NASDAQ 100 주식에 대한 뉴스 감성 분석을 통해 투자 인사이트를 제공하는 Python 도구입니다.

• 뉴스 수집: Polygon Stocks News API를 통한 실시간 뉴스 수집
• 감성 분석: Ollama를 활용한 AI 기반 감성 분석
• NASDAQ 100 지원: 100개 주요 기업 자동 분석
• 영업일 필터링: 주말/공휴일 제외한 데이터 처리
• 결과 시각화: 감성 점수 및 트렌드 차트 생성
• CSV 출력: 분석 결과 데이터 저장

• Python 3.8+
• Linux/WSL 환경 (권장)
• 최소 4GB RAM
• 인터넷 연결

git clone https://github.com/YOUR_USERNAME/quantAI.git
cd quantAI

# 가상환경 생성
python -m venv venv

# 가상환경 활성화 (Linux/WSL)
source venv/bin/activate

# 또는 conda 사용
conda create -n quantai python=3.12
conda activate quantai

pip install -r requirements.txt

# Ollama 설치
curl -fsSL https://ollama.ai/install.sh | sh

# 서비스 시작
sudo systemctl start ollama
sudo systemctl enable ollama

# 모델 다운로드 (선택사항 - 더 작은 모델)
ollama pull gpt-oss:20b

1. Polygon.io에서 API 키 발급 (무료 티어 가능, 호출 제한 있음)
2. 환경 변수로 설정:

export POLYGON_API_KEY="YOUR_API_KEY"

참고: news_collector.py는 환경 변수 POLYGON_API_KEY를 자동으로 사용합니다.

# conda 환경 활성화 (선택사항)
conda activate quantai

# 메인 스크립트 실행
python stock_sentiment_main.py

from datetime import datetime
from stock_sentiment_main import analyze_period

# 특정 기간 분석
start_date = "2024-06-01"
end_date = "2024-06-30"
analyze_period(start_date, end_date)

from news_collector import NewsCollector
from datetime import datetime

collector = NewsCollector()
news = collector.collect_company_news("Apple Inc.", "AAPL", datetime(2024, 6, 15))
print(f"수집된 뉴스: {len(news)}개")

from sentiment_analyzer import SentimentAnalyzer

analyzer = SentimentAnalyzer()
text = "Apple reported strong quarterly earnings..."
sentiment = analyzer.analyze_sentiment(text)
print(f"감성 점수: {sentiment['score']}")

quantAI/
├── README.md                 # 프로젝트 설명서
├── requirements.txt          # Python 의존성
├── setup.sh                 # 자동 설치 스크립트
├── stock_sentiment_main.py  # 메인 실행 파일
├── news_collector.py        # 뉴스 수집 모듈
├── sentiment_analyzer.py    # 감성 분석 모듈
├── sentiment_visualizer.py  # 시각화 모듈
├── nasdaq100_companies.py   # NASDAQ 100 기업 정보
├── test_*.py               # 테스트 파일들
└── results/                # 분석 결과 저장 폴더
    ├── YYYY-MM-DD_to_YYYY-MM-DD/
    │   ├── sentiment_analysis.csv
    │   ├── sentiment_summary.csv
    │   └── visualizations/
    └── ...

sentiment_analyzer.py에서 모델 변경 가능:

OLLAMA_MODEL = "llama3.1:8b"  # 더 빠른 모델
# 또는
OLLAMA_MODEL = "gemma2:27b"   # 더 정확한 모델

• 본 프로젝트는 Polygon의 Stocks News API(/v2/reference/news)를 사용합니다.
• 티커 기반으로 특정 날짜(당일 00:00:00~23:59:59) 뉴스만 수집합니다.
• 환경 변수 POLYGON_API_KEY가 반드시 설정되어야 합니다.

개별 기업의 상세 분석 결과:

• Date, Symbol, Company_Name
• News_Count, Average_Sentiment
• News_Text, Analysis_Details

기간별 요약 통계:

• Symbol, Company_Name
• Total_News_Count, Average_Sentiment
• Positive_Count, Negative_Count, Neutral_Count

• sentiment_distribution.png: 감성 분포 차트
• top_companies_sentiment.png: 상위 기업 감성 순위
• sentiment_trends.png: 시간별 감성 트렌드

# Ollama 서비스 상태 확인
sudo systemctl status ollama

# 수동 시작
ollama serve

# 포트 확인
curl http://localhost:11434

• API 키 유효성 확인 (환경 변수 POLYGON_API_KEY 설정 여부)
• 무료 플랜의 호출 제한 확인 (429 Too Many Requests 발생 시 대기 후 재시도)
• 403 Forbidden 발생 시 키 권한/플랜 확인

# 더 작은 Ollama 모델 사용
ollama pull gemma2:2b

# 배치 크기 줄이기
# stock_sentiment_main.py에서 조정

# 가상환경 재생성
rm -rf venv
python -m venv venv
source venv/bin/activate
pip install -r requirements.txt

# Ollama 연결 테스트
python test_ollama_connection.py

# 단일 감성 분석 테스트
python test_single_sentiment.py

# 뉴스 수집 테스트
python news_collector.py

# 단일 날짜 테스트
python -c "
from stock_sentiment_main import test_single_date
test_single_date('2024-06-15')
"

# 멀티스레딩으로 뉴스 수집 속도 향상
from concurrent.futures import ThreadPoolExecutor

# stock_sentiment_main.py에서 구현됨

# 뉴스 데이터 캐싱으로 중복 호출 방지
# 결과를 로컬에 저장하여 재사용

# 대용량 데이터 처리 시 배치 단위로 분할
batch_size = 10  # 동시 처리할 기업 수

1. Fork the repository
2. Create a feature branch (git checkout -b feature/amazing-feature)
3. Commit your changes (git commit -m 'Add amazing feature')
4. Push to the branch (git push origin feature/amazing-feature)
5. Open a Pull Request

이 프로젝트는 MIT 라이선스 하에 배포됩니다. 자세한 내용은 LICENSE 파일을 참조하세요.

• 이슈: GitHub Issues
• 이메일: your.email@example.com

• Polygon.io - 뉴스 데이터 제공
• Ollama - AI 모델 인프라
• NASDAQ - 기업 정보 제공

⚠️ 면책 조항: 이 도구는 교육 및 연구 목적으로 제작되었습니다. 투자 결정은 본인의 책임하에 이루어져야 하며, 본 도구의 분석 결과에만 의존하여 투자 결정을 내리는 것은 권장하지 않습니다.