Oft3r/agentic-trading-desk

해결하는 문제

이 프로젝트는 AI의 오류를 제거한 개인용 주식 및 ETF 거래 데스크를 제공합니다. LLM이 수학적 분석에 의존하는 문제를 해결하기 위해 모든 기술적 지표 및 점수 계산 로직을 결정론적인 Python 스크립트에 위임하고, AI 에이전트는 데이터 수집, 사용자 상호작용, 거래 실행을 조율하는 역할만 수행합니다.

작동 방식

이 시스템은 하이브리드 아키텍처를 사용하며, AI 에이전트(클로드 코드 및 로빈후드 MCP 프로토콜 통합)는 결정론적이지 않은 작업을 처리하고, 일련의 Python 스크립트가 실제 분석을 수행합니다:

• 데이터 오케스트레이션: 에이전트는 로빈후드를 통해 가격 역사 및 견적을 가져오고, Investing.com에서 매크로 데이터를 수집합니다.
• 결정론적 계산: 에이전트는 이 데이터를 JSON 형식으로 전달합니다:
  • macro_pillar.py: 교차 자산 감성(예: 수익률 곡선, 산업 섹터 회전)을 분석하여 매크로 스코어를 생성합니다.
  • indicators.py: EMA, RSI, MACD, TRIX와 같은 기본 기술 지표를 계산합니다.
  • score.py: 지표와 매크로 스코어를 통합하여 'Three-Pillar Framework'(트렌드, 모멘텀, 매크로-센티멘트)를 생성하고, 구체적인 거래 결정(예: EXIT, RE-ENTRY, HOLD)을 도출합니다.
• 실행 가드레일: AI 오류를 방지하기 위해 PreToolUse 훅(mandate-order-guard.sh)이 브로커로의 도구 호출을 가로챕니다. 주문 유형, 세션 시간(시장 주문 vs. 제한 주문), 최대 노미널 가치($1,200)에 대한 하드한 제한을 강제합니다.
• 정성적 보강: 에이전트는 구글 파이낸스 및 Investing.com에서의 뉴스와 애널리스트 합의를 수학적 스코어에 보완하지만, 결정론적 스코어에는 영향을 주지 않습니다.

대상 사용자

단기 포트폴리오 관리를 위한 에이전트 워크플로우를 원하지만, AI가 무단 또는 오류 거래를 하지 않도록 엄격한 수학적 확실성과 리스크 가드레일이 필요한 개인 트레이더를 위한 것입니다.

주요 특징

• Three-Pillar 스코어링: -2에서 +2까지의 범위에서 트렌드, 모멘텀, 매크로-센티멘트를 정량적으로 평가하는 프레임워크.
• 결정론적 엔진: LLM에 의한 수학 계산에 전혀 의존하지 않으며, 모든 지표는 Python 표준 라이브러리로 계산됩니다.
• 허브 레벨 가드: 쉘 훅을 사용하여 브로커에 도달하기 전에 금지된 주문 유형(예: 스톱 주문)을 차단합니다.
• MCP 통합: Model Context Protocol을 활용해 로빈후드 증권 계좌와 원활한 상호작용을 가능하게 합니다.