축소
- 주문의 유지·취소 속도
- 변동성 상태
- 추세·횡보·급변 구간
- 현물·선물·관련 자산의 선행 관계
- 비용 차감 후 기대값
Order Flow Imbalance, 즉 주문 흐름의 불균형은 단기 가격 형성과 연관된다는 연구가 있다.[6]
관련 자산 사이의 가격·유동성·호가 불균형·변동성에 선행·후행 관계가 있다는 연구도 있다.[7]
그러나 호가창은 진실의 돌판이 아니다. 주문은 취소될 수 있다. 정지 화면보다 추가·취소·실제 체결 이벤트를 함께 봐야 한다.
6. 스캘핑과 밀리초 스캘핑은 예측보다 실행에서 죽기 쉽다
시간축이 짧아질수록 API 지연, 네트워크, 큐 순서, 지정가 체결 확률, 스프레드, 메이커·테이커 수수료, 가격 악화, 시장 충격이 모델의 일부가 된다.
호가 불균형의 예측력이 있어도 지연이 커지면 빠르게 사라질 수 있다는 연구가 있다.[2]
개인이 초고속 회사와 마이크로초 경쟁을 할 필요는 없다. 조금 더 긴 시간축, 낮은 거래 빈도, 비용 선차감, 선행·후행과 레짐 분류가 더 현실적일 수 있다.
7. 가장 무서운 것은 ‘똑똑한 과적합’이다
AI는 수천·수만 개 조건을 빠르게 시험할 수 있다. 그래서 우연히 멋진 백테스트를 찾기도 더 쉽다.[1]
미사용 기간, 여러 시계열 구간, 악화된 수수료, 슬리피지, 지연, 미체결, 위기 구간, 파라미터 흔들기, 전체 시도 수 기록, 마지막 소액 실거래가 필요하다.
AI는 최강 전략 생성기이면서 설득력 있는 가짜 양성 대량생산기이기도 하다.
8. 경험 많은 자동매매 개발자에게 물을 5가지
- AI는 가격, 레짐, 주문 흐름, 변동성, 진입, 리스크 중 무엇을 예측하는가?
- 개인의 지연에서도 가치가 남는 단기 데이터는 무엇인가?
- 낮은 레버리지에서도 남는 엣지는 어떤 종류인가?
- 백테스트에서 이기고 실전에서 죽는 가장 흔한 이유는 무엇인가?
- 지금 처음 시작한다면 어느 시장·시간축·데이터·예측 대상을 고를 것인가?
이 질문이 강한 이유는 용어가 어려워서가 아니다.
직접 시험했고 어디서 실패했는지 알고 있기 때문이다.
“수익 나는 봇 주세요”와 “직접 가격 예측은 약했는데 다음에는 어떤 구조를 파야 합니까?”는 완전히 다른 대화다.
9. 해외 암호자산 거래소는 국적보다 거주지 규칙을 본다
Bybit은 2025년 10월 31일부터 일본 거주자의 신규 등록을 중단했다.[8]
Bitget은 2026년 8월 3일 이후 일본 거주자 신규 등록을 중단했고, 11월 1일부터 Close-Only, 12월 31일 이후 잔여 포지션 강제 정리를 예고했다.[9]
Binance에는 일본 전용 Binance Japan이 있다.[10]
해답은 우회가 아니라 거주지, KYC, 이용약관, 현지법을 함께 확인하는 것이다. 실제 해외 거주로 바뀌면 주소와 세무 거주지를 정확히 갱신해야 한다.
10. 최신 AI를 출시 당일 연구에 넣는다: 강점은 행동 지연이 짧다는 것
OpenAI는 2026년 9월 3일 GPT-6 Astra를 발표했다. 코딩, 연구, 컴퓨터 사용, 복잡한 다단계 작업을 강화했고 API 문서에는 105만 토큰 컨텍스트가 명시돼 있다.[11][12]
중요한 것은 감탄이 아니라 즉시 실험하는 것이다.
가격 예측 → 실패 → 호가 → 체결 → 선행·후행 → 수수료 → 지연 → 사망 → 재설계.
강점은 첫 시도 정답률보다 가설에서 실험까지 걸리는 시간이 짧다는 데 있다.
11. AI를 쓰는 것과 AI로 1인 연구소를 만드는 것은 다르다
검색, 요약, 교정, 코딩은 기본 사용이다.
그 다음 단계는 가설 → 데이터 → AI 탐색 → 스트레스 테스트 → 실전 비교 → 전문가 질문 → 다음 실험의 폐쇄 루프다.
조사·코딩·분석·출판을 병렬로 돌리면 한 사람이 작은 연구소와 편집부처럼 움직인다.
현장 인터뷰만 지인에게 맡기면 “취재: 지인 / 분석: AI / 기사: 본인 / 본인: 집에서 대기”라는 이상한 자칭 기자 시스템도 완성된다.
12. MBTI보다 반복 행동을 본다
장기간 AI와 자동화에 몰입하는 사람을 보면 성격 유형을 붙이고 싶어진다.
하지만 외부에서 타인의 MBTI를 확정하는 것은 적절하지 않다.
대신 여러 버전을 만들고, 실전에서 깨고, 실패 후 다시 만들고, 새 모델을 즉시 시험하고, 승리보다 실패 원인을 보는 행동을 관찰하는 편이 낫다.
닮아 보인다면 네 글자보다 반복 루프가 닮았을 수 있다.
13. AI 기사 공장도 같다: 생산량보다 수율이 문제다
100개 초안을 넣어 다국어 완성 80, 품질 합격 60, 정식 채택 45, 공개 40이라면 최종 수율은 40%다.
생성을 200으로 늘려도 불량 더미가 두 배가 될 수 있다.
중요한 지표는 First Pass Yield, 즉 재작업 없이 한 번에 최종 단계까지 통과하는 비율이다.
언어 누락, 워커 규칙 불일치, 정식 채택 실패, 집계 미반영, 품질 게이트 탈락, 핸드오프 실패, 충돌로 인한 중지가 모두 공장 불량이다.
다음 주인공은 글쓰기 AI보다 불량 분석 감독 AI다.
14. 결론: AI 시대의 최대 엣지는 ‘제대로 실패할 수 있는 횟수’일 수 있다
원하는 것은 비용, 지연, 미사용 기간, 낮은 레버리지, 실거래를 통과하고도 남는 부분이다.
호가, 체결, 주문 흐름, 선행·후행, 레짐은 모두 연구 가치가 있지만 그 자체가 엣지는 아니다.
AI의 가장 깊은 장점은 실험 횟수를 늘리는 것이다.
만들고, 깨고, 원인을 보고, 조건을 바꾸고, 다시 돌린다.
다른 사람이 10번째 실험을 고민하는 동안 100번 제대로 실패하고 이미 101번째를 돌리는 것. 그것이 AI 시대의 이상할 정도로 높은 생산성일 수 있다.
FAQ
AI의 직접 가격 예측은 쓸모없나?
아니다. 다만 노이즈와 과적합에 취약하다. 레짐, 주문 흐름, 변동성, 비용 후 기대값으로 나누면 검증이 쉬울 수 있다.
호가창만으로 스캘핑 엣지를 만들 수 있나?
단기 정보는 있을 수 있지만 취소, 스푸핑, 큐, 지연, 비용으로 사라질 수 있다. 주문 이벤트와 실제 체결을 함께 검증해야 한다.[2][6]
Myfxbook의 Real·Automated면 안전한가?
아니다. 실계좌·자동매매라는 정보이지 미래 수익과 안전성을 보증하지 않는다.[3]
고레버리지 계좌 성과는 의미가 없나?
의미는 있다. 다만 계좌 설정 레버리지와 실제 노출을 분리하고 낙폭과 위험으로 정규화해야 한다.
더 강한 AI가 오면 모든 것이 자동 완성되나?
아니다. 데이터, 평가, 비용, 운영 규칙, 품질 게이트가 약하면 더 빠르게 불량을 만든다.
- Bailey, Borwein, López de Prado & Zhu, “The Probability of Backtest Overfitting papers.ssrn.com
- Stoikov & Waeber, “Reducing Transaction Costs with Low-Latency Trading Algorithms papers.ssrn.com
- Myfxbook Help, “Verification myfxbook.com
- Myfxbook public profile, TestSamurai30Ai, systems list myfxbook.com
- Myfxbook, “Most Popular Systems” and Contests navigation myfxbook.com
- Anantha & Jain, “Forecasting High Frequency Order Flow Imbalance arxiv.org
- Schmidt, Cestonaro & Bender, “Lead-Lag Relationships in Market Microstructure papers.ssrn.com
- Bybit, “Bybit to Pause New User Onboarding in Japan bybit.com
- Bitget, “Important Notice for Japanese Residents” / FAQ — ; https://www.bitget.com/support/articles/12560603890271 bitget.com
- Binance, “Introducing Binance Japan: A Platform for Japanese Residents binance.com
- OpenAI, “GPT-6 Astra: A new generation of intelligence openai.com
- OpenAI API, “GPT-6 Astra Model developers.openai.com
