에이전트 기반 자산 운용 지원하는 프랙션AI 인덱스 솔루션 상용화

[사진=프랙션AI]

프랙션AI가 인공지능 에이전트 기반의 자산 운용을 종합적으로 지원하는 인덱스 솔루션을 상용화했다.

프랙션AI가 선보인 인공지능 에이전트 기반 자산 운용 인덱스 솔루션은 기존 자동매매 시스템을 넘어, 자연어 기반 전략 설계부터 실행·검증·학습까지 전 과정을 통합한 구조라는 점에서 특징적이다. 단순히 사전에 정의된 알고리즘을 적용하는 방식이 아니라, 사용자가 일상적인 언어로 입력한 거래 아이디어를 실제 시장에서 작동 가능한 전략으로 변환하는 과정이 핵심 기능으로 작동한다.

이 솔루션은 고도화된 자연어 처리(NLP)를 통해 사용자의 서술형 지시를 분석하고, 이를 정량화된 투자 규칙으로 변환한다. 예를 들어 진입 시점, 자본 배분 비율, 손실 허용 범위와 같은 요소들이 개별적으로 설정되는 것이 아니라 하나의 논리적 구조로 통합되며, 전략 전체가 일관된 형태로 구성된다. 이러한 구조는 사람이 직접 코딩하거나 복잡한 수식을 입력해야 했던 기존 방식 대비 진입 장벽을 낮추면서도, 전략 설계의 정밀도를 유지하는 방향으로 설계된 것으로 볼 수 있다.

상용화 이전 진행된 모의 테스트에서는 이러한 변환 알고리즘과 검증 체계가 집중적으로 점검됐다. 참여자들은 자연어로 입력된 아이디어가 실제 매매 규칙으로 구현되는 과정을 실시간으로 확인하며, 전략 생성 과정의 정확성과 일관성을 검증하는 데 기여했다. 이 과정은 단순 기능 테스트를 넘어, 사용자 경험과 알고리즘 신뢰도를 동시에 보완하는 단계로 작용했다.

생성된 전략은 곧바로 실제 시장에 투입되지 않고, 플랫폼 내에 축적된 과거 시계열 데이터를 기반으로 한 모의 매매(백테스트)를 거친다. 이 검증 단계에서는 전략의 수익성뿐 아니라 손실 변동성, 특정 시장 상황에서의 취약성 등 다양한 지표가 함께 분석된다. 사용자는 이 결과를 바탕으로 전략을 수정·보완한 뒤 최종 승인 과정을 거쳐 자동매매 에이전트를 가동하게 된다. 즉, 전략 설계→검증→보완→실행이라는 일련의 과정이 하나의 흐름으로 연결돼 있다는 점이 특징이다.

실제 시장에 투입된 이후에도 시스템은 지속적으로 데이터를 축적한다. 에이전트의 거래 결과는 수익과 손실, 시장 국면별 반응 패턴 등으로 세분화되어 기록되며, 이는 향후 전략 개선을 위한 학습 데이터로 활용된다. 이러한 피드백 구조는 단순 자동 실행을 넘어, 시간이 지날수록 전략이 스스로 보완되는 적응형 시스템으로 발전할 수 있는 기반을 제공한다.

또한 해당 솔루션이 가상자산 선물 시장을 대상으로 설계됐다는 점도 주목할 부분이다. 변동성이 크고 24시간 거래가 이루어지는 시장 특성상, 신속한 전략 실행과 리스크 관리가 중요하기 때문에 자동화된 의사결정 시스템의 활용도가 높은 영역이다. 프랙션AI는 이러한 시장 환경에 맞춰 즉각적인 전략 반영과 지속적인 데이터 학습 구조를 결합한 형태로 플랫폼을 구성한 것으로 보인다.