🚀 AI 기반 다중 코인 포트폴리오 자동매매 봇 개발기
🎯 프로젝트 개요
암호화폐 투자의 감정적 판단과 타이밍 리스크를 최소화하기 위해 AI + DCA 전략을 결합한 자동매매 봇을 개발했습니다.
- 투자 철학: 공격적 성장 전략 (알트코인 분산투자)
- 핵심 기술: Python, OpenAI API, 업비트 API
- 전략: DCA(Dollar Cost Averaging) + AI 의사결정 + 리밸런싱
💡 개발 동기
😰 기존 투자의 문제점
- 감정적 투자: FOMO(Fear of Missing Out), FUD(Fear, Uncertainty, Doubt)
- 타이밍 리스크: 고점에서 매수, 저점에서 매도
- 단일 코인 의존: BTC만 투자하여 알트코인 급등 기회 놓침
🎯 해결하고자 한 것
- 체계적이고 감정 없는 투자
- 다중 코인 분산투자로 수익률 극대화
- AI의 지능적 판단 + 기계적 실행
🏗️ 개발 과정
1️⃣ 초기 구상 - 단순한 BTC 매매봇
# 초기 아이디어: 단순한 BTC 자동매매
def simple_trading_bot():
if RSI < 30:
buy_bitcoin()
elif RSI > 70:
sell_bitcoin()문제점 발견:
- 단일 코인 의존성
- 감정 없는 기계적 거래의 한계
- 시장 변화에 대한 적응력 부족
2️⃣ AI 도입 - GPT 기반 의사결정
def get_ai_decision(market_data):
prompt = """
당신은 비트코인 투자 전문가입니다.
현재 시장 데이터를 분석하여 매수/매도/홀드 결정을 내려주세요.
"""
# OpenAI API 호출
response = openai.chat.completions.create(...)
return json.loads(response.choices[0].message.content)개선점:
- 뉴스, 공포탐욕지수 등 다양한 지표 반영
- 상황에 맞는 유연한 판단
- 하지만 여전히 BTC 중심...
3️⃣ 포트폴리오 전략 도입 - 다중 코인 분산투자
🎨 포트폴리오 설계
# 공격적 성장 포트폴리오
PORTFOLIO_CONFIG = {
"BTC": {"weight": 0.25, "symbol": "KRW-BTC"}, # 안정성
"ETH": {"weight": 0.25, "symbol": "KRW-ETH"}, # 성장성
"XRP": {"weight": 0.20, "symbol": "KRW-XRP"}, # 실용성
"SOL": {"weight": 0.15, "symbol": "KRW-SOL"}, # 고성능
"MATIC": {"weight": 0.15, "symbol": "KRW-MATIC"} # 확장성
}전략적 고민:
- BTC/ETH 50%로 안정성 확보
- 알트코인 50%로 고성장 잠재력 추구
- 각 코인의 역할과 특성 고려한 비중 설정
4️⃣ DCA 전략 구현 - 감정 제거
💰 Dollar Cost Averaging 로직
# 12주에 걸친 분할 매수
DCA_CONFIG = {
"duration_months": 3, # 3개월
"intervals_per_month": 4, # 주 1회
"total_intervals": 12 # 총 12회 분할
}
def execute_dca_purchase():
available_krw = get_balance() * 0.9 # 안전마진 10%
for coin, config in PORTFOLIO_CONFIG.items():
coin_amount = available_krw * config['weight']
# 🧠 스마트 DCA: RSI 체크
if coin_rsi > 80:
print(f"⏭️ {coin} 매수 스킵 (과매수)")
continue
buy_coin(coin, coin_amount)핵심 아이디어:
- 타이밍 리스크 완화
- 감정적 판단 배제
- 과매수 상황에서는 스킵 (스마트 DCA)
5️⃣ 동적 잔고 관리 - 현실적 접근
🔄 하드코딩의 문제점 해결
# 기존: 하드코딩된 100만원 기준
"BTC": {"weight": 0.25, "amount": 250000}
# 개선: 동적 잔고 기반
def calculate_target_amounts(balance_info):
total_value = balance_info['total_portfolio_value']
for coin, config in PORTFOLIO_CONFIG.items():
target_amount = total_value * config['weight']현실적 고려사항:
- 투자 금액은 사람마다 다름
- 추가 입금, 수익 발생 등으로 잔고 변화
- 유연한 금액 계산 시스템 필요
6️⃣ 리밸런싱 시스템 - 포트폴리오 균형 유지
def execute_rebalancing():
for coin in PORTFOLIO_CONFIG:
current_weight = get_current_weight(coin)
target_weight = PORTFOLIO_CONFIG[coin]['weight']
# 5% 이상 차이나면 리밸런싱
if abs(current_weight - target_weight) > 0.05:
if current_weight > target_weight:
sell_some(coin) # 비중 축소
else:
buy_more(coin) # 비중 확대7️⃣ AI 전략 고도화 - 단계별 의사결정
def get_portfolio_ai_decision():
"""DCA 완료 후 AI가 다양한 전략 제안"""
decisions = [
'dca_continue', # 추가 매수
'profit_taking', # 수익실현
'rebalance', # 조기 리밸런싱
'hold', # 현상유지
'dca_pause' # 매수 일시정지
]🛠️ 기술적 도전과 해결
🔥 주요 도전 과제들
1️⃣ 뉴스 신뢰성 문제
문제: 가짜 뉴스, 과장된 헤드라인이 AI 판단을 왜곡
해결: 뉴스 신뢰도 검증 시스템 구상 (향후 구현 예정)
- 신뢰할 수 있는 소스 화이트리스트
- 과장 표현 키워드 필터링
- 감정 점수 분석2️⃣ API 호출 최적화
# 문제: AI API 비용과 속도
# 해결: 캐싱 시스템 도입
AI_CACHE_DURATION = 45 * 60 # 45분 캐시
def get_cached_ai_decision(summary):
if cache_is_valid() and not significant_change():
return cached_decision
else:
return new_ai_decision()3️⃣ 거래 함수 호출 문제
문제: trade_by_decision 함수가 새로운 포트폴리오 전략에서 호출되지 않음
해결: 포트폴리오 전용 거래 실행 함수 개발
- execute_portfolio_decision()
- execute_profit_taking()
- execute_dca_purchase()4️⃣ 백테스팅 필요성
문제: 실제 돈으로 검증하기 전에 전략 성과 확인 필요
계획: 백테스팅 모듈 개발
- 과거 데이터로 전략 시뮬레이션
- 벤치마크 대비 성과 분석
- 리스크 지표 계산 (MDD, 샤프비율 등)📊 최종 아키텍처
🔄 시스템 플로우
1시간마다 실행:
│
├── 잔고 정보 조회
├── 다중 코인 데이터 수집 (BTC, ETH, XRP, SOL, MATIC)
├── 포트폴리오 메트릭스 계산 (RSI, 변화율, 이동평균)
├── 외부 지표 수집 (공포탐욕지수, 뉴스)
│
├── DCA 실행 판단 (주 1회)
│ ├── AI 긴급 조언 (15% 이상 급변동 시)
│ └── 스마트 DCA (RSI > 80 시 스킵)
│
├── 리밸런싱 판단 (3개월마다)
│ └── 5% 이상 비중 차이 시 실행
│
└── AI 전략 결정 (DCA 완료 후)
├── 수익실현
├── 추가 매수
├── 조기 리밸런싱
└── 현상유지🧠 AI 의사결정 과정
# 3단계 의사결정 시스템
def smart_decision_process():
# 1단계: 규칙 기반 필터링 (빠른 판단)
rule_decision = check_obvious_signals()
if rule_decision:
return rule_decision
# 2단계: AI 분석 (복잡한 상황)
ai_decision = get_ai_analysis()
# 3단계: 캐싱으로 효율성 확보
cache_decision(ai_decision)
return ai_decision📈 성과 측정 지표
🎯 KPI 설정
- 30일 목표: BTC 대비 -10% 이내 유지
- 90일 목표: 시장 대비 +5~10% 초과수익
- 최대 손실: -20% 이하로 제한
- 샤프 비율: 1.0 이상 목표
📊 모니터링 항목
def calculate_kpi_performance():
return {
'30_day_performance': portfolio_return,
'90_day_performance': long_term_return,
'vs_btc_performance': portfolio_vs_btc,
'sharpe_ratio': risk_adjusted_return,
'max_drawdown': maximum_loss
}💭 개발하며 배운 것들
🎓 기술적 학습
- API 통합의 복잡성: 업비트 API + OpenAI API + 뉴스 API 연동
- 비동기 처리: 다중 코인 데이터를 효율적으로 수집
- 에러 핸들링: 네트워크 오류, API 제한 등 예외상황 대응
- 상태 관리: DCA 진행상황, 포트폴리오 히스토리 저장
💡 투자 철학의 진화
- 감정 제거의 중요성: 기계적 실행이 장기적으로 유리
- 분산투자의 위력: 단일 코인 대비 위험 분산 효과
- AI의 한계와 가능성: 보조 도구로서의 AI 활용
🔍 설계 원칙
- 단순함 추구: 복잡한 로직보다 명확한 규칙
- 유연성 확보: 하드코딩 최소화, 설정값 분리
- 투명성 보장: 모든 결정과 거래를 로그로 기록
🚀 향후 개발 계획
📋 단기 목표 (1개월)
- 백테스팅 시스템 구축
- 뉴스 신뢰도 검증 모듈 추가
- 웹 대시보드 개발 (포트폴리오 실시간 모니터링)
- 알림 시스템 구축 (텔레그램/슬랙 연동)
🎯 중기 목표 (3개월)
- 머신러닝 모델 도입 (가격 예측)
- 다중 거래소 지원 (업비트 + 빗썸)
- 포트폴리오 최적화 알고리즘
- 리스크 관리 고도화
🌟 장기 비전 (1년)
- 소셜 트레이딩 플랫폼화
- NFT/DeFi 투자 전략 추가
- 모바일 앱 개발
- 커뮤니티 구축
💻 코드 구조
📁 프로젝트 구조
gptbitcoin/
├── mvp.py # 메인 트레이딩 봇
├── requirements.txt # 의존성 패키지
├── docker-compose.yml # 컨테이너 배포
├── .env # 환경변수 (API 키)
├── dca_state.json # DCA 진행상황
├── portfolio_trading_log.md # 거래 로그
└── README.md # 프로젝트 설명⚙️ 실행 방법
# 1. 환경 설정
pip install -r requirements.txt
# 2. API 키 설정
export UPBIT_ACCESS_KEY="your_key"
export UPBIT_SECRET_KEY="your_secret"
export OPENAI_API_KEY="your_openai_key"
# 3. 봇 실행
python3 mvp.py🎉 결론
✨ 성과
- 체계적 투자 시스템 구축 완료
- AI + DCA 전략 성공적 결합
- 다중 코인 포트폴리오 자동화 실현
- 감정 없는 투자 환경 조성
🤔 아쉬운 점
- 실제 수익률 검증 부족 (백테스팅 필요)
- 뉴스 신뢰성 검증 미완성
- 극한 상황에서의 안정성 미검증
💪 앞으로의 다짐
이 프로젝트를 통해 "기술로 투자의 감정을 이기는 것"이 얼마나 중요한지 깨달았습니다. 앞으로도 지속적인 개선을 통해 더 안전하고 수익성 높은 투자 시스템을 만들어가겠습니다.
🔗 참고 자료
🏷️ 태그
#암호화폐 #자동매매 #AI #Python #DCA #포트폴리오 #투자봇 #업비트 #OpenAI
💡 개발자 노트: 이 프로젝트는 교육 목적으로 개발되었습니다. 실제 투자 시에는 충분한 검토와 리스크 관리가 필요합니다.
GitHub Repository: https://github.com/1rrock/AI-trading-bot
FRONT_END_DEVELOMENT