在 AI 浪潮下，受到高度監管的金融業面臨著『準確度』與『可解釋性』的兩難。本議題將提供另一種 AI 落地思維，以嚴謹的數學最佳化演算法為基底，打造出一顆能『隨需應變』的智能引擎，支撐企業內外部的多樣化理財場景

本議題將分享一個智能理財服務的落地經驗：我們如何以「最大化夏普值（Sharpe Ratio）」的最佳化演算法為核心，透過抽換「限制式（Constraints）」，成功打造兩個截然不同的智能金融服務：

1. 面向理專的「智能理財」：融合研究團隊觀點，執行顧客投資組合的健康檢查與精準優化。

2. 面向顧客的「ETF 投資策略」：依據顧客個人偏好，自動配置最適化的專屬投資組合。