告别Excel：用AI编程工具Codex构建金融投资组合应用

从Excel到AI编程：金融专业人士的新选择

几十年来，Excel一直是金融从业者构建应用的首选工具。它简单、快速、直观——当业务部门需要一个新应用时，往往等不了IT团队三个月甚至半年的开发周期，于是他们用Excel搭建出第一个版本。这个电子表格可能不够稳定，也达不到企业级标准，但它能用，能推动业务前进。

Excel自1985年发布以来，已经成为全球金融行业的事实标准工具。据估计，全球有超过7.5亿人使用Excel，其中金融行业的渗透率接近100%。从投行的DCF估值模型、对冲基金的风险分析，到企业财务的预算编制，Excel几乎无处不在。摩根大通曾披露其内部运行着数十万个关键业务Excel文件。然而，这种依赖也带来了巨大风险——2012年摩根大通"伦敦鲸"事件中，一个Excel公式错误导致了62亿美元的交易损失。Excel的"影子IT"问题（业务部门绕过IT部门自建系统）一直是金融机构合规和风险管理的痛点。

然而，这个延续了数十年的工作流程正在被AI编程工具彻底改变。一位资深金融技术从业者在B站分享了他的实践：用AI编程工具Codex，仅凭一段自然语言描述，就构建出了一个可运行的股票投资组合管理工具。

Excel的局限与AI编程工具的定位

Excel做对了什么

Excel的核心价值在于帮助金融专业人士"用模型思考"（think in models）。它让非技术人员也能快速将业务逻辑转化为可计算的模型，这一点至今仍然重要。

AI编程工具适合哪些场景

视频作者明确指出了AI编程工具的适用边界：

• 适合场景：个人工具、原型验证、内部实验、小型生产力应用
• 不适合场景：关键任务的企业级系统——这些仍然需要专业的开发、测试、安全审计、治理和生产支持

这个定位非常务实。AI编程工具并不是要取代专业开发团队，而是填补了"Excel原型"和"企业级软件"之间的巨大空白。过去，金融专业人士的想法要变成可用软件，必须经历漫长的需求沟通和开发周期；现在，如果你能清晰地描述你的金融工作流，AI就能帮你把它变成一个可运行的应用。

实战演示：从零构建投资组合管理工具

一句话需求，Codex全程执行

作者使用OpenAI的Codex进行演示，向AI描述了一个简单但完整的需求：

构建一个美股投资组合管理应用，能够下载证券主数据、支持交易输入、并执行日终估值。

Codex是OpenAI推出的AI编程代理，基于其最新的大语言模型构建。与传统的代码补全工具不同，Codex能够在云端沙箱环境中自主执行完整的软件开发任务——包括阅读代码库、编写代码、运行测试、修复错误，整个过程无需人工干预。它的工作方式类似于一个初级开发者：接收自然语言指令后，会制定计划、逐步实现、遇到问题自动调试。这种"代理式编程"（Agentic Coding）代表了AI辅助开发的最新范式，从"人写代码AI补全"进化为"人描述需求AI全程开发"。

仅凭这一段自然语言描述，Codex就开始自主工作。整个过程中，它会展示自己的思考过程和当前操作步骤，遇到错误时甚至会自动修复并重试。

成果展示：功能完备的Web应用

几分钟后，Codex生成了一个可通过URL访问的Web应用，包含以下功能模块：

1. 证券主数据（Security Master）

• 从NASDAQ自动下载了12,599只证券的数据
• 其中包括7,390只股票和5,209只ETF
• 数据完整且分类清晰

证券主数据是金融机构运营的基础设施之一，它包含每只证券的标识符（如CUSIP、ISIN、Ticker）、分类信息、交易所归属、公司行为数据等。在大型资产管理公司中，维护一套准确的证券主数据通常需要专门的团队和昂贵的数据供应商（如Bloomberg、Refinitiv）。数据质量问题——如证券代码变更、公司合并导致的映射错误——是投资运营中最常见的故障来源之一。演示中Codex能自动从NASDAQ下载并分类近1.3万只证券数据，虽然在生产环境中还需要更严格的数据治理，但作为原型验证已经展示了AI工具快速搭建数据管道的能力。

2. 交易录入（Trades）

• 支持输入股票代码、买卖方向、数量和价格
• 每笔交易自动追加到交易账本（Trade Ledger）中

3. 投资组合与日终估值（Portfolio & EOD Valuation）

• 自动计算持仓成本（演示中为$20,000）
• 一键运行日终估值，下载最新收盘价
• 自动计算投资组合当前市值及盈亏（P&L）

日终估值是资产管理行业每个交易日结束后必须执行的核心流程。它的基本逻辑是：获取投资组合中所有持仓证券的最新收盘价，乘以持仓数量得到市值，再与成本基础对比计算盈亏。在实际运营中，这个看似简单的流程涉及复杂的定价层级（交易所价格、经纪商报价、模型定价）、多币种换算、应计利息计算（对于债券）、以及NAV（净资产值）的最终确认。大型基金公司的日终估值流程通常由专门的投资运营团队配合Charles River、SimCorp等专业系统完成。AI工具生成的版本虽然简化了这些复杂性，但核心逻辑框架是正确的。

这不是一个简单的计算器，而是一个具备数据获取、交易管理、估值计算等核心功能的完整金融应用——而它的"开发过程"仅仅是写了一段话。

深层启示：金融工作流的范式转变

从"模型思维"到"软件思维"

作者提出了一个精辟的总结：

Excel帮助我们用模型思考，AI编程工具帮助我们把模型变成软件。

这句话揭示了金融行业一个重要的范式转变。过去，金融专业人士的能力边界止步于Excel模型；现在，同样的业务知识可以直接转化为可运行的软件应用。这意味着：

• 原型验证速度大幅提升：从想法到可演示的工具，可能只需要几分钟而非几周
• 沟通成本显著降低：与其写长篇需求文档给开发团队，不如先用AI生成一个可运行的原型
• 金融专业人士的价值重新定义：核心竞争力不再是"会不会写代码"，而是"能不能清晰描述业务逻辑"

AI编程工具的选择：不止Codex一种

你可能没注意到，作者特别强调"你可以使用任何编程工具和模型来做同样的事情"。Codex只是演示选择之一，市面上的Cursor、Windsurf、Claude等AI编程工具都具备类似能力。关键不在于选择哪个工具，而在于掌握"用自然语言驱动软件开发"这一新技能。

当前AI编程工具市场正处于快速演化阶段。Cursor基于VS Code构建，通过深度集成AI实现代码编辑、多文件重构和对话式开发；Windsurf（原Codeium）强调"流式"开发体验，AI能主动感知开发者意图；Claude（Anthropic）的Artifacts功能可以直接生成可交互的应用原型；GitHub Copilot则依托微软生态拥有最大的用户基础。此外，Replit、Bolt.new、v0.dev等工具更偏向零代码/低代码方向，让完全没有编程经验的用户也能生成应用。这些工具的共同趋势是：从"辅助写代码"向"代理式开发"演进，用户的角色从"编码者"转变为"需求描述者和质量审核者"。

理性拥抱AI编程，而非盲目替代Excel

这个演示最令人欣赏的地方在于它的克制。作者没有鼓吹"AI可以取代一切"，而是清晰划定了适用边界：个人工具和原型可以大胆尝试，企业级系统仍需专业团队。

对于金融从业者而言，现在正是学习AI编程工具的好时机。不是为了成为程序员，而是为了将自己多年积累的业务知识更高效地转化为可用的工具。当你的同事还在用Excel拼凑复杂的VBA宏时，你已经可以用一段话生成一个完整的Web应用——这就是AI编程工具带来的生产力差距。

VBA（Visual Basic for Applications）是Excel内置的编程语言，自1993年引入以来一直是金融专业人士自动化工作的主要手段。然而VBA存在诸多局限：语法陈旧、调试困难、无法轻松创建现代Web界面、难以集成外部API和数据源、且代码维护成本极高。更关键的是，VBA的学习曲线对非技术人员仍然陡峭——理解循环、条件判断、对象模型等编程概念需要大量时间。AI编程工具的革命性在于完全消除了这道门槛：用户无需理解任何编程概念，只需用自然语言描述业务需求，AI就能生成使用Python、JavaScript等现代语言编写的、具备Web界面的完整应用。这是从"学习编程语言"到"用母语编程"的质变。

核心要点

• AI编程工具填补了Excel原型与企业级软件之间的空白，适合个人工具、原型验证和内部实验等场景
• 演示中仅凭一段自然语言描述，Codex就自动构建了包含证券主数据下载、交易录入和日终估值功能的完整投资组合管理应用
• 核心范式转变：Excel帮助用模型思考，AI编程工具帮助把模型变成可运行的软件
• 金融专业人士的核心竞争力正从技术能力转向清晰描述业务逻辑的能力
• 作者理性划定边界：关键任务的企业级系统仍需专业开发团队，AI编程工具是增强而非替代