사전 학습된 확률적 주식 수익 모델을 활용한 실시간 가격 책정

Python FastAPI와 R Plumber를 활용한 사전 학습된 확률적 주식 수익률 모델 기반 실시간 가격 책정 이번 글에서는 사전 학습된 probabilistic stock return 모델을 이용해 실시간으로 주식 가격을 예측하고, Python의 FastAPI와 R의 Plumber를 연동해 웹 API 형태로 배포하는 방법을 소개합니다. 주요 기술 Python FastAPI: 비동기 웹 프레임워크, 빠른 성능 R Plumber: R 함수를 REST API로 변환, 직관적인 라우팅 사전 학습된 probabilistic 모델: 예측 불확실성을 정량화 시스템 아키텍처 FastAPI가 HTTP 요청을 받아 R Plumber 서버에 전달하고, R에서는 사전 학습된 모델을 로드해 예측을 수행한 뒤 결과를 JSON 으로 반환합니다. 다음은 간단한 흐름도입니다. FastAPI │ └─► POST /predict ──► R Plumber │ └─► load model & predict Python FastAPI 예시 from fastapi import FastAPI import requests app = FastAPI() @app.post("/predict") async def predict(symbol: str, date: str): payload = {"symbol": symbol, "date": date} resp = requests.post("http://localhost:8000/predict", json=payload) return resp.json() R Plumber 예시 #* @post /predict #* @param symbol string 주식 기호 #* @param date string 예측 날짜 function(symbol, date) { # 사전 학습된 모델 로드 model <- readRDS("stock_model.rds") # 입력 데이터 구성 input <- data.frame(symbol = symbol, date = date) # 예측 result <- predict(model, input, type = "prob") return(result) } 배포 방법 R Plumber 서버는 Rscript 로 실행하고, FastAPI는 Uvicorn 으로 실행합니다. 두 서버를 Docker 컨테이너에 배포하면 환경 격리와 확장성을 확보할 수 있습니다.