（一）丰富量化投资经验团队

不论IT技术如何先进，智能投顾的核心是策略和算法，只有两者紧密结合，才能大幅度提高策略和算法的效率和效果。截至2019年6月1日，这些训练机器的策略算法在金融领域的人工智能技术条件下，无疑需要一个具备长期量化投资经验和研究经验的金融工程团队。团队的核心成员至少需要5—10年的量化研究投资经验，需要多年优秀的公开产品管理业绩。

（二）独具特色的核心量化技术

团队的核心量化技术能够独具特色自成一家。量化的研究方向要多，包括大盘择时、风格轮动、行业配置、主题配置、资产配置、选股策略、套利策略、对冲策略、交易策略、衍生品策略和程序化交易策略等等。团队必须在某一方面具备行业独特的领先优势和持续开发量化技术的能力。

（三）强大的数据库

一个好的智能投顾产品离不开强大的数据库作为支撑。这些数据库不仅包括宏观经济数据库、交易数据库、一致预期数据库、用户轨迹数据库、用户交易记录、上市公司基本面数据库、基金数据库、新闻数据库，还包括深度加工的特色指标数据库，如并购重组数据库、基于交易数据衍生的各类指标数据库、市场温度数据库等等。

（四）强大的金融工程团队

智能投顾产品的核心是算法和策略，而领先的算法和策略则需要一个具备强大金融工程研发能力的研究团队。团队成员需要具备多年的金融工程工作经验和基金管理经验，熟悉择时、选股策略、行业配置、大类资产配置等各个领域的研究，具备前瞻性的金融工程发展视野。一个强大的金融工程团队不仅需要有着强大编程能力的成员，还需要具备物理和数学等理科背景的人才。统计物理、理论物理、复杂系统理论和非线性科学等学科的诸多理论均可以通过研究金融市场的自组织性等特性而涌现出的宏观规律性来对金融市场进行多角度深入剖析。

（五）强大的人工智能IT团队

强大的智能投顾离不开一个强大的具备人工智能IT技术开发能力的团队。随着多层神经网络技术和机器学习技术迅猛发展，智能投顾要如何吸收这些技术用于策略的开发以及如何落地成为产品便成为一个新的关键环节。(www.daowen.com)

（六）精通业务细节的风控团队

智能投顾的风险不仅包括智能产品本身的风险，还包括产品的智能匹配风险、智能交易风险、智能平衡风险等各种与算法和IT技术有关的新型风险。这无疑需要一个更加精通人工智能知识和相关法律法规的风控团队。此外，由于多数智能投顾公司尚未获得牌照，如何在现行法规下合规开展对外合作，也是风控团队的重要工作。

（七）出色的产品业绩

智能投顾作为新生事物，不管IT技术如何先进，也不论机器学习理论如何得到使用，最终还是以业绩为王。

（八）广大的用户群体

用户群体是智能投顾平台的服务主体。良好的用户体验和活跃的社交平台均可以成为吸引广大用户的平台特性。用户的认可程度同样是评价一个智能投顾平台是否具有核心竞争力的重要参考指标。

（九）丰富的产品体系

丰富的产品体系可以同时满足不同用户群体的需求，例如针对高净值人群的长期稳定收益投资组合和针对散户的低门槛投资组合等等。一个丰富的、不断更新的产品体系有助于智能投顾平台保持用户数量和质量的可持续增长。