互联网金融XX金融科技公司金融分析师实习报告

互联网金融XX金融科技公司金融分析师实习报告一、摘要

2023年7月1日至2023年8月31日，我在XX金融科技公司担任金融分析师实习生。核心工作成果包括完成15份行业研究报告，其中3份被团队采纳并用于季度业绩分析；运用Python对200余家竞品进行数据清洗与分析，构建的信用评分模型准确率达82%，较原有模型提升6个百分点；通过SQL查询日均处理交易数据约50万条，为风险管理提供决策支持。专业技能应用方面，将在校期间学习的财务建模方法结合公司业务场景，搭建了2个动态财务预测模型，使预算编制效率提高40%；运用Excel高级功能制作可视化报表，帮助团队将报告制作时间缩短至2小时内。工作期间提炼的可复用方法论包括：建立数据监控看板需覆盖关键KPI的10项核心指标，采用滚动窗口法进行趋势分析，误差率控制在5%以内。

二、实习内容及过程

实习目的主要是想看看自己学的那些理论知识能不能在真金白银的金融领域用上，顺便感受下互联网金融机构是怎么运作的。

实习单位是家做P2P业务的风控公司，规模不大但挺有活力，主要是帮平台筛选借款人，风控模型是他们的核心。我实习那段时间，公司正好在优化信用评估体系，我这学金融的正好能帮上点忙。

实习内容挺具体的。7月5号开始接触数据整理，公司那会儿日活数据大概在5000左右，我负责把分散在几个表格里的用户行为数据合并到一起，用Python写了个脚本，每天跑完能省不少事。后来7月15号，我被分到参与一个新上线的小额信贷产品的风险评估项目，我们那组要做个模型来预测30天内的违约概率，数据是我整理的2000多笔历史成交记录。刚开始做的时候挺懵的，不知道从哪儿下手，感觉学校里学的逻辑回归模型用起来没那么顺手。

我遇到的第一个挑战是数据清洗，原始数据缺失值占比超过15%，有些还是乱码，直接用模型肯定不行。后来问了带我的学长，他教我用KNN填充法，结合用户的基础信息来补全，效果还真不错，填充后的数据集误差比直接删除样本低了不少。第二个是模型调参，我试了几个不同的算法，AUC指标最高才0.78，团队里经验丰富的同事直接给我指点了下，说特征工程没做到位，有些不相关的变量也放进去，他建议我把特征池缩小到20个核心指标，重新跑一遍，结果AUC直接飙到了0.85。

最后我们那个项目组提交的模型，在内部测试集上的表现比之前的旧模型好将近10%，虽然离业界顶尖水平还有距离，但对我这新人来说已经挺满意的了。我还整理了份竞品的风控报告，对比了3家平台的LTV（贷款总额与平台注册用户数之比）数据，他们普遍在1.2到1.5之间，我们当时是1.0，说明还有空间。

这8周最大的收获是明白了金融模型落地不是简单套公式，得结合业务场景反复调。以前觉得搞个评分卡挺好玩的，现在才知道数据质量、特征选择、模型验证每一步都不能含糊。最大的困难就是初期对业务理解太浅，有些数据不知道怎么下手，后来逼着自己多看产品文档，多跟业务人员沟通才好点。这段经历让我意识到，光会理论不行，得知道怎么用工具解决实际问题，比如Python在数据处理上的效率确实高，以后得重点学学。职业规划上更清晰了，想往数据风控方向发展，但明白自己现在基础还太差，得接着补模型优化和机器学习这块。

公司那会儿人手挺紧张，培训方面就有点跟不上，我来了快两周才拿到完整的业务培训资料。另外我感觉岗位匹配度上，学校教的计量经济学用得不多，好几次需要写SQL查询特定数据，我都得现学现问。

我建议公司可以考虑搞个新人导师制，别指望实习生啥都会，手把手教点基础操作和业务逻辑会好很多。还有可以建个内部知识库，把常用的SQL语句、数据处理脚本啥的共享出来，效率能提不少。

三、总结与体会

这8周在XX金融科技公司的经历，像是在学校理论之外，给自己找了个实践的场子。实习的价值感在于，我做的那些看似零散的工作，比如分析2000多条交易记录、优化某个数据看板的指标，最终都汇入了团队改进风险评估流程的大方向。7月15号到8月5号负责的那个小额信贷模型项目，虽然最后提交的AUC值只是0.85，比不上外面比赛里的大神，但当我看到自己写的Python脚本真的在跑实时数据，看到带我的学长认可我填充缺失值的处理方法时，那种感觉挺奇妙的，好像真的参与了点有实际意义的事。这比单纯在图书馆啃书本要实在得多。

这次实习让我对职业规划有了更具体的想法。以前模糊地觉得金融分析师挺好，现在更清楚自己想往数据风控方向发展。公司那套基于用户行为数据的评分体系，还有后来接触到的反欺诈模型逻辑，都让我觉得挺有挑战的。我意识到自己现在最大的短板在机器学习应用上，学校教的那些算法原理还记得，但真要调参、选特征、做验证，就有点力不从心。所以接下来打算把重心放在这上面，计划下学期就报个相关的在线课程，争取把Python的pandas和scikitlearn库用熟练，看看能不能考个相关的职业认证，比如那个数据分析师的资格证，给自己加点砝码。

从实习过程中也能感受到行业的一些变化。像我们那会儿做的项目，就特别强调用户行为数据在风控里的权重，那种“数据驱动”的思路挺明显。之前看新闻说现在LTV（贷款总额与平台注册用户数之比）高的平台都在想办法控制风险，我们公司也在做类似的事情，比如通过多维度验证来降低对单一信息的依赖。我感觉这背后是技术进步推动的，算法模型越来越能从海量数据里挖出点门道，但同时合规要求也在提，以后做金融科技，得两头都得顾着。

最深的体会是心态上的转变。以前做项目或者写报告，总觉得差不多就行，现在实习了才体会到“差不多”可能就行不通。比如有一次做竞品分析报告，我花了两天时间把3家平台的LTV、坏账率都扒出来，结果带我的同事说你这光罗列数字没用，得分析原因，怎么形成的这种差异？后来我重新整理，加上了用户画像、平台策略对比，才交差。这种经历让我明白，职场不是学校，没人会手把手告诉你得怎么做，你得自己想明白怎么把工作做得更扎实、更有价值。责任感是这么培养出来的，抗压能力也是在一次次被要求改稿、被提醒效率不够中练出来的。感觉自己离一个真正的“职场人”好像近了一步，虽然还远远不够格。这段经历是个不错的开始吧。

四、致谢

感谢XX金融科技公司给我这次实习