<!-- reviewed: 2026-06-10 by Codex, ISSUE_9305 Batch 5 insights locale review; source: ISSUE_9256 M3 -->
---
title: Trading Software Generations: From MT4 to LLM
url: https://stratcraft.ai/insights/trading-software-generations
type: insight
---

# 트레이딩 소프트웨어 세대: MT4에서 LLM까지

트레이딩 소프트웨어는 네 가지 실용적 세대를 거쳐 진화했습니다: 지표 컴포넌트, 패키지화된 전략, 시스템 수준 리서치 파이프라인, 그리고 LLM 프롬프트 투 코드 워크플로.

## 세대 비교

| 차원 | Gen 1: 지표 시대 | Gen 2: 전략 시대 | Gen 3: 시스템 시대 | Gen 4: LLM 시대 |
|---|---|---|---|---|
| 시기 | ~2005-2012 | ~2012-2018 | ~2018-2023 | 2023-현재 |
| 대표 제품 | MT4 / MQL4 | Backtrader, freqtrade, vnpy | QuantConnect, WorldQuant BRAIN | ChatGPT + brokerage API |
| 핵심 추상화 | 모듈식 지표 | 패키지화된 전략 로직: 진입, 청산, 사이징 | 피처 엔지니어링 파이프라인 | 자연어를 코드로 |
| 일반적 워크플로 | 지표 드래그, 조건 설정, 백테스트 | 전략 코드 작성, 매개변수 최적화, 백테스트 | 피처 파이프라인 구축, 학습, 검증, 실행 | 프롬프트, 전략 생성, 백테스트 |
| 주요 진전 | 지표가 책과 포럼에서 재사용 가능한 컴포넌트로 이동 | 완전한 전략이 패키지화, 공유, 재현 가능해짐 | 파이프라인이 제품이 되고 표준화된 검증을 갖춤 | 생성이 빠르고 진입 장벽이 낮음 |
| 일반적 함정 | 지표 숭배와 성배 사고 | 매개변수 과적합: 유전적 탐색이 견고성이 아닌 우연을 찾음 | 데이터 누수와 생존자 편향 | 전략 환각과 백테스트 과적합 맹점 |
| 실패의 근본 원인 | 규칙이 수동이며 체계적 검증이 부족 | 최적화 목표가 견고성이 아닌 백테스트 수익률 | 모델 복잡성이 데이터 품질 문제를 숨김 | 모델이 처음 세 세대에서 축적된 인프라를 건너뜀 |

## LLM 실패 모드

### 전략 환각

모델은 정량적으로 보이지만 시장 근거, 통계적 기반이 없거나 가정이 무효인 그럴듯한 거래 로직을 만들어냅니다. 거짓 인과관계를 몰래 들여오면서 구문 검사를 통과하는 코드를 만듭니다.

### 백테스트 과적합 맹점

모델은 수익성 있는 백테스트를 검증으로 취급하고 누수, 매개변수 마이닝, 불안정한 체제, 또는 생존자 편향을 놓칩니다. 생성 속도가 테스트되지 않은 변형을 곱하기 때문에 커브 피팅을 가속화합니다.

## Z-Score 패턴 예시

```python
spread = asset_a.close - hedge_ratio * asset_b.close
z_score = (spread - spread.mean()) / spread.std()

if z_score > 2:
    short(asset_a)
    long(asset_b)
elif z_score < -2:
    long(asset_a)
    short(asset_b)
```

## 모델 + 도구

LLM은 도구로 감쌌을 때 유용합니다. 진지한 트레이딩 스택은 단순히 모델이 아니라; 가격 엔진, 실행 로직, 위험 통제, 데이터 검증, 모니터링 및 배포 규율을 포함합니다. Jane Street 스타일 시스템은 이 패턴을 보여줍니다: 모델은 더 큰 도구체인 내의 한 레이어입니다.

## StratCraft 포지셔닝

StratCraft은 Gen 5 주장이 아닙니다. 로컬 C++ 등급 백테스트 성능, 플러그인 격리, 그리고 전략 생성, 검증, 구성을 반복 가능하게 만드는 생태계가 필요한 Gen 2 및 Gen 3 개발자를 위한 인프라입니다.

출처: https://stratcraft.ai/insights/trading-software-generations
