시스템 아키텍처

이 페이지는 NoahAI가 금융 판단을 어떻게 분해·검증·통제하는지를 설명하는기술 구조 개요입니다. 개별 알고리즘이나 구현 상세가 아니라, 판단이 만들어지고 검증되는 전체 흐름을 이해하기 위한 목적의 문서입니다.

NoahAI의 핵심 목표는 판단을 대신하는 자동화가 아니라,금융 판단을 구조화·검증·설명할 수 있는 AI 판단 인프라를 만드는 것입니다. 단기 성과 경쟁이 아닌, 운영 가능한 신뢰(통제·기록·설명·검증)에 초점을 둡니다.

아래 아키텍처는 시장/개인 금융 맥락 입력부터 판단, 가드레일(리스크 통제), (선택적) 실행, 기록/리포트, 환류까지의 전체 흐름을 보여줍니다.

본 페이지는 특정 자산의 수익을 설명하거나 자동 매매를 권유하기 위한 문서가 아닙니다. NoahAI의 기술은 판단·리스크 통제·기록·검증을 중심으로 설계된 금융 AI 의사결정 인프라이며, 실행 자동화는 항상 선택적 옵션으로 분리되어 있습니다.

Market Data Layer

시장 데이터 입력

가격, 거래량, 변동성, 오더북 등 실시간 시장 정보를 수집하고 표준화합니다. (뉴스/공시/정책 등 비정형 데이터는 단계적으로 확장합니다.)

Personal Context Layer

개인 금융 맥락(컨텍스트) 관리

계정/포지션 상태뿐 아니라 자산 구성, 목표 기간, 위험 성향, 반복 행동 패턴 등 “개인 금융 맥락”을 함께 관리합니다. 판단은 이 맥락 위에서 설명 가능한 형태로 정리됩니다.

Decision Layer

에이전트 판단

수집된 데이터와 개인 금융 맥락을 바탕으로 “무엇을 고려해야 하는지/왜 그런지”를 구조화합니다. 필요 시 실행 가능한 선택지를 제시하며, 모든 판단은 기록되고 검증 가능합니다.

Risk & Guardrails

위험 제어 및 가드레일

한도, 중단 조건, 최대 손실, 금지 규칙, 비상 정지 등 보수적 통제 규칙을 우선 적용합니다. 목적은 “속도”가 아니라 “통제 가능성”이며, 이상행동과 과도한 리스크를 예방합니다.

Execution Layer

(선택적) 실행 및 자동화

사용자 설정과 가드레일 범위 안에서 반복 업무를 자동화하거나, 실행 가능한 선택지를 제공합니다. 자동 실행은 옵션이며, 기본값은 판단·기록·설명 중심으로 설계됩니다. 실행은 원자적(atomic)으로 처리되어 일관성을 보장합니다.

Logging & Report

기록 및 리포트

모든 과정(입력/맥락/판단/실행/결과)을 표준화된 형식으로 기록하고, 리포트를 생성하여 재현 가능성과 감사/추적 가능성을 확보합니다.

Feedback Loop

환류 루프

결과 분석 → 정책 개선 → 다음 판단에 반영하는 구조로, "고정된 자동화"가 아닌 "경험을 축적하는 판단 구조"를 지향합니다. 이 환류는 개인별 결과를 익명화된 패턴 단위로 축적하여, 전체 시스템의 판단 정책을 점진적으로 고도화합니다. 이 환류는 강화학습 정책 업데이트와 연결되며, 개인별 결과는 익명화된 패턴 단위로 집단 학습에 반영되어 전체 판단 정책의 안전성과 일관성을 점진적으로 개선합니다.

외부 금융 시스템 연동 현황

현재 운영/연동 현황 및 확장 구조:

Binance (독립 시스템)

• python-binance 기반 독립 시스템
• Binance Algo Order API 완전 구현 (v3.8.9.9)
• TP/SL -2021 오류 해결 (v3.8.9.11)
• 고급 의사결정 실행 인터페이스 지원

CCXT 통합 시스템

• Bybit, OKX, Bitget (선물)
• Upbit, Bithumb (현물)
• 통합 의사결정 지원 로직
• 거래소별 통계 추적

증권/ETF (확장 중)

• StockExchange 인터페이스 (v3.8.9.11+)
• 국내 증권사 API 연동 완료 (운영/검증 단계)
• ETF/주식 서비스 UI 완료 (2026-01-18)
• 자산군별 엔진 분리 설계(코인/증권) 진행

확장 현황

• 해외주식·선물 (테스트 중)
• 부동산 (확장 계획)
• 모듈화된 아키텍처로 쉬운 확장

Analyst AI의 역할

NoahAI의 Analyst AI는 판단을 대신 내리는 단일 모델이 아니라, 판단을 여러 관점에서 분해·검증·설명하기 위해 역할이 분리된 다중 모듈 의사결정 구조입니다.

각 모듈은 분석, 평가, 리스크 통제, 검증이라는 서로 다른 책임을 가지며, 이를 통해 판단 편향과 단일 실패 지점을 최소화하고 사용자가 이해 가능한 형태로 판단을 정리합니다.

핵심 모듈 상세

아래 모듈은 서비스 외부에 공개되는 API 목록이 아니라, NoahAI 내부에서 금융 판단을 안전하게 수행하기 위해 분리·구성된 의사결정 인프라의 구성 요소입니다. 각 모듈은 실행 중심이 아닌 판단·검증·기록 중심으로 설계되어 있습니다.

이 모듈 집합은 단일 모델이 아닌, 분석·평가·리스크·검증 역할이 분리된 Analyst AI 구조로 설계되어 판단 편향과 단일 실패 지점을 최소화합니다.

1. analyzer.py - 시장 분석 및 AI 신호 생성

기술적 지표 계산: RSI, MACD, 볼린저 밴드, 이동평균(SMA/EMA), ATR, 거래량 분석
시장 상황 분석: 변동성, 트렌드 강도, 모멘텀, 시장 심리 지수
신호 생성: 기본 기술적 신호 + AI 강화 신호 통합
동적 임계값: 시장 국면별 변동성 임계값 자동 조정
신뢰도 계산: 기술적 지표 + AI 학습 데이터 + 시장 심리 통합 신뢰도 (0.0 ~ 1.0)

2. evaluator.py - 자산 선정 알고리즘

다차원 점수 계산: 변동성(35%) + 추세(25%) + 거래량(20%) + 거래빈도(10%) + 호가창깊이(5%) + RSI(5%)
AI 기반 평가: AI 학습 데이터를 활용한 자산 평가
시장 상황별 선택 전략: LOW/NORMAL/HIGH 변동성에 따른 선택 기준 자동 조정
하이브리드 접근법: 캐싱 + 백업 + 하드코딩으로 안정성과 성능 동시 확보
성능 최적화: 초기 로딩 4분 → 즉시 (99% 개선), API 의존성 100% → 30% (70% 감소)

3. unified_trader.py - 판단 결과 오케스트레이션 및 상태 관리

다중 거래소 통합 관리: CCXT 기반 거래소 통합 시스템
실시간 포지션 모니터링: 거래소별 최적화된 주기 (5-15초)
안전 기반 실행 정책: 사용자 설정·가드레일 기반의 실행 정책(중단/한도/예외 처리) 적용
검증 모드 지원: 실제 실행 없이 판단 정책과 리스크 구조 검증 가능

4. ai_manager.py - AI 학습 및 패턴 강화

시장 분석: 시장 상황 분석 및 동적 설정 제안
청산 분석: 청산 시점 최적화 분석
패턴 유사성 검증: 진입 전 패턴 검증 (k-NN 기반)
손절/익절 분석: 거래 원인 분석 및 개선점 도출
일일 리포트: 일일/주간/월간 거래 리포트 생성
대화형 AI: 자연어 대화를 통한 AI 어시스턴트 기능

5. recorder.py - 데이터베이스 및 학습 데이터 관리

거래 기록 영구 저장
AI 학습 데이터 관리
통계 및 성과 분석

6. alpha_arena_trader.py - 연구·검증용 Alpha Arena 모드

※ Alpha Arena 모드는 실서비스 의사결정 및 사용자 자산과 완전히 분리된연구·검증 전용 환경입니다.

LLM 기반 의사결정 실험: DeepSeek 3.1, Qwen 3 Max 엔진 지원
벤치마크 검증 전략: nof1.ai Alpha Arena 벤치마크 검증 알고리즘 적용
독립 거래 모드: 기존 자동매매 파이프라인과 완전 분리
연구 범위: 동일 조건에서 엔진/정책의 의사결정 품질을 비교·리플레이하기 위한 실험 모드 (실서비스 파이프라인과 분리)

확장 포인트

이 아키텍처는 모듈화되어 있어 다음과 같이 확장 가능합니다:

자산 확장: 코인 → 증권/ETF → 부동산 정보 분석 → 생활금융(이체/확인/가계부)까지, 동일한 판단·기록·검증 구조 위에서 확장
채널 확장: 텍스트 → 음성 기반 보조(접근성) + 시니어/디지털약자를 위한 단계별 안내
보호 기능: 개인 금융 맥락·행동 패턴 기반의 이상 징후 감지로 사기·피싱 등 금융 범죄 위험을 사전에 완화하는 방향으로 확장