AI 판단 봇은 사람이 정한 규칙 대신 클로드 최상위 모델이 차트와 지표를 직접 읽고 방향, 확신도, 레버리지, 손절·익절 가격을 제안하는 단타 봇이에요. 핵심 구조는 “판단은 AI, 집행과 한도는 기계”로, 코드가 2분마다 시장을 감시하다 셋업이 잡힐 때만 AI를 호출하고, AI 제안을 확신도 문턱과 레버리지 한도로 검증한 뒤 손절·익절은 기계가 집행해요. 이 글은 시리즈 마지막 3편으로 구조 5단계, 실제 판단 캡처, 규칙 봇과의 비교표, 몇 주 운영하며 배운 것 3가지를 정리했어요.
이 글은 투자 조언이 아니에요. 아래 봇은 아직 소액으로 검증 중인 실험이고, 자동매매는 원금 손실 위험이 있으며 수익을 보장하는 방법은 없어요. 1편(세팅), 2편(전략과 성과)을 먼저 보면 이해가 빨라요.
이 글에서 다루는 것
- 규칙 기반 봇과 AI 판단 봇의 차이 (비교표)
- AI에게 매매를 맡길 때 비용과 사고를 막는 구조 설계
- AI가 실제로 어떤 근거로 진입하고 손절하는지 (실제 캡처)
- 몇 주 운영하며 배운 것 3가지
왜 AI 판단 봇을 만들었나요?
2편의 스퀴즈 모멘텀 봇은 사람이 정한 규칙을 기계적으로 실행해요. 예측 가능하다는 게 장점이고, 한계도 거기서 나와요.
규칙에 없는 상황은 대응을 못 해요. 거래량이 이상하게 터졌는지, 추세가 정렬됐는지, 지금이 과열인지 같은 종합 판단은 규칙 몇 줄로 담기 어렵거든요. 그래서 차트를 읽는 판단 자체를 AI에게 맡기면 어떻게 될까를 실험했어요.
AI 판단 봇의 구조는 어떻게 되나요?
설계를 잘못하면 두 가지 문제가 생겨요. 매번 AI를 호출하면 비용이 터지고, AI가 아무 때나 매매하면 과잉매매가 돼요. 그래서 AI를 아무 때나 부르지 않는 5단계 구조로 만들었어요.
- 코드가 시장 감시: 2분마다 시세와 지표를 체크해요. AI 호출이 없어서 이 단계 비용은 0이에요
- 셋업 포착: 급변, 돌파, RSI 극단 같은 특이 상황일 때만 다음 단계로 넘어가요
- AI 판단: 이때만 AI를 불러요. 차트·지표 데이터를 주면 방향, 확신도, 레버리지, 손절·익절 가격까지 제안해요
- 안전장치: AI 제안을 코드가 검증해요. 확신도가 기준 미달이면 버리고, 레버리지가 한도를 넘으면 깎아요
- 주문 실행: 최종 통과한 주문만 나가요. 손절·익절 집행은 AI가 아니라 기계가 해요
요약하면 “판단은 AI, 집행과 한도는 기계”예요. AI를 전적으로 믿는 게 아니라 AI 위에 기계 안전장치를 한 겹 더 씌운 구조예요.
AI는 실제로 어떤 근거로 매매하나요?
진입할 때 AI가 자기 근거를 말로 설명해요. 실제 텔레그램 알림 캡처예요.
첫 번째 거래는 이동평균 3개(EMA 9/21/50) 정배열, VWAP 상단, 대량 거래량, 5분·15분·1시간 변화율 정렬까지 확인하고 들어갔어요. “RSI가 과열 직전이라 레버리지를 3배로 제한한다”고 스스로 절제한 부분이 흥미로웠고, 결과는 +1.36% 익절이었어요.
두 번째 거래는 돌파를 노리고 들어갔다가 계획한 손절선(0.5%)에 걸려 -0.55%로 끊었어요.
손실 거래를 보여드리는 이유는 “AI도 틀린다”가 아니라 틀렸을 때 계획대로 잘랐다는 점 때문이에요. 진입 전에 정한 손절선에서 기계가 그대로 집행했고, 손실은 계획 범위 안이었어요.
규칙 기반 봇과 AI 판단 봇의 차이는?
| 구분 | 규칙 기반 봇 (2편) | AI 판단 봇 (3편) |
|---|---|---|
| 판단 주체 | 사람이 정한 규칙 | AI가 차트 읽고 종합 판단 |
| 시간 단위 | 4시간봉, 느긋한 스윙 | 5분봉 중심 단타 |
| 진입 근거 | 지표 조건 충족 여부 | 지표 + 거래량 + 추세 정렬 종합, 근거를 말로 설명 |
| 손절·익절 | 고정 규칙 (7%/3%) | AI가 변동성 기반 제안, 집행은 기계 |
| 강점 | 예측 가능, 검증 쉬움 | 규칙에 없는 상황 대응 |
| 약점 | 유연성 부족 | 판단 편차, 호출 비용 |
몇 주 운영하며 배운 것 3가지는?
- AI의 “감정적” 청산은 엣지가 없었어요. 보유 중에 AI에게 다시 물어보면 자꾸 조기 청산을 하는데, 데이터를 보니 이 재량 청산의 기대값이 거의 0이었어요. 그래서 청산은 진입 때 정한 손절·익절로만 하게 바꿨어요
- 확신도 문턱이 매매 품질을 좌우해요. AI는 애매한 상황에서도 “일단 해볼까?” 수준의 제안을 내는데, 확신도 기준을 올리니 매매 수는 줄고 질은 올라갔어요
- 비용 설계가 승부처예요. 셋업일 때만 AI를 부르는 구조 덕에 호출 비용이 하루 몇 번 수준으로 억제됐어요. 이게 없으면 단타 봇은 수수료보다 AI 비용이 더 나와요
성과는 아직 “실험 중”이 정직한 표현이에요. 익절도 있고 손절도 있고, 소액으로 데이터를 쌓으면서 위 개선을 반복하는 단계예요. 2편의 규칙 봇처럼 이 봇도 운용, 데이터 분석, 규칙 개선의 사이클을 돌고 있어요.
자주 묻는 질문 (FAQ)
Q. 어떤 AI 모델을 쓰나요?
클로드 최상위 모델이에요. 코딩용 구독(클로드코드)을 그대로 활용해서 봇이 판단을 요청하는 구조라, 별도 API 비용 없이 돌리고 있어요.
Q. AI 판단 봇으로 돈은 벌었나요?
아직 검증 단계라 벌었다고 말하기 어려워요. 익절과 손절이 섞여 있고, 지금은 수익보다 AI 판단의 품질을 데이터로 확인하는 게 목표예요.
Q. 프롬프트만 잘 쓰면 되나요?
아니요, 그게 제일 위험한 생각이에요. AI 판단 위에 확신도 문턱, 레버리지 한도, 일일 손실 정지 같은 기계 안전장치가 없으면 한 번의 이상 판단이 계좌를 흔들 수 있어요.
Q. 규칙 봇과 AI 봇 중 뭐가 나은가요?
지금까지의 결론은 대결이 아니라 역할 분담이에요. 검증된 규칙은 규칙 봇에게, 규칙화하기 어려운 종합 판단은 AI에게, 돈을 지키는 안전장치는 언제나 기계에게요.
시리즈 정리
- 1편: 코딩 몰라도 클로드코드(Claude Code)에게 시켜서 자동매매 봇을 만들 수 있다 (세팅과 안전장치)
- 2편: 전략보다 운영 규칙, 그리고 데이터로 개선하는 사이클이 핵심이다
- 3편: AI에게 판단을 맡기되, 집행과 한도는 기계에게 맡겨라
실험이 더 쌓이면 후속편으로 결과를 공유할게요. 클로드코드 자체가 처음이라면 클로드코드 사용방법부터 보세요.
※ 본 글은 특정 종목·거래소 추천이나 투자 권유가 아니며, 모든 투자 판단과 책임은 본인에게 있어요. 자동매매와 레버리지 거래는 원금 손실 위험이 커요.
Leave a Reply