최근 허깅페이스(Hugging Face)에서 소형 언어모델(SLM)을 기반으로 한 다중 에이전트 AI 트레이딩 시뮬레이션인 '월스트리트 오브 AI 에이전트(Wall Street of AI Agents)'가 공개되어 주목받고 있습니다. 이 시뮬레이션은 여러 AI 에이전트가 각자의 역할을 맡아 실제 주식 시장과 유사한 환경에서 서로 상호작용하며 거래 활동을 수행하도록 설계되었습니다. 이는 복잡한 금융 시장의 역학을 이해하고, AI 기반 트레이딩 전략의 잠재력을 탐색하는 새로운 접근 방식을 제시합니다.
'월스트리트 오브 AI 에이전트'는 단순히 가격 예측을 넘어, 시장 참여자들의 행동과 상호작용이 시장 전체에 미치는 영향을 시뮬레이션하는 데 중점을 둡니다. 각 AI 에이전트는 투자자, 시장 조성자(market maker) 등 특정 역할을 부여받고, 소형 언어모델을 통해 의사결정을 내립니다. 이를 통해 실제 시장에서 나타날 수 있는 다양한 시나리오, 예를 들어 정보 비대칭성, 군집 행동, 시장 조작 등 복잡한 현상들을 가상 환경에서 재현하고 분석할 수 있습니다.
이러한 시뮬레이션은 금융 공학 연구자들에게는 새로운 실험 도구를, 퀀트 트레이더들에게는 전략 검증의 장을 제공합니다. 특히 대규모 언어모델(LLM)보다 경량화된 소형 언어모델을 사용함으로써, 자원 효율성을 높이면서도 충분히 복잡한 행동 패턴을 구현할 수 있다는 점이 중요합니다. 이는 AI 기반 금융 시스템의 안정성과 효율성을 높이는 데 기여할 수 있으며, 궁극적으로는 실제 금융 시장의 예측 불가능성을 줄이고 더 투명한 시장 환경을 만드는 데 인사이트를 제공할 잠재력을 가지고 있습니다.