334 lines
12 KiB
Python
334 lines
12 KiB
Python
import httpx
|
|
from config import settings
|
|
from typing import Dict, Any, List
|
|
import json
|
|
import logging
|
|
|
|
logger = logging.getLogger(__name__)
|
|
|
|
|
|
class PerplexityClient:
|
|
"""Perplexity AI 클라이언트"""
|
|
|
|
def __init__(self):
|
|
self.api_key = settings.PERPLEXITY_API_KEY
|
|
self.model = settings.PERPLEXITY_MODEL
|
|
self.base_url = "https://api.perplexity.ai"
|
|
|
|
async def analyze(
|
|
self,
|
|
system_prompt: str,
|
|
user_message: str
|
|
) -> Dict[str, Any]:
|
|
"""Perplexity를 통한 분석 실행"""
|
|
try:
|
|
# API 키 검증
|
|
if not self.api_key or not self.api_key.startswith("pplx-"):
|
|
logger.warning("Invalid Perplexity API key format. Using mock response.")
|
|
return self._mock_response(user_message)
|
|
|
|
async with httpx.AsyncClient() as client:
|
|
response = await client.post(
|
|
f"{self.base_url}/chat/completions",
|
|
headers={
|
|
"Authorization": f"Bearer {self.api_key}",
|
|
"Content-Type": "application/json"
|
|
},
|
|
json={
|
|
"model": self.model,
|
|
"messages": [
|
|
{"role": "system", "content": system_prompt},
|
|
{"role": "user", "content": user_message}
|
|
],
|
|
"max_tokens": settings.MAX_TOKENS,
|
|
"temperature": settings.TEMPERATURE,
|
|
"top_p": 0.9,
|
|
"stream": False
|
|
},
|
|
timeout=30.0
|
|
)
|
|
|
|
response.raise_for_status()
|
|
result = response.json()
|
|
|
|
# 응답 파싱
|
|
content = result.get("choices", [{}])[0].get("message", {}).get("content", "")
|
|
|
|
return {
|
|
"content": [{"type": "text", "text": content}],
|
|
"usage": result.get("usage", {})
|
|
}
|
|
|
|
except Exception as e:
|
|
logger.error(f"Perplexity analysis error: {e}")
|
|
logger.warning("Using mock response due to API error")
|
|
return self._mock_response(user_message)
|
|
|
|
def _mock_response(self, user_message: str) -> Dict[str, Any]:
|
|
"""Mock 응답 생성 (API 키 없을 때)"""
|
|
# 분석 타입 감지
|
|
if "적정" in user_message and "가격" in user_message:
|
|
mock_text = """{
|
|
"buy_prices": {
|
|
"aggressive": 50000,
|
|
"neutral": 52000,
|
|
"conservative": 54000
|
|
},
|
|
"sell_prices": {
|
|
"target1": 56000,
|
|
"target2": 58000,
|
|
"target3": 60000
|
|
},
|
|
"stop_loss": 48000,
|
|
"strategy": "기술적 분석: 현재 이동평균선 정배열 상태로 상승 추세 지속 중. 지지선 48,000원 유지 시 56,000원까지 상승 가능. 거래량 증가 시 추가 상승 기대.",
|
|
"confidence": 0.75
|
|
}"""
|
|
elif "시장" in user_message and "분석" in user_message:
|
|
mock_text = """{
|
|
"trend": "UPTREND",
|
|
"sentiment": "POSITIVE",
|
|
"recommendation": "BUY",
|
|
"confidence": 0.7,
|
|
"analysis": "기술적 분석 결과 상승 추세 지속 중. 거래량 증가와 함께 매수세 강화. 단기 목표가 달성 가능성 높음."
|
|
}"""
|
|
elif "규칙" in user_message or "검증" in user_message:
|
|
mock_text = """{
|
|
"decision": "BUY",
|
|
"confidence": 0.75,
|
|
"analysis": "현재 시장 상황이 규칙 조건을 만족. 이동평균선 정배열 및 거래량 증가 확인됨. 매수 시점 적절."
|
|
}"""
|
|
elif "리스크" in user_message:
|
|
mock_text = """{
|
|
"risk_level": "MEDIUM",
|
|
"approval": "APPROVED",
|
|
"confidence": 0.7,
|
|
"analysis": "포트폴리오 분산 적절. 투자 금액 비중 관리 필요. 손절가 설정 권장."
|
|
}"""
|
|
else:
|
|
mock_text = """{
|
|
"analysis": "Mock AI 분석 결과",
|
|
"confidence": 0.6
|
|
}"""
|
|
|
|
return {
|
|
"content": [{"type": "text", "text": mock_text}],
|
|
"usage": {"input_tokens": 0, "output_tokens": 0}
|
|
}
|
|
|
|
async def validate_trading_rule(
|
|
self,
|
|
rule: Dict[str, Any],
|
|
market_data: Dict[str, Any]
|
|
) -> Dict[str, Any]:
|
|
"""트레이딩 규칙 검증"""
|
|
system_prompt = """당신은 주식 트레이딩 규칙을 분석하고 검증하는 전문가입니다.
|
|
주어진 규칙과 시장 데이터를 분석하여 다음을 제공하세요:
|
|
1. 규칙이 현재 시장 상황에 적합한지 여부
|
|
2. 실행 가능성 (0-1 사이의 점수)
|
|
3. 리스크 평가
|
|
4. 추천 사항
|
|
|
|
JSON 형식으로 응답하세요."""
|
|
|
|
user_message = f"""
|
|
트레이딩 규칙:
|
|
{json.dumps(rule, ensure_ascii=False, indent=2)}
|
|
|
|
시장 데이터:
|
|
{json.dumps(market_data, ensure_ascii=False, indent=2)}
|
|
|
|
이 규칙이 현재 시장 상황에서 실행되어야 하는지 분석해주세요.
|
|
"""
|
|
|
|
response = await self.analyze(system_prompt, user_message)
|
|
|
|
# 텍스트 응답 파싱
|
|
for content in response["content"]:
|
|
if content["type"] == "text":
|
|
try:
|
|
# JSON 응답 파싱 시도
|
|
return json.loads(content["text"])
|
|
except json.JSONDecodeError:
|
|
# JSON이 아닌 경우 기본 구조로 반환
|
|
return {
|
|
"decision": "HOLD",
|
|
"confidence": 0.5,
|
|
"analysis": content["text"]
|
|
}
|
|
|
|
return {
|
|
"decision": "HOLD",
|
|
"confidence": 0.0,
|
|
"analysis": "분석 실패"
|
|
}
|
|
|
|
async def analyze_market(
|
|
self,
|
|
stock_code: str,
|
|
market_data: Dict[str, Any],
|
|
news: List[Dict[str, Any]] = None
|
|
) -> Dict[str, Any]:
|
|
"""시장 분석"""
|
|
system_prompt = """당신은 주식 시장 분석 전문가입니다.
|
|
주어진 시장 데이터와 뉴스를 분석하여 다음을 제공하세요:
|
|
1. 시장 트렌드 (상승/하락/횡보)
|
|
2. 주요 기술적 지표 분석
|
|
3. 뉴스 센티먼트 (긍정/부정/중립)
|
|
4. 투자 추천 (매수/매도/보유)
|
|
5. 신뢰도 (0-1)
|
|
|
|
JSON 형식으로 응답하세요."""
|
|
|
|
news_text = ""
|
|
if news:
|
|
news_text = "\n\n최근 뉴스:\n" + "\n".join([
|
|
f"- {item.get('title', '')}: {item.get('content', '')[:200]}"
|
|
for item in news[:5]
|
|
])
|
|
|
|
user_message = f"""
|
|
종목 코드: {stock_code}
|
|
|
|
시장 데이터:
|
|
{json.dumps(market_data, ensure_ascii=False, indent=2)}
|
|
{news_text}
|
|
|
|
이 종목에 대한 종합적인 시장 분석을 제공해주세요.
|
|
"""
|
|
|
|
response = await self.analyze(system_prompt, user_message)
|
|
|
|
for content in response["content"]:
|
|
if content["type"] == "text":
|
|
try:
|
|
return json.loads(content["text"])
|
|
except json.JSONDecodeError:
|
|
return {
|
|
"trend": "SIDEWAYS",
|
|
"sentiment": "NEUTRAL",
|
|
"recommendation": "HOLD",
|
|
"confidence": 0.5,
|
|
"analysis": content["text"]
|
|
}
|
|
|
|
return {
|
|
"trend": "UNKNOWN",
|
|
"sentiment": "NEUTRAL",
|
|
"recommendation": "HOLD",
|
|
"confidence": 0.0
|
|
}
|
|
|
|
async def calculate_fair_price(
|
|
self,
|
|
stock_code: str,
|
|
market_data: Dict[str, Any],
|
|
financial_data: Dict[str, Any] = None
|
|
) -> Dict[str, Any]:
|
|
"""AI 기반 적정 매수/매도 가격 산출"""
|
|
system_prompt = """당신은 주식 가치 평가 및 가격 전략 전문가입니다.
|
|
기술적 분석과 시장 데이터를 기반으로 다음을 제공하세요:
|
|
1. 적정 매수 가격 (공격적, 중립적, 보수적)
|
|
2. 적정 매도 가격 (목표가 1, 2, 3)
|
|
3. 손절가
|
|
4. 근거 및 전략
|
|
5. 신뢰도 (0-1)
|
|
|
|
JSON 형식으로 응답하세요. 예시:
|
|
{
|
|
"buy_prices": {
|
|
"aggressive": 100000,
|
|
"neutral": 105000,
|
|
"conservative": 110000
|
|
},
|
|
"sell_prices": {
|
|
"target1": 120000,
|
|
"target2": 130000,
|
|
"target3": 140000
|
|
},
|
|
"stop_loss": 95000,
|
|
"strategy": "기술적 분석 기반 설명...",
|
|
"confidence": 0.75
|
|
}"""
|
|
|
|
user_message = f"""
|
|
종목 코드: {stock_code}
|
|
|
|
시장 데이터:
|
|
- 현재가: {market_data.get('current_price')}
|
|
- 고가: {market_data.get('high_price')}
|
|
- 저가: {market_data.get('low_price')}
|
|
- 거래량: {market_data.get('volume')}
|
|
- 기술적 지표: {json.dumps(market_data.get('indicators', {}), ensure_ascii=False)}
|
|
|
|
이 종목의 적정 매수/매도 가격과 전략을 제시해주세요.
|
|
"""
|
|
|
|
response = await self.analyze(system_prompt, user_message)
|
|
|
|
for content in response["content"]:
|
|
if content["type"] == "text":
|
|
try:
|
|
return json.loads(content["text"])
|
|
except json.JSONDecodeError:
|
|
return {
|
|
"buy_prices": {"neutral": market_data.get('current_price', 0)},
|
|
"sell_prices": {"target1": market_data.get('current_price', 0) * 1.05},
|
|
"stop_loss": market_data.get('current_price', 0) * 0.97,
|
|
"strategy": content["text"],
|
|
"confidence": 0.5
|
|
}
|
|
|
|
return {
|
|
"error": "분석 실패",
|
|
"confidence": 0.0
|
|
}
|
|
|
|
async def assess_risk(
|
|
self,
|
|
portfolio: Dict[str, Any],
|
|
trade_plan: Dict[str, Any]
|
|
) -> Dict[str, Any]:
|
|
"""리스크 평가"""
|
|
system_prompt = """당신은 투자 리스크 관리 전문가입니다.
|
|
현재 포트폴리오와 계획된 거래를 분석하여 다음을 제공하세요:
|
|
1. 리스크 레벨 (LOW/MEDIUM/HIGH/CRITICAL)
|
|
2. 주요 리스크 요인
|
|
3. 포트폴리오 다양성 평가
|
|
4. 추천 사항
|
|
5. 승인 여부 (APPROVED/REJECTED)
|
|
|
|
JSON 형식으로 응답하세요."""
|
|
|
|
user_message = f"""
|
|
현재 포트폴리오:
|
|
{json.dumps(portfolio, ensure_ascii=False, indent=2)}
|
|
|
|
계획된 거래:
|
|
{json.dumps(trade_plan, ensure_ascii=False, indent=2)}
|
|
|
|
이 거래의 리스크를 평가하고 실행 여부를 결정해주세요.
|
|
"""
|
|
|
|
response = await self.analyze(system_prompt, user_message)
|
|
|
|
for content in response["content"]:
|
|
if content["type"] == "text":
|
|
try:
|
|
return json.loads(content["text"])
|
|
except json.JSONDecodeError:
|
|
return {
|
|
"risk_level": "MEDIUM",
|
|
"approval": "HOLD",
|
|
"confidence": 0.5,
|
|
"analysis": content["text"]
|
|
}
|
|
|
|
return {
|
|
"risk_level": "UNKNOWN",
|
|
"approval": "REJECTED",
|
|
"confidence": 0.0
|
|
}
|
|
|
|
|
|
perplexity_client = PerplexityClient()
|