对于投资组合经理来说，资本市场的风险管理正变得越来越复杂。从实时市场数据到非结构化社交媒体数据，处理海量数据的需求要求系统具备一定的灵活性和可扩展性，而传统系统难以满足这一需求。
AI 智能体是一类能够自主运行，并根据目标以及与现实世界的交互采取行动的人工智能，将重塑投资组合的管理方式。根据 Gartner 的报告，到 2028 年，33% 的企业软件应用将包含智能体 AI，而在 2024 年，这一比例还不到 1%。至少 15% 的日常工作决策正在通过 AI 智能体自主做出。1 MongoDB 可助力 AI 智能体切实推动投资组合管理转型。通过结合大语言模型（LLM）、检索增强生成（RAG）和 MongoDB Atlas Vector Search，AI 智能体能够分析庞大的金融数据集、识别模式，并根据不断变化的条件实时调整。这种先进智能可提升决策水平，帮助投资组合经理改善投资组合表现、更有效地管理市场风险，并精准开展资产影响分析。
智能投资组合管理
投资组合管理是指选择、平衡和监控股票、债券、大宗商品和衍生品等金融资产组合，以力求提高投资回报率（ROI），同时有效、主动地管理风险。它涉及审慎的资产配置、通过多元化配置降低市场波动影响，以及对市场状况和标的资产表现的持续监控，以确保投资组合始终与投资目标保持一致。
要在当今市场中保持竞争力，投资组合管理需要整合多样化的非结构化另类数据，例如金融新闻、社交媒体情绪和宏观经济指标，同时结合价格走势、交易量、指数、价差和历史交易执行记录等结构化市场数据。如图 1 所示，这类复杂的数据集成使投资组合分析呈现出新的复杂性和精细度。这需要一个灵活、可扩展的统一数据平台，能够高效存储、检索和管理这些多样化数据集，并为构建下一代投资组合管理解决方案奠定基础。
引入 MongoDB 的灵活模式，可以加快跨各类数据源的数据摄取，包括实时市场数据流、历史表现记录和风险指标等。融合另类数据的新型投资组合管理解决方案，支持更智能的决策和更主动的市场风险缓释。这一范式转变可以带来更深入的洞察，增强阿尔法收益生成能力，并以更高精度优化资产再配置，凸显数据在智能投资组合管理中的关键作用。
MongoDB 如何释放 AI 驱动型投资组合管理的潜力
AI 驱动型投资组合资产配置已成为现代投资策略的重要特征。借助基于 AI 的投资组合分析，投资组合经理可以使用先进工具，获得针对特定财务目标和风险承受能力量身定制的洞察。这种方法会推荐从股票、债券到 ETF 和新兴投资机会等不同资产组合方案，同时持续评估不断变化的市场条件，从而优化投资组合构建。
图 2 展示了 AI 驱动型投资组合管理的参考工作流。该工作流会将股价、波动率指数（VIX），以及国内生产总值（GDP）、利率和失业率等宏观经济指标在内的多样化市场数据引入 AI 分析层，以生成可操作的智能洞察。
MongoDB 灵活的文档模型为结构化、半结构化和非结构化数据的存储与检索提供了一种更直观的方式。这与开发者在应用中组织对象的方式一致。
在资本市场中，时间序列通常用于存储基于时间的交易数据和市场数据。MongoDB 时间序列集合非常适合分析随时间变化的数据，旨在以高性能和动态可扩展性高效摄取大量市场数据。得益于更快的底层摄取和检索机制，从 MongoDB 时间序列集合中发现洞察和模式变得更加轻松、高效。
通过利用 MongoDB Atlas Charts 的商业智能（BI）仪表盘并结合 AI 生成的进阶投资洞察，投资组合经理可以获得高级分析能力。这些能力可整合来自多样化数据集的高维洞察，发现新模式，从而改进面向阿尔法收益生成的决策并提升投资组合表现。
MongoDB Atlas Vector Search 可支持对相关新闻文章进行上下文感知检索，因此在市场新闻情绪分析中发挥着关键作用。传统的关键词搜索往往无法捕捉新闻报道之间的语义关系，而由嵌入驱动的向量搜索能够从更丰富的上下文中理解不同文章与个股情绪之间的关系。
将新闻存储为向量：摄取股票相关新闻时，每篇新闻文章都会使用嵌入模型向量化为高维数值表示。这些嵌入封装的是文本的语义和上下文，而不只是单个词语。原始新闻文章经过嵌入处理后，会以向量形式存储在 MongoDB 中。
查找相关新闻：即使新闻文章并不包含完全相同的股票信息，向量搜索也可以基于相似性算法查找相关文章。这有助于根据上下文相似性，在多篇新闻文章中识别模式和趋势。
增强情绪计算：最终情绪得分不会依赖单一新闻的情绪判断，而是从内容相似且相关的多个新闻来源中汇总得出。这可以避免单篇离群新闻影响结果，并提供更全面的市场新闻情绪视角。
智能体 AI 基础
智能体 AI 包含一个编排器层，用于管理工作流中的任务执行。AI 智能体既可以完全自主运行，也可以通过人机协同（HITL）机制半自主运行。AI 智能体具备先进的工具、模型、记忆和数据存储能力。记忆会利用长期和短期上下文数据，支持更明智的决策，并保持交互连续性。工具和模型使 AI 智能体能够将任务分解为多个步骤，并以连贯方式执行。数据存储和检索对于提升 AI 智能体的有效性至关重要，并可通过嵌入和向量搜索能力进一步增强。
AI 智能体的关键特征：
自主性： 根据情况动态作出决策并以最少的人为干预执行任务的能力。
思维链：能够执行逐步推理，并将复杂问题分解为更小的逻辑步骤，以做出更好的判断和决策。
上下文感知：AI 智能体会根据环境条件变化持续调整其行动。
学习：AI 智能体会通过持续适应和优化，随着时间推移提升自身表现。
借助 AI 智能体实现智能投资组合管理
AI 智能体有望革新投资组合管理，推动其从基于规则的决策转向自适应、上下文感知和 AI 驱动型决策。AI 驱动型投资组合管理应用能够持续学习、适应并优化投资策略，从而更加主动、高效地发挥作用。未来不是 AI 取代投资组合经理，而是人类与 AI 协同合作，构建更智能、更具适应性和风险感知能力的投资组合。采用 AI 的投资组合经理能够获得竞争优势和更深入的洞察，从而显著提升投资组合表现。
如下图 4 所示，该解决方案包括一个数据摄取应用、三个 AI 智能体和一个市场洞察应用，它们协同工作，打造更智能、由洞察驱动的投资组合管理方法。
数据接收应用程序
数据摄取应用会持续运行，捕获各类市场数据，并将其作为时间序列集合或标准集合存储在 MongoDB 中。
市场数据：收集和处理实时市场数据，包括价格、交易量、交易活动和波动率指数。
市场新闻：捕获并提取与市场和股票相关的新闻。新闻数据会被向量化并存储在 MongoDB 中。
市场指标：检索关键宏观经济和金融指标，例如国内生产总值（GDP）、利率和失业率。
AI 代理
在此解决方案中，共有三个 AI 智能体。市场分析智能体和市场新闻智能体具备 AI 分析工作流。它们会按每日计划以完全自动化的方式运行，生成预期输出并将其存储在 MongoDB 中。
市场助理智能体具有更动态的工作流，旨在扮演投资组合经理助理的角色。它基于提示工程和智能体决策运行。市场助理智能体能够根据当前市场状况，回答有关资产再配置和市场风险的问题，并将新的 AI 驱动型洞察提供给投资组合经理。
市场分析智能体：分析市场趋势、波动率和模式，以生成与投资组合资产风险相关的洞察。
市场新闻智能体：通过分析可能直接或间接影响投资组合表现的新闻，评估每项资产的新闻情绪。该智能体由 MongoDB 向量搜索提供支持。
市场助理智能体：根据需求并通过提示词，利用其他智能体创建的数据源和洞察，回答投资组合经理有关市场趋势、风险敞口和投资组合配置的问题。
市场洞察应用
市场洞察应用是一个可视化层，会将 AI 智能体生成的输出转化为图表、仪表盘、报告，以及一系列可操作的投资洞察，提供给投资组合经理。这些信息会根据预设的每日计划自动生成，并呈现给投资组合经理。
AI 智能体会分析市场状况对投资组合及其投资目标的影响，帮助投资组合经理采用更智能、基于风险的管理方法。AI 智能体充分利用 MongoDB 的强大能力，包括聚合框架和向量搜索，并结合嵌入模型和生成式 AI 模型执行智能分析，提供富有洞察力的投资组合建议。
后续步骤
根据 Deloitte 的报告，到 2027 年，AI 驱动型投资工具将成为散户投资者获取投资建议的主要来源；到 2028 年，AI 驱动型投资管理解决方案预计将增长至约 80%。2
借助 AI 智能体和 MongoDB，金融机构可以充分释放 AI 驱动型投资组合管理的潜力，获得高级洞察，从而更好地把握市场变化、优化投资策略，并更有信心地管理风险。MongoDB 为迈向智能体 AI 以及实施下一代投资组合管理解决方案奠定了坚实基础。
如需详细了解 MongoDB 如何为 AI 创新提供支持，请参阅以下更多资源：
1 Sun, D.，《把握 AI 智能体机遇》，Gartner，2025 年 2 月 27 日。
2 《AI、财富管理与信任：机器能否取代人类顾问？》，世界经济论坛，2025 年 3 月 17 日。