Docs Menu
Docs Home
/
MongoDB Atlas
/
Atlas Architecture Center
/
Solutions Library
/
金融サービス
/
金融サービス生成系 AI

エージェント型 AI による投資ポートフォリオ マネジメント

エージェント AI、MongoDB Atlas、ベクトル検索、Charts を使用して、スマートな投資ポートフォリオを構築する方法を学びましょう。

ユースケース: Gen AI

業種: 金融サービス

製品およびツール: Atlas Vector Search、集計パイプライン、Atlas Charts、時系列コレクション、MongoDB チェックポインター

パートナー: Voyage AI、Amazon Bedrock、LangChain

ソリューション概要

今日の資本市場では、戦略的意思決定においてデータが中心的な役割を果たすようになるにつれて、効果的なリスクマネジメントが急速に進化しています。ポートフォリオマネージャーは、構造化された財務フィードからニュース記事やソーシャルメディアのような非構造化コンテンツまで、膨大な量の多様なデータをナビゲートする必要があり、従来のシステムでは取り扱えない挑戦に直面しています。

AI 主導のソリューションは、ルールベースの戦略を超えて、適応性とコンテキスト認識に基づく意思決定へと進化することで、ポートフォリオマネジメントを再定義しています。

当社のインテリジェント投資ポートフォリオマネージャーは、さまざまなデータソースの統合と分析の複雑さに対応します。リアルタイム分析と生成系AIモデルを組み合わせることで、AI搭載のポートフォリオアシスタントを通じて直感的で包括的な体験を提供し、ポートフォリオマネージャーがインサイトを探索し、アクションを起こす方法を変革します。

大規模言語モデル（LLM）、検索拡張生成（RAG）、およびMongoDB Atlas（ベクトル検索、時系列コレクション、Atlas Chartsを含む）によって強化されたこのソリューションは、AIエージェントに力を与えます。

  • 複数のソースからの膨大な金融データセットを分析し、マクロ経済の相関関係、移動平均、ポートフォリオレベルのメトリクスなどの意味のある分析に変換します。

  • ポートフォリオのパフォーマンスに基づいて、動的なインサイトと推奨事項を提供いたします。

この高度なアプローチは、意思決定を強化し、リスク管理を改善し、より正確なパフォーマンスと影響分析を可能にします。「ヒューマン・イン・ザ・ループ」(HITL) の実装を通じて、ポートフォリオマネージャーがより賢明で迅速かつ情報に基づいた投資判断を下せるように支援します。

参照アーキテクチャ

このソリューションは3つのエージェントと2つのアプリケーションで構成されています：

  • 市場分析エージェント

  • マーケットニュース エージェント

  • 市場分析エージェント

  • データインジェストアプリケーション

  • 市場インサイト生成アプリケーション

エージェントAIを活用した投資ポートフォリオマネージャーのリファレンスアーキテクチャ

図1。高レベルのアーキテクチャ

図に示すように、MongoDBはデータ取り込みアプリケーションのデータを保存するためのバックボーンとして機能します。マーケットデータ（時系列）、財務ニュース（非構造化）、マクロ経済指標（構造化）のデータは抽出、変換され、MongoDB Atlasのコレクションにロードされます。

データの取り込みが完了した後、最初の2つのエージェント：市場分析エージェントと市場ニュースエージェントが、リアルタイムの市場データと金融ニュースを分析し、ニュースのセンチメント分析を行い、現在のポートフォリオ配分に基づいてポートフォリオ固有のインサイトを提供します。最後に、マーケットアシスタントエージェントと呼ばれる3番目のエージェントは、LangGraph ReActエージェントを使用し、MongoDB Atlasをデータストレージ、ベクトル検索、エージェントの状態管理に活用して、資本市場に関するインサイトと推奨を提供します。

ソリューションを構築する

では、ソリューションがどのように構築されたかを理解しましょう。コードは3つのマイクロサービスに分割されています。

Part 1. ローダーサービス

ローダーサービスアーキテクチャ

図2。ローダー サービス アーキテクチャ

この部分は、3 つのソースからデータを抽出するデータインジェストアプリケーションに焦点を当てています。

  • Yahoo Finance マーケットデータETL：yfinance Pythonパッケージを使用して、さまざまなアセットタイプのマーケットデータを抽出、変換、ロードします。

  • FRED API マクロ経済データ ETL：pyfredapi Python パッケージを使用してマクロ経済データを抽出、変換、ロードします。

  • 金融ニュースのプロセシング：金融ニュースをスクレイピングし、Voyage AI の voyage-finance-2 モデルを使用して埋め込みを生成し、Hugging Face の FinBERT モデルを使用してセンチメントスコアを計算します。

  • ポートフォリオパフォーマンスの生成（エミュレーション）。

その後、金融ニュース記事は、事前にトレーニングされた LLM モデルである FinBERT を使用して処理され、感情スコアが計算されます。さらに、Voyage AIの埋め込みモデルvoyage-finance-2を使用して、ニュース記事をベクトル化し、それらのベクトル埋め込みとともにMongoDBコレクションに保存します。

{
"_id": {
    "$oid": "67c09436bd1cbed4d0185880"
},
    "headline": "QQQ Leads Inflows as VGIT, HYG Jump: ETF Flows as of Feb. 27",
    "source": "etf.com ·  via Yahoo Finance",
    "posted": "1 year ago",
    "description": "Top 10 Creations (All ETFs) Ticker Name Net Flows ($, mm) AUM ($, mm) AUM % Change QQQ Invesco QQQ...",
    "link": "https://finance.yahoo.com/news/qqq-leads-inflows-vgit-hyg-005429051.html?fr=sycsrp_catchall",
    "synced": false,
    "extraction_timestamp_utc": {
        "$date": "2025-02-27T16:35:02.823Z"
},
    "ticker": "HYG",
    "article_string": "Headline: QQQ Leads Inflows as VGIT, HYG Jump: ETF Flows as of Feb. 27\n/n Description: Top 10 Creations (All ETFs) Ticker Name Net Flows ($, mm) AUM ($, mm) AUM % Change QQQ Invesco QQQ...\n/n Source: etf.com ·  via Yahoo Finance\n/n Ticker: HYG\n/n Link: https://finance.yahoo.com/news/qqq-leads-inflows-vgit-hyg-005429051.html?fr=sycsrp_catchall",
    "sentiment_score": {
        "positive": 0.03415600210428238,
        "negative": 0.04247178137302399,
        "neutral": 0.9233722686767578
},
    "article_embedding": [
        0.025981411337852478,
        0.03783617168664932,
        0.01893029175698757,
        0.019744139164686203,
        -0.009678225964307785,
        0.0296250581741333,
        -0.06560207903385162,
        -0.03349149599671364,
        0.005457616411149502,
        -0.004056802950799465,
        -0.07076755166053772,
        -0.04305347055196762,
        ...]
}

最後に、すべてのコレクションは MongoDB Atlas に保存されます。

パート 2。エージェント サービス

エージェント サービス アーキテクチャ

図 3. エージェント サービス アーキテクチャ

データが取り込まれ、適切なMongoDBコレクションに保存されると、2つのスケジュールされたエージェントがそれを分析し、ポートフォリオ固有のインサイトを生成します。

市場分析エージェント

マクロ経済指標（FRED 経由）、アセット価格動向（50日移動平均を使用）、および市場ボラティリティ（VIX 経由）を評価し、これらの入力をLLMベースの推論（AWS Bedrock/Anthropic 経由）と組み合わせて、カスタマイズされたポートフォリオの推奨事項を生成します。

マーケットニュースエージェント

MongoDB Atlas Vector Searchを使用して、アセットごとに意味的に関連性の高い金融ニュースを検索し、その後、LLMベースの感情分析と要約を行い、重要なシグナルを強調します。

アーキテクチャ図に示すように、エージェントは LLM ベースの、ツールで強化されたワークフローであり、LangGraph を使用してオーケストレーションされています。それぞれは、ツールが固定された順序で呼び出される構造化された決定論的なプロセスに従い、信頼性が高く説明可能な実行を保証します。

エージェントツール

各エージェントは、カスタマイズされたツールセットを使用して、インサイトを取得、分析、合成します。

  • check_portfolio_allocation_tool: MongoDBから現在のアセット割り当てを検索します。

  • calculate_asset_trends_tool: 現在の価格と 50 日の移動平均 を比較して傾向を検出します。

  • assess_macro_indicators_tool:FRED 経済データ（GDP、金利、失業率など）を取得して解釈します。

  • assess_vix_tool：VIXデータを使用して市場のボラティリティを分析します。

  • generate_overall_diagnosis_tool：すべての入力を同期し、LM ベースの推奨事項を提供します。

  • fetch_market_news_tool：ベクトル検索を使用して、意味的に関連性のある金融ニュースを見つけます。

  • generate_news_summaries_tool：LLM を使用して感情分析と要約を適用します。

各ツールには自然言語のdocstringが含まれており、ツールの目的、期待される入力、出力動作を説明することで、エージェントがツールをいつどのように使用するかを理解するのをガイドします。

セマンティック ベクトル ストレージ

最後に、生成されたすべてのインサイト（市場分析とニュース感情レポート）は、Voyage-Finance-2モデルを使用して埋め込まれ、MongoDB Atlasに保存され、両方のワークフロー全体でセマンティック検索と履歴追跡が可能になります。

パート3。マーケットアシスタントエージェントサービス

マーケットアシスタントエージェントサービスアーキテクチャ

図4。マーケットアシスタントエージェントサービスのアーキテクチャ

データが取り込まれ、MongoDB Atlas コレクションに埋め込まれると、マーケットアシスタントエージェントは LangGraph で実装された ReAct 推論パターンを使用してユーザーのクエリを自律的に解釈し、関連ツールにアクセスし、実用的な財務インサイトを生成します。

このエージェントは、段階的な理由付け、アクションの実行、メモリ保持が可能な、構造化されたLLMベースの金融アドバイザーとして機能します。LangGraphのReActエージェントフレームワークを用いて構築されており、以下のサイクルに従います。

  • クエリに関する推論

  • 動作（例：ツールを呼び出す）

  • 結果を確認する

  • 最終的な応答に達するまで繰り返し継続します。

エージェントの動作はMongoDBに保存されたカスタマイズ可能なエージェントプロファイルによって定義され、長期メモリと状態の永続性はMongoDBのチェックポインタを使用して管理され、checkpoints_aioとcheckpoint_writes_aioを介してインタラクションステップを追跡します。

エージェントツールの概要

Market Assistant Agent は、ポートフォリオ固有の分析と一般的な市場インテリジェンスに分かれたモジュール式のツールセットに依存しています。

ポートフォリオ固有のツール

  • market_analysis_reports_vector_search_tool: Voyage-finance-2埋め込みを使用して、意味的に関連する市場レポートを検索し、ベクトルの類似性と最新性のバランスをとって、ポートフォリオ全体およびアセット固有のインサイトを提供します。

  • market_news_reports_vector_search_tool: センチメント分類（ポジティブ/ニュートラル/ネガティブ）や全体的なニュースの影響など、ポートフォリオ資産に関連する最近のニュースを見つけて要約します。

  • get_portfolio_allocation_toolポートフォリオアセット全体の現在の投資配分を表示し、ティッカー、説明、および配分比率を示します。

  • get_portfolio_ytd_return_tool：portfolio_performance に保存されている過去のリターンに基づいて、年初来のパフォーマンスを計算し、形式を整えます。

  • get_vix_closing_value_tool：市場のボラティリティとリスクの迅速な指標として、最新の VIX 終値を提供します。

金融インテリジェンスの一般概念

  • tavily_search_tool：ウェブ検索を通じて最新の外部金融データとニュースを取得することで、内部ツールを補完します。これは、現在ポートフォリオに含まれていないアセットに特に有用です。

ベクトル埋め込みとベクトル検索

システムは、財務テキストに最適化された Voyage-finance- 2埋め込みモデルを使用して、レポートのセマンティック表現を生成します。これらの埋め込みは、次の場所に格納されます。

  • reports_market_analysis （マーケットレポート）

  • reports_market_news （ニュース記事）

両方のMongoDBコレクションは、MongoDB Atlas Vector Searchを介したセマンティッククエリをサポートしており、市場およびニュースのコンテキストにおける高い関連性のある検索を可能にします。

「GitHub リポジトリ: Leafy Bank UI」をご覧いただき、手順に従ってこのデモをご自身で作成してみてください。（注: このソリューションの各構成要素にはそれぞれ専用のリポジトリがあり、「Capital Markets」サービスとして README に記載されています。）

MongoDB を選ぶ理由

AI主導の金融アプリケーションのための最新のデータ基盤

MongoDB は、金融サービスの複雑さに対応するために構築された、統合型の高性能データプラットフォームです。点として断片化されたソリューションを、構造化データ、時系列データ、非構造化データ、ベクトル化データを処理できる単一のシステムに置き換えます。これにより、資本市場、資産運用、その他の分野におけるインテリジェントで適応性の高いアプリケーションの基盤として最適です。

スキーマの柔軟性とドキュメントモデル

MongoDB の JSON に似た BSON モデルは、エージェントの状態とオブジェクト指向設計に自然に適合し、アカウント、ポートフォリオ、トランザクション、AI メタデータのデータモデリングを簡素化します。開発者は次のことができます。

  • 動的スキーマにより、中断を伴う移行を行わずにデータモデルを進化させることができます。

  • 関連データを一緒に保存する（例：ユーザープロフィールや取引履歴）ことで、クエリをより速く、より効率的に実行できます。

  • 多様なデータ型（プリミティブ型、配列、埋め込みドキュメントなど）を、統一された構造で取り扱います。

市場データのための時系列コレクション

目的に特化した時系列コレクションは、大量の市場データを効率的に取り込み、分析します。機能には以下が含まれます：

  • 株式、債券、商品に対する高スループットのインジェスト。

  • パフォーマンスとコスト管理のための自動圧縮、インデックス作成、およびデータの有効期限管理。

  • 移動平均やボラティリティ追跡などのウィンドウ分析をネイティブでサポートしています。

セマンティック理解のためのAtlas Vector Search

MongoDB Atlas Vector Search は、ベクトル埋め込みを使用して金融コンテンツ全体のセマンティックな理解を可能にします。このソリューションは、Voyage-Finance-2という財務専用モデルを活用しています。

  • インタラクティブなプロンプトと類似性に基づくマッチングを使用した、コンテキストに応じた金融ニュースの検索。

  • セマンティック類似性検索は、より正確な結果を得るためにメタデータフィルタリングで強化されます。

エージェントメモリのための MongoDB チェックポインター

チェックポインターパターンにより、AIエージェントはインタラクションを通じて内部状態を永続化し、次のことをサポートします。

  • コンテキストの保持と長期的な推論。

  • 過去のAIの決定を完全に可視化し、監査を容易にし、コンプライアンスをサポートします。

インサイト生成のための Aggregation Pipelines とAtlas Charts

MongoDB の集計フレームワークは、傾向分析からマクロ経済的相関まで、リアルタイムのインサイトを提供します。Atlas Charts と組み合わせると、チームは動的なダッシュボードを構築できます。

  • AI駆動のポートフォリオシグナル

  • 市場のアノマリー

  • リアルタイムパフォーマンス指標

これらの機能が組み合わさることで、 MongoDB は AI主導の金融ソリューションのための堅牢で将来に備えたデータレイヤーとなり、現代の金融が求める柔軟性、柔軟性、インテリジェンスを提供します。

キーポイント

  • 投資ポートフォリオ管理における AI を活用したソリューションは、これまで不可能だった新たなレベルのインサイトを可能にします。ポートフォリオ マネージャーは、AI エージェントの性能を活用して、市場データ、市場ニュース、市場イベントを分析し、ポートフォリオ アセットとリスクに関する洞察に富んだ実行可能な提案をリアルタイムで行うことができるようになりました。

  • MongoDB は、投資ポートフォリオAIマネジメントのための Agentic AI の実現において重要な役割を果たします。MongoDB の柔軟なdocument modelは、ニュース、イベント、ソーシャルメディアデータを含む非構造化かつ動的な市場データをネイティブに保存します。MongoDB ベクトル検索は、コンテキストに応じた市場の類似性と相関関係を検索し、埋め込みや生成系AIモデルとシームレスに統合します。

  • エージェンティックAIは、AI主導の意思決定において急速に進化するパラダイムです。AI エージェントは、リアルタイムの市場状況や市場の変動に基づいてアクションや戦略を調整し、継続的に適応します。AI エージェントは過去の経験から学び、時間の経過とともにパフォーマンスを改良していきます。

使用した技術と製品

MongoDB 開発者データ プラットフォーム

提携技術

作成者

  • Peyman Parsi

  • Ainhoa Múgica

  • ジュリアン・ボロナット

  • Andrea Alaman Calderon

戻る

金融サービス生成系 AI

次へ

AI駆動型インタラクティブバンキング

項目一覧