数学金融数学公司数值分析师实习报告_第1页
数学金融数学公司数值分析师实习报告_第2页
数学金融数学公司数值分析师实习报告_第3页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

数学金融数学公司数值分析师实习报告一、摘要2023年7月1日至2023年8月31日，我在一家数学金融公司担任数值分析师实习生。核心工作成果包括开发并验证了两个期权定价模型，通过蒙特卡洛模拟计算欧式期权价格，误差率控制在0.8%以内，相比传统BlackScholes模型效率提升30%。应用Python实现高维数据处理脚本，处理包含10万行数据的资产收益矩阵，运行时间缩短至2分钟。掌握并实践了有限差分法和随机过程模拟在衍生品定价中的应用，建立了一套包含波动率微笑校准的自动化计算流程，可直接应用于实际交易策略测试。二、实习内容及过程2023年7月1日到8月31日，我在一家做量化交易的对冲基金实习。主要任务是帮研究员处理期权定价模型的数据。开始时跟着导师熟悉BlackScholes模型的实现，用Python重写了他们之前的部分代码，把原本用C++写的波动率微笑校准脚本改写成更高效的Python版本，处理10万行数据的时间从8小时缩到1小时。遇到一个特别麻烦的是如何优化蒙特卡洛模拟的收敛速度，试了不同方差缩减技术，比如控制变量法，最终把欧式期权定价的误差从1.2%降到0.8%，效率提高40%。还参与了量化策略的回测，用MarkovChain蒙特卡洛方法模拟资产路径，发现小波动下的定价偏差特别明显，后来跟导师讨论用局部波动率模型改进了结果。公司内部培训挺水的，就发了几篇论文让我们读，没人带我们实际操作，有时候真不知道怎么下手。感觉岗位要求的理论深度跟我学的课不太搭，好些高级模型都没接触过。要是能早点上手实际项目，或者有更系统的培训计划就好了。三、总结与体会这8周实习，感觉像是把书本里的随机过程、偏微分方程和编程技巧，真刀真枪地用到实际问题上。7月15号左右做的那个期权定价项目，一开始蒙特卡洛模拟跑得慢得离谱，一个欧式看涨期权要跑一整天，后来通过调整随机数生成策略，加上控制变量法，速度直接快了两个数量级，误差也降下来了，这种把理论变成生产力的高光时刻，比单纯听课爽多了。真的体会到做量化不是光会推导就行，对细节的把控、对计算效率的追求太重要了。这段经历让我更清楚自己想干嘛了。以前觉得数学金融就是个高大上的概念，现在知道要落地还得掌握好多工具，像Python的NumPy、Pandas，还有C++的基础，这些都得往深处学。感觉自己的抗压能力确实强了点，以前碰到问题容易慌，现在会先查资料，再跟导师讨论，最后自己动手试错，这个过程挺磨人的，但也挺有收获。看着那些实盘交易策略的回测报告，突然意识到自己离真正的市场这么近，心有点激动。打算下学期把CFA一级考了，至少有个基本的金融市场知识体系，以后面试能聊点实在的。行业现在这么卷，光靠理论肯定不行，得多动手实践，得多跟人交流，这些实习里学的，比学校里听多少课都管用。感觉离那个“职场人”的门槛近了一步，肩上的担子好像也重了点，但挺期待未来能做点啥的。四、致谢感谢实习期间给予指导的导师，在期权定价模型搭建和蒙特卡洛模拟优化上给了我很多启发。感谢团队里的同事，和他们一起

人人文库> 全部分类> 应用文书 > 工作计划

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论