많은 사람들이 AI 트레이딩 봇이라고 하면 복잡한 딥러닝 모델이 미래 가격을 신들린 듯 예측하여 막대한 시세 차익을 남기는 모습을 떠올립니다. 하지만 실전 정량 거래(Quantitative Trading)의 세계, 특히 탈중앙화 거래소(DEX)의 온체인 마켓 메이킹 환경에서는 완전히 다른 현실이 펼쳐집니다.
수수료가 높고 지연 시간이 긴 환경에서는 아무리 훌륭한 예측 모델이 있어도 가스비와 슬리피지 때문에 계좌가 서서히 녹아내립니다. 반면 300ms 블록 타임과 10,000 TPS를 지원하는 초고속 EVM 레이어1 Monad 환경에서는 “예측 정확도” 보다 “300ms마다 안정적으로 주문을 취소하고 다시 까는 인프라 파이프라인” 이 트레이딩 수익률의 9할 이상을 결정합니다.
Jarrod Watts가 공개한 오픈소스 jev-trader (jarrodwatts/jev-trader) 는 바로 이 철학을 극단적으로 증명하는 프로젝트입니다. Monad 생태계의 중앙화 오더북 DEX인 Kuru DEX 위에서, 초경량 경량화 의사결정 모델인 Jev 를 결합해 초 단위로 양방향 지정가 유동성을 공급하는 메이커 봇의 구조를 깊이 있게 살펴봅니다.
Sources
1. Monad 300ms 블록 환경과 Kuru DEX의 파이프라인
기존 이더리움 메인넷(12초)이나 L2(1~2초) 환경에서는 블록 확정 시간이 길어 온체인 오더북(CLOB)을 구현하기 어려웠고, 대부분 AMM(Uniswap 계열) 유동성 풀 방식을 채택했습니다. 하지만 Monad는 비동기 실행(Asynchronous Execution)과 모나드 BFT 합의 알고리즘을 통해 300ms 블록 타임 과 초당 1만 건 이상의 처리량을 제공합니다.
Kuru DEX는 이 초고속 인프라를 활용해 오프체인 매칭 엔진 없이 100% 온체인 오더북 을 구현했습니다. jev-trader는 이 환경에서 유동성을 공급하고 스프레드를 획득하는 마켓 메이킹 전략을 수행합니다.
flowchart TD
classDef initNode fill:#c5dcef,stroke:#2b6cb0,stroke-width:1.5px,color:#333;
classDef modelNode fill:#e0c8ef,stroke:#6b46c1,stroke-width:1.5px,color:#333;
classDef alertNode fill:#ffc8c4,stroke:#c53030,stroke-width:1.5px,color:#333;
classDef execNode fill:#c0ecd3,stroke:#38a169,stroke-width:1.5px,color:#333;
Monad["1. Monad RPC 블록 이벤트 수신
(300ms 주기 Websocket 스트림)"] --> Read["2. Kuru 오더북 L2 깊이 및
미체결 주문 스캔"]
Read --> Feature["3. 특성 벡터 생성
(Order Book Imbalance, 마이크로 변동성)"]
Feature --> Jev["4. 경량 Jev 모델 단일 토큰 추론
(스프레드 틱 크기 및 수량 오프셋 결정)"]
Jev --> Cancel["5. 기존 미체결 주문 일괄 취소 트랜잭션
(Cancel Orders)"]
Cancel --> PostOnly["6. 신규 양방향 Post-Only 지정가 제출
(Maker 수수료 리베이트 확보)"]
PostOnly --> NextBlock["7. 300ms 뒤 다음 블록 진입
(반복 루프 유지)"]
class Monad,Read initNode;
class Feature,Jev modelNode;
class Cancel alertNode;
class PostOnly,NextBlock execNode;2. 왜 거대 언어 모델(LLM)이 아닌 경량 Jev 모델인가?
전통적인 LLM(Claude 3.5 Sonnet, GPT-4o 등)은 추론 지연 시간만 1,000ms~3,000ms에 달합니다. 300ms마다 새로운 블록이 확정되는 환경에서 2초 뒤에 나온 예측값은 이미 과거의 유물일 뿐이며, 그 사이에 가격이 튀어 주문이 불리한 가격에 체결(Adverse Selection)되어 손실을 입게 됩니다.
jev-trader는 다음과 같은 설계 원칙을 적용했습니다:
-
초저지연 결정론적 의사결정:
- 모델 추론 시간이 10~20ms 이내로 끝나야 합니다.
- 불필요한 장문의 사고 과정(CoT)을 배제하고, 현재 오더북 불균형(Order Book Imbalance)과 최근 체결 틱을 인코딩한 뒤 매수·매도 오프셋만 즉시 출력합니다.
-
Post-Only 보장 메커니즘:
- 시장가로 긁는 테이커(Taker) 주문을 일절 내지 않습니다.
- 오직 유동성을 채워 넣는
Post-Only옵션만 사용하여 항상 메이커 리베이트를 수취하거나 수수료를 0%로 유지합니다.
-
취소-배치 트랜잭션(Batch Replacement):
- 주문 취소와 신규 주문 생성을 별도의 RPC 호출로 쪼개지 않고 단일 원자적 배치 호출로 묶어 트랜잭션 오버헤드를 최소화합니다.
3. 핵심 아키텍처 및 코드 패턴
봇의 핵심 루프는 Node.js / TypeScript 환경에서 ethers.js 또는 viem을 통해 Monad RPC와 긴밀하게 연동됩니다.
// jev-trader 핵심 오더북 리프레시 루프 예시
async function executeMarketMakingCycle(market: KuruMarket, model: JevDecisionEngine) {
// 1. 현재 온체인 L2 오더북 스냅샷 확보
const orderbook = await market.getOrderBookSnapshot();
const currentSpread = orderbook.bestAsk - orderbook.bestBid;
// 2. 모델에게 입력할 오더북 불균형(OBI) 지표 산출
const obi = (orderbook.bidVolume - orderbook.askVolume) / (orderbook.bidVolume + orderbook.askVolume);
// 3. Jev 모델의 실시간 오프셋 판독 (15ms 이내)
const decision = await model.evaluateSpread({
midPrice: (orderbook.bestAsk + orderbook.bestBid) / 2n,
imbalance: obi,
volatilityWindow: market.getRecentTickDelta()
});
// 4. 안전 마진 검증 (스프레드가 역전되지 않도록 강제)
if (decision.targetBid >= decision.targetAsk) {
console.warn("스프레드 역전 감지: 주문 스킵");
return;
}
// 5. 원자적 취소 및 신규 주문 제출 (Monad 300ms 블록 동기화)
await market.replaceBatchOrders({
cancelOrderIds: market.getActiveOrderIds(),
newOrders: [
{ side: 'BUY', price: decision.targetBid, size: decision.bidSize, postOnly: true },
{ side: 'SELL', price: decision.targetAsk, size: decision.askSize, postOnly: true }
]
});
}
4. 실전에서 배운 교훈: 예측력보다 실행 인프라
jev-trader 프로젝트가 입증한 교훈은 명확합니다:
- 알고리즘의 천재성보다 네트워크와의 거리(Latency)가 우선한다: RPC 노드와의 레이턴시가 50ms 증가하면 모델의 예측력이 아무리 뛰어나도 프론트러닝(MEV) 봇들의 먹잇감이 됩니다.
- 예측과 실행의 분리: 머신러닝 모델은 어디까지나 “스프레드를 평소보다 몇 틱 벌릴 것인가"라는 거시적 위험 관리 파라미터만 조정하고, 실제 체결과 취소는 엄격한 규칙 기반 인프라 엔진이 전담해야 시스템이 폭주하지 않습니다.
- 차세대 EVM 생태계의 기회: Monad와 같이 처리 속도가 웹2 수준으로 올라간 체인에서는 기존 금융권의 HFT(고빈도 거래) 알고리즘과 초경량 온디바이스 AI의 결합이 새로운 격전지가 될 것입니다.