cooney
315105cebb
- 투자 의견 조회
ㄴ 전반적인 주식 판단 기준(ex. 채무, 리스크 등등)을 기준으로 판단하여 도출
- 투자 추천
ex)
{
"tickers": [
"NVDA", "GOOGL", "AAPL"
],
"risk_type": "aggressive"
}
71 lines
2.0 KiB
Python
71 lines
2.0 KiB
Python
from sqlalchemy.orm import Session
|
|
from backend.schemas.stock_schemas import RecommendStock, RiskType
|
|
from backend.repository.models import StockAnalysis
|
|
from fastapi import HTTPException
|
|
from backend.ai.llm import hugging_llm
|
|
|
|
def portfolio_service(req, db):
|
|
"""
|
|
사용자가 입력한 종목에 대해서 분석정보 찾기
|
|
risk_type: 비중 조절
|
|
"""
|
|
|
|
analyses = db.query(StockAnalysis).filter(StockAnalysis.ticker.in_(req.tickers)).all()
|
|
|
|
portfolio_items = []
|
|
for analysis in analyses:
|
|
if not analysis.opinion:
|
|
continue
|
|
|
|
portfolio_items.append(
|
|
{
|
|
"ticker": analysis.ticker,
|
|
"score": analysis.opinion.score,
|
|
"rating": analysis.opinion.rating,
|
|
}
|
|
)
|
|
|
|
if not portfolio_items:
|
|
raise HTTPException(status_code=5000, detail="분석된 종목을 찾을 수 없습니다.")
|
|
|
|
# 투자성향
|
|
risk_type = req.risk_type
|
|
import math
|
|
for item in portfolio_items:
|
|
score = item["score"]
|
|
|
|
if risk_type == RiskType.AGGRESSIVE:
|
|
item['adjusted_score'] = score ** 1.5
|
|
elif risk_type == RiskType.CONSERVATIVE:
|
|
item['adjusted_score'] = math.sqrt(score)
|
|
else:
|
|
item['adjusted_score'] = score
|
|
total_adjusted = sum(item['adjusted_score'] for item in portfolio_items)
|
|
|
|
for item in portfolio_items:
|
|
item['weight'] = round(item['adjusted_score'] / total_adjusted * 100,2)
|
|
|
|
return {"risk_type": req.risk_type, "portfolio": portfolio_items}
|
|
|
|
|
|
async def generate_portfolio_report(portfolio_items, risk_type):
|
|
portfolio_text = "\n".join([f"{item['ticker']}: {item['weight']}%" for item in portfolio_items])
|
|
prompt = f"""
|
|
당신은 월가의 포트폴리오 전략가입니다.
|
|
|
|
투자성향
|
|
{risk_type.value}
|
|
|
|
포트폴리오:
|
|
{portfolio_text}
|
|
|
|
다음을 작성하시오.
|
|
1. 포트폴리오 요약
|
|
2. 강점
|
|
3. 약점
|
|
4. 주요 리스크
|
|
5. 추천 투자기간
|
|
6. 리밸런싱 전략
|
|
"""
|
|
result = await hugging_llm.ainvoke(prompt)
|
|
return result.content |