한국과 미국 주식 시장 데이터를 수집하고 임베딩하여 RAG(Retrieval-Augmented Generation) 기반 분석 및 투자 추천을 제공하는 시스템입니다.
- 주식 시장 데이터 수집: 한국과 미국 주식 시장의 실시간 및 과거 데이터 수집
- RAG 기반 분석: 수집된 데이터를 임베딩하여 검색 가능한 형태로 저장하고, AI를 활용한 분석 제공
- AI 통합: OpenAI, Mistral, Gemini API 또는 로컬 AI 모델과 연동 가능
- 모의 투자: AI가 분석한 결과를 바탕으로 $100부터 시작하는 모의 투자 기능
- 성과 추적: 일별 투자 성과 추적 및 보고서 생성
- 다중 인터페이스: 웹 UI 및 텔레그램 봇을 통한 접근 가능
- Neo4j 데이터베이스: 그래프 데이터베이스를 활용한 효율적인 데이터 저장 및 검색
시스템은 다음과 같은 주요 컴포넌트로 구성되어 있습니다:
- 백엔드 서비스: FastAPI 기반 RESTful API 서버
- 프론트엔드: React 기반 웹 인터페이스
- 텔레그램 봇: Node.js 기반 텔레그램 봇 서비스
- Neo4j 데이터베이스: 그래프 데이터베이스
- Docker 컨테이너: 모든 서비스를 컨테이너화하여 쉬운 배포 지원
- Docker 및 Docker Compose v2 (
docker-ce,docker-ce-cli,containerd.io,docker-buildx-plugin,docker-compose-plugin) - Debian Bookworm 기반 LXC 또는 호환 가능한 Linux 환경
- 인터넷 연결 (주식 데이터 수집 및 AI API 접근용)
- (선택 사항) 로컬 AI 모델 서버 (Ollama, LM Studio 등)
git clone https://github.com/yourusername/stock_ai_system.git
cd stock_ai_system# .env 파일 편집
nano .env# Docker Compose로 서비스 시작
docker compose up -d- 웹 UI: http://localhost:3000
- API 문서: http://localhost:8000/docs
- Neo4j 브라우저: http://localhost:7474 (기본 사용자: neo4j, 비밀번호: password)
# 백엔드 디렉토리로 이동
cd backend
# 가상 환경 생성 및 활성화
python -m venv venv
source venv/bin/activate # Windows: venv\Scripts\activate
# 의존성 설치
pip install -r requirements.txt
# 개발 서버 실행
python run.py# 프론트엔드 디렉토리로 이동
cd frontend
# 의존성 설치
npm install
# 개발 서버 실행
npm start이 시스템은 다양한 AI 서비스와 연동할 수 있습니다:
- OpenAI API: OpenAI 웹사이트에서 API 키 발급
- Mistral API: Mistral 웹사이트에서 API 키 발급
- Gemini API: Google AI Studio에서 API 키 발급
- 로컬 AI: Ollama, LM Studio 등의 로컬 AI 서버 엔드포인트 설정
발급받은 API 키는 웹 UI의 설정 페이지 또는 .env 파일에 설정할 수 있습니다.
- 웹 브라우저에서 http://localhost:80 접속
- 설정 페이지에서 API 키 및 기본 설정 구성
- 대시보드에서 시장 개요 및 추천 종목 확인
- 모의 투자 페이지에서 AI 기반 투자 결정 및 성과 추적
이 프로젝트는 MIT 라이선스 하에 배포됩니다. 자세한 내용은 LICENSE 파일을 참조하세요.
이 프로젝트는 교육 목적으로만 제공됩니다. 실제 투자 결정에 사용하지 마세요. 모든 투자에는 위험이 따르며, 과거의 성과가 미래의 결과를 보장하지 않습니다.