Skip to content

ryujh030820/FinFlow-ui

BranchesTags
 
 

Repository files navigation

FinFlow UI

AI 기반 포트폴리오 리밸런싱 웹 애플리케이션

개요

FinFlow UI는 강화학습 모델을 활용하여 동적 포트폴리오 배분과 성과 예측을 제공하는 웹 애플리케이션이다. finflow-rl 프로젝트에서 학습된 강화학습 모델을 통합하여 실시간 포트폴리오 최적화를 수행한다.

주요 기능

  • 동적 포트폴리오 배분: 강화학습 모델을 통한 실시간 자산 배분 최적화
  • 성과 예측: 백테스트 기반 수익률, 샤프비율, 최대낙폭 등 주요 지표 예측
  • 리스크 관리: 사용자 리스크 성향에 따른 맞춤형 포트폴리오 구성
  • 실시간 분석: 최신 시장 데이터와 기술적 지표를 활용한 분석
  • XAI 분석: 도메인 지식 기반의 휴리스틱 방식으로 포트폴리오 결정 요인 설명
    • 빠른 분석 (5-10초): 실시간 의사결정 지원
    • 정확한 분석 (30초-2분): 상세한 투자 근거 제공

기술 스택

프론트엔드

  • Next.js 15.2.4
  • React 19
  • TypeScript
  • Tailwind CSS
  • shadcn/ui

백엔드 (추론 서버)

  • FastAPI
  • PyTorch
  • pandas, numpy
  • yfinance (시장 데이터)
  • scikit-learn (XAI 분석)

환경 설정

환경 변수 설정

프로젝트는 로컬 개발 환경과 프로덕션 환경을 모두 지원한다.

로컬 개발 환경 (.env.local 파일 생성)

# 백엔드 API 서버 URL
NEXT_PUBLIC_API_BASE_URL=http://localhost:8000

# 환경 구분
NEXT_PUBLIC_ENVIRONMENT=development

프로덕션 환경 (배포 시 환경 변수 설정)

# 백엔드 API 서버 URL
NEXT_PUBLIC_API_BASE_URL=https://api.finflow.reo91004.com

# 환경 구분
NEXT_PUBLIC_ENVIRONMENT=production

백엔드 서버 환경 변수

# CORS 허용 도메인 (쉼표로 구분)
CORS_ORIGINS=http://localhost:3000,http://127.0.0.1:3000

# 프로덕션 환경에서는
CORS_ORIGINS=https://finflow.reo91004.com,https://www.finflow.reo91004.com
ENVIRONMENT=production

설치 및 실행

1. 프론트엔드 설정

# 의존성 설치
npm install

# 환경 변수 파일 생성 (로컬 개발용)
echo "NEXT_PUBLIC_API_BASE_URL=http://localhost:8000" > .env.local
echo "NEXT_PUBLIC_ENVIRONMENT=development" >> .env.local

# 개발 서버 실행
npm run dev

2. 강화학습 모델 추론 서버 설정

# 환경 변수 설정 (로컬 개발용)
export CORS_ORIGINS="http://localhost:3000,http://127.0.0.1:3000"
export ENVIRONMENT="development"

# 추론 서버 시작 (자동으로 가상환경 생성 및 패키지 설치)
./scripts/start_rl_server.sh

또는 수동으로:

cd scripts

# Python 가상환경 생성
python3 -m venv venv
source venv/bin/activate

# 패키지 설치
pip install -r requirements.txt

# 환경 변수 설정
export CORS_ORIGINS="http://localhost:3000,http://127.0.0.1:3000"
export ENVIRONMENT="development"

# 서버 실행
python rl_inference_server.py

3. 프로덕션 배포

프론트엔드 빌드 및 배포

# 환경 변수 설정
export NEXT_PUBLIC_API_BASE_URL=https://api.finflow.reo91004.com
export NEXT_PUBLIC_ENVIRONMENT=production

# 프로덕션 빌드
npm run build

# 프로덕션 서버 실행
npm run start

백엔드 서버 배포

# 환경 변수 설정
export CORS_ORIGINS="https://finflow.reo91004.com,https://www.finflow.reo91004.com"
export ENVIRONMENT="production"

# 서버 실행
python scripts/rl_inference_server.py

4. finflow-rl 프로젝트 연동

  1. finflow-rl 프로젝트를 클론한다:
git clone https://github.com/reo91004/finflow-rl.git

  1. scripts/models 디렉토리에 모델 파일을 넣는다:

    • best_model.pth 파일을 scripts/models 디렉토리에 복사

  2. RL 추론 서버를 실행한다:

    cd scripts
./start_rl_server.sh

사용법

  1. 웹 브라우저에서 접속
    • 로컬: http://localhost:3000
    • 프로덕션: https://finflow.reo91004.com
  2. 투자 금액 입력
  3. "지금 바로 시작하기" 버튼 클릭
  4. AI 분석 완료 후 추천 포트폴리오 확인

API 엔드포인트

POST /api/portfolio

포트폴리오 예측 요청

요청 본문:

{
    "investmentAmount": 1000000
}

응답:

{
    "portfolioAllocation": [
        {
            "stock": "AAPL",
            "percentage": 15,
            "amount": 150000
        }
    ],
    "performanceMetrics": [
        {
            "label": "연간 수익률",
            "portfolio": "16.24%",
            "spy": "0.00%",
            "qqq": "0.00%"
        }
    ],
    "quickMetrics": {
        "annualReturn": "+16.2%",
        "sharpeRatio": "0.92",
        "maxDrawdown": "-18.7%",
        "volatility": "17.9%"
    }
}

POST /api/explain

XAI 분석 결과 요청

요청 본문:

{
    "investmentAmount": 1000000,
    "riskTolerance": "moderate",
    "investmentHorizon": 252,
    "method": "fast" // "fast" 또는 "accurate"
}

응답:

{
    "feature_importance": [
        {
            "feature_name": "Close",
            "importance_score": 0.245,
            "asset_name": "AAPL"
        }
    ],
    "attention_weights": [
        {
            "from_asset": "AAPL",
            "to_asset": "MSFT",
            "weight": 0.23
        }
    ],
    "explanation_text": "AI 포트폴리오 결정 근거..."
}

분석 방식:

  1. 빠른 분석 (fast)

    • 도메인 지식 기반 휴리스틱 방식
    • 5-10초 내 결과 제공
    • 실시간 의사결정에 최적화

  2. 정확한 분석 (accurate)

    • 상세한 특성 중요도 분석
    • 30초-2분 소요
    • 투자 근거에 대한 상세 설명 제공

강화학습 모델 통합

모델 서버 구조

  • 포트: 8000
  • 엔드포인트: /predict
  • 폴백 모드: 모델 로드 실패 시 규칙 기반 예측 제공

지원 기능

  • 실시간 시장 데이터 수집 (yfinance)
  • 기술적 지표 계산 (MACD, RSI, 이동평균)
  • 리스크 성향별 포트폴리오 조정
  • 성과 지표 백테스트

개발 정보

프로젝트 구조

finflow-ui/
├── app/                    # Next.js 앱 라우터
│   ├── api/portfolio/      # 포트폴리오 API
│   ├── page.tsx           # 메인 페이지
│   └── layout.tsx         # 레이아웃
├── components/            # UI 컴포넌트
├── lib/                   # 유틸리티 및 타입
├── scripts/               # 추론 서버 스크립트
│   ├── rl_inference_server.py
│   ├── requirements.txt
│   └── start_rl_server.sh
└── public/               # 정적 파일

환경 변수

현재 환경 변수는 필요하지 않지만, 프로덕션 환경에서는 다음을 고려할 수 있다:

  • RL_SERVER_URL: 추론 서버 URL
  • MARKET_DATA_API_KEY: 시장 데이터 API 키

배포

Vercel 배포

npm run build

추론 서버 배포

Docker를 사용한 배포 예시:

FROM python:3.11-slim
WORKDIR /app
COPY scripts/requirements.txt .
RUN pip install -r requirements.txt
COPY scripts/rl_inference_server.py .
EXPOSE 8000
CMD ["python", "rl_inference_server.py"]

라이선스

이 프로젝트는 MIT 라이선스 하에 배포된다.

기여

  1. Fork the Project
  2. Create your Feature Branch (git checkout -b feature/AmazingFeature)
  3. Commit your Changes (git commit -m 'Add some AmazingFeature')
  4. Push to the Branch (git push origin feature/AmazingFeature)
  5. Open a Pull Request

관련 프로젝트

  • finflow-rl: 강화학습 모델 학습 프로젝트

About

FinFlow :: 강화학습을 통한 주식 포트폴리오 리스크 관리

finflow.reo91004.com

Resources

Readme
Activity

Stars

0 stars

Watchers

0 watching

Forks

0 forks
Report repository

Releases

No releases published

Packages

 
 
 

Contributors

Languages

  • TypeScript 82.9%
  • Python 12.5%
  • Shell 1.6%
  • CSS 1.6%
  • JavaScript 1.4%