金融学投资公司金融分析师实习报告

金融学投资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投资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，覆盖科技、能源板块，其中3份报告被投资团队采纳，助力2个项目的初步估值模型搭建，涉及金额约1.2亿元。通过运用DCF模型与可比公司分析法，对5家目标企业进行估值，误差范围控制在5%以内。专业技能方面，熟练应用Excel进行数据清洗（日均处理数据量约800条），使用Python完成自动化报表生成，效率提升30%。提炼出可复用的估值框架，包括三阶段现金流预测模板与风险调整系数设定方法，可直接应用于后续分析工作。二、实习内容及过程1.实习目的想着能摸摸真实的投资分析流程，把书本上学到的估值模型、行业分析方法用上，看看理论与实践到底差多远。顺便感受下职场氛围，提前适应下工作节奏。2.实习单位简介我在的公司是那种中小型的投资机构，主要做二级市场里的股票投资，团队不大，但每个人都挺忙的。领导看重研究深度，所以报告质量要求挺高。3.实习内容与过程刚开始的两天，主要是熟悉公司用的系统，比如Wind终端，还有内部报告模板。7月5号开始接触实际工作，第一个任务是帮研究员整理新能源行业的上市公司数据。我花了三天时间，把50多家公司的财务报表、财报附注都下载下来，用Excel做标准化处理。发现有些公司2022年有并购，财报合并范围变动挺大的，就得手动调整一下合并报表数据，这活儿挺磨人但很有用。7月12号被分配到写行业报告的任务，是关于半导体设备的。当时团队正好在跟踪某家上市公司的产能扩张计划，要求我做个估值分析。我用了DCF模型，还找了5家可比公司做市场法验证。过程踩了不少坑，比如折现率怎么选，自由现金流是算经营性还是现金流量表，问了好几次研究员才搞明白。最后报告交上去，领导说折现率部分可以再优化，就让我重新算了风险溢价，学到了不少。8月初参与了某个私募基金的尽职调查辅助工作，主要是核对目标公司提供的合同协议。发现有几份租赁合同条款比较模糊，就问了律师朋友，知道这得注意法律风险敞口。虽然没直接参与估值，但感觉挺重要的，投资不光看财务数据，合同细节也得盯紧。4.实习成果与收获完成了3份行业深度报告，其中半导体那篇后来被投委会采纳了，算是帮团队筛选了几个潜在标的。独立完成估值分析的有2个项目，误差控制在5%以内，研究员说比我预想的要好。最大的收获是摸清了整个研究工作流的细节：从数据收集、财务分析、估值建模到报告撰写，每个环节怎么配合很重要。比如做DCF时，增长率预测要结合行业增速和公司产能规划，不能拍脑袋。遇到的最大挑战是7月底那会儿，同时要赶两个项目的分析报告，时间特别紧。当时就想把DCF模板用Python自动化一下，结果卡了两天，最后还是手动算了。后来回去研究怎么用Pandas处理数据，现在再做类似工作能快不少。虽然没完全自动化，但至少把重复性高的部分优化了。5.问题与建议公司的培训机制确实有点欠缺，新人基本靠自学和问同事，要是能搞个标准化培训手册就好了。比如Excel高级技巧、Wind系统里那些不常用的功能，都没人教。另外，岗位匹配度上，我觉得我可以接触更多交易相关的活儿，光做研究有点局限。建议可以安排几天跟着交易员看看他们怎么解读盘面数据，这对理解市场情绪挺有帮助。三、总结与体会1.实习价值闭环这8周，从7月1号懵懵懂懂地开始，到8月31号离开，感觉像是从理论世界掉进了现实版的投资战场。刚来时想的是把DCF模型用熟，结果发现真实世界的数据远比课本复杂比如7月15号处理的某家电新企业财报，就有好几笔政府补助需要判断是否应计入自由现金流，这细节在课堂上学不到。现在回头看，自己确实把书本知识转化成了生产力，比如独立完成的那个半导体设备公司估值，虽然只有8000字的报告，但用Python自动生成了30多家可比公司的估值曲线，效率比手动算高了不少。这种把想法落地成成果的感觉，挺值的。2.职业规划联结在8月中旬参与尽职调查时，发现合同条款分析其实挺重要，虽然不是核心工作，但让我意识到法律知识储备的短板。这让我想清楚后续该怎么学了，计划下学期考个法律职业资格的科目二，顺便多关注并购重组相关的法规。另外，团队里那个做量化研究的同事，跟我聊过几次，说他当年就是靠CFA备考期间做的一些小模型项目，最后拿到了现在那个offer。所以打算今年11月就考CFA一级，把知识点先过一遍，说不定真能抓住机会。3.行业趋势展望实习中明显感觉到，现在做投资分析，除了传统的基本面研究，对行业黑科技的敏感度要求极高。比如8月初那个半导体项目，团队特别关注国产光刻机的发展，我在做行业报告时，就特意多看了几篇专利文献，后来发现确实是个风口。这让我觉得，以后学东西得更跨界，得懂点技术，不然分析就会变成纸上谈兵。而且现在AI工具用得越来越普遍，8月下旬的时候，研究员让我用Bloomberg终端做事件研究，结果发现有个插件能自动抓取新闻情绪，比我手动搜高效多了。这事儿让我意识到，不跟上技术迭代，以后肯定被淘汰。4.心态转变以前觉得做研究就是对着报表算数字，来了之后才知道，这活儿得有“钝感力”。7月20号连续加班到凌晨两点，就为了核对一家公司的股权结构，结果第二天领导突然说这个数据可能有误，我又得重查。虽然有点烦，但确实学到了，投资里这种反复验证太正常了。现在回头看，抗压能力确实强了不少，以前做作业卡壳就心态崩，现在遇到问题先冷静分析，再想怎么解决。这种心态转变比学会几个模型更重要吧。5.未来行动临走前，导师给了我一个建议，说做研究要像侦探一样，不放过任何可疑线索。比如8月下旬看的那份锂电行业报告，表面看所有公司估值都合理，但有个细节提到某家公司的专利即将到期，当时没太在意，后来回去查资料才发现，这直接影响了后续估值判断。这提醒我以后分析报告时，得留个心眼，多问几个为什么。另外，打算把实习期间做的那些Excel宏和Python脚本整理成笔记，下学期再优化一下，争取能帮课程设计自动化点数据处理流程。四、致谢1.感谢在实习期间给予我指导和帮助的