当前我国的证券行业正处在转型升级的关键时期:一方面,国内资本市场的改革的日益提速,外资金融机构的不断涌入,证券行业牌照壁垒产生的垄断效应持续弱化,与此同时金融创新业务与金融创新产品如雨后春笋般诞生,使得证券行业竞争不断加剧,行业佣金率不断下降,传统经纪业务的盈利空间持续压缩;另一方面,券商行业的零售客户服务中普遍存在着基础服务不扎实,高端服务不高端的情况,零售客户接触不到较好的投顾服务,高净值客户对目前的投资顾问服务不满意。因此,证券经纪业务未来发展方向应该是向综合金融服务商转型,在这个转型过程中,投资顾问的重要性日益增强,国内多家券商开始发展智能投顾业务。在此背景下,本文研究利用数据挖掘技术和推荐模型建设AI智能投顾适配系统,即利用大数据、AI、云计算等技术通过对海量客户数据进行分析,为客户建立“自画像”并且智能地为其提供适配类型的金融产品和服务。AI智能投顾适配系统的运用,能够做到金融产品和服务产品的线上智能化推荐,真正实现“向合适的客户推荐合适的金融服务或金融产品”,有利于为证券行业的转型升级提供借鉴,具有重要的现实意义。本文采用理论与案例相结合的方法,对券商智能投顾业务的发展以及AI智能投顾适配系统构建的背景、前提、方法、模型和运用进行详细的分析,全文可分为五个部分:第一章介绍智能投顾的基础理论和发展现状,并将传统投顾与智能投顾进行比较,为后文的研究打下坚实的理论基础;第二章对券商的零售客户以及券商提供的金融产品和服务进行分类,建立客户数据及产品或服务的特征因子库;第三章基于将不同客户群与不同产品大类进行匹配的思路,构建基于客户因子的金融产品和服务推荐模型;第四章为案例分析,以C券商的IVatarGo项目为例,探讨基于适配性模型的AI智能投顾系统的实现方式和应用效果;第五章为完善智能投顾适配系统的对策建议。本文探索构建一套可操作性强、可供借鉴的AI智能投顾适配模型,旨在为券商向综合金融服务商转型提供理论基础和方向指引,为券商更好地开展智能投顾业务提供技术方法,具有较强的现实意义。