AI Agent로 암호화폐 거래 정말 수익 나네요: 8일 만에 100U에서 20만U로

최근 AI 에이전트 트레이딩 시스템 '라나'가 화제가 되었습니다. 이 시스템은 단 8일 만에 100 U를 20만 U로 늘렸으며, 4월 16일 기준 계좌 총 잔액은 25만 U를 초과했습니다.

저자 Lana(@lanaaielsa)에 따르면, 이 트레이딩 시스템을 구축한 이유는 간단합니다.

작년 10월 BSC(Binance Smart Chain) 강세장 동안, 그의 주변 친구가 급부상하는 이야기를 쫓아 10만 U를 투자했지만, 결국 시장 조정으로 거의 전액을 손실했습니다. 마지막 1만 U를 온체인으로 옮겨 계속 거래했지만 결국 모두 사라졌고, 이후 시장에서 물러났습니다. 최근 알트코인에 대한 논의가 다시 뜨거워지면서, 그는 새로운 마켓 메이킹(MM) 단계에 진입할 가능성이 있다고 판단했습니다. 2차 거래와 캔들스틱 분석에 익숙하지 않았기 때문에, 그는 AI를 활용하여 트레이딩 시스템을 구축하기로 선택했습니다: Claude에게 스크립트 작성을 요청하여 바이낸스 스퀘어의 인기 게시물과 자주 논의되는 코인을 수집하고, 상승률 차트와 결합하여 변동성이 큰 종목을 선별하여 거래하도록 했습니다. 시스템은 처음에 20% 손절매를 사용했으며, 이후 고정 손실 200 U 손절매로 최적화되었고, 단일 방향의 추세 추종만 수행합니다. 동시에, 라나는 바이낸스 스퀘어에 실시간 거래 기록 게시, 수익 스크린샷 생성, 계정 운영도 담당합니다.

간단해 보이죠. 하지만 자세히 살펴보면, 라나는 단순한 자동 주문 스크립트가 아니라 자신만의 트레이딩 로직을 가진 운영 체제입니다.

라나는 어떻게 거래하여 수익을 실현했나요?

1. 엄밀한 종목 선정 로직

거래 기록을 보면 라나는 시장 상황을 예측하지 않고, 추세만을 따라갑니다. 즉, 추세 시장에 집중하여 이미 움직임을 시작한 코인을 포착합니다. 거래된 종목에는 다음이 포함됩니다: Binance Man, RAVE, ORDI, BASED, TRUMP, SIREN, 1000SATS, 1000RATS, EIGEN, PIXEL, EDGE, BAN, ASTER, AIA, FIGHT, GENIUS, CL, BTC, GIGGLE, HYPE, BLESS, PUMP, HEMI, CFX.

선별 기준은 크게 세 가지 수준으로 나눌 수 있습니다:

첫째는 여론층입니다. 라나는 바이낸스 스퀘어의 게시물 수, 논의 빈도 및 정서 방향을 수집하여 짧은 시간 동안 반복적으로 언급되는 코인을 찾습니다.

둘째는 가격층입니다. 여론층에서 선별된 코인이 동시에 상승률 차트에 나타나고 명확한 변동성을 보일 때만 추가 선별이 트리거됩니다. 이는 추세 시장이 나타날 가능성이 있음을 증명합니다.

마지막으로 OI(미체결약정) 변화를 관찰하여 "포지션이 증가했지만 가격이 아직 완전히 반응하지 않은" 코인을 선별합니다. 이는 선행 배치된 자금이 존재하는지 판단하는 데 사용됩니다.

2. 명확한 손절매 기준

라나가 운영을 시작한 초기에는 고정 20% 손절매를 사용했으며, 이후 "고정 손실 금액"으로 최적화되었습니다. 즉, 포지션 크기에 관계없이 각 거래의 최대 손실을 약 200 U 정도로 제어합니다.

거래 기록을 보면 대부분의 손실이 이 범위 내에 집중되어 있습니다. 하지만 손절매 기준을 초과한 주문도 있었습니다. 예를 들어 GENIUS는 6880 U 이상의 부동 손실이 발생했지만 여전히 청산되지 않았습니다. Lana 본인은 이렇게 설명했습니다: "GENIUS는 신규 코인이기 때문에 변동성이 커서 매우 넓은 손절매를 설정했습니다. 초기 포지션은 일반적으로 레버리지를 더하면 500 U에 200 U에 해당했고, 이후 포지션이 커지면서 10k 또는 25k 포지션을 시작했으며, 이에 해당하는 손절매 금액도 조금 더 높아졌습니다."

3. 동적 익절 기준

손절매와 달리 이 시스템은 고정된 익절 포인트를 설정하지 않았으며, 주로 주기적인 평가를 통해 보유를 계속할지 결정합니다. 예를 들어 일정 시간 간격으로 현재 종목의 상승 및 하락 확률을 재판단합니다. 이는 계속해서 하나의 질문을 하는 것으로 이해할 수 있습니다: 지금 포지션이 없다면, 나는 이걸 살까?

거래 기록 데이터를 보면 대부분의 이익이 소수 몇 개의 코인에 집중되어 있습니다. 예를 들어 "Binance Man", "RAVE", "ORDI" 등이며, 다른 대부분의 거래는 소액 손실 또는 소액 이익으로 종료되었습니다.

눈치채셨나요? 라나는 모든 주문으로 돈을 버는 것이 아니라, 소수의 주문으로 큰 돈을 벌고, 대부분의 주문에 대해 엄격한 손절매를 수행합니다.

라나는 어떻게 훈련되었나요? 방법론은 재사용 가능한가요?

1. 데이터 입력으로 기본 토대 설정

이 시스템의 초기 전략은 Lana가 Hyperliquid에서 장기적으로 안정적인 수익을 유지하는 일부 지갑의 행동을 관찰한 데서 비롯되었습니다. 주로 한 방향으로만 거래하며, 롱과 숏 두 방향을 계속 전환하지 않습니다. 따라서 AI에게 가장 중요한 데이터 중 하나는 Hyperliquid의 '똑똑한 지갑'의 거래 행동이며, AI가 어떻게 거래를 통해 수익을 낼 수 있는지 체계적으로 학습하도록 합니다. 동시에 AI에게 기본적인 선물 지표와 일부 온체인 데이터도 입력합니다. 이를 통해 AI가 이러한 지갑의 운영을 이해하여 자신만의 프레임워크를 형성할 수 있도록 합니다.

물론 온체인 행동 데이터 외에도 시스템은 지속적으로 여론 및 시장 데이터를 자체 수집하여 보완합니다:

• 바이낸스 스퀘어의 논의 밀도 및 핫한 콘텐츠;
• 상승률 차트 및 가격 변동;
• OI 변화 등 기본적인 선물 지표.

2. 대화 수정으로 프레임워크 확정

AI가 기본적인 운영 방법을 학습한 후, 다음 단계는 더 많은 정보를 얻는 것이 아니라 이 정보를 어떻게 선별하고 제약할 것인가, 즉 AI를 위한 명확한 의사 결정 프레임워크를 구축하는 데 있습니다.

사용 방식으로 볼 때, 이 시스템의 판단 로직은 한 번에 설정 완료된 것이 아니라, 지속적인 운영과 피드백을 통해 점차 다듬어져 형성된 것으로 보입니다. 초기에는 AI가 단일 신호를 기반으로 판단할 수 있습니다. 예를 들어 단기적인 인기를 추세 신호로 오인하거나, 방향에서 빈번한 전환이 발생할 수 있습니다. 하지만 사용이 깊어질수록 이러한 편향은 점차 수정되어, 전략 기대에 더 부합하는 범위 내에 의사 결정이 집중되도록 합니다.

3. 행동 증류로 트레이딩 스타일 확정

데이터 입력과 의사 결정 프레임워크 구축을 완료한 후, 이 시스템은 "표준화된 판단" 수준에 머물지 않고, 개별 행동의 증류를 추가로 도입했습니다. 운영자는 자신 및 X의 다른 일부 블로거의 트윗 내용을 시스템에 입력하여 AI가 구체적인 표현 방식을 학습할 수 있도록 했습니다. 이로써 AI는 더 이상 차가운 거래 기계가 아닙니다. 적어도 표현 측면에서는 더 인간적으로 보입니다.

전체 과정을 분해해 보면, 이는 "한 사람을 만드는" 것과 더 비슷합니다.

초기 데이터 입력으로 골격을 구축하여 시장에서 무슨 일이 일어나고 있는지 이해하게 하고; 지속적인 수정과 제약을 통해 구조를 형성하여 안정적인 판단 경계를 갖추게 하고; 행동 증류로 세부 사항을 채워 점점 인간에 가까운 의사 결정 경로와 선호도를 갖추게 합니다.

최종적으로 형성된 것은 단순한 실행 도구가 아니라, 복잡한 시장에서 지속적으로 일관된 선택을 할 수 있는 "라나"입니다.

그것은 감정에 의존하지도 않고, 예측을 추구하지도 않습니다. 대신 반복적으로 검증된 방식으로 시장에 참여하고 결과를 증폭시킵니다.