Quantitative Trading Research App

미국 주식 가격 데이터, 뉴스/공시 텍스트, SEC EDGAR 재무 데이터를 결합해 로컬에서 모델링, 백테스트, walk-forward 검증을 수행하는 멀티모달 퀀트 리서치 앱이다.

이 앱은 투자 조언이나 실거래 시스템이 아니다. v1은 리서치와 검증 전용이며, 최종 매수/매도/관망 신호는 LLM이 아니라 deterministic signal engine이 산출한다.

목표

• OHLCV, 기술지표, 변동성, 모멘텀, SEC 재무지표 수집
• Chronos-2, Granite TTM, LightGBM 계열 모델을 통한 가격/리스크 예측
• FinBERT, FinMA/FinGPT, Ollama 기반 뉴스/공시 분석 adapter
• 가격 feature와 텍스트/SEC feature 결합
• 거래비용, 슬리피지, 리스크 룰을 포함한 백테스트
• walk-forward 및 out-of-sample 검증

기본 흐름

가격/OHLCV/거래량/지표 데이터
        |
시계열 예측 모델 / 전통 ML 모델
        |
수익률·변동성·리스크 예측값

뉴스/공시/실적발표 텍스트
        |
FinBERT / FinGPT / FinMA / 로컬 LLM
        |
감성 점수·이벤트 태그·리스크 요약

두 결과를 feature로 결합
        |
백테스트 + 워크포워드 검증 + 리스크 룰
        |
최종 매수/매도/관망 신호

실행

uv --cache-dir .uv-cache sync --all-extras
uv --cache-dir .uv-cache run streamlit run app.py

테스트:

uv --cache-dir .uv-cache run pytest

로컬 heavy model 추론

기본 실행은 proxy/rules fallback으로 빠르게 동작한다. 기본적으로는 다운로드/캐시 없는 경량 모드로 시작되어 실제 추론을 트리거하지 않는다. 실제 Chronos-2, Granite TTM, FinMA, FinGPT를 쓰려면 optional dependency와 Hugging Face 모델 캐시가 필요하다.

uv --cache-dir .uv-cache sync --all-extras
uv --cache-dir .uv-cache run python scripts/preload_local_models.py --chronos --granite
uv --cache-dir .uv-cache run python scripts/preload_local_models.py --finma --mode download
uv --cache-dir .uv-cache run python scripts/preload_local_models.py --fingpt --mode download --fingpt-profile mt-llama3
uv --cache-dir .uv-cache run python scripts/preload_local_models.py --fingpt --mode verify --fingpt-profile mt-llama3 --fingpt-runtime transformers
uv --cache-dir .uv-cache run python scripts/preload_local_models.py --fingpt --mode download --fingpt-profile forecaster --fingpt-adapter-only

Streamlit 사이드바에서 Time-series inference=local, Filing extractor=finma|fingpt, Use local filing LLM을 켜면 실제 로컬 어댑터를 호출한다. 기본 FinGPT 경로는 rules/keyword이고, 경량 모드는 그대로 유지된다.

FinGPT는 공식 repo의 base model + LoRA adapter 구조를 따른다. mt-llama3 기본 profile은 FinGPT/fingpt-mt_llama3-8b_lora와 meta-llama/Meta-Llama-3-8B를 사용한다. FinGPT base model은 접근 권한과 HF_TOKEN 또는 Hugging Face 로그인 상태가 필요할 수 있다.

Local model settings에는 런타임 전용 경로가 추가되며, mac 기준 기본 런타임은 MLX/llama.cpp 계열 양자화 경로(artifacts/model_cache/...q4...)를 선호한다. verify는 로컬 캐시만 확인하고 모델 가중치를 메모리에 올리지 않는다. 무거운 warmup/추론은 선택적 동작이며, 기본 Allow unquantized Transformers 8B load는 꺼져 있어서 기본 보안 가드를 유지한다. 단일 장비에서 로컬 모델을 동시에 여러 번 적재하지 않도록 FinGPT single-load lock file이 기본으로 준비되어 있다. 7B 계열 모델이 메모리 부족으로 disk offload를 사용할 때는 --offload-folder artifacts/model_offload와 --max-new-tokens로 warmup 비용을 조절한다.

기본 종목군

기본 전략 후보는 대표적인 미국 대형 유동주 30개 종목이다.

AAPL, MSFT, NVDA, AMZN, GOOGL, META, TSLA, JPM, V, MA, UNH, XOM, JNJ, PG, HD, COST, ABBV, BAC, KO, PEP, WMT, AVGO, LLY, MRK, CVX, CRM, AMD, NFLX, ORCL, ADBE

SPY는 기본 벤치마크 데이터로만 포함하며, SPY, QQQ, DIA, IWM 같은 benchmark ETF는 기본 전략 후보에서 제외한다.

문서

• Architecture
• Data Sources
• Data Timestamp Schema
• Modeling
• Risk And Validation
• Git Workflow