La gestione del rischio nei mercati dei capitali sta diventando sempre più complessa per i gestori di portafogli d'investimento. La necessità di elaborare enormi quantità di dati, dai dati di mercato in tempo reale ai dati non strutturati provenienti dai social media, richiede un livello di flessibilità e scalabilità che i sistemi tradizionali faticano a soddisfare.
Gli agenti AI, un tipo di intelligenza artificiale che può operare autonomamente e agire in base a obiettivi e interazioni reali, sono destinati a trasformare il modo in cui vengono gestiti i portafogli di investimento. Secondo Gartner, il 33% delle applicazioni software aziendali includerà l'Agentic AI entro il 2028, rispetto a meno dell'1% nel 2024. Almeno il 15% delle decisioni lavorative quotidiane viene assunto in modo autonomo tramite agenti AI.1 MongoDB consente agli agenti AI di trasformare efficacemente il panorama della gestione del portafoglio di investimento. Sfruttando la combinazione di grandi modelli linguistici (LLM), retrieval-augmented generation (RAG) e MongoDB Atlas Vector Search, gli agenti AI sono in grado di analizzare ampi set di dati finanziari, rilevare modelli e adattarsi in tempo reale a condizioni mutevoli in modo dinamico. Questa intelligenza avanzata eleva il processo decisionale e consente ai gestori di portafoglio di migliorare le performance del portafoglio, gestire i rischi di mercato in modo più efficace ed eseguire analisi precise dell'impatto sugli asset.
Gestione intelligente del portafoglio di investimenti
La gestione del portafoglio di investimento è il processo di selezione, bilanciamento e monitoraggio di una combinazione di asset finanziari, come azioni, obbligazioni, materie prime e derivati, per ottenere un maggiore ritorno sull'investimento (ROI) gestendo al contempo il rischio in modo efficace e proattivo. Essa prevede un'allocazione ponderata degli asset, la diversificazione per mitigare la volatilità del mercato, il monitoraggio continuo delle condizioni di mercato e la performance degli asset sottostanti per mantenere l'allineamento agli obiettivi di investimento.
Per rimanere rilevante oggi, la gestione del portafoglio di investimento richiede l'integrazione di diversi dati alternativi non strutturati come notizie finanziarie, sentiment sui social media e indicatori macroeconomici, insieme a dati di mercato strutturati come movimenti dei prezzi, volumi di trading, indici, spread e record storici di esecuzione. Questa complessa integrazione di dati presenta un nuovo livello di sofisticazione nell'analytics del portafoglio, come illustrato nella Figura 1. Richiede una piattaforma dati flessibile, scalabile e unificata che possa memorizzare, recuperare e gestire in modo efficiente dataset così diversificati e aprire la strada alla creazione di soluzioni di gestione del portafoglio di nuova generazione.
L'integrazione dello schema flessibile di MongoDB accelera l'ingestione di dati in diverse fonti di dati, come feed di mercato in tempo reale, record storici di performance e metriche di rischio. Le nuove soluzioni di gestione del portafoglio basate su dati alternativi supportano un processo decisionale più intelligente e una mitigazione proattiva del rischio di mercato. Questo cambiamento di paradigma realizza insight più profondi, migliora la generazione di alpha e affina la riallocazione degli asset con maggiore precisione, sottolineando il ruolo cruciale dei dati nella gestione intelligente del portafoglio.
Come MongoDB sblocca la gestione del portafoglio basata sull'AI
L'allocazione degli asset in portafoglio basata sull'AI è diventata una caratteristica desiderabile delle strategie di investimento moderne. Sfruttando l'analisi di portafoglio basata su AI, i gestori di portafoglio accedono a strumenti avanzati che forniscono insight su misura per obiettivi finanziari specifici e tolleranze al rischio. Questo approccio ottimizza la costruzione del portafoglio raccomandando una combinazione alternativa di asset, che va da azioni e obbligazioni a gli ETF e opportunità emergenti, valutando in modo continuo le condizioni di mercato in evoluzione.
La Figura 2 illustra un flusso di lavoro proposto per la gestione di portafogli di investimento basata sull'intelligenza artificiale (AI) che integra dati di mercato diversificati, inclusi il prezzo delle azioni, l'indice di volatilità (VIX) e indicatori macroeconomici come PIL, tasso di interesse e tasso di disoccupazione, in un layer di analisi AI per generare insight più utili e operative.
Il versatile modello di documenti di MongoDB sblocca un modo più intuitivo per l'archiviazione e il recupero di dati strutturati, semi-strutturati e non strutturati. Questo è in linea con il modo in cui gli sviluppatori strutturano gli oggetti all'interno delle applicazioni.
Nei mercati dei capitali, spesso le time series sono utilizzate per memorizzare dati di trading basati sul tempo e dati di mercato. Le tabelle di time series MongoDB sono ottimali per analizzare i dati nel tempo, sono progettate per acquisire in modo efficiente grandi volumi di dati di mercato con alte prestazioni e scalabilità dinamica. Scoprire insight e modelli dalle tabelle di time series MongoDB è più semplice ed efficiente grazie alla maggiore rapidità dei meccanismi di base di ingestione e recupero.
Sfruttando la dashboard di business intelligence di MongoDB Atlas Charts e valutando approfonditi insight di investimento generati dall'AI, i gestori di portafoglio possono contare su capacità sofisticate che integrano insight multidimensionali derivati da diversi dataset, rivelando nuovi modelli che possono portare a un processo decisionale migliorato per la generazione di alpha e a una performance del portafoglio superiore.
MongoDB Atlas Vector Search svolge un ruolo fondamentale nell'analisi del sentiment delle notizie di mercato consentendo il recupero contestuale di articoli correlati. Le ricerche tradizionali basate su parole chiave spesso non riescono a cogliere le relazioni semantiche tra notizie, mentre la ricerca vettoriale, resa possibile dagli incorporamenti, permette una comprensione più contestuale di come i diversi articoli si relazionano a un sentiment azionario.
Memorizzare le notizie come vettori: quando vengono ingerite notizie correlate alle borse, ogni articolo viene vettorializzato come una rappresentazione numerica multidimensionale utilizzando un modello di incorporamento. Questi incorporamenti racchiudono il significato e il contesto del testo, non solo le singole parole. Gli articoli di notizie originali sono incorporati e memorizzati in MongoDB come vettori.
Trovare notizie correlate: la ricerca vettoriale viene utilizzata per trovare articoli basandosi su algoritmi di similarità, anche se non contengono esattamente le stesse informazioni sui titoli. Questo aiuta a individuare modelli e tendenze in più articoli in base alla somiglianza contestuale.
Miglioramento del calcolo del sentiment: invece di affidarsi a un singolo sentiment delle notizie, viene aggregato un punteggio di sentiment finale da più fonti di notizie correlate con contenuti simili e pertinenti. Ciò impedisce che una singola notizia anomala incida sul risultato e offre una visione più completa del sentiment di mercato.
Fondamento dell'Agentic AI
L'Agentic AI incorpora un layer di orchestrazione che gestisce l'esecuzione delle attività nei flussi di lavoro. Gli agenti AI possono operare in modo completamente autonomo o semi-autonomo con un intervento umano (HITL). Gli agenti AI sono dotati di strumenti, modelli, memoria e archiviazione dati avanzati. La memoria sfrutta i dati contestuali sia a lungo che a breve termine per prendere decisioni consapevoli e garantire la continuità delle interazioni. Strumenti e modelli permettono agli agenti AI di scomporre attività in fasi ed eseguirle in modo coerente. L'archiviazione e il recupero dei dati sono fondamentali per l'efficacia degli agenti AI e possono essere migliorati tramite capacità di incorporamento e ricerca vettoriale.
Caratteristiche chiave degli agenti AI:
Autonomia: La capacità di prendere decisioni in base alla situazione in modo dinamico e di eseguire compiti con un intervento umano minimo.
Catena di pensieri: la capacità di effettuare ragionamenti passo dopo passo e di suddividere problemi complessi in passaggi logici più piccoli per un giudizio e un processo decisionale migliori.
Consapevole del contesto: gli agenti AI adattano costantemente le loro azioni in base alle condizioni mutevoli dell'ambiente.
Apprendimento: gli agenti AI migliorano le prestazioni nel tempo adattandosi e potenziando.
Gestione intelligente del portafoglio di investimento con agenti AI
Gli agenti AI sono in grado di rivoluzionare la gestione del portafoglio, passando da un processo decisionale basato su regole a uno adattivo, consapevole del contesto e alimentato dall'AI. Le applicazioni di gestione del portafoglio abilitate dall'AI imparano, adattano e ottimizzano continuamente le strategie di investimento in modo più proattivo ed efficace. Il futuro non prevede che l'AI sostituisca i gestori di portafoglio, ma piuttosto che esseri umani e AI lavorino insieme per creare portafogli più intelligenti, adattivi e consapevoli del rischio. I gestori di portafoglio che sfruttano l'AI ottengono un vantaggio competitivo e insight più profondi per migliorare notevolmente le prestazioni del portafoglio.
La soluzione, illustrata nella figura 4 qui sotto, include un'applicazione di acquisizione dati, tre agenti AI e un'applicazione di analisi di mercato che lavorano in armonia per creare un approccio più intelligente e guidato dagli insight alla gestione del portafoglio.
Applicazione per l'ingestione dei dati
L'applicazione per l'ingestione dei dati funziona in modo costante, acquisisce diversi dati di mercato e li memorizza in time series o come tabelle standard in MongoDB.
Dati di mercato: raccoglie ed elabora dati di mercato in tempo reale, inclusi prezzi, volumi, attività di scambio e indice di volatilità.
Notizie di mercato: acquisisce ed estrae notizie di mercato e relative alle azioni. I dati di notizie sono vettorizzati e memorizzati in MongoDB.
Indicatori di mercato: recupera indicatori macroeconomici e finanziari chiave, come PIL, tasso di interesse e tasso di disoccupazione.
Agenti AI
In questa soluzione sono presenti 3 agenti AI. L'agente di analisi di mercato e l'agente di notizie di mercato hanno flussi di lavoro analitici basati su AI. Funzionano secondo un programma giornaliero in modo completamente automatizzato, producendo l'output atteso e memorizzandolo in MongoDB.
L'agente assistente di mercato ha un flusso di lavoro più dinamico ed è progettato per svolgere il ruolo di assistente di un gestore di portafoglio. Funziona basandosi su prompt engineering e processi decisionali degli agenti. L'agente assistente di mercato è in grado di rispondere a domande sulla riallocazione degli asset e sui rischi di mercato in base alle condizioni attuali di mercato e di portare i nuovi insight basati sull'AI ai gestori del portafoglio.
Agente di analisi di mercato: analizza le tendenze, la volatilità e i modelli di mercato per generare insight relativi al rischio degli asset del portafoglio.
Agente di notizie di mercato: valuta il sentiment delle notizie per ciascuno degli asset analizzando notizie che direttamente e indirettamente possono incidere sulla performance del portafoglio. Questo agente è supportato da MongoDB Vector Search.
Agente assistente di mercato: su richiesta e in modo tempestivo, risponde alle domande del gestore di portafoglio sulle tendenze del mercato, sull'esposizione al rischio e sull'allocazione del portafoglio utilizzando fonti di dati e insight creati da altri agenti.
Applicazione di insight di mercato
L'applicazione di insight di mercato è un layer di visualizzazione che fornisce grafici, dashboard e rapporti per i gestori di portafoglio, oltre a una serie di insight di investimento fruibili basati sui risultati creati dagli agenti AI. Queste informazioni vengono generate automaticamente in base a un programma giornaliero predeterminato e presentate ai gestori di portafoglio.
Gli agenti AI permettono ai gestori di portafoglio di adottare un approccio intelligente e basato sul rischio, analizzando l'impatto delle condizioni di mercato sul portafoglio e sui suoi obiettivi di investimento. Gli agenti AI sfruttano le potenti capacità di MongoDB, incluso il framework di aggregazione e la ricerca vettoriale, combinati con modelli di incorporamento e generative AI per eseguire analisi intelligenti e dare consigli perspicaci sul portafoglio.
Prossimi passi
Secondo Deloitte, entro il 2027, gli strumenti di investimento basati sull'AI diventeranno la principale fonte di consigli per gli investitori retail, con soluzioni di gestione degli investimenti basate sull'AI che si prevede cresceranno fino a circa l'80% entro il 2028.2
Sfruttando agenti AI e MongoDB, le istituzioni finanziarie possono sbloccare tutto il potenziale della gestione del portafoglio guidata dall'AI per ottenere insight avanzati che permettono loro di anticipare le variazioni del mercato, ottimizzare le strategie di investimento e gestire il rischio con maggiore sicurezza. MongoDB pone una solida base per il percorso dell'Agentic AI e l'implementazione di soluzioni di gestione del portafoglio di investimento di nuova generazione.
Per saperne di più su come MongoDB può rendere possibile l'innovazione con l'AI, consulta queste risorse aggiuntive:
1 Sun, D., "Capitalize on the AI Agent Opportunity(Capitalizzare sull'opportunità offerta daggli agenti AI)", Gartner, 27 febbraio 2025.
2 AI, wealth management and trust: Could machines replace human advisors? (AI, gestione patrimoniale e affidabilità: le macchine potrebbero sostituire i consulenti umani?), World Economic Forum, 17 marzo 2025.