AI 투자 에이전트 맛대결: 티커 분석부터 퀀트 리서치, 데스크톱 터미널까지
"투자·금융"에 LLM·ML을 끌어들인 네 접근을 나란히 놓습니다. 특정 종목을 토론으로 판단하는 멀티에이전트형, 자연어로 백테스트를 돌리는 범용형, 전통 퀀트 리서치 플랫폼, 모든 걸 한 화면에 모은 데스크톱 터미널형이 서로 다른 전제를 깔고 있어 '가장 좋은 것'이 아니라 '내 작업 방식에 맞는 것'을 고르는 문제입니다.
왜 이들을 묶었나 — 네 레포는 모두 '투자 의사결정을 돕는 소프트웨어'라는 같은 일을 하지만, TradingAgents는 특정 티커에 대한 토론형 판단에, Vibe-Trading은 자연어 백테스트 전반에, Qlib은 모델·팩터 중심 퀀트 리서치 파이프라인에, FinceptTerminal은 분석·백테스트·AI를 한 데스크톱 화면에 모으는 데 초점을 맞춥니다. 같은 카테고리 안에서도 범위와 숙련도 요구가 크게 갈려 비교할 가치가 있습니다.
HKUDS/Vibe-Trading
자연언어로 거래 전략을 백테스트하고 분석하는 AI 거래 에이전트 도구
왜 이걸 골랐나 — 네 레포 모두 LLM·ML을 투자 판단에 쓰지만 진입 장벽 차이가 큽니다. Vibe-Trading은 자연어로 전략을 설명하면 데이터 수집부터 백테스트·리포트까지 자동으로 이어지고, grounding 장치로 환각을 걸러내며, CLI/API/MCP로 확장도 열려 있어 처음 이 카테고리를 접하는 사람이 코드를 깊이 몰라도 바로 결과를 받아볼 수 있는 가장 부드러운 출발점입니다.
여섯 가지 차원으로 견줬습니다
| 차원 | TauricResearch/TradingAgents🍚 착한밥상 | HKUDS/Vibe-Trading🍚 착한밥상 | microsoft/qlib🍚 착한밥상 | Fincept-Corporation/FinceptTerminal🍚 착한밥상 |
|---|---|---|---|---|
| install환경 구축이 얼마나 간단한가 | API 키 다중 설정pip 설치 후 LLM·데이터 API 키를 config에 맞춰 여러 개 등록해야 합니다. | Docker+API 키멀티스테이지 Docker와 lock 파일로 재현성은 챙겼지만 자산군별 API 키 준비가 필요합니다. | 데이터 준비 필요pip 설치 후에도 qlib.init 전에 별도 데이터 다운로드·전처리 단계를 거쳐야 합니다. | 인스톨러 바로 실행플랫폼별 네이티브 인스톨러·AppImage·Flatpak이 자동 빌드돼 다운로드만 하면 실행됩니다. |
| scale다룰 수 있는 자산·전략 규모 | 단일 티커 의사결정특정 티커의 매수/매도/보류 판단까지만 다루는 연구용 의사결정 프레임워크입니다. | 멀티자산 백테스트암호화폐·외환·아시아 주식·선물옵션까지 자산군별 백테스트 엔진을 폭넓게 갖췄습니다. | 전과정 퀀트 플랫폼데이터부터 수십 종 모델, 전략, 고빈도 포함 중첩 실행 시뮬레이션까지 실제 퀀트 리서치 규모를 지원합니다. | 올인원 데스크톱여러 백테스팅 엔진과 실시간 차트, 대안투자 분석까지 데스크톱 터미널 규모로 통합돼 있습니다. |
| maintenance개발이 계속 이어지는 정도 | 소규모 활발 개발LangGraph 체크포인트, 다중 LLM 프로바이더 추상화 등 구조 확장은 꾸준하지만 조직 규모는 작습니다. | 신뢰성 보강 중lock 파일, grounding 모듈 등 신뢰성 보강이 이어지는 비교적 젊은 프로젝트입니다. | 대기업 장기 유지마이크로소프트가 오래 유지해왔고 최근 RD-Agent 연동 등 LLM 시대에 맞춰 계속 확장됩니다. | 다중 플랫폼 릴리스GitHub Actions로 다중 플랫폼 릴리스를 자동화하며 빌드·배포 체계를 적극적으로 다듬고 있습니다. |
| learning처음 배우는 데 걸리는 시간 | 호출은 단순, 내부는 깊음ticker와 date만 넣으면 결과가 나오는 호출부는 단순하지만 내부 에이전트 구조는 깊습니다. | 자연어로 바로 시작자연어 REPL로 전략을 설명하는 방식이라 코드를 몰라도 시작할 수 있습니다. | 개념 계층이 많음DataHandler, YAML 워크플로, Recorder 등 익혀야 할 개념 층이 많습니다. | GUI는 친숙, 구조는 복잡GUI는 친숙하지만 C++/Qt와 임베디드 Python이 섞인 전체 구조를 이해하려면 시간이 걸립니다. |
| 라이선스상업적 사용 | ✅ Apache-2.0 | ✅ MIT | ✅ MIT | ➖ NOASSERTION |
| 용도 적합어디에 맞나 | 특정 종목에 대해 멀티 에이전트 토론형 분석 리포트를 받아보고 싶은 연구자에게 맞습니다. | 말로 전략을 설명하고 바로 백테스트 결과를 받고 싶은 멀티에셋 트레이더에게 맞습니다. | 모델·팩터를 직접 비교하며 본격적인 퀀트 리서치 파이프라인을 구축하려는 사람에게 맞습니다. | 블룸버그 터미널 같은 올인원 데스크톱 화면에서 분석·백테스트·AI를 한 번에 보고 싶은 사람에게 맞습니다. |
각자 무엇을 잘하고, 무엇을 포기했나
여러 LLM 기반 분석 AI들이 협력하여 주식 거래 의사결정을 내리는 프레임워크
👍 장점
- 실제 트레이딩 데스크처럼 역할별 에이전트가 토론 후 결론을 내는 구조가 투명합니다
- 다양한 LLM 프로바이더(OpenAI/Anthropic/Bedrock/Ollama 등)를 설정만 바꿔 교체할 수 있습니다
- CLI와 파이썬 패키지 양쪽으로 제공돼 바로 실험하거나 코드에 끼워 넣기 쉽습니다
👎 단점
- 단일 티커에 대한 매수/매도/보류 판단까지만 다루고 포트폴리오 전체 백테스트는 지원 범위 밖입니다
- 에이전트마다 LLM 호출이 반복돼 API 비용과 응답 시간이 누적됩니다
- README에서도 명시하듯 투자 자문이 아닌 연구·실험용이라 실거래 연동은 직접 구축해야 합니다
자연언어로 거래 전략을 백테스트하고 분석하는 AI 거래 에이전트 도구
👍 장점
- 자연어 한 줄로 전략을 요청하면 데이터 수집부터 백테스트, 리포트까지 자동으로 이어집니다
- 암호화폐·외환·아시아 주식 등 자산군별 백테스트 엔진과 수십 개 데이터 로더를 폭넓게 갖췄습니다
- LLM 응답을 실제 엔진 출력과 대조하는 grounding 장치로 환각을 걸러냅니다
- CLI/API/MCP 서버로 동일 기능을 노출해 외부 에이전트와도 연결됩니다
👎 단점
- 자산군·데이터 로더가 많아 실제로 쓰려면 해당 시장의 API 키를 개별로 준비해야 합니다
- 섀도 계정과 킬스위치는 페이퍼 트레이딩 수준이라 실거래 안전장치로 바로 신뢰하기는 이릅니다
- 자연어 해석에 의존하는 만큼 모호한 요청에서는 결과 재현성이 흔들릴 수 있습니다
ML로 주식 투자 신호를 찾고 거래 전략을 최적화하는 파이썬 플랫폼
👍 장점
- 데이터·모델·전략·백테스트·RL까지 퀀트 리서치 전 과정을 하나의 프레임워크로 커버합니다
- LightGBM부터 Transformer류까지 수십 종 벤치마크 모델이 이미 구현돼 있어 바로 비교 실험이 가능합니다
- YAML 워크플로와 Recorder로 실험을 체계적으로 추적·재현할 수 있습니다
- RD-Agent 연동으로 LLM 기반 팩터·모델 자동 탐색까지 확장됩니다
👎 단점
- qlib.init 전에 별도 데이터 다운로드·전처리 단계를 거쳐야 해 처음 설정이 번거롭습니다
- DataHandler/DatasetH/Recorder 등 계층이 많아 전체 구조를 이해하는 데 시간이 걸립니다
- LLM 기반 에이전트나 자연어 인터페이스는 기본 제공되지 않습니다
금융 시장 연구, AI 분석, 알고리즘 거래를 위한 기관급 데스크톱 터미널
👍 장점
- GUI 하나로 주식·채권·대안투자 분석, 백테스트, AI 에이전트, 실시간 차트를 다 띄워 볼 수 있습니다
- Windows/macOS/Linux용 네이티브 인스톨러·AppImage·Flatpak을 자동 빌드해 일반 사용자도 설치가 쉽습니다
- vectorbt·bt·backtesting.py 등 여러 백테스팅 엔진을 한 UI에서 골라 쓸 수 있습니다
👎 단점
- 라이선스가 NOASSERTION으로 명시돼 있어 상업적 이용 가능 여부를 스스로 확인해야 합니다
- C++/Qt와 임베디드 Python이 섞인 구조라 소스 빌드나 커스터마이징 난이도가 높습니다
- 실시간 차트·지갑 연동 등 기능이 많은 만큼 전체를 익히는 데 시간이 걸립니다
용도별 추천
역할별 LLM 에이전트가 토론을 거쳐 포트폴리오 매니저가 최종 신호를 내는 구조라 의사결정 과정을 그대로 들여다볼 수 있습니다.
자연어 요청을 받아 자산군별 백테스트 엔진과 데이터 로더를 자동으로 골라 실행하고 grounding으로 결과를 검증합니다.
데이터 레이어부터 수십 종 벤치마크 모델, YAML 워크플로, 백테스트까지 체계적으로 갖춰 실험을 재현 가능하게 관리할 수 있습니다.
Qt 기반 네이티브 터미널에 여러 백테스팅 엔진과 AI 에이전트, 실시간 차트를 통합해 설치 후 바로 올인원으로 쓸 수 있습니다.
어떤 기준으로 견줬나
맛대결은 순위표가 아닙니다. 아래 여섯 차원은 “설치해서 실제로 쓸 때 결과가 갈리는 지점”만 골랐고, 등급은 검증단이 각 레포를 실제 설치·실행해 남긴 기록과 공개 저장소 데이터에 근거합니다.
등급은 절대 점수가 아니라 이 대결 안에서의 상대 비교입니다 · 착한밥상 배지는 4개 관문(안전·실속·살아있음·숙성)을 통과한 레포에만 붙습니다 · 관찰 중 표기는 숙성 기간이 아직 차지 않은 경우입니다.
지난 맛대결
2회차지금 보고 있는 최신 회차는 무료입니다. 그 앞의 2회차는 깃밥 PRO에서 열립니다 — 같은 카테고리가 회차를 거치며 어떻게 바뀌었는지 견주는 기록입니다.
깃밥 PRO 전용 · 지난 회차 맛대결 전문 — 회차별 6차원 비교 · 간판 선정 이유 · 참가 레포 장단점
최신 회차 맛대결 전문 — 지금처럼 무료로 열립니다.