119일간 유전 알고리즘으로 진화시킨 트레이딩 봇 분석 🧬

저는 지난 119일 동안 유전 알고리즘을 이용해 트레이딩 봇을 진화시키는 시스템을 개발해왔습니다. 전략을 직접 설계하는 대신 알고리즘이 스스로 최적의 전략을 찾도록 하는 방식입니다. 32억 회의 반복을 거친 끝에, 실제 데이터를 바탕으로 흥미로운 결과들을 공유해봅니다.

봇 하나는 진입/청산 규칙, 포지션 크기 조절, 리스크 설정 등 여러 유전자로 구성되어 있습니다. 매 세대마다 상위 50개의 봇이 자손을 낳고 돌연변이가 일어나며, 나머지는 교체되는 방식을 수백만 개의 비트코인 BTC/USDT 실시간 가격 데이터 위에서 반복했습니다.

총 9개의 독립적인 진화 세트가 동시에 진행 중인데, 현물 시장용 4개, 10배 레버리지 선물 마켓메이킹용 5개 세트가 각기 다른 수수료 구조와 진입·청산 스타일로 실험되고 있습니다. 모든 봇들은 100달러로 시작했습니다.

현물 봇들은 상당히 보수적이면서 안정적인 성과를 냈는데, 상위 봇들의 계좌 가치는 100달러에서 102.33달러에서 102.46달러 사이를 유지했으며 승률도 최대 72% 이상까지 올랐습니다. 최대 낙폭은 거의 없었습니다(0.06%~0.67%).

선물 마켓메이킹 봇들은 성과가 극명하게 엇갈렸고, 가장 뛰어난 개별 봇은 100달러에서 1만 817달러까지 올랐으며 전체 평균도 211.65달러였습니다. 특히 6세대에서 7세대로 바뀌는 사이 모든 선물 세트가 큰 폭으로 손실에서 수익으로 전환했는데, 이 변화는 시스템이 실제로 문제를 해결해 가고 있음을 보여줍니다. 다만 여전히 약 99%의 낙폭 문제는 해결할 과제로 남아있습니다.

가장 흥미로운 발견은 모든 현물 세트가 제한가 주문으로 수렴했다는 점입니다. 처음 세팅 때 시장가 주문으로 시작했음에도 봇들이 모두 제한가 주문 전략으로 진화했는데, 아직 이 현상이 시뮬레이션 특성인지 실제 시장 인사이트인지 탐구 중입니다.

또한 50시간 분량의 과거 데이터를 되돌려 보며 검증한 결과, 단일 일일 평가에서 1달러 수익을 올린 봇들이 전체 재생에서는 7,753달러까지 벌어들였습니다. 이는 짧은 평가 기간이 봇의 진짜 성능을 과소평가한다는 뜻입니다.

아직 해결해야 할 문제들도 많습니다. 선물 봇들은 큰 낙폭 이후 회복하는 경향이 있고, 전략 유전자들이 설정을 무력화하며 제한가 주문으로 쏠리는 현상, 그리고 세대별 성과가 굉장히 변동적이라는 점입니다.

남은 고민은 장단기 평가를 결합하는 다중 평가 창고 적용, 시뮬레이션 특성과 실제 인사이트 구분 방법, 그리고 선물 봇의 낙폭을 제어하는 방식을 어떻게 할지입니다.

전체 라이브 상태와 데이터는 evotrade.ca에서 5분마다 업데이트되고 있어 관심 있으신 분들께 공유드립니다. 시스템 아키텍처와 유전자 설정에 대해 궁금하신 점 있으면 언제든 질문 주세요.