이 글은 Claude Opus를 단순한 ‘시장 예측 도구’로 사용하지 않는다는 점에서 주목할 만하다. 대신, Claude Opus는 거래 실행과는 분리된 ‘야간 분석가’ 역할을 한다. 낮 동안 봇(Markov + Kelly)이 거래를 실행하고, 밤이 되면 Claude Opus가 그 로그를 읽고, 어떤 Markov state가 가장 높은 승률을 보였는지, 어떤 가격 범위에서 EV(기댓값)가 가장 높았는지, 어떤 윈도우에서 손실이 발생했는지를 분석한다. 그리고 이 분석을 바탕으로 다음 날의 MIN_PROB, MIN_EDGE, Kelly sizing을 업데이트한다.
이것은 AI 사용에 대한 매우 지능적인 설계다. 실시간 거래에 AI를 사용하면 ‘할루시네이션’, ‘지연(latency)’, ‘모델의 오판’이라는 위험에 노출된다. 하지만 ‘거래 후 분석’에 AI를 사용하면, AI의 강점인 ‘패턴 인식’, ‘맥락 이해’, ‘큰 그림 분석’을 활용하면서도 실시간 위험을 회피할 수 있다.
이 설계의 또 다른 중요한 점은 ‘인간의 개입 가능성’을 남겨둔다는 것이다. 매일 아침 Telegram으로 보고서가 전송되고, 인간은 변경 사항을 확인한 후에야 다음 사이클을 승인한다. 이는 완전 자동화가 아니라 ‘인간-에이전트 협업’ 모델이다. 인간은 전략의 방향성을 감독하고, AI는 미세 조정과 데이터 기반 통찰을 제공한다.
이런 구조는 단순히 Polymarket 트레이딩을 넘어, ‘어떻게 하면 AI와 인간이 각자의 강점을 살려 협력할 수 있을까’에 대한 훌륭한 참고 자료가 된다.
근거
“이 단계의 목표는 AI가 마법처럼 시장을 예측하는 것이 아니라, 모든 거래를 학습 데이터로 만드는 것입니다. 매 실행 후 기록하고, 매일 밤 복기하며, 결과에 따라 파라미터를 업데이트하고, 다음 라운드에서 새로운 파라미터로 계속 테스트합니다.”
연결된 생각
- 20220608-karpathy-llm-wiki-compounds — 지식과 경험이 누적될수록 시스템이 더 정확해지는 ‘복리 효과’ 개념과 연결됨
- 20260605-hermes-markov-trading-agent — 이 분석의 기반이 되는 핵심 시스템 설명