证券公司证券分析师实习报告

证券公司证券分析师实习报告一、摘要

2023年7月1日至2023年8月31日，我在证券公司担任证券分析师实习生，参与覆盖科技行业的深度研究工作。通过构建模型分析，完成3家上市公司2023年Q2财报的研报撰写，其中2家给出“增持”评级，覆盖市值累计超600亿元。应用VBA自动化处理1.2万条行业数据，将数据处理效率提升40%。核心工作成果包括完成1份行业竞争格局分析报告，提出3项被团队采纳的估值修正方法，将模型误差率降低15%。专业技能应用涵盖财务建模、Python数据清洗、Wind信息提取等，提炼出可复用的“三步估值校准法”：营收增速利润率趋势同业对比，为后续研究提供标准化框架。

二、实习内容及过程

实习目的呢，主要是想看看自己学的那些东西在行业里怎么用，感受下真实的研究氛围，顺便积累点实践经验。

实习单位嘛，可以简单说是一家中等规模的证券公司，主要做卖方研究，覆盖行业挺全的。我在的研究团队专注科技板块，那段时间正好赶上是AI和半导体概念火热。

实习内容跟想象中差不多，主要是帮分析师整理资料、跑数据、写研报初稿。具体做了啥呢，7月10号到7月20号，跟着师傅把某家芯片设计公司的2023年Q1财报分析了一遍，用的是三线法，把它的收入、利润、现金流都拆解了，发现它的毛利率有点异常，可能是产能爬坡阶段的暂时现象。后来在7月25号左右，我独立尝试做了个行业龙头的估值对比，用DCF和可比公司法，那家我关注的公司估值算出来比市场均值低了10%左右，后来分析师在正式报告里采纳了这部分的结论。

还参与了每周的行业周报撰写，大概每周要处理10多家公司的动态，用Wind导出数据，然后用Excel做些画图，挺考验效率的。8月初的时候遇到个麻烦，有个行业数据源更新了格式，之前的VBA脚本跑不动了，花了两三天自己琢磨，学了点新的Python库，最后把脚本改了，效率确实快了不少，原来要半天的事，现在一个小时搞定。

实习成果的话，主要是完成了那篇芯片公司的深度报告，还有几个行业的周报片段。收获也挺大的，以前觉得估值就是个公式，现在明白得看行业周期和公司具体情况，不能光套模型。最大的改变是觉得做研究得特别耐心，以前想速成，现在知道深度报告要做很久，得反复核对数据。

困难嘛，一个就是数据整合太乱，不同来源的数据口径有时对不上，核对起来头大；另一个是写研报时怎么把专业分析说清楚，不能太晦涩。应对数据问题，就是多找官方公告核对，把数据来源列清楚。写报告呢，就是多看师傅怎么改稿，他总说要把复杂问题简单化，用投资人能听懂的话说。

这段经历让我更确定想往卖方研究发展，但也能感觉到自己现在还差得远，比如行业知识太浅，分析深度也不够。实习单位吧，我觉得管理上还可以更人性化点，比如培训机制可以更系统，不是啥都靠师傅带，有时候自己想学点东西没路子。岗位匹配度上，感觉刚去可能给的任务偏基础，得自己多争取点核心工作。建议他们可以搞点在线学习资源，或者定期组织专题培训，比如针对某个模型的深度讲解，这样效率可能更高。

三、总结与体会

这8周，从2023年7月到8月，在证券公司的经历让我对证券分析师这个岗位有了更真切的认知。实习的价值在于把书本上的理论跟实际工作联系起来，真正知道怎么用财务报表分析一家公司，怎么看待行业里的竞争格局。以前看研报觉得高大上，自己动手才发现细节多着呢，哪个数据是关键，怎么解读才能有逻辑，这跟在学校写论文完全不一样。比如7月15号那天，我花大半天核对3家公司的同业数据，就为了确保周报里的市场份额图表准确，那一刻真切感受到责任感，不能把小错误带到报告里去。

这次实习也让我更清楚自己的职业规划。之前有点迷茫，现在觉得卖方研究确实适合我，尤其是对科技行业有浓厚兴趣。这段经历让我意识到，要做个好分析师，光靠学校教的还不够，得持续学习行业动态，比如8月底我主动去听了几场线上行业沙龙，了解最新的技术趋势。未来打算把实习里用到的Python数据处理技能再深化，可能考虑考个CFA，把估值模型掌握得更扎实。实习里接触到的很多研究方法，像多因素模型、可比公司分析，都成了我后续学习的重点。

从学生到职场人的转变挺明显的。以前遇到问题可能直接想找老师，现在学会自己先查资料、找解决方案，抗压能力确实强了。比如8月初那个VBA脚本改不动的事，要是以前可能就放弃了，现在硬是花时间弄出来了，虽然过程挺烦躁的。行业趋势上，感觉AI和新能源还是热点，但更看重公司的底层技术和护城河，光靠概念炒作的行情越来越短了。这次实习让我明白，做研究得有耐心，得看到别人看不到的长期逻辑。这段经历是我简历上实实在在的一笔，也是我继续努力的起点。

致谢

感谢这次实习的机会，让我学