金融学资产管理公司投资经理实习报告

金融学资产管理公司投资经理实习报告一、摘要

2023年6月5日至8月23日，我在一家金融学资产管理公司担任投资经理助理实习生，负责协助完成股票组合的日常管理及分析工作。通过参与30支A股股票的季度复盘，累计整理并分析超过1000份财务报表，运用CAPM模型测算了5支待投标的Beta系数，为团队提供了3份包含具体持仓建议的分析报告。在此过程中，熟练运用Wind、Excel进行数据处理，通过Python编写自动化脚本提高了财报数据提取效率约40%。实习期间，掌握了基于因子模型的股票筛选方法，并将该方法论应用于实际工作中，验证了动量因子与规模因子的年化收益贡献分别为12.5%和8.3%。这些实践加深了对量化投资策略的理解，提升了数据驱动决策的能力。

二、实习内容及过程

2023年6月5日至8月23日，我在一家金融学资产管理公司实习，岗位是投资经理助理。刚去那会儿主要熟悉公司投研流程，看他们怎么做股票组合管理。跟着师傅学了怎么用Wind终端扒取上市公司公告和财报数据，还用了Excel做基础的数据清洗和可视化。7月10号左右开始接触实际工作，被分配到帮团队准备一个季度复盘报告。我负责的板块是中小盘股，整理了30家公司的2022年年报，把市盈率、资产负债率这些指标都算了一遍，还用CAPM模型测算了5支潜在持仓股的Beta系数，算出来其中一个股票的Beta值是0.82，比市场预期低5%。8月初参与了另一个项目，团队想建一个因子投资组合，我花了两天时间用Python写了脚本自动抓取过去三年的动量因子和规模因子数据，结果发现用Python处理速度确实比手动快，省了大概40%的时间。实习期间遇到的最大困难是刚开始看财报时完全懵，很多指标不知道怎么解读，特别是非经常性损益这块，后来厚着脸皮天天问师傅，他给我发了份内部写的《财报分析小手册》，还带我复盘了几个错误案例，慢慢就有点感觉了。最终那份季度报告得到了团队肯定，我写的5个股票分析也都被纳入了最终的持仓建议里。这段经历让我明白做投资不能光看理论，得实打实跟数据打交道，也让我意识到自己还是得把Python学得更扎实些。不过要说不足吧，公司培训机制有点薄弱，主要是靠师傅带徒弟，系统性的东西太少，而且我的岗位跟投资决策直接挂钩的活儿不多，有时候会觉得有点局限。要是能多搞点模拟盘或者风险对冲相关的实操机会就更好了。

三、总结与体会

这8周实习，从6月5号开始到8月23号结束，真真切切让我对金融学有了更实体的认识。之前课本上学的那些估值模型、风险理论，现在都成了实实在在处理300多页财报、计算50多家公司因子数据的工具。比如我参与的那个季度复盘，整理的30家中小盘股数据最终进了团队决策，这让我觉得挺有价值的。这段经历就像给理论加了层油，让我知道怎么用数据说话，怎么在信息里找机会。

最大的体会是心态变了，以前觉得投资就是看盘、做决定，现在明白背后有太多细节要抠。7月底算那个Beta系数时，为0.82这个值跟师傅讨论了两天，他教我怎么看这个数字背后的公司经营逻辑，才真正理解了不是数字越高越好。这种钻研让我觉得责任感不一样了，处理数据时一点马虎不得，那种压力反而让我学得更快。

对我职业规划影响挺大的。现在清楚了自己想做量化投资，所以下学期打算把Python的pandas和numpy库再啃一遍，争取把实习里那个因子分析脚本优化成能自动回测的。公司那种“干中学”的方式虽然有时跟不上，但确实暴露了我的短板，比如对衍生品这块了解太浅。接下来打算考个CFA一级，先把基础打牢，以后有机会希望能接触更核心的业务。

看着每天更新的行情数据，突然觉得现在这个市场变化太快了，AI辅助交易、ESG投资这些新东西层出不穷，感觉不持续学习真的会被淘汰。这次实习让我明白，学校教的是基础框架，真正厉害的分析能力得在实打实的项目里磨出来。以后遇到什么挑战，至少知道该从哪里找工具、哪个环节下手了，这种信心比什么都重要。

四、致谢

在此期间，衷心感谢公司提供了这次宝贵的实习机会。特别感谢我的导师，在实习期间给予的悉心指导和耐心解答，那些关于Beta系数测算和因子模型应用的讨论让我受益匪浅。也谢谢团队里的其他同事，