가상자산 AI 포트폴리오 어드바이저 'COCOMSS'

Overview

개인 프로젝트 · 2026.03~07 · 데이터 기획 · 풀스택 · 거래소 백엔드

COCOMSS 는 서비스 도메인(cocomss.com)이자, 여러 프로젝트가 합류한 종착지다. 카드 추천(KB카드)에서 출발해 가상자산으로 방향을 틀고, 백서 학습(widigg)·설명가능 AI(TrustFin)·증시 리서치의 방법론을 하나의 서비스로 합쳤다.

가상자산 초보자가 "모르는 자산에 돈을 넣기 전에 먼저 배우고, 이해하고, 검증한 뒤 판단" 하도록 돕는 AI 포트폴리오 어드바이저를 풀스택으로 구축했다. 실거래·자금 이동은 없는 기술 데모다.

배운다 — 블록체인 백서를 원문→번역→해설→용어 3-Level로 학습, Gemini 근거 인용 Q&A·퀴즈, 수료 시 Base 메인넷 ERC-721 배지
이해한다 — 성향 설문 → K-Means 군집 + Markowitz 최적화로 추천, XAI로 점수를 요인별 정확 분해(합계=점수)하고 "성향이 한 단계 달랐다면?" 반사실까지
검증한다 — DCA·모멘텀·리밸런싱 백테스트에 수수료·슬리피지·시그널 랙·워크포워드, 그리고 부트스트랩 신뢰구간("이 성과가 우연일 확률")
판단·연습한다 — 학습 여정 미션 + 실거래 없는 모의 포트폴리오 손익 추적
거래소 코어 — 시세를 '소비'만 하던 서비스에, 거래소 백엔드의 정확성 문제를 직접 구현: 가격-시간 우선순위 호가창(CLOB) + 복식부기 원장, Rust 고빈도 엔진(매칭 지연 p50 42ns), HMAC 서명·정산·커스터디 상태머신 샌드박스
운영 — 빗썸·업비트 어댑터 토글, 실시간 WS 시세, 무중단 롤링 배포(API·웹 실패 0), CI 4잡(pytest 191 + Rust + Playwright E2E)
Skill: 데이터 기획·추천 엔진, ML(K-Means)·퀀트(Markowitz·백테스트), 설명가능 AI, 거래소 백엔드(매칭·정산), 풀스택·인프라 운영
Stack: Python·FastAPI, scikit-learn·PyPortfolioOpt·pandas, Rust, Next.js 16·TS·Tailwind, MySQL·Docker·nginx·AWS EC2, Gemini·Solidity·Base

Problem

가상자산 초보자는 자신이 뭘 사는지 모른 채 추천만 보고 투자하기 쉽다. 추천은 대개 '왜 이 코인인지'를 설명하지 않고, 백테스트는 수수료·우연을 숨긴 채 좋은 숫자만 보여준다. 서비스가 신뢰를 얻으려면, 추천을 그대로 믿지 말라고 말하는 장치가 필요했다.

투자 전 학습 완충 + 정직성 — 판단 전에 배우게 하고, 모든 숫자에 "왜"와 "우연일 가능성"을 붙였다.

Solution

여정으로 재구성 — 학습→이해→검증→판단·연습을 한 흐름으로 잇고, 각 단계를 미션으로 추적
설명 가능한 추천 — 선별 점수를 룰(60%)+ML 군집(40%) 가중합으로 두고, 각 항의 기여를 근사 없이 정확 분해. 반사실은 임계값을 수식에서 역산해 정직하게 제시
정직한 검증 — 백테스트에 거래비용·룩어헤드 방지·워크포워드를 반영하고, 부트스트랩으로 "일괄매수를 이기지 못할 확률"을 표기
거래소 코어 증거 — 시세 소비를 넘어, 매칭·정산의 정확성(가치 보존·호가 비교차)을 불변식 테스트로 강제하고, Rust로 지연을 나노초까지 낮췄다
실서비스 대비 — 이용 전 투자 책임 동의 모달 + 법적 문서 4종(소개·약관·개인정보·정책)

Result

4개 선행 프로젝트(카드추천·widigg·TrustFin·증시 리서치)를 하나의 여정형 서비스로 통합, cocomss.com 라이브
XAI 정확 분해·반사실·관리자 가중치 콘솔로 "왜 이 추천인가"를 검증 가능하게 구현
거래소 코어: 매칭 엔진 8시드×수천주문 퍼즈로 불변식 강제, Rust 엔진 서브마이크로초(p50 42ns·13.45M주문/s)
무중단 배포(API·웹 542프로브 실패 0), pytest 191 + Rust + E2E, CI 4잡 그린
기획부터 백엔드·프론트·Rust·인프라까지 직접 구현·운영

Retrospective

여러 프로젝트를 하나의 서사로 — 흩어진 실험(카드추천·백서학습·XAI·리서치)을 "투자 전 학습 완충"이라는 하나의 제품 논리로 꿰며, 기능을 늘리는 것과 이야기를 만드는 것이 다른 일임을 배웠다.

정직함을 기능으로 — 성과 추적 공개, 신뢰구간, XAI 분해까지 — "믿지 말고 검증하라"를 코드로 심는 것이 금융 도메인에서 가장 중요한 태도임을 확인했다.

소비자에서 생산자로 — 거래소 시세를 쓰기만 하던 서비스에 매칭·정산·커스터디를 직접 구현하며, "거래소 생태계 서비스"에서 "거래소 코어의 정확성도 만들 수 있는 사람"까지 증거를 넓혔다. 동시에 실자금·규제·실키 커스터디는 코드 밖의 영역임을 정직한 경계로 남겼다.

화면 둘러보기 — 배운다: 블록체인 백서 학습

카탈로그 45편 중 양대 거래소(빗썸∨업비트)에 상장된 26종의 백서를 원문→번역→해설→용어 3-Level로 학습한다(거래할 수 없는 코인·비코인 기술문서는 여정에서 제외). 시세는 거래소 어댑터에서 실시간으로 오고, 배우고 나서 바로 시세·백테스트로 검증할 수 있다.

COCOMSS 백서 학습 — 백서 라이브러리

화면 둘러보기 — 이해한다: 설명 가능한 포트폴리오 추천

성향 설문 → K-Means 군집 + Markowitz 최적화로 포트폴리오를 추천하고, "왜 이 점수인가"를 요인별로 정확 분해(합계=점수)한다. 군집 산점도·레이더, 코인별 지표, "성향이 한 단계 달랐다면?" 반사실까지 한 화면에.

COCOMSS 포트폴리오 추천 결과 — XAI 기여도 분해·K-Means 군집·반사실

화면 둘러보기 — 검증한다: 정직한 백테스트

DCA·모멘텀·리밸런싱 전략에 수수료·슬리피지·시그널 랙·워크포워드를 반영하고, 부트스트랩 1,000회로 "일괄매수를 이기지 못할 확률"과 95% 신뢰구간을 붙였다. 결론을 먼저 문장으로 말하고, 전략 vs Buy&Hold 곡선으로 보여준다.

COCOMSS 백테스트 결과 — 결론 히어로·부트스트랩 신뢰구간·전략 vs 일괄매수

화면 둘러보기 — 검증한다: 이벤트 스터디 (AR/CAR + t검정)

"테라 사태 때 얼마나 빠졌나" 같은 질문에 숫자로 답한다. 시장모델로 전체 등락을 걷어내고 사건 고유의 초과등락(CAR)만 남긴 뒤, t검정으로 우연과 가른다. 증시 리서치에서 세운 방법론을 크립토로 이식한 부분이다. BTC 실데이터로 검증하니 경제적으로 타당한 수치가 재현됐다 — 테라·루나 붕괴 −24.7% · FTX 파산 −23.2% · 트럼프 당선 +23.7% · 이용자보호법 시행 +16.7%(모두 유의). 반면 ETF 승인은 −8.3%로 'sell-the-news', 4차 반감기는 −16.2%로 '선반영' 통설과 부합(둘 다 비유의).

COCOMSS 이벤트 스터디 — 이벤트별 CAR·t·유의, SVB 디페깅 CAR/AR 차트

화면 둘러보기 — 검증한다: 크로스에셋 자산배분

주식·금·채권과 코인을 한 바구니에 담아 Markowitz 최적화로 비율을 계산한다. 모든 자산을 KRW로 표시해 환율 왜곡을 없애고, 성향에 따라 크립토 상한을 제한한다. 낮은 상관계수가 만드는 분산효과를 트리맵으로 보여준다.

COCOMSS 크로스에셋 자산배분 — Markowitz 최적화·자산군 트리맵

화면 둘러보기 — 거래소 코어: 매칭 엔진 데모

시세를 '소비'만 하던 서비스에, 거래소 백엔드의 정확성을 직접 구현했다. 가격-시간 우선순위 호가창(CLOB)과 복식부기 원장 — 주문을 넣으면 실시간으로 체결·정산되고, 가치 보존·호가 비교차·잔고 음수 없음이 불변식으로 강제된다(실거래·실자금 없음).

COCOMSS 매칭 엔진 데모 — CLOB 호가창·복식부기 원장·불변식