金融学金汇所风险管理实习报告

金融学金汇所风险管理实习报告一、摘要2023年7月1日至2023年8月31日，我在金融学金汇所担任风险管理实习生，负责信用风险数据建模与压力测试。通过运用Python对2022年全年的1.2万笔企业贷款数据进行清洗与特征工程，构建了包含10个核心变量的逻辑回归模型，模型AUC值达0.82，准确率提升12%。参与设计并执行了10组不同经济情景的压力测试，发现极端情况下不良贷款率将上升至18.5%，为风险对冲策略提供了量化依据。实习期间，系统掌握并实践了风险计量模型开发全流程，包括数据标准化（采用Zscore法）、样本分层（按规模分为大中小三组）及回测验证（KS检验P值小于0.05），形成了一套可复用的风险预警方法论。二、实习内容及过程2023年7月1日到8月31日，我在金融学金汇所做风险管理实习生，主要搞信用风险评估那块儿。刚开始是熟悉公司用的风控系统，他们那套挺复杂的，涉及很多数据治理环节。我的任务是帮团队整理2022年的1.2万条企业贷款数据，得把缺失值、异常值处理掉，还得给些特征正则化。7月中旬，我开始接手一个小项目，用Python搭个逻辑回归模型，筛选潜在坏账客户。那段时间挺磨人的，数据量太大，电脑差点卡死，后来学了点pandas的优化技巧，比如用chunksize分块读数据，效率明显。8月初，团队让我参与压力测试，模拟经济下行时贷款违约率啥的。我搞了10组情景，发现如果LPR涨200基点，不良率能飙到18.5%，这帮导师挺满意的。不过中间也碰上点糟心事，比如有些数据口径跟系统对不上，跟IT部门磨了两天才搞定，学到了跨部门沟通这点挺重要。实习最后那周，我整理了个报告，把模型效果跟历史数据跑出来对比，AUC值0.82，比之前老模型强12个百分点。这段经历让我明白，做风控不光要懂模型，还得会跟人打交道，这对我以后想干这行挺有启发。要说问题吧，公司培训机制有点糊弄，很多细节靠自觉摸索，建议多搞点新员工手册或者师徒制。岗位匹配度嘛，感觉我做的偏数据分析，跟业务结合少，要是能接触更多贷后管理流程就好了。三、总结与体会这8周在金融学金汇所的实习，让我对风险管理有了更实体的认识。7月刚进组时，对着1.2万条贷款数据，感觉头都大了，但到8月底，自己跑完数据预处理、搭完逻辑回归模型，看着AUC值从0.75提升到0.82，心里挺有成就感的。这段经历像个价值闭环，从理论到实践，再从实践反哺对理论的理解。比如，在学校学信用评分模型时，总觉得公式挺玄乎，现在明白数据清洗、特征选择有多关键，那些课上觉得枯燥的标准化、缺失值填补，真成了模型效果的直接拉扯手。对我职业规划影响挺大的。以前觉得风险管理就是调参数，现在看，它更像是站在业务和技术的交叉点上。我意识到，想干这行，光会SQL、Python还不够，还得懂点宏观，比如7月底我参与的压力测试，模拟LPR涨200基点，不良率飙到18.5%那个场景，让我真切感受到经济周期对风险计量的冲击，这让我萌生了考CFA的想法，想补补宏观跟固收这块短板。同时，也看清了自身短板，比如对某些复杂产品的风险结构理解不深，这促使我下学期打算多啃啃行业研究报告。行业趋势上，感觉现在风控越来越依赖大数据和AI，我们组用的系统里，机器学习模型的应用已经挺成熟了。这让我觉得，以后想进这行，持续学习新技术是必须的。不过，8周也让我看到些问题，比如公司内部数据共享有时不太顺畅，不同系统间壁垒挺高，这可能会影响风险模型的颗粒度。未来如果有机会，我希望能参与更端到端的项目，从数据拿到最终风险报告，完整走一遍流程。心态上，最大的变化是从学生时代“完成任务”到职场“对结果负责”，比如有一次模型调参没达标，导师直接找我谈话，那种压力确实不小，但逼着自己把细节抠明白了，感觉抗压能力肉眼可见地增长。这8周没白费，算是真正意义上从校园到职场的过渡吧。四、致谢在金融学金汇所的这8周实习，挺不容易的，谢谢带我的导师，给我机会试错，也教了我不少真东西，比如怎么把理论落地，怎么跟数据较劲。还有那些一起干活儿的同事，数据那块儿遇到坎儿的时候，他们给的建议挺实在。