随着大数据时代和人工智能的发展,智能投顾已逐渐替代人工投资顾问进行咨询理财服务。智能投顾(Robo-advisor)也可被称作机器人投顾、智能理财、自动化理财等。通过大数据与智能算法建立量化模型,依据投资者风险偏好,匹配相应预期收益,智能化股票投资组合推荐,实行自动策略交易服务。智能投顾能够全方位的考察投资者的财务状况,对其个人财富进行精确配置,多种资产区间配比,如股票、基金、保险等。相比于传统人工投顾来说,智能投顾在为客户提供数字化资产配置时,可以提高收益的精确性,降低时间成本和人力成本,提高服务效率。智能投顾扩张趋势势不可挡,世界众多金融机构纷纷加大智能投顾的研究,使之成为当下热门研究之一。本文针对智能投顾在选股领域是否有效这一问题,对A股市场建立多指标模型策略,探索高收益股票特征,通过对风险厌恶者建立广义线性模型(glmnet)策略,对风险中性者建立线性回归模型(lm)策略,对风险偏好者建立xgbTree模型策略,得出三组均可获得高于大盘的超额收益的有效模型策略,最后得出相关建议。在实证部分,本文数据范围涵盖全部A股。在输入变量中创建四大指标体系,分别为技术指标、基本面指标、舆情指标和交易指标,共计34个因子,用以评估股票未来收益率;本文创新提出构建模型池,内含机器学习中主流回归模型和分类模型,针对不同模型设置对应连续型和离散型评估指标,辅助筛选最优模型,之后调整最优模型的参数,构建输出变量为模型选股收益率与大盘收益率的差值;在策略评估部分,使用夏普比例对所有策略进行评估排序,构建三大类人群,分别为风险厌恶者、风险中性者与风险收益者,针对不同收益与风险需求的客户匹配不同的投顾策略。本研究结果和相应的数值计算程序可以为相关企业和投资者智能选股优化决策提供支持。最后,就选股策略对智能投顾的贡献做出总结,对本文的不足之处提出了后续研究方向,同时展望智能投顾未来发展形势,并对其提出一些法律约束。