O gerenciamento de riscos nos mercados de valores está se tornando cada vez mais complexo para os gerentes de portfólios de investimentos. A necessidade de processar grandes quantidades de dados, desde o mercado em tempo real até dados não estruturados de redes sociais, exige um nível de flexibilidade e escalabilidade que os sistemas tradicionais lutam para acompanhar.
Agentes de IA—um tipo de inteligência artificial que pode operar de forma autônoma e tomar ações com base em objetivos e interações no mundo real—estão prestes a transformar a forma como as carteiras de investimento são gerenciadas. De acordo com a Gartner, 33% dos aplicativos de software empresarial incluirão IA agêntica até 2028, contra menos de 1% em 2024. Pelo menos 15% das decisões do dia a dia do trabalho estão sendo tomadas de forma autônoma por meio de agentes de IA.1 O MongoDB capacita agentes de IA a transformar efetivamente o cenário do gerenciamento de portfólio de investimentos. Ao aproveitar a combinação de grandes modelos de linguagem (LLMs), geração aumentada de recuperação (RAG) e MongoDB Atlas Vector Search, os agentes de IA podem analisar vastos datasets financeiros, detectar padrões e se adaptar em tempo real às mudanças de forma dinâmica. Essa inteligência avançada eleva a tomada de decisões e capacita os gerentes de portfólio a melhorar o desempenho do portfólio, gerenciar os riscos de mercado de forma mais eficaz e realizar análises precisas de impacto de ativos.
Gerenciamento inteligente de portfólios de investimentos
O gerenciamento de portfólio de investimentos é o processo de selecionar, equilibrar e monitorar uma combinação de ativos financeiros, como ações, títulos, matérias-primas e derivativos, para obter um retorno mais alto do investimento (ROI) e, ao mesmo tempo, gerenciar os riscos de forma eficaz e proativa. Ela envolve a alocação cuidadosa de ativos, diversificação para mitigar a volatilidade do mercado, monitoramento contínuo das condições de mercado e o desempenho de ativos subjacentes para permanecer alinhado com os objetivos de investimento.
Para se manter relevante hoje, a gestão de portfólios de investimentos exige a integração de diversos dados alternativos não estruturados, como notícias financeiras, sentimento das redes sociais e indicadores macroeconômicos, juntamente com dados estruturados de mercado, como movimentos de preços, volumes de trading, índice, spreads e registros históricos de execução. Essa complexa integração de dados apresenta um novo nível de sofisticação na análise de portfólio, conforme descrito na Figura 1. É necessária uma plataforma de dados flexível, dimensionável e unificada que possa armazenar, recuperar e gerenciar com eficiência tão diversos datasets, e abrir caminho para a criação de soluções de gerenciamento de portfólio de última geração.
A incorporação do esquema flexível do MongoDB acelera a ingestão de dados em várias fontes de dados, como feeds de mercado em tempo real, registros históricos de desempenho e métricas de risco. Novas soluções de gerenciamento de portfólios habilitadas com dados alternativos oferecem suporte para a tomada de decisões mais inteligentes e para a mitigação proativa do risco de mercado. Essa mudança de paradigma gera perspicácias mais profundas, aprimora a geração de alfa e refina a realocação de ativos com maior precisão, destacando a função crítica dos dados no gerenciamento inteligente de portfólios.
Como o MongoDB desbloqueia o gerenciamento de portfólios impulsionado por IA
A alocação de ativos de portfólio alimentada por IA tornou-se uma característica desejável das estratégias modernas de investimento. Ao aproveitar a análise de portfólio baseada em IA, os gerentes de portfólio obtêm acesso a ferramentas avançadas que fornecem perspicácia adaptadas a objetivos financeiros específicos e tolerâncias a riscos. Essa abordagem otimiza a construção de portfólios, recomendando uma combinação alternativa de ativos, como ações e títulos, ETFs e oportunidades emergentes, ao mesmo tempo em que avalia continuamente as condições de mercado em evolução.
A Figura 2 ilustra um fluxo de trabalho proposto para gerenciamento de portfólios de investimentos alimentados por IA que reúne diversos dados de mercado, como preço de ações, índice de volatilidade (VIX) e indicadores macroeconômicos, como PIB, taxa de juros e taxa de desemprego, em uma camada de análise de IA para gerar insights acionáveis e mais inteligentes.
O modelo de documento versátil do MongoDB abre uma maneira mais intuitiva para o armazenamento e a recuperação de dados estruturados, semiestruturados e não estruturados. Isso está alinhado com a maneira como os desenvolvedores estruturam os objetos dentro dos aplicativos.
Nos mercados de capitais, as séries temporais são frequentemente usadas para armazenar dados de trading e dados de mercado baseados no tempo. As coleções de séries temporais do MongoDB são ideais para analisar dados ao longo do tempo, elas são projetadas para ingerir eficientemente grandes volumes de dados de mercado com alto desempenho e escalabilidade dinâmica. Descobrir insights e padrões das coleções de séries temporais do MongoDB é mais fácil e eficiente devido aos mecanismos subjacentes de ingestão e recuperação mais rápidos.
Aproveitando o painel de business intelligence do MongoDB Atlas Charts e avaliando insights avançados de investimento gerados por IA, os gestores de portfólio têm acesso a capacidades sofisticadas que integram insights de alta dimensão derivados de diversos datasets, revelando novos padrões que podem levar a decisões aprimoradas para geração de alfa e maior desempenho no portfólio.
O MongoDB Atlas Vector Search desempenha uma função fundamental na análise do sentimento sobre as notícias de mercado, ao permitir a recuperação context-aware de artigos de notícias relacionados. As pesquisas tradicionais baseadas em palavras-chave muitas vezes não conseguem capturar relacionamentos semânticos entre matérias jornalísticas, enquanto a pesquisa vetorial, com tecnologia de incorporação, permite uma compreensão mais contextual de como diferentes artigos se relacionam com um sentimento sobre as ações.
Armazenando notícias como vetores: Quando notícias relacionadas a ações são ingeridas, cada artigo de notícias é vetorizado como uma representação numérica de alta dimensão usando um embedding model. Esses embeddings encapsulam o significado e o contexto do text, em vez de apenas palavras individuais. Os artigos de notícias originais são vetorizados e armazenados no MongoDB como vetores.
Encontrando notícias relacionadas: a pesquisa vetorial é usada para encontrar artigos de notícias com base em algoritmos de similaridade, mesmo que eles não contenham exatamente as mesmas informações sobre ações. Isso ajuda a identificar padrões e tendências em vários artigos de notícias com base na similaridade contextual.
Aprimoramento do cálculo do sentimento: em vez de depender de um único sentimento de notícias, uma pontuação final de sentimento é agregada a partir de várias fontes de notícias relacionadas com conteúdo semelhante e relevante. Isso evita que uma notícia isolada influencie o resultado e fornece uma visão mais holística do sentimento das notícias de mercado.
Fundação da IA Autônoma
A IA Agêntica incorpora uma camada de orquestrador que gerencia a execução de tarefas em fluxos de trabalho. Os agentes de IA podem operar totalmente autônomos ou semi-autônomos com um humano no loop (HITL). Os agentes de IA estão equipados com ferramentas, model, memória e armazenamento de dados avançados. A memória aproveita dados contextuais de longo e curto prazo para uma tomada de decisão informada e contínua das interações. Ferramentas e modelos habilitam os agentes de IA a decompor tarefas em etapas e executá-las de forma coesa. O armazenamento e a recuperação de dados são fundamentais para a eficácia do agente de IA e podem ser avançados por meio do embedding e de funcionalidades de pesquisa vetorial.
Principais características dos agentes de IA:
Autonomia: A capacidade de tomar decisões com base na situação de forma dinâmica e executar tarefas com intervenção humana mínima.
Cadeia de pensamentos: A capacidade de realizar raciocínio passo a passo e de dividir problemas complexos em etapas lógicas menores para melhor julgamento e tomada de decisões.
Context aware: os agentes de IA adaptam continuamente suas ações com base nas condições de mudança do ambiente.
Aprendizagem: os agentes de IA melhoram o desempenho ao longo do tempo, adaptando-se e aprimorando.
Gerenciamento inteligente de portfólios de investimentos com agentes de IA
Os agentes de IA estão posicionados para revolucionar o gerenciamento de portfólios, passando de uma tomada de decisão baseada em regras para uma abordagem adaptativa, context-aware e baseada em IA. Os aplicativos de gerenciamento de portfólios habilitados para IA aprendem continuamente, adaptam e otimizam estratégias de investimento de forma mais proativa e eficaz. O futuro não é sobre a IA substituir os gerentes de portfólio, mas sim sobre humanos e IA trabalhando juntos para criar portfólios mais inteligentes, adaptativos e conscientes do risco. Os gerentes de portfólio que utilizam a IA obtêm uma vantagem competitiva e insights mais profundos para melhorar significativamente o desempenho do portfólio.
A solução, ilustrada na Figura 4, inclui um aplicativo de ingestão de dados, três agentes de IA e um aplicativo de insights de mercado que funcionam em sincronia para criar uma abordagem mais inteligente e orientada por insights para o gerenciamento de portfólios.
Aplicativo de ingestão de dados
A aplicação de ingestão de dados é executada continuamente, captura vários dados de mercado e os armazena em séries temporais ou como coleções padrão no MongoDB.
Dados de mercado: Coleta e processa dados de mercado em tempo real, incluindo preços, volumes, atividade de negociação e índice de volatilidade.
Notícias do mercado: captura e extrai notícias do mercado e relacionadas a ações. Os dados de notícias são vetorizados e armazenados no MongoDB.
Indicadores de mercado: recupera os principais indicadores macroeconômicos e financeiros, como PIB, taxa de juros e taxa de desemprego.
Agentes de IA
Nesta solução, existem 3 agentes de IA. O agente de análise de mercado e o agente de notícias de mercado têm fluxos de trabalho analíticos de IA. Eles executam com base em uma programação diária de forma totalmente automatizada, produzindo a saída esperada e armazenando-o no MongoDB.
O agente assistente de mercado tem um fluxo de trabalho mais dinâmico e foi projetado para desempenhar a função de assistente de um gerente de portfólio. Ele funciona com base em engenharia de prompt e tomada de decisão autônoma. O agente assistente de mercado é capaz de responder a perguntas sobre realocação de ativos e riscos de mercado com base nas condições atuais do mercado e traz novas perspicácias baseadas em IA para os gerentes de portfólio.
Agente de análise de mercado: Analisa tendências, volatilidade e padrões de mercado para gerar perspicácias relacionadas ao risco dos ativos da carteira.
agente de notícias de mercado: avalia o sentimento das notícias para cada um dos ativos, analisando notícias que podem impactar direta e indiretamente o desempenho do portfólio. Esse agente é potencializado pelo MongoDB vector search.
agente assistente de mercado: Sob demanda e por meio de um prompt, responde às perguntas do gerente de portfólio sobre tendências de mercado, exposição a riscos e alocação de portfólio usando fontes de dados e perspicácias que outros agentes criam.
aplicativo de perspicácia de mercado
A aplicação de informações de mercado é uma camada de visualização que fornece gráficos, painéis e relatórios para gerentes de portfólio, além de uma série de percepções acionáveis de investimento geradas pelos agentes de IA. Essas informações são geradas com base em um cronograma diário predefinido automaticamente e apresentadas aos gerentes de portfólio.
Os agentes de IA permitem que os gerentes de portfólio tenham uma abordagem inteligente e baseada em risco, analisando o impacto das condições de mercado no portfólio e suas metas de investimento. Os agentes de IA aproveitam as poderosas funcionalidades do MongoDB, incluindo a estrutura de agregação e a pesquisa vetorial, combinadas com embedding e models de IA generativa para realizar análises inteligentes e fornecer recomendações de portfólio relevantes.
Próximos passos
De acordo com a Deloitte, até 2027, as ferramentas de investimento orientadas por IA se tornarão a principal fonte de consultoria para investidores de varejo, com as soluções de gerenciamento de investimentos com tecnologia de IA projetadas para crescer para cerca de 80% até 2028.2
Ao utilizar os agentes de IA e o MongoDB, as instituições financeiras podem liberar todo o potencial do gerenciamento de portfólios orientado por IA para obter perspicácias avançadas que permitem ficar à frente das mudanças no mercado, otimizar estratégias de investimento e gerenciar riscos com mais confiança. O MongoDB estabelece uma base sólida para a jornada da IA agêntica e a implementação de soluções de gerenciamento de portfólios de investimento de última geração.
Para saber mais sobre como o MongoDB pode impulsionar a inovação em IA, confira estes recursos adicionais:
1 Sol, D., "Aproveite a oportunidade do agente de IA”, Gartner, 27 de fevereiro de 2025.
2 IA, gerenciamento de riqueza e confiança: as máquinas poderiam substituir os consultores humanos? Fórum Econômico Mundial, 17 de março de 2025.