[알고리즘 트레이딩] 나만의 AI 투자 에이전트, 텔레그램 봇으로 24시간 자동 모니터링 구축하기

---

나만의 AI 투자 에이전트, 텔레그램 봇으로 24시간 자동 모니터링 구축하기

투자를 하다 보면 누구나 한 번쯤 이런 상상을 해봅니다.
*"내가 자는 동안에도 누군가 내 계좌를 지켜보고, 최적의 매매 타이밍을 알려준다면 얼마나 좋을까?"*
바쁜 본업과 투자를 병행하며 매번 차트를 들여다볼 수 없었던 저는, 저만의 투자 철학과 알고리즘을 그대로 이식한 개인 맞춤형 AI 투자 에이전트를 직접 개발하게 되었습니다.
오늘은 파이썬(Python)과 텔레그램, 그리고 최신 LLM(대형 언어 모델)을 결합하여 어떻게 나만의 금융 비서를 만들었는지 그 핵심 기능과 아키텍처를 공유하고자 합니다.

---

1. 왜 '나만의' 투자 에이전트가 필요했을까?

시중에는 이미 훌륭한 HTS/MTS 알림 기능이나 유료 트레이딩 봇이 많습니다. 하지만 제가 직접 개발을 결심한 이유는 다음과 같습니다.

1. 무소음 알림(Noise-free)의 필요성: 시시각각 울리는 의미 없는 가격 알림은 오히려 스트레스가 됩니다. 내 평단가와 수량에 비례해 "진짜 의미 있는 수익/손실 구간"에서만 알림을 받고 싶었습니다.
2. 다중 데이터 통합: 증권사 계좌의 실시간 예수금 정보와 Yahoo Finance 등의 기술적 보조지표(RSI, 볼린저 밴드 등)를 하나로 융합하여 판단하는 시스템이 필요했습니다.
3. LLM 기반의 유연한 소통: 정해진 버튼만 누르는 챗봇이 아니라, 에러 로그를 스스로 분석하고 경제 뉴스를 요약해 주는 진짜 '비서'가 필요했습니다.

 

(이미지: 텔레그램, 서버, 증권사 API, AI 모델이 상호작용하는 구조도)

---

2. 에이전트의 핵심 기능 4가지

에이전트는 단순한 챗봇을 넘어, 트레이더의 판단을 돕는 강력한 기능들을 탑재하고 있습니다.

① 스마트 계좌 모니터링 (동적 임계값 적용)

단순히 "나스닥이 100포인트 올랐습니다"가 아니라, 현재 내 계좌에 보유 중인 포지션(Long/Short)과 수량을 계산하여 실제 P&L(손익) 기준으로 알림을 보냅니다. 마이크로 상품과 일반 상품의 민감도를 다르게 설정하여, 불필요한 알림을 최소화하는 '무소음 원칙'을 적용했습니다.

② 실시간 기술적 지표 감시 및 '추천' 신호

RSI(상대강도지수), 볼린저 밴드, ATR(평균진정한폭) 등의 지표를 5분 단위로 분석합니다.
단순한 고정값(예: RSI 30/70) 알림뿐만 아니라, 최적화된 파라미터를 기반으로 진입(Long/Short) 및 청산(TP/SL) 목표가를 텔레그램으로 브리핑해 줍니다.

③ 백테스트 및 파라미터 자동 최적화

투자 종목(나스닥, 골드, 크루드 오일 등)의 최근 데이터를 수집하여, 백테스트를 버튼 하나로 수행합니다.
가장 놀라운 기능은 /최적화 명령어입니다. 에이전트가 Grid Search를 통해 최근 장세에 가장 수익률이 좋았던 지표 값(RSI 기준점, ATR 익절/손절 배수)을 스스로 찾아내고, 이를 이후 모니터링에 즉시 적용합니다.

차트는 아직 구현되지 않은 상상의 이미지 입니다.

④ LLM (Gemini) 탑재로 똑똑해진 상호작용

가장 공을 들인 부분 중 하나입니다. 구글의 Gemini 모델을 연동하여, 자연어 대화가 가능합니다.

• "오늘 주요 경제 지표 알려줘"
• "최근 로그에 에러 난 거 있어?"
  에이전트는 단순히 텍스트만 뱉는 것이 아니라, 내부 함수(Function Calling)를 호출하여 실시간 시스템 상태와 뉴스를 분석하고 요약하여 대답해 줍니다.

---

3. 기술 스택 (Tech Stack)

이 시스템을 구축하는 데 사용된 주요 기술은 다음과 같습니다.

• Language: Python 3.x (비동기 asyncio 적극 활용)
• Interface: python-telegram-bot (Telegram API)
• AI / LLM: Google Gemini API (gemini-2.0-flash)
• Data Source: 증권사 공식 API (잔고/주문), Yahoo Finance, Twelve Data (차트 데이터)
• Infrastructure: Google Cloud Platform (GCP) Linux 서버, systemd 데몬 활용

---

4. 마무리하며: 자동화가 가져다준 여유

에이전트를 도입한 후, 억지로 차트를 보며 밤을 새우는 일이 크게 줄었습니다. 에이전트가 장세를 분석하고 최적화된 알림을 줄 때만 대응하면 되기 때문입니다.
현재는 '감시'와 '추천' 단계에 머물러 있지만, 향후에는 이 알고리즘을 더욱 고도화하여 직접 주문까지 실행하는 완전 자율 주행 트레이딩 봇으로 발전시키는 것이 목표입니다.
알고리즘 트레이딩이나 파이썬 봇 개발에 관심이 있으신 분들께 이 글이 작은 영감이 되기를 바랍니다.

---

(이 포스팅은 개인적인 기술 구현 사례를 공유하는 것으로, 특정 종목 추천이나 투자 권유를 의미하지 않습니다. 모든 투자의 책임은 투자자 본인에게 있습니다.)