Fincept Terminal은 Fincept Corporation이 개발한 오픈소스 퀀트 금융 터미널입니다. 핵심 포지션이 아주 명확합니다. 유료로 수만/년이 드는 블룸버그 터미널을 무료 오픈소스 도구 하나로 대체하는 동시에, 일반 개발자도 자신만의 퀀트 트레이딩 시스템을 구축할 수 있게 해줍니다.
Fincept Terminal은 네이티브 C++20 + Qt6로 제작되어 Electron/Web 애플리케이션 대비 성능이 여러 단계 더 높습니다. 내장 Python 모듈은 CFA 수준의 분석 역량을 제공합니다. 37개의 AI 에이전트가 가치투자부터 지정학까지 다양한 프레임워크를 커버하며, 100+ 데이터 커넥터가 정부 경제 데이터부터 암호화폐까지 모든 출처를 아우릅니다. GitHub 저장소는 Fincept-Corporation/FinceptTerminal에 호스팅되어 있으며, AGPL-3.0 오픈소스 라이선스를 사용합니다.
난이도/소요 시간/얻는 것
입문급 | 약 30분 | Windows / macOS / Linux에서 설치부터 실행까지, 첫 AI 퀀트 전략을 구동하는 전체 과정을 익히게 됩니다.
대상 독자
- 개발 경험 1~4년이며, 자신만의 퀀트 트레이딩 시스템을 구축하려는 개발자
- 금융 데이터 분석과 AI 보조 투자를 흥미롭게 보지만 금융 전문 배경은 없는 분
- 비싼 블룸버그 터미널(연 수천~수만 달러) 기능을 무료 오픈소스 도구로 대체하고 싶은 분
핵심 의존 요소 및 환경
시스템 요구사항
| 구성 요소 | 버전 요구사항 | 설명 |
|---|---|---|
| CMake | 3.27.7(정확한 버전) | 빌드 도구, 다운로드 주소 |
| Ninja | 1.11.1 | 고효율 컴파일러, 다운로드 주소 |
| Qt | 6.8.3(정확한 버전) | UI 프레임워크, Qt 설치기 |
| Python | 3.11.9(정확한 버전) | 분석 모듈, 다운로드 주소 |
| C++ 컴파일러 | MSVC 19.38 / GCC 12.3 / Clang 15.0 | C++20 표준 |
WARNING
모든 도구 버전은 반드시 정확히 일치해야 합니다. 프로젝트는 명확히 "Newer or older versions are unsupported"를 선언하고 있으며, 특히 Qt 6.8.3과 Python 3.11.9는 잘못된 버전을 쓰면 컴파일 실패 또는 런타임 크래시가 발생할 수 있습니다.
전체 프로젝트 디렉터리 구조
FinceptTerminal/
├── fincept-qt/ # C++ 메인 애플리케이션
│ ├── src/ # C++ 코어 소스
│ │ ├── core/ # 코어 모듈
│ │ ├── ui/ # Qt UI 컴포넌트
│ │ └── python/ # Python 바인딩 레이어
│ ├── scripts/ # 빌드 스크립트
│ ├── CMakeLists.txt # C++ 빌드 설정
│ └── CMakePresets.json # 크로스플랫폼 빌드 프리셋(중요)
├── docs/ # 개발 문서
├── Dockerfile # Docker 이미지 설정
├── setup.sh # Linux/macOS 원클릭 빌드 스크립트
└── funding.json # 커뮤니티 후원 설정
단계별 따라하기
1단계: Fincept Terminal 다운로드 및 설치
프로젝트는 세 가지 설치 방식을 제공합니다. 가장 적합한 방법을 선택하세요.
A 방식: 사전 컴파일된 설치 패키지 다운로드(추천, 초보자용)
현재 최신 버전 v4.0.2이며, Releases 페이지에서 해당 플랫폼용 파일을 다운로드합니다.
# Windows x64
# FinceptTerminal-4.0.2-win64-setup.exe 다운로드 후, 설치 프로그램을 더블 클릭하여 실행
# Linux x64
# FinceptTerminal-4.0.2-linux-x64-setup.run 다운로드
chmod +x FinceptTerminal-4.0.2-linux-x64-setup.run
./FinceptTerminal-4.0.2-linux-x64-setup.run
# macOS Apple Silicon (M1/M2/M3)
# FinceptTerminal-4.0.2-macOS-setup.dmg 다운로드
# DMG 파일을 열고, 앱을 Applications 폴더로 드래그
설치가 끝나면 터미널에서 실행합니다.
# Windows
FinceptTerminal.exe
# Linux
./FinceptTerminal
# macOS
open /Applications/FinceptTerminal.app
B 방식: Docker 배포(서버 환경에 적합)
# 공식 이미지 가져오기
docker pull ghcr.io/fincept-corporation/fincept-terminal:latest
# 실행(그래픽 GUI를 위한 X Server 지원 필요)
docker run --rm \
-e DISPLAY=$DISPLAY \
-v /tmp/.X11-unix:/tmp/.X11-unix \
ghcr.io/fincept-corporation/fincept-terminal:latest
TIP
Docker 방식은 주로 Linux 서버를 대상으로 합니다. macOS 또는 Windows에서 Docker를 사용한다면, Qt 그래픽 UI 렌더링을 위해 추가로 X Server 구성이 필요하고 과정이 복잡합니다. 가능하면 사전 컴파일 설치 패키지를 사용하는 것을 권장합니다.
C 방식: 소스 클론 후 원클릭 빌드(Linux/macOS 개발자용)
저장소를 클론한 뒤 setup.sh 스크립트를 그대로 실행하면 됩니다. 스크립트가 환경을 자동 감지하고 의존성을 다운로드한 뒤 컴파일을 수행합니다.
git clone https://github.com/Fincept-Corporation/FinceptTerminal.git
cd FinceptTerminal
chmod +x setup.sh && ./setup.sh
스크립트는 CMake, Qt6, Python의 설치 및 구성을 자동으로 처리합니다. 실행이 끝나면 Fincept Terminal이 자동으로 시작됩니다.
2단계: LLM API 구성( AI 에이전트를 제대로 동작시키기 )
Fincept Terminal을 시작하면, AI 에이전트가 실행되려면 대형 언어 모델에 연결해야 합니다. Settings → AI Providers로 들어가세요.
- 사용할 AI Provider를 선택합니다. 프로젝트는 아래 옵션을 지원합니다.
OpenAI → GPT-4o / o1 / GPT-4.5
Anthropic → Claude 3.5 / 3.7
Google → Gemini 1.5 / 2.0 / 2.5
Groq → 고속 추론
DeepSeek → 가성비 높음
MiniMax → 국내에서 편리
OpenRouter → 여러 모델을 통합
Ollama → 로컬 모델(완전 오프라인)
- 해당 API Key를 입력합니다. 로컬 Ollama가 있다면 완전 오프라인으로 실행할 수 있습니다.
# Ollama(로컬 모델, API Key 불필요)를 선택한 경우
# 먼저 로컬에 Ollama를 설치하고 실행
ollama pull llama3.2
ollama serve
# 그런 다음 Fincept Terminal에서 구성
# Provider: Ollama
# Base URL: http://localhost:11434
# Model: llama3.2
TIP
특정 선호가 없다면 DeepSeek의 deepseek-chat이 가성비가 가장 좋습니다. 가장 강력한 분석 역량이 필요하다면 Claude 3.7을 선택하세요. Ollama는 완전 오프라인과 데이터 프라이버시를 중시하는 시나리오에 적합합니다.
3단계: 데이터 소스 연결
Fincept Terminal은 100개+ 데이터 커넥터를 제공하며, 거시경제학부터 암호화폐까지 모든 유형을 포괄합니다. Data Sources 페이지에서 활성화할 데이터 소스를 선택하세요.
무료 데이터 소스(바로 사용 가능)
# 거시경제
DBnomics → 글로벌 거시경제 시계열 데이터
FRED → 미국 연방준비제도(Fed) 경제 데이터
IMF → 국제통화기금(International Monetary Fund) 데이터
World Bank → 세계은행(World Bank) 개발 지표
# 주식 & 암호화폐
Yahoo Finance → 주식 히스토리 데이터, 실시간 시세
Kraken → 암호화폐 실시간 WebSocket
Polygon → 미국 주식 데이터(무료 계층은 제한적)
# 기타
AkShare → 국내 A주/선물 데이터(파이썬 라이브러리)
government APIs → 각국 정부의 공개 데이터
데이터 소스를 연결하는 일반 절차
- Data Sources → Add Connection으로 이동
- 데이터 소스 유형 선택(예: "Stock Market Data")
- API Key 입력(일부 데이터 소스는 필요) 또는 기본값 유지(공개 데이터)
- Test Connection을 클릭해 연결을 검증
- 확인 후, 데이터가 자동으로 터미널에 동기화됩니다.
TIP
여론 기반 퀀트 분석을 하고 싶다면 Adanos Market Sentiment도 추가로 구성할 수 있습니다. 이 기능은 Reddit, X/Twitter, 경제 뉴스, Polymarket에서 시장 감성 데이터를 수집해 Equity Research 모듈에 개인(소액 투자자) 감성의 스냅샷을 제공합니다. Data Sources → Alternative Data → Adanos에서 설정하세요.
4단계: AI 에이전트를 만들고 첫 퀀트 작업 수행
Fincept Terminal에는 37개의 AI 에이전트가 내장되어 있으며, 세 가지 큰 범주로 나뉩니다.
Trader / Investor 에이전트(가치투자 파):
| 에이전트 이름 | 스타일 | 적용 시나리오 |
|---|---|---|
| Buffett | 장기 가치 투자 | 해자(모트) 분석, 현금흐름 할인(DCF) |
| Graham | 가치투자의 아버지 | 저평가 종목 필터링, 펀더멘털 스코어 |
| Lynch | 성장주 사냥꾼 | 산업 트렌드, 성장성 평가 |
| Munger | 다각적 사고 모델 | 학제 간 투자 의사결정 |
| Klarman | 디스트레스 투자 | 특수 기회, 위기 주식 분석 |
| Marks | 신용 사이클 | 거시 사이클, 리스크 회피 |
Economic 에이전트: 거시 데이터 분석, 금리 예측, 인플레이션 모델링
Geopolitics 에이전트: 지정학적 영향 평가, 공급망 리스크 분석
이제 Buffett 에이전트로 첫 작업—한 종목의 가치를 분석해 보겠습니다.
- AI Agents → Create New Agent로 이동
- 기본 템플릿으로 Buffett를 선택
- 작업을 부여합니다: 애플(AAPL)의 내재가치 분석
Analyze the intrinsic value of AAPL using DCF model.
Use the latest financial data from Yahoo Finance.
Show the margin of safety based on current price.
Buffett 에이전트는 Python 분석 모듈을 호출해 재무 데이터를 가져오고, DCF(현금흐름 할인) 모델을 실행한 뒤 내재가치 추정과 현재 가격 기준의 안전마진을 출력합니다.
5단계: 노드 편집기로 퀀트 프로세스 구축
노드 편집기는 Fincept Terminal의 가장 강력한 기능 중 하나입니다. 데이터 소스, 분석 모듈, AI 에이전트를 시각적으로 조합해 복잡한 퀀트 워크플로를 만들 수 있으며, 코드 한 줄도 작성할 필요가 없습니다.
Node Editor 페이지를 열면 아래와 유사한 워크플로가 보입니다.
[Yahoo Finance 데이터] → [Python 데이터 클리닝] → [AI Agent 의사결정] → [Broker 주문 실행]
↑ ↓
[FRED 거시 데이터] [결과가 Portfolio로 출력]
첫 퀀트 워크플로 만들기:
- 왼쪽 패널에서 Data Source 노드를 드래그해 넣고
Yahoo Finance를 선택 - Filter 노드를 추가로 드래그해 필터 조건을 구성(예: "PE < 15, Market Cap > 10B")
- Buffett Agent 노드를 드래그해 Filter의 출력에 연결
- Backtest 노드를 드래그해 전략의 과거 성과를 검증
- Run을 클릭해 워크플로를 실행
TIP
노드 편집기는 MCP(Model Context Protocol) 툴셋 통합도 지원합니다. 외부 도구와 API를 연결해 워크플로의 확장 기능을 사용할 수 있습니다. 구체적인 설정 방법은 공식 문서 docs/MCP_INTEGRATION.md를 참고하세요.
6단계(선택): 소스에서 직접 수동 컴파일
더 깊게 커스터마이즈하고 싶거나, 플랫폼에 사전 컴파일 패키지가 없는 경우 소스에서 빌드할 수 있습니다. 이때 의존성 버전을 정확히 구성해야 합니다.
환경 준비(Windows 예시):
# 1. Visual Studio 2022 설치(MSVC 19.38 포함)
# 2. CMake 3.27.7 설치 후 PATH에 추가
# 3. Ninja 1.11.1 설치 후 PATH에 추가
# 4. Qt 6.8.3 설치(온라인 설치기에서 Qt 6.8.3 > MSVC 2022 64-bit 선택)
# 설치 경로를 C:/Qt/6.8.3/msvc2022_64로 설정
# 5. Python 3.11.9 설치 후 PATH에 추가
컴파일(CMake Presets 사용):
git clone https://github.com/Fincept-Corporation/FinceptTerminal.git
cd FinceptTerminal/fincept-qt
# 한 번만 구성(이후 CMakeLists.txt를 수정하기 전에는 다시 실행 필요)
cmake --preset win-release
# 매번 코드 수정 후 재빌드
cmake --build --preset win-release
# 실행
.\build\win-release\FinceptTerminal.exe
CMake가 Qt를 찾지 못한다면 설치 경로가 다를 수 있으니 수동 모드로 변경합니다.
cmake -B build/win-release -G Ninja -DCMAKE_BUILD_TYPE=Release `
-DCMAKE_PREFIX_PATH="C:/Qt/6.8.3/msvc2022_64"
cmake --build build/win-release
TIP
Linux/macOS에서도 컴파일 방식은 동일하며, win-release를 linux-release 또는 macos-release로 바꾸면 됩니다. Linux에서 Qt가 사용자 디렉터리에 설치되어 있다면 CMAKE_PREFIX_PATH를 올바르게 설정하는 것을 잊지 마세요(보통 $HOME/Qt/6.8.3/gcc_64).
자주 발생하는 문제 해결
Q1: CMake 오류 "Could not find Qt6 6.8.3"
증상: cmake --preset win-release 실행 결과로 Could not find Qt6 6.8.3가 출력됩니다.
원인: Qt 설치 경로가 CMake 기본 검색 경로와 일치하지 않습니다.
해결:
- Qt 설치 경로에
lib/cmake/Qt6디렉터리가 존재하는지 확인 - 경로를 수동으로 지정:
cmake -B build/win-release -G Ninja -DCMAKE_BUILD_TYPE=Release `
-DCMAKE_PREFIX_PATH="C:/Qt/6.8.3/msvc2022_64"
- 다른 버전의 Qt로 테스트 중이라면
-DFINCEPT_ALLOW_QT_DRIFT=ON을 전달해 버전 검사를 우회할 수 있습니다(로컬 테스트용). CI 또는 배포 버전에서는 사용하지 마세요
Q2: MSVC 버전 비호환
증상: C++ compiler version not supported 또는 컴파일 중간에 대량의 미정의 식별자 오류가 발생합니다.
원인: 프로젝트는 MSVC 19.38+를 요구합니다(Visual Studio 2022 17.8+에 해당).
해결:
# MSVC 버전 확인
cl /?
# 버전이 낮으면 최신 VS 2022로 업그레이드
# 다운로드 주소：https://visualstudio.microsoft.com/downloads/
Q3: Python 버전 불일치
증상: 내장 Python 후 크래시가 발생하거나 python3.x.x not found 오류가 뜹니다.
원인: 프로젝트는 Python 3.11.9만을 강제하며, 다른 버전(3.10, 3.12 포함)은 지원하지 않습니다.
해결:
# 현재 Python 버전 확인
python --version
# 3.11.9가 아니면 올바른 버전을 설치
# 다운로드 주소：https://www.python.org/downloads/release/python-3119/
# Windows에서는 설치 후, 시스템 PATH에서 Python 3.11.9 경로가 앞에 있는지 확인
# Linux에서는 pyenv를 사용하면 됩니다：
pyenv install 3.11.9
pyenv local 3.11.9
Q4: Docker에서 Qt 그래픽 UI가 표시되지 않음
증상: QPA platform: cannot connect to X server 오류.
원인: Docker 컨테이너 내부에 그래픽 환경이 없습니다.
해결:
# Linux: Docker가 로컬 X Server에 접근 가능하도록 설정
xhost +local:docker
docker run --rm \
-e DISPLAY=unix$DISPLAY \
-v /tmp/.X11-unix:/tmp/.X11-unix \
ghcr.io/fincept-corporation/fincept-terminal:latest
Q5: AI 에이전트에 "Connection Failed"가 표시됨
증상: LLM 호출이 오류를 반환하며, 에이전트가 어떤 작업도 수행하지 못합니다.
점검 단계:
- API Key가 유효한지 확인(해당 공식 페이지에서 키 테스트 가능)
- Ollama를 사용한다면
ollama serve가 실행 중인지 확인 - 프록시(회사 네트워크)를 사용하는 경우 HTTP 프록시 환경 변수를 설정합니다.
# Linux/macOS
export HTTP_PROXY=http://your-proxy:8080
export HTTPS_PROXY=http://your-proxy:8080
# Windows PowerShell
$env:HTTP_PROXY="http://your-proxy:8080"
$env:HTTPS_PROXY="http://your-proxy:8080"
- 네트워크가 AI Provider의 API 엔드포인트에 접근 가능한지 확인:
# OpenAI
curl https://api.openai.com/v1/models
# Anthropic
curl https://api.anthropic.com/v1/messages \
-H "x-api-key: YOUR_KEY" \
-H "anthropic-version: 2023-06-01"
Q6: 브로커 연결 인증 실패(Paper Trading / 실계좌)
증상: 브로커 API를 설정한 뒤 인증 실패 메시지가 표시됩니다.
해결:
- Fincept Terminal에 입력한 값이 거래 계정 비밀번호가 아니라 API Key인지 확인
- 일부 브로커(예: IBKR)는 Trader Workstation(TWS)에서 API 접근 권한을 켜야 합니다.
- Paper Trading과 실계좌의 API 설정이 다릅니다. 선택한 모드가 올바른지 확인하세요.
WARNING
실계좌 브로커를 연결하기 전에, 먼저 Paper Trading(모의 거래) 모드로 전체 과정이 문제없이 동작하는지 검증하는 것을 권장합니다. Fincept Terminal은 Alpaca, IBKR, Saxo 등 16개 브로커를 지원하지만, 실계좌 운영에는 실제 자금이 걸리므로 테스트 시 주의하세요.
확장 읽기 / 고급 방향
Adanos Market Sentiment을 연동해 여론을 정량화하기
Adanos는 Reddit, X/Twitter, 경제 뉴스, Polymarket의 감성 데이터를 Fincept Terminal로 가져옵니다. Data Sources → Alternative Data → Adanos로 들어가 API를 구성하면 Equity Research 모듈에서 여러 출처를 넘나드는 개인 투자자 감성 스냅샷이 표시됩니다. 감성 지표를 팩터로 퀀트 전략에 포함하고, 전통적인 재무 데이터와 결합하면 더 폭넓은 분석이 가능합니다.
QuantLib Suite로 파생상품 가격 산정
Fincept Terminal에는 18개의 QuantLib 퀀트 모듈이 내장되어 있으며 다음을 포함합니다.
# 가격 산정 모델
Black-Scholes 옵션 가격
Binomial Tree로 미국 옵션
Monte Carlo 가격 산정
# 리스크 관리
VaR (Value at Risk) 계산
Greeks 민감도 분석
스트레스 테스트 / 시나리오 분석
# 고정수익
Yield Curve 구성
Duration / Convexity 분석
Bond Portfolio Optimization
AI Quant Lab 화면을 통해 이러한 모듈을 호출해 커스텀 리스크 모델을 만들 수 있으며, 수동으로 Python 코드를 작성할 필요가 없습니다.
다중 브로커 구성을 통한 프로그램 트레이딩
Fincept Terminal은 16개 브로커의 API 통합을 지원하며 주식, 선물, 암호화폐를 커버합니다.
인도 브로커: Zerodha, Angel One, Upstox, Fyers, Dhan, Groww, Kotak,
IIFL, 5paisa, AliceBlue, Shoonya, Motilal
미국 브로커: IBKR, Alpaca, Tradier
국제 브로커: Saxo
암호화폐: Kraken, HyperLiquid（WebSocket 실시간 시세）
여러 브로커를 동시에 연결하고, 노드 편집기에서 크로스 마켓 차익거래 전략을 구성할 수 있습니다.
AI Quant Lab: ML 모델 학습과 팩터 발굴
Fincept Terminal의 AI Quant Lab 모듈은 완전한 머신러닝 퀀트 워크플로를 제공합니다.
# Python 모듈 사용
from fincept_ml import FactorDiscovery, ModelTrainer
# 시장 데이터에서 유효한 팩터를 자동 발견
factors = FactorDiscovery.run(data_source="yahoo_finance",
target="AAPL_returns",
n_factors=20)
# 강화학습 트레이딩 전략 학습
strategy = ModelTrainer.train_rl(
agent="PPO",
environment="crypto_portfolio",
episodes=1000
)
또한 지도학습( HFT 전략 ), 시계열 예측, 백테스트 프레임워크도 지원합니다.
오픈소스 개발에 참여하기
Fincept Terminal은 오픈소스 프로젝트입니다. 코드를 기여해 주세요.
- C++ 모듈: Qt UI 컴포넌트, 데이터 커넥터, QuantLib 래퍼
- Python 모듈: 새로운 분석 모델, 머신러닝 전략
- AI 에이전트: 새로운 투자 프레임워크 에이전트, 지정학 분석 모듈
- 문서: 각 기능의 연동 튜토리얼 보강
기여 가이드: docs/CONTRIBUTING.md C++ 개발 규칙: fincept-qt/CONTRIBUTING.md