🇺🇸 English | 🇨🇳 简体中文 | 🇹🇼 繁體中文 | 🇯🇵 日本語 | 🇰🇷 한국어

QuantDinger

로컬 우선 정량 거래 인프라

🔒 프라이버시 우선 · 🛠️ 셀프 호스팅 · 📊 멀티 마켓

자신만의 거래 인프라 실행: 데이터, 분석, 백테스팅 및 실행.

공식 커뮤니티 · 라이브 데모 · 📺 동영상 데모 · 🌟 참여하기

--- ## 📖 소개 ### QuantDinger란 무엇인가요? QuantDinger는 **로컬 우선, 프라이버시 우선의 정량 거래 인프라**입니다. 완전히 귀하의 머신에서 실행되며, 전략, 거래 데이터 및 API 키를 완전히 제어할 수 있습니다. ### 왜 로컬 우선인가요? 데이터와 전략을 클라우드에 잠그는 SaaS 플랫폼과 달리, QuantDinger는 로컬에서 실행됩니다. 귀하의 전략, 거래 로그, API 키 및 분석 결과는 모두 귀하의 머신에 저장됩니다. 벤더 잠금 없음, 구독료 없음, 데이터 유출 없음. ### 누구를 위한 것인가요? QuantDinger는 다음을 위한 사용자를 위해 구축되었습니다: - 데이터 주권과 프라이버시를 중시하는 트레이더, 연구원 및 엔지니어 - 투명하고 감사 가능한 거래 인프라를 원하는 사람 - 마케팅보다 엔지니어링을 선호하는 사람 - 완전한 워크플로우가 필요한 사람: 데이터, 분석, 백테스팅 및 실행 ### 핵심 기능 QuantDinger는 웹에서 금융 정보를 수집하고, 로컬 시장 데이터와 결합하여 분석 보고서를 생성하는 내장 **LLM 기반 멀티 에이전트 리서치 시스템**을 포함합니다. 이것은 전략 개발, 백테스팅 및 실거래 워크플로우와 통합됩니다. ### 핵심 가치 - **프라이버시 우선**: 모든 전략, 거래 로그 및 API 키는 로컬 SQLite 데이터베이스에 저장됩니다 - **AI 기반 분석**: 시장 분석을 위한 LLM 기반 리서치 에이전트（OpenRouter/LLM） - **멀티 마켓 지원**: 암호화폐, 미국 주식, 중국/홍콩 주식, 외환 및 선물 - **Docker 배포**: Docker Compose를 통한 원클릭 설정 --- ## 📺 동영상 데모

위 동영상을 클릭하여 QuantDinger 프로젝트 소개를 시청하세요

--- ## 📚 문서 - [Python 전략 개발 가이드](docs/STRATEGY_DEV_GUIDE_KO.md) ## 📸 비주얼 투어

📊 전문 퀀트 대시보드

시장 역학, 자산 및 전략 상태에 대한 실시간 모니터링.

🤖 AI 딥 리서치

시장 심리 및 기술적 분석을 위한 멀티 에이전트 협업.

💬 스마트 트레이딩 어시스턴트

즉각적인 시장 통찰력을 위한 자연어 인터페이스.

📈 대화형 지표 분석

드래그 앤 드롭 분석이 가능한 풍부한 기술적 지표 라이브러리.

🐍 Python 전략 생성

AI 지원 전략 코딩이 가능한 내장 에디터.

--- ## ✨ 주요 기능 ### 1. 범용 데이터 엔진 QuantDinger는 여러 시장에 걸친 통합 데이터 인터페이스를 제공합니다: - **암호화폐**: 거래를 위한 직접 API 연결（10개 이상의 거래소）및 시장 데이터를 위한 CCXT 통합（100개 이상의 소스） - **주식**: Yahoo Finance, Finnhub, Tiingo（미국 주식）및 AkShare（중국/홍콩 주식） - **선물/외환**: OANDA 및 주요 선물 데이터 소스 - **프록시 지원**: 제한된 네트워크 환경을 위한 내장 프록시 구성 ### 2. AI 멀티 에이전트 리서치 시스템에는 시장 분석을 위한 멀티 에이전트 워크플로우가 포함되어 있습니다: - **코디네이터 에이전트**: 작업 분해 및 워크플로우 관리 - **리서치 에이전트**: 거시 뉴스 및 이벤트를 위한 웹 검색（Google/Bing） - **시장별 에이전트**: 암호화폐 및 주식에 대한 기술적 분석 및 자금 흐름 분석 - **보고서 생성**: 구조화된 일일/주간 리서치 보고서 ### 2.1 🧠 메모리 증강 에이전트(Memory-Augmented Agents) QuantDinger의 에이전트는 매번 “처음부터” 시작하지 않습니다. 백엔드에는 **로컬 메모리 DB + 리플렉션(검증) 루프**가 내장되어 있어, 과거 경험을 검색해 system prompt에 주입하는 RAG 스타일의 강화가 동작합니다. - **무엇인가**: 경험 검색 기반 프롬프트 강화(모델 파인튜닝/학습이 아님) - **저장 위치**: 로컬 SQLite (`backend_api_python/data/memory/`) #### 흐름도(요청 → 메모리 폐루프) ```mermaid flowchart TB %% ===== 🌐 진입 레이어 ===== subgraph Entry["🌐 API 진입점"] A["📡 POST /api/analysis/multi"] A2["🔄 POST /api/analysis/reflect"] end %% ===== ⚙️ 서비스 레이어 ===== subgraph Service["⚙️ 서비스 오케스트레이션"] B[AnalysisService] C[AgentCoordinator] D["📊 컨텍스트 구성
price · kline · news · indicators"] end %% ===== 🤖 멀티에이전트 워크플로우 ===== subgraph Agents["🤖 멀티에이전트 워크플로우"] subgraph P1["📈 Phase 1 · 다차원 분석（병렬）"] E1["🔍 MarketAnalyst
기술적 분석"] E2["📑 FundamentalAnalyst
펀더멘털"] E3["📰 NewsAnalyst
뉴스"] E4["💭 SentimentAnalyst
심리"] E5["⚠️ RiskAnalyst
리스크 평가"] end subgraph P2["🎯 Phase 2 · 강세/약세 논쟁（병렬）"] F1["🐂 BullResearcher
강세 논거"] F2["🐻 BearResearcher
약세 논거"] end subgraph P3["💹 Phase 3 · 거래 결정"] G["🎰 TraderAgent
종합 판단 → BUY / SELL / HOLD"] end end %% ===== 🧠 메모리 레이어 ===== subgraph Memory["🧠 로컬 SQLite 메모리（data/memory/）"] M1[("market_analyst")] M2[("fundamental")] M3[("news_analyst")] M4[("sentiment")] M5[("risk_analyst")] M6[("bull_researcher")] M7[("bear_researcher")] M8[("trader_agent")] end %% ===== 🔄 리플렉션 루프 ===== subgraph Reflect["🔄 리플렉션 루프（옵션）"] R[ReflectionService] RR[("reflection_records.db")] W["⏰ ReflectionWorker"] end %% ===== 메인 흐름 ===== A --> B --> C --> D D --> P1 --> P2 --> P3 %% ===== 메모리 읽기/쓰기 ===== E1 <-.-> M1 E2 <-.-> M2 E3 <-.-> M3 E4 <-.-> M4 E5 <-.-> M5 F1 <-.-> M6 F2 <-.-> M7 G <-.-> M8 %% ===== 리플렉션 흐름 ===== C --> R --> RR W --> RR W -.->|"검증 + 학습"| M8 A2 -.->|"수동 회고"| M8 ``` #### 검색 랭킹(간략) \[ score = w_{sim}\cdot sim + w_{recency}\cdot recency + w_{returns}\cdot returns\_score \] #### 학습 경로 - **수동 회고(추천)**: `POST /api/analysis/reflect`로 실제 결과(returns/result)를 메모리에 기록 - **자동 검증(옵션)**: `ENABLE_REFLECTION_WORKER=true`, `REFLECTION_WORKER_INTERVAL_SEC`로 주기적 검증→메모리 반영 #### 주요 환경 변수(`.env`) - `ENABLE_AGENT_MEMORY`, `AGENT_MEMORY_TOP_K`, `AGENT_MEMORY_CANDIDATE_LIMIT` - `AGENT_MEMORY_ENABLE_VECTOR`, `AGENT_MEMORY_EMBEDDING_DIM` - `AGENT_MEMORY_HALF_LIFE_DAYS`, `AGENT_MEMORY_W_SIM`, `AGENT_MEMORY_W_RECENCY`, `AGENT_MEMORY_W_RETURNS` - `ENABLE_REFLECTION_WORKER`, `REFLECTION_WORKER_INTERVAL_SEC` ### 3. 전략 런타임 - **스레드 기반 실행기**: 전략 실행을 위한 독립적인 스레드 풀 - **자동 복구**: 시스템 재시작 후 실행 중인 전략 재개 - **주문 대기열**: 주문 실행을 위한 백그라운드 워커 ### 4. 기술 스택 - **백엔드**: Python (Flask) + SQLite + Redis（옵션） - **프론트엔드**: Vue 2 + Ant Design Vue + KlineCharts/ECharts - **배포**: Docker Compose --- ## 🔌 지원되는 거래소 QuantDinger는 실행을 위한 주요 암호화폐 거래소에 대한 직접 API 연결을 지원하며, 광범위한 시장 데이터 커버리지를 위해 CCXT를 사용합니다. ### 직접 API 지원 | 거래소 | 시장 | |:--------:|:---------| | Binance | 현물, 선물, 마진 | | OKX | 현물, 무기한, 옵션 | | Bitget | 현물, 선물, 카피 트레이딩 | ### CCXT를 통해서도 지원 Bybit, Gate.io, Kraken, KuCoin, HTX 및 100개 이상의 기타 거래소가 시장 데이터용으로 지원됩니다. --- ### 다국어 지원 QuantDinger는 포괄적인 국제화를 통해 글로벌 사용자를 위해 구축되었습니다:

모든 UI 요소, 오류 메시지 및 문서는 완벽하게 번역되어 있습니다. 언어는 브라우저 설정에 따라 자동으로 감지되거나 앱에서 수동으로 전환할 수 있습니다. --- ### 지원되는 시장 | 시장 유형 | 데이터 소스 | 거래 | |-------------|--------------|---------| | **암호화폐** | Binance, OKX, Bitget, + 100 거래소 | ✅ 완전 지원 | | **미국 주식** | Yahoo Finance, Finnhub, Tiingo | ✅ 브로커 API 경유 | | **중국/홍콩 주식** | AkShare, East Money | ⚡ 데이터만 | | **외환** | Finnhub, OANDA | ✅ 브로커 API 경유 | | **선물** | 거래소 API, AkShare | ⚡ 데이터만 | --- ### 아키텍처 (현재 레포지토리) ```text ┌─────────────────────────────┐ │ quantdinger_vue │ │ (Vue 2 + Ant Design Vue) │ └──────────────┬──────────────┘ │ HTTP (/api/*) ▼ ┌─────────────────────────────┐ │ backend_api_python │ │ (Flask + 전략 런타임) │ └──────────────┬──────────────┘ │ ├─ SQLite (quantdinger.db) ├─ Redis (옵션 캐시) └─ 데이터 제공자 / LLMs / 거래소 ``` --- ### 레포지토리 구조 ```text . ├─ backend_api_python/ # Flask API + AI + 백테스트 + 전략 런타임 │ ├─ app/ │ ├─ env.example # 로컬 구성을 위해 .env로 복사 │ ├─ requirements.txt │ └─ run.py # 엔트리 포인트 └─ quantdinger_vue/ # Vue 2 UI (개발 서버는 /api를 백엔드로 프록시) ``` --- ## 빠른 시작 ### 옵션 1: Docker 배포 (권장) QuantDinger를 실행하는 가장 빠른 방법입니다. #### 1. 원클릭 시작 **Linux / macOS** ```bash git clone https://github.com/brokermr810/QuantDinger.git && \ cd QuantDinger && \ cp backend_api_python/env.example backend_api_python/.env && \ docker-compose up -d --build ``` **Windows (PowerShell)** ```powershell git clone https://github.com/brokermr810/QuantDinger.git cd QuantDinger Copy-Item backend_api_python\env.example -Destination backend_api_python\.env docker-compose up -d --build ``` #### 2. 접속 및 구성 - **프론트엔드 UI**: http://localhost:8888 - **기본 계정**: `quantdinger` / `123456` > **참고**: AI 기능이나 프로덕션 환경의 보안을 위해, `backend_api_python/.env`를 편집하여( `OPENROUTER_API_KEY` 추가, 비밀번호 변경) `docker-compose restart backend`로 서비스를 재시작하십시오. #### 3. 애플리케이션 액세스 - **프론트엔드 UI**: http://localhost - **백엔드 API**: http://localhost:5000 #### Docker 명령 참조 ```bash # 실행 상태 보기 docker-compose ps # 로그 보기 docker-compose logs -f # 서비스 중지 docker-compose down # 볼륨 중지 및 제거 (경고: 데이터베이스가 삭제됩니다!) docker-compose down -v ``` #### 데이터 지속성 다음 데이터는 호스트에 마운트되며 컨테이너 재시작 후에도 유지됩니다: ```yaml volumes: - ./backend_api_python/logs:/app/logs # 로그 - ./backend_api_python/data:/app/data # 데이터 디렉토리(quantdinger.db 포함) - ./backend_api_python/.env:/app/.env # 구성 파일 ``` --- ### 옵션 2: 로컬 개발 **전제 조건** - Python 3.10+ 권장 - Node.js 16+ 권장 #### 1. 백엔드 시작 (Flask API) ```bash cd backend_api_python pip install -r requirements.txt cp env.example .env # Windows: copy env.example .env python run.py ``` 백엔드는 `http://localhost:5000`에서 사용할 수 있습니다. #### 2. 프론트엔드 시작 (Vue UI) ```bash cd quantdinger_vue npm install npm run serve ``` 프론트엔드 개발 서버는 `http://localhost:8000`에서 실행되며 `/api/*`를 `http://localhost:5000`으로 프록시합니다. --- ### 구성 (.env) `backend_api_python/env.example`을 템플릿으로 사용하십시오. 일반적인 설정은 다음과 같습니다: - **인증**: `SECRET_KEY`, `ADMIN_USER`, `ADMIN_PASSWORD` - **서버**: `PYTHON_API_HOST`, `PYTHON_API_PORT`, `PYTHON_API_DEBUG` - **AI / LLM**: `OPENROUTER_API_KEY`, `OPENROUTER_MODEL` - **웹 검색**: `SEARCH_PROVIDER`, `SEARCH_GOOGLE_*`, `SEARCH_BING_API_KEY` - **프록시 (옵션)**: `PROXY_PORT` 또는 `PROXY_URL` --- ## 🤝 커뮤니티 및 지원 - **기여**: [기여 가이드](CONTRIBUTING.md) · [기여자](CONTRIBUTORS.md) - **Telegram**: [QuantDinger 그룹](https://t.me/quantdinger) - **Discord**: [서버 참여](https://discord.gg/vwJ8zxFh9Q) - **📺 동영상 데모**: [프로젝트 소개](https://youtu.be/HPTVpqL7knM) - **YouTube**: [@quantdinger](https://youtube.com/@quantdinger) - **Email**: [brokermr810@gmail.com](mailto:brokermr810@gmail.com) - **GitHub Issues**: [버그 신고 / 기능 요청](https://github.com/brokermr810/QuantDinger/issues) --- ## 💰 프로젝트 지속 가능성 QuantDinger는 오픈소스이며 무료로 사용할 수 있습니다. 유용하다고 생각되면 다음은 지속적인 개발을 지원하는 방법입니다: ### 직접 기부 **ERC-20 / BEP-20 / Polygon / Arbitrum** ``` 0x96fa4962181bea077f8c7240efe46afbe73641a7 ```

### 거래소 추천 링크 지원되는 거래소에 가입하는 경우, 아래 링크를 사용하면 추천 혜택이 제공되어 프로젝트 지원에 도움이 됩니다. 이는 선택 사항이며 거래 수수료나 계정 기능에 영향을 주지 않습니다. | 거래소 | 추천 링크 | |:--------:|:-------------| | Binance | [추천 링크로 가입](https://www.bmwweb.ac/referral/earn-together/refer2earn-usdc/claim?hl=zh-CN&ref=GRO_28502_9OSOJ) | | OKX | [추천 링크로 가입](https://www.bjwebptyiou.com/join/14449926) | | Bitget | [추천 링크로 가입](https://share.glassgs.com/u/H8XZGS71) | --- ### 상용 서비스 다음 전문 서비스를 제공합니다: | 서비스 | 설명 | |---------|-------------| | **배포 및 설정** | 서버 배포, 구성 및 최적화에 대한 일대일 지원 | | **맞춤형 전략 개발** | 귀하의 특정 요구와 시장에 맞춘 거래 전략 설계 | | **엔터프라이즈 업그레이드** | 상용 라이선스, 우선 지원 및 비즈니스를 위한 고급 기능 | | **교육 및 컨설팅** | 거래 팀을 위한 실전 교육 세션 및 전략 컨설팅 | **관심이 있으십니까?** 다음을 통해 문의하십시오: - 📧 Email: [brokermr810@gmail.com](mailto:brokermr810@gmail.com) - 💬 Telegram: [QuantDinger Group](https://t.me/quantdinger) --- ### 감사의 말 QuantDinger는 Flask, Pandas, CCXT, Vue.js, Ant Design Vue, KlineCharts 등과 같은 훌륭한 오픈 소스 프로젝트의 어깨 위에 서 있습니다. 모든 관리자와 기여자에게 감사드립니다! ❤️