거래 혁신: Amazon Bedrock 기반 Jefferies AI 어시스턴트(IND3315)

세션 노트

거래 혁신: Amazon Bedrock 기반 Jefferies AI 어시스턴트

소개

• 프론트 오피스 데이터 문제를 해결하기 위해 AWS에 Trade Assistant 에이전트 구축
• 거래를 위한 대용량 데이터에 접근하고 분석하는 문제를 해결하는 것을 목표로 합니다.
• Jefferies와 AWS 파트너십
• Jefferies: "언제나 고객 우선"을 모토로 60년간 운영된 종합 투자 은행입니다.
• 사명: 고객이 거래, 투자 은행 및 분석에서 최대 잠재력을 달성할 수 있도록 지원합니다.
• AWS 지속적인 혁신을 추진하려면 파트너십이 중요합니다.
• 채권 알고리즘 거래 플랫폼 및 주식 거래 옵션을 포함한 Jefferies의 클라우드 기반 솔루션입니다.
• 생성 및 에이전트 AI를 위한 엔터프라이즈급 AI 플랫폼인 Jeff AI 소개.
• Jeff AI는 스마트 검색, 문서 요약 및 자동화된 워크플로를 지원합니다.

글로벌 알고리즘 제품군 Jefferies

• 투자 은행 Jefferies가 기관 고객에게 제공하는 전자 거래 알고리즘 및 서비스입니다.
• 거래 전략을 자동화하고 고객이 시장 영향을 최소화하면서 효율적으로 대량 주문을 실행할 수 있도록 지원합니다.
• 알고리즘
• VWAP (Volume-Weighted Average Price): 사용자가 정의한 기간 동안 거래량에 따른 평균 시장 가격에 맞춰 거래를 실행하는 전략입니다.
• VOLUME (Volume Participation): 실시간 시장 거래량에 비례하여 시장에 참여하도록 설계된 알고리즘입니다.
• STRIKE (Implementation Shortfall strategy): 원하는 실행 가격(주문 입력 시)과 실제 실행 가격 간의 차이를 최소화하는 데 초점을 맞춘 전략입니다.
• SEEK (스마트 라우팅 유동성 찾기): 밝은(표시된) 거래 장소와 어두운(비표시된) 거래 장소 모두에서 유동성을 검색하는 스마트 주문 라우터입니다.
• MultiScale: 거래자는 실행에 대한 높은 수준의 통제와 시장 변동성에 대한 대응을 허용합니다.
• Trader: 시장 이벤트 및 유동성 상황에 대응하여 향상된 제어 기능과 전략 전환 기능을 제공합니다.
• Panel: 제품군 내에서 제공되는 또 다른 독점 알고리즘입니다.
• Blitz: 속도에 초점을 맞춘 실행 전략입니다.
• DarkSeek: 유동성 다크 풀에 최적화된 SEEK 알고리즘의 특정 버전입니다.
• Finale: 하루 종료 실행 알고리즘일 가능성이 높습니다.
• Opener: 시장 공개 실행 알고리즘일 가능성이 높습니다.
• Pairs: "순 수익률", "비율" 및 "위험 차익"과 같은 변형이 포함된 쌍 거래 전략을 위한 알고리즘입니다.
• Patience: 유리한 시장 상황을 기다리며 덜 공격적인 실행을 위해 설계된 알고리즘입니다.
• Portfolio: 여러 종목으로 구성된 대규모 주문을 효율적으로 실행하도록 설계되었습니다.
• Post: 주요 시장이 마감된 후 거래를 위한 알고리즘일 가능성이 높습니다.
• TWAP (시간 가중 평균 가격): 시장 영향을 최소화하기 위해 특정 기간 동안 균등하게 주문을 실행하는 전략입니다.

Smart Order Router (SOR)

• Jefferies는 Automated Order Processing(AOP) 시스템과 함께 Smart Order Router(SOR)를 사용합니다.
• 최적의 실행을 위해 실시간 시장 데이터, 유동성, 가격을 분석합니다.
• 대량 주문을 분할하여 밝고 어두운 장소에서 동적으로 라우팅합니다.
• 시장 영향을 최소화하고 선호/제외 장소에 대한 고객 통제를 허용합니다.
• 더 나은 일치를 위해 Alternative Trading Systems(ATS)에서 조건부 주문 협상을 활용합니다.
• "최고의 실행"을 달성하기 위한 핵심 전략 Jefferies의 주요 기능 SOR
• 유동성 액세스: 다양한 거래소 및 비표시(어두운) 장소에 연결하여 가장 적합한 가격과 깊이를 찾습니다.
• 동적 라우팅: 시장 상황을 지속적으로 모니터링하고 주문 라우팅을 실시간으로 조정합니다.
• 주문 분할: 시장 영향을 줄이기 위해 여러 장소에서 실행할 수 있도록 대규모 주문을 작은 조각으로 나눕니다.
• 클라이언트 제어: 클라이언트가 선호하거나 제외된 장소를 지정할 수 있습니다.
• 조건부 협상: 잠재적으로 더 나은 단일 가격 채우기를 위해 "조건부 초대"를 사용하여 ATS 플랫폼에서 거래를 협상할 수 있습니다.
• 알고리즘과 통합: Jefferies의 자체 또는 클라이언트 알고리즘과 함께 작동하여 상위 주문을 관리하고 하위 주문을 효율적으로 라우팅합니다. Jefferies의 SOR 문서.
• https://www.jefferies.com/wp-content/uploads/sites/4/2023/12/SMBC_SNET_SORDP_E N_v3.0.1_ncfd.pdf 클라이언트 작동 방식
• 주문 항목: 클라이언트는 AOP 필터를 통해 주문을 보냅니다.
• SOR 분석: SOR는 시장 깊이, 유동성, 가격 및 변동성을 분석합니다.
• 최적의 실행: 가능한 최상의 결과를 위해 주문 세그먼트를 최상의 장소(밝거나 어두운)로 라우팅하며 종종 대량 주문을 분할합니다.
• 통합 보고서: 결과가 통합되어 클라이언트에 단일 통합 실행을 표시합니다.
• 투명성: 고객은 자신의 주문이 어떻게 처리되는지 확인할 수 있으며 조건부 협상과 같은 특정 기능을 선택 해제할 수 있습니다.

단일 가격 채우기

• 거래소에서 사용하는 단일 가격 방식(또는 콜 경매)으로 알려진 특정 유형의 거래 메커니즘으로,
• 특정 가격으로 완전한 실행을 요구하는 Fill 또는 Kill(FOK) 주문과 같은 주문 유형의 결과입니다.
• 단일가격 방식(호출경매)
• 단일 가격 방식은 일부 증권 거래소에서 종종 시장 개장 또는 마감 세션 동안 또는 기업공개(IPO)와 같은 특정 이벤트에 사용되는 거래 메커니즘입니다.
• 작동 방식:
• 모든 매수 및 매도 주문은 정해진 기간 동안 수집됩니다. 지정된 시간에 최대 거래 가능한 주식 수를 허용하는 단일 "청산 가격"이 결정됩니다.
• 목적:
• 이 방법은 가격 변동성을 줄이는 데 도움이 되며 가능한 최대 주문량이 공정하고 균일한 가격으로 실행되도록 보장하여 주문 규모에 관계없이 모든 참가자에게 공평한 경쟁의 장을 조성합니다.
• 특정 주문 유형에 대한 단일 가격 채우기
• "단일 가격 채우기"는 전체 주문이 하나의 특정 가격 지점에서 실행되도록 고안된 특정 주문 조건의 결과입니다.
• 채우기 또는 종료(FOK) 주문:
• Fill 또는 Kill 주문은 주문의 전체 수량을 지정된 제한 가격 이상으로 즉시 완전하게 일치시켜야 함을 지정합니다. 그렇지 않으면 전체 주문이 자동으로 취소됩니다.
• 이점:
• 이는 대규모 주식 블록이 알려진 단일 가격으로 거래되도록 보장하여 시장 혼란을 최소화하고 변동성이 큰 시장에서 잠재적으로 불리한 가격으로 부분 채우기를 방지합니다.

비즈니스 사용자 참여를 위해 GenAI 배포

• 거래 패턴 및 시장 유동성에 대한 AI-기반 통찰력을 거래자에게 제공하기 위해 챗봇을 사용합니다.
• 분석가와 개발자의 작업량을 줄이는 것을 목표로 하세요.
• AWS Jefferies의 기술 파트너이자 혁신 촉매제입니다.
• 무역지원 시스템
• 방대하고 단편화된 데이터로 인해 실시간 통찰력에 접근하기가 어렵습니다.
• 통찰력을 위한 엔드투엔드 가시성과 데이터 통합이 필요합니다.
• 거래자는 필요한 시스템을 생성하고 유지하는 데 시간과 코딩 기술이 부족합니다.
• 솔루션: Trade Assistant를 사용하여 장벽을 줄이고 GenAI를 통해 실시간 대화 분석을 제공합니다.
• 솔루션 기능 및 아키텍처
• 주요 설계 동인으로서 사용 편의성과 통찰력에 대한 빠른 액세스.
• 거래자 쿼리는 LLM(Titan embeddings model)에서 처리되어 SQL 쿼리를 생성합니다.
• 다양한 형식(텍스트, 표, 차트)으로 쿼리된 데이터와 답변이 제공됩니다.
• 데이터 통찰력을 탐색하기 위한 대화형 분석 인터페이스입니다.
• 관련 통찰력 및 제안을 위한 대화 컨텍스트를 유지 관리합니다.
• 최소한의 코드로 AI 에이전트를 구축하고 실행하려면 Strands agents를 사용하세요.
• 시스템이 발전함에 따라 Amazon Bedrock을 통해 다양한 LLM을 선택할 수 있는 유연성.
• 고급 보안 가드레일 및 행 수준 데이터 권한.
• 민감한 데이터에 대한 무단 액세스를 방지하는 지능형 액세스 제어입니다.
• 규정 준수를 위한 감사 추적과 함께 모든 대화를 로깅합니다.

아키텍처 개요

연결 설정

• 무역 도우미는 AWS Direct Connect를 통해 Jefferies의 온프레미스 비즈니스 인텔리전스 플랫폼인 GFM에 연결됩니다. 이를 통해 안전하고 빠른 연결이 보장됩니다.
• 사용자 인증:
• 거래자가 GFM에 로그인하면 자격 증명이 확인되어 올바른 자격이 있는지 확인하고 승인된 데이터에만 액세스할 수 있습니다.
• AWS EKS (Elastic Kubernetes Service)는 사용자 인증 및 사용자 세션 생성을 위한 서비스를 구축하는 데 사용됩니다.
• 사용자 세션 및 쿼리 에이전트 호출:
• 인증되면 요청은 사용자 세션을 설정하고 쿼리 에이전트를 호출하는 봇 서비스로 라우팅됩니다.
• 쿼리 에이전트는 거래자의 질문에 답할 수 있는 최상의 데이터 소스를 결정하기 위해 여러 도구와 상호 작용하는 Strands agent입니다.
• 쿼리 계획 및 실행:
• Strands agent는 Titan embeddings model의 고급 추론 기능을 사용하여 쿼리 단계를 계획하고 실행합니다.
• Amazon Bedrock 지식 베이스는 벡터 저장소로 사용됩니다.
• SQL 쿼리 생성 및 실행:
• "오늘 US 거래에 대한 부문별 분석을 알려주세요."
• 쿼리 에이전트는 올바른 데이터 소스를 식별하고 SQL 쿼리를 생성합니다.
• 쿼리 실행기 서비스는 즉각적인 데이터 검색을 위한 메모리 내 데이터 그리드인 GridGain에서 호스팅되는 관련 데이터 소스에 대해 SQL 쿼리를 실행합니다.
• 데이터 시각화:
• LLM(대형 언어 모델)는 데이터에 적합한 시각화를 선택합니다.
• Python 라이브러리는 원시 데이터를 시각적 스토리, 차트, 표 및 통찰력으로 변환한 다음 markdown UI 라이브러리를 사용하여 화면에 표시합니다.

거래자에게 미치는 영향

• 단순화된 경험: 풍부한 시각화와 결합된 대화형 분석은 트레이더들로부터 호평을 받았습니다.
• 실시간 데이터 액세스: 거래자는 부문 분석, 거래 데이터 및 기타 통찰력을 실시간으로 빠르게 얻을 수 있습니다.
• 직관적인 인터페이스: UI 위젯을 사용하면 거래자는 거래 도우미와 자연스럽게 상호 작용하여 일반 언어로 질문을 입력할 수 있습니다.

Jefferies를 위한 다음 단계

• 향상된 기능: 더욱 정확하고 관련성이 높은 통찰력을 제공하기 위해 Strands agent 및 기본 모델의 기능을 지속적으로 개선합니다.
• 확장된 데이터 소스: 추가 데이터 소스를 통합하여 거래 환경에 대한 보다 포괄적인 보기를 제공합니다.
• 사용자 환경 개선: UI를 더욱 개선하여 더욱 직관적이고 사용자 친화적으로 만듭니다.
• 확장성: 증가하는 사용자 수와 증가하는 데이터 볼륨을 수용할 수 있도록 플랫폼을 확장할 수 있는지 확인합니다.

베타 출시에서 관찰된 이점

시간 절약

• 80% 일상적인 분석 작업에 소요되는 시간이 단축됩니다.
• 시간절약으로 인한 수익창출능력 증대.
• 높은 채택률:
• 솔루션 효율성 및 사용자 만족도를 나타냅니다.
• 기술 부담 감소:
• 여러 프로토타입 및 트레이딩 데스크에서 사용자 정의 대시보드에 대한 필요성이 감소했습니다.
• 셀프 서비스 기능은 기술 리소스에 대한 의존도를 줄여줍니다.
• 민주화된 데이터 액세스:
• 비즈니스 사용자는 자연어를 사용하여 수백만 건의 주식 거래 데이터 레코드를 쿼리할 수 있습니다.
• 거래 패턴 및 시장 기회를 실시간으로 발견합니다.
• 미래 지향적 아키텍처:
• 스스로 학습하고 지속적으로 개선합니다.
• 기존 BI 플랫폼 및 인프라와 쉽게 통합됩니다.

향후 계획

글로벌 출시 전략

• 다중 상품 확장: 주식을 넘어 거래 지원을 확장하여 다양한 프로토타입과 트레이딩 데스크를 지원합니다.
• 글로벌 배포: 국제 거래 운영에도 효율성 개선 효과를 제공합니다.
• 향상된 거버넌스: 규제 요구 사항을 충족하기 위해 관찰 가능성 및 감사 추적 기능을 강화합니다.
• 고급 코드 생성:
• 더 나은 사용자 경험을 위해 UI 기반 Java 도구에서 정교한 LLM 기반 코드 생성으로 전환합니다.
• 범용 AI API:
• 솔루션을 다른 비즈니스 영역 전반에 걸쳐 전사적으로 사용할 수 있는 일반 API로 전환하는 것을 목표로 합니다.

주요 학습 내용

시각화를 위해 LLM를 피하세요.

• 환각의 위험이 있으므로 시각화를 생성하기 위해 LLM에 의존하지 마십시오.
• Python 라이브러리(예: markdown)를 사용하여 환각을 더 잘 제어하고 최소화하기 위한 시각화를 생성합니다.
• 빠른 데이터 저장소 사용:
• 인메모리 데이터베이스를 활용하여 결과 출력 속도를 극대화합니다. Python과 LLM 상호 작용을 빌드합니다.
• LLM 상호 작용을 구축할 때 유연성을 위해 Python을 사용하고, 다른 구성 요소는 기존 코드를 포팅하기 위해 Java에 있을 수 있습니다.

결론

• Trade Assistant는 베타 출시에서 시간 절약, 높은 채택률, 기술 부담 감소 등 상당한 이점을 보여주었습니다.
• 주요 학습 내용은 시각화를 위해 LLM를 피하고, 빠른 데이터 저장소를 사용하고, Python과 LLM 상호 작용을 구축하는 것의 중요성을 강조합니다.