随着金融科技相关技术的发展,传统的投顾业务也逐渐发生了转变。私人投顾服务受限于资源和成本的限制,服务群体以高净值客户为主,而智能投顾作为财富管理市场的新兴分支领域,以技术化手段来服务长尾客户的理财需求,具有巨大的市场发展潜力。智能投顾以客户理财目标为中心,将投资组合理论与人工智能技术相结合,为客户提供智能化的资产组合配置方案。随着市场接受度的提高和投顾服务技术的进步,智能投顾的发展也将进一步推动我国资产管理市场的蓬勃发展。智能投顾是一个复杂的投资决策过程,目前我国智能投顾策略构建和调整仍以人工操作为主,智能化水平较低,缺乏有效的技术方案支持。因此,本文对智能投顾解决方案进行探索性的研究,基于对现代投资组合理论和我国基金投顾市场的理解,从绩优基金选择到基金组合配置进行完整的流程设计,构建了以开放式公募基金为投资标的的智能投顾产品体系,为不同风险等级的投资者推荐基金组合。在绩优基金选择环节中,本文通过构建基金评价模型,对不同类型和不同风险等级的基金建立了统一的评分体制,选取8项基金评价指标,应用熵权法TOPSIS计算指标权重和综合指标得分,然后按照同类型同风险等级下的评分从高到低排序筛选出TOP 10的绩优基金作为基金组合的基金备选池。通过模型的筛选,对约7000只样本基金数据进行计算,结果显示,筛选出的绩优基金平均70%能获得高于同类平均收益的收益率。在组合配置的环节,通过结合长短时记忆（LSTM）神经网络改进Black-Litterman模型,利用LSTM神经网络对大类基金价格指数进行未来一段时间的收益率预测,从而确定了Black-Litterman模型的投资者观点收益率。并针对神经网络超参太多、暴力搜索最优超参困难的问题,应用粒子群优化算法对参数进行优化,提升了收益率预测效果。本文通过绩优基金选择和组合配置两个环节构建了智能基金组合,并设置季度再平衡。经过回测,本文所构建的智能基金投顾方法能获得高于基准指数的收益率。即使在基准指数出现收益率为负的情况,所有风险等级的智能基金投顾组合也都获得了正收益除了低风险投资者外,其他四类风险等级投资者都获得了超过13%的年化收益率,最高的获得了近24%的年化收益率。这说明该智能基金投顾方法是有效可行的。综上,本文打造了一款兼顾智能选基和智能组合配置功能的基金投顾产品,囊括了回测交易、模型构建、预测优化、动态调仓等功能。同时,实证结果表示,本文所构建的熵权法-TOPSIS基金综合评价模型和改进的LSTM-BL资产配置模型取得较好的投资效果,具有一定的应用价值,可以为我国智能投顾理论发展提供一定的参考意义。