机器人投顾先判断你能承受多大亏损，再决定股票、债券等资产的大致比例。问题在于，风险偏好无法直接观测：前端一旦“看错人”，后端配置算得再精确，也可能错在起点。Capponi 等在《Journal of Portfolio Management》把这一步单独视为模型风险；论文称，机器人投顾目前在全球管理约 2 万亿美元资产，因此这种误差值得系统检查。
作者采用非参数效用重建算法——不预先限定固定的效用函数形状，而是从交易行为反推投资者如何权衡收益与损失。按作者测试，系统能较准确地还原风险偏好，并在不同财富水平下给出接近最优的组合；面对中等程度的行为噪声，结果仍较稳健。更实用的一步是两层自动“熔断器”：它监测偏好变化和行为噪声，在多数失效情形下实时报警，并在严重财富损失发生前转交人工监督。供稿未披露具体误差幅度、压力测试参数及“多数”的比例，效果仍应以论文作者报告为准。