AI 驅動
智能理財系統
研究生：張婷婷 張睿宸
指導教授：邱嘉豪 助理教授
東吳大學資料科學系碩士在職專班
指導教授：邱嘉豪 助理教授
東吳大學資料科學系碩士在職專班
專案介紹
全球智能理財（Robo-Advisor）管理資產規模已達 1.79 兆美元（2022 年），台灣市場亦以年均 29.12% 的速度快速成長。然而現有平台普遍存在三大痛點：推薦標的不符個人需求（34.40%）、資訊透明度不足（26.40%）、風險偏好匹配失準（20.80%）。
本研究開發一套 AI 驅動的智能理財基金推薦系統，透過規則式指標篩選（路徑一）與AI 大型語言模型統整（路徑二）的雙路徑設計，針對 2,444 檔基金進行個人化篩選。使用者填寫風險承受度問卷後，系統自動推薦最符合其需求的前五檔基金，並以淺顯文字解釋推薦邏輯，讓「黑盒子決策」轉為透明可信。
本研究開發一套 AI 驅動的智能理財基金推薦系統，透過規則式指標篩選（路徑一）與AI 大型語言模型統整（路徑二）的雙路徑設計，針對 2,444 檔基金進行個人化篩選。使用者填寫風險承受度問卷後，系統自動推薦最符合其需求的前五檔基金，並以淺顯文字解釋推薦邏輯，讓「黑盒子決策」轉為透明可信。
📈 股票型基金
以股票為主要投資標的，追求較高的資本增值潛力，適合風險承受度高、追求長期成長的投資人。
貝萊德全球智慧數據股票入息基金
摩根基金－美國科技基金
聯博－美國成長基金
摩根基金－美國科技基金
聯博－美國成長基金
🏦 債券型基金
以債券為主要投資標的，定期支付利息，波動相對較低，適合穩健保守型投資人。
PIMCO 多元收益債券基金
摩根基金－環球債券收益基金
聯博－美國收益基金
摩根基金－環球債券收益基金
聯博－美國收益基金
⚖️ 平衡型基金
同時配置股票與債券，兼顧成長與防禦，達到進可攻、退可守的投資效果。
安聯收益成長基金
摩根投資基金－多重收益基金
富蘭克林坦伯頓穩定月收益基金
摩根投資基金－多重收益基金
富蘭克林坦伯頓穩定月收益基金
主要功能
🎯 雙路徑推薦引擎
路徑一採規則式指標篩選，依標準差、貝塔值與夏普值設定容許區間，以報酬率排序輸出前五檔推薦基金。路徑二引入 LLM 進行語意整合，將枯燥指標轉化為白話投資摘要，兩路徑互補強化推薦品質。
🙋 個人化偏好設定
68.80% 的使用者希望自行選擇偏好產業與投資地區。系統支援科技、金融、醫療等產業，以及北美、亞洲、全球等地區的個人化組合篩選，確保推薦結果真正符合使用者的投資目標。
💡 透明化推薦邏輯
所有推薦附帶白話說明，例如「該標的近期報酬穩定，且夏普值 > 0.25，適合您的穩健型風險屬性」，徹底消除黑盒子感，讓使用者理解並信任推薦依據。
📊 視覺化績效展示
以圖表呈現推薦基金的歷史報酬、風險指標走勢與市場展望；提供與坊間主流智能理財平台（永豐 ibrAin、中信智主投、華南好基智）的績效比較，協助使用者做出更有根據的決策。
🤖 對話式 AI 助理
整合對話式 AI 介面，使用者可主動詢問推薦原因、各指標涵義或市場趨勢。系統即時回應並連動顯示相關指標數據，「比較溫暖，有人性化」（使用者質性回饋）。
⚖️ 三大量化評估指標
核心指標：標準差（衡量波動）、貝塔值 Beta（系統性風險敏感度）、夏普值 Sharpe Ratio（風險調整後報酬，閾值 > 0.25）。三項指標依使用者風險等級設定容許區間進行自動篩選。
研究成效
89.86%
系統操作
易用性滿意度
易用性滿意度
81.16%
依本系統推薦
投資意願
投資意願
75.36%
整體系統
信任度
信任度
2,444
基金資料庫
規模（檔）
規模（檔）
後測用戶滿意度（N = 69）
里克特五分量表 · 高滿意度（4 或 5 分）佔比（%）
≥ 88%
82–88%
75–82%
72–75%
後測問卷 N = 69，里克特 1–5 分量表，4 或 5 分視為「高滿意度」
前測痛點 vs 後測改善對照
現有平台不滿意原因（N = 125）→ 本系統改善成效
前測 N = 125（現有平台使用經驗）；後測 N = 69（本系統體驗後）
使用者偏好分析（前測 N = 125）
左：首選投資產業分布（可複選） 右：持有期限偏好
科技產業為最受歡迎的投資產業（37.85%）；81.60% 的使用者傾向中長期持有（1 年以上），與基金產品特性高度吻合
技術架構圖
雙路徑推薦架構：規則式篩選 ✕ AI LLM 統整
路徑一：規則式篩選
路徑二：AI LLM 統整
展示模組
系統採三模組架構：輸入模組（問卷收集偏好）→ 推薦模組（雙路徑篩選）→ 展示模組（視覺化 + 白話說明）。路徑一確保指標合規，路徑二透過 LLM 將數據轉化為可理解的投資建議。
研究結論
01
客製化機制顯著提升使用意願
前測中有 34.40% 的受試者因推薦標的不符需求而不滿意現有系統。導入可選擇產業與地區的個人化機制後，產業選擇滿意度達 82.61%、地區選擇滿意度達 88.41%，使用者由「被動接受建議」轉向「主動參與決策」。
產業選擇滿意度 82.61% 地區選擇滿意度 88.41% 使用意願 81.16%
產業選擇滿意度 82.61% 地區選擇滿意度 88.41% 使用意願 81.16%
02
透明化解釋建立信任，且不損及易用性
前測中有 26.40% 認為現有系統資訊不透明；35.78% 希望介面更簡潔。然而本系統導入白話推薦解釋後，在高度透明的前提下，操作易用性仍維持 89.86%——這證實了透明度與易用性是互補關係，而非零和取捨。
推薦邏輯滿意度 81.16% 操作易用性 89.86% 系統信任度 75.36%
推薦邏輯滿意度 81.16% 操作易用性 89.86% 系統信任度 75.36%
03
雙路徑設計具備高度實作與推廣價值
路徑一（規則式篩選）確保推薦標的通過夏普值、標準差、貝塔值的量化門檻；路徑二（LLM 統整）將枯燥數據轉化為白話分析。兩路徑互補下，81.16% 的使用者表示願意依據本系統的推薦進行實際投資決策，有效彌補一般投資人的專業知識不足。
投資決策採納意願 81.16% 整體滿意度 72.46% 後測樣本 N = 69
投資決策採納意願 81.16% 整體滿意度 72.46% 後測樣本 N = 69
學術論文
