📈 Streamlit + Flask로 만드는 실시간 퀀트 투자 대시보드 (실전 운영 UI 완성편)

📈 Streamlit + Flask로 만드는 실시간 퀀트 투자 대시보드 (실전 운영 UI 완성편)

지금까지 우리는 완벽히 자동화된 백엔드 퀀트 매매 엔진을 완성했습니다.
데이터 수집, 리밸런싱, 매매, 리포트, 백업—all done.
이제 남은 것은 하나, **사람이 볼 수 있는 인터페이스(UI)**입니다.

이번 글에서는 Streamlit + Flask를 이용해
“실시간으로 수익률·포트 구성·팩터 변화”를 모니터링하는
퀀트 운용 대시보드를 구축합니다.

---

🎯 목표

• PostgreSQL에 저장된 데이터를 실시간으로 시각화
• 수익률, 변동성, 누적 성과를 차트로 표시
• Flask REST API → Streamlit 프론트엔드 연동
• Slack 알림과 동일한 데이터를 웹에서 확인

---

🧱 1️⃣ 전체 구조

[ PostgreSQL ]
     ▲
     │ SQLAlchemy
     ▼
[ Flask API 서버 ]  ← /report, /performance
     ▲
     │ REST JSON
     ▼
[ Streamlit Dashboard ]
     ├─ 누적 수익률 차트
     ├─ 현재 포트폴리오
     └─ 팩터 변화 트렌드

---

⚙️ 2️⃣ Flask API 서버 (백엔드)

반응형

# api_server.py
from flask import Flask, jsonify
from sqlalchemy import create_engine
import pandas as pd, os

app = Flask(__name__)
engine = create_engine(os.getenv("DB_URL", "postgresql+psycopg2://quant_user:quant_pass@localhost:5432/quantdb"))

@app.route("/report")
def report():
    df = pd.read_sql("SELECT * FROM factors ORDER BY updated DESC LIMIT 100", engine)
    return jsonify(df.to_dict(orient="records"))

@app.route("/performance")
def performance():
    df = pd.read_sql("""
        SELECT date_trunc('day', updated) AS date,
               AVG(return_6m) AS avg_ret,
               AVG(vol_60) AS avg_vol
        FROM factors
        GROUP BY date
        ORDER BY date
    """, engine)
    return jsonify(df.to_dict(orient="records"))

if __name__ == "__main__":
    app.run(host="0.0.0.0", port=5050)

✅ /report : 최근 팩터 데이터 100개
✅ /performance : 일별 평균 수익률 & 변동성

---

📊 3️⃣ Streamlit 프론트엔드

# dashboard.py
import streamlit as st
import pandas as pd
import requests, datetime as dt
import plotly.express as px

API_URL = "http://localhost:5050"

st.set_page_config(page_title="Quant Dashboard", layout="wide")

st.title("📈 Quant Portfolio Live Dashboard")
st.markdown(f"🕒 Last update: {dt.datetime.now().strftime('%Y-%m-%d %H:%M:%S')}")

# 최근 팩터 리포트
st.header("📊 Latest Factor Data")
data = requests.get(f"{API_URL}/report").json()
df = pd.DataFrame(data)
st.dataframe(df)

# 일별 성과
st.header("📈 Performance Overview")
perf = pd.DataFrame(requests.get(f"{API_URL}/performance").json())

col1, col2 = st.columns(2)
with col1:
    fig1 = px.line(perf, x="date", y="avg_ret", title="Average 6M Return")
    st.plotly_chart(fig1, use_container_width=True)
with col2:
    fig2 = px.line(perf, x="date", y="avg_vol", title="Average Volatility (60D)")
    st.plotly_chart(fig2, use_container_width=True)

# 포트폴리오 요약
st.header("💼 Portfolio Summary")
top_df = df.sort_values("return_6m", ascending=False).head(5)
st.bar_chart(top_df.set_index("ticker")["return_6m"])

---

🖥️ 실행 방법

1. Flask 서버 실행

python api_server.py

2. Streamlit 실행

streamlit run dashboard.py

3. 접속

브라우저에서 http://localhost:8501 →
📊 퀀트 투자 실시간 대시보드 오픈!

---

🔄 4️⃣ 실시간 업데이트

Streamlit은 자동 새로고침(interval) 기능이 없어
간단히 아래 코드 추가로 1분마다 리프레시할 수 있습니다.

import time
st_autorefresh = st.experimental_rerun  # Streamlit 1.36+ 버전

st.button("🔁 새로고침", on_click=lambda: st_autorefresh())

또는 Linux 서버에서는 watch curl http://127.0.0.1:5050/health
명령으로 백엔드 상태를 모니터링할 수도 있습니다.

---

🧩 5️⃣ 확장 아이디어

기능 설명

🔔 Slack Alert 연동	대시보드 이벤트 트리거 시 슬랙 메시지 전송
🧠 팩터별 성과 Heatmap	Plotly Heatmap으로 팩터별 상대성과 시각화
📉 Drawdown 그래프	MDD 계산 후 누적 수익률 대비 하락 구간 표시
📁 PDF Export	Streamlit → Reportlab으로 월간 리포트 자동 생성
📬 Email 발송	매주 월요일 아침 PDF + 요약 리포트 전송

---

🧰 6️⃣ Docker로 통합 배포

version: "3.9"
services:
  flask-api:
    build: ./api
    ports:
      - "5050:5050"
    env_file: .env
  streamlit-dashboard:
    build: ./dashboard
    ports:
      - "8501:8501"
    depends_on:
      - flask-api
    restart: unless-stopped

💡 이렇게 구성하면 Flask와 Streamlit이 함께 실행되어
자동매매 백엔드 + 실시간 모니터링 UI가 완전히 통합됩니다.

---

📌 정리

구성 요소 역할

Flask	REST API (데이터 제공)
PostgreSQL	팩터 및 성과 데이터 저장
Streamlit	실시간 UI 대시보드
Plotly	차트 시각화
Docker	배포 자동화

이제 서버는 스스로 투자하고,
당신은 웹에서 실시간으로 그 결과를 모니터링할 수 있습니다.
진짜 **‘하루 24시간 일하는 퀀트 매니저’**가 생긴 거죠.

---

📘 다음 글 예고

다음 편에서는 **“AI 팩터 예측 모델 도입 – Transformer로 다음 분기 수익률 예측하기”**를 다룹니다.
실제 투자데이터를 학습한 딥러닝 기반 퀀트 예측 모델(Transformer + PyTorch) 을 구축해볼 예정입니다.

---

 

Streamlit,Flask,퀀트대시보드,파이썬시각화,PostgreSQL,데이터투자,실시간투자모니터링,Plotly,퀀트자동화,파이썬백엔드

---