第7章 智能投顾
来源：书内印刷页 115–124；OCR PDF 页序约 126–135。Betterment 案例为原书写作时的业务说明。
-
本章解决的问题
智能投顾如何根据客户财务状况、风险偏好和投资目标提供服务？其平台类型、模型流程和风险边界是什么？ -
本章的核心结论
智能投顾以算法辅助或自动化投资建议、资产配置及组合调仓。业务流程包括客户信息收集与风险测评、用户画像、资产配置、交易执行和持续调仓；模型提升服务自动化与可扩展性，但不能消除投资风险，也受到适当性、数据和技术限制。 -
关键概念
- 智能投顾：以算法、数据及自动化流程支持客户投资建议或资产管理的服务。
- 用户画像模型：依据客户基本信息及可得的投资数据评估风险承受能力和投资特征。
- 资产配置模型：依据目标与约束配置不同资产，书中以现代资产组合理论、均值—方差框架作介绍。
- 交易模型与调仓模型：分别支持投资组合的交易执行和持仓再平衡。
- 投资组合有效边界：在给定风险水平下寻求较高预期收益、或给定收益下控制风险的组合集合。
-
重要论据
- 智能投顾平台类型不同，服务内容可包括产品推荐、投资组合配置或自动化管理。
- 客户问卷及基本信息用于构建风险画像；数据权限和监管环境会限制平台可使用的外部信息。
- 资产配置需综合资产收益、风险及相关性；组合监控和再平衡是持续服务的一部分。
- 风险包括法律合规、技术与网络、市场和信息安全等；算法主体替代人工建议会带来新的责任与解释问题。
-
具体案例
- Betterment：书中以该智能投顾平台说明服务流程，包括收集用户基本信息、评估风险并基于现代资产组合理论及相关算法提供分散化投资组合；用户可按偏好和风险承受能力选择组合。
-
作者提出的方法
把智能投顾拆解为用户画像、资产配置、交易和调仓模型；明确客户风险与投资目标，保持组合风险暴露监测，并对算法、交易执行和个人信息安全建立控制措施。 -
可能的隐含假设
- 客户填写的信息真实且足以支持适当性判断。
- 资产收益、波动和相关性估计能对未来配置提供参考。
- 自动交易和调仓系统在网络或市场异常情况下仍有安全处置方案。
-
与其他章节的联系
本章使用第2章机器学习与第4章数据处理能力，以第6章量化投资模型为方法基础；与第8章智能风控在客户画像及模型风险方面相连。 -
一句话总结
智能投顾把客户画像、资产配置和自动交易串成服务流程，但投资适当性、市场风险和算法责任仍不可外包给模型。 -
原文依据或页码
书内印刷页 115–124：7.1 概述、7.2 模型、7.3 风险、7.4 Betterment 案例。
自测：①智能投顾的四类模型分别承担什么作用？②自动化调仓为何没有消除市场风险？