金融学金融科技公司金融产品实习报告

金融学金融科技公司金融产品实习报告一、摘要

2023年6月5日至8月23日，我在某金融科技公司担任金融产品实习生，负责协助设计并优化一款基于机器学习的信用评估模型。核心工作成果包括：通过数据清洗与特征工程，将模型准确率从72%提升至86%，处理数据量达20万条，日均处理申请量500+。运用Python进行量化分析，使用SQL执行数据查询，通过Tableau可视化用户行为趋势，支撑产品迭代决策。提炼方法论：建立"数据模型反馈"闭环优化流程，可复用于提升金融风控产品效率。

二、实习内容及过程

实习目的主要是想看看金融科技领域实际的产品开发流程，了解机器学习怎么落地到信用评估这种具体业务上。

实习单位是家做智能投顾和信贷风控的创业公司，团队不大但氛围挺活跃，大部分人是搞算法和数据分析的，技术氛围挺浓。

实习内容开始阶段主要是熟悉环境，跟着导师看他们正在用的一个V1.0版本的信用模型，发现数据清洗这块做得比较粗糙，缺失值处理和异常值检测都挺随性的。6月12号开始接手这个项目，第一个挑战是模型特征不够丰富，只用了6个基础变量，导致模型在二八线上卡了很久。导师建议我从用户行为数据里挖掘，我自己琢磨了三天，用Python写了脚本把用户登录频率、交易流水、产品互动情况这些转化成15个新特征，还用了卡方检验和相关性分析筛选掉冗余的，6月20号把新特征集丢进模型，准确率从72%慢慢爬到78%，AUC值也多了0.05，虽然不算特别惊艳，但至少让团队有了继续优化的信心。

7月2号开始参与另一项需求，帮产品部门做用户分层，他们想根据风险偏好推送不同风险等级的理财产品。我负责数据准备，用了SQL从三张表里把用户的交易历史、资产情况和风险测评问卷结果关联起来，发现有个别用户的风险标签和实际行为偏差特别大，比如有位用户连续三个月买高收益产品但从未亏损，反倒是几位低风险标签用户因为家庭原因突然频繁交易，我就跟导师提能不能加个实时交易监控模块，他说下个迭代会考虑。这个过程中我明显感觉自己的SQL查询效率上来了，以前写条JOIN语句都得掐指算半天，现在基本能一行行看懂同事的复杂查询了。

困难主要是数据质量问题，有一次跑特征工程发现某天数据量突然少了一半，一查是上游数据接口出bug了，联系技术那边说他们也在排查，我就自己用Pandas先做了个容错处理，假设缺失部分用户行为没变化，先用均值填充，后来技术那边修好了才把数据补上。这个事让我明白在金融领域数据治理有多重要，不能完全依赖别人，得有自己兜底的预案。

实习成果主要是帮V1.0模型新增了15个特征，让业务线那边觉得数据价值提升了，后来产品迭代时主动要求我设计的几个可视化看板，用Tableau把模型预测结果和用户画像关联展示，他们反馈说对做产品决策帮助挺大的。个人收获是第一次完整经历从数据拿到产品落地的过程，知道怎么平衡模型效果和业务需求，以前觉得AUC越高越好，现在明白在信贷场景下F1分数和KS值也得综合看。

实习单位的问题主要是管理上比较混乱，比如项目需求经常变，有时候技术写完代码产品又临时改需求，导致返工不少，另外培训机制基本没有，很多业务术语都是靠自己瞎猜，比如一开始把"PD"当成了概率密度函数，直到导师纠正才明白是PlodabilityDefault的缩写。改进建议是公司能不能搞个内部知识库，把项目文档和术语表整理一下，再或者至少每周安排个1小时的产品和技术对齐会，减少无效沟通。这段经历让我更清楚自己要不要往风控方向发展了，感觉挺有意思，但压力也不小，以后得继续补机器学习这块短板，特别是深度学习怎么在金融场景落地，得找机会再学学。

三、总结与体会

这8周实习像是在学校理论和现实之间搭了一座桥，感受挺深的。刚去的时候觉得学到的模型算法都挺酷，但真拿到20万条真实交易数据里头，才知道数据清洗和特征工程有多磨人。6月15号那会儿，我负责的特征集优化只把准确率从74%提到78%，看着数字没变化，心里挺打鼓的，但导师说这已经是业务能接受的提升，因为新特征引入了更多行为维度。这让我明白，金融科技不是把模型调到99分就完事，得看实际业务场景的边际效益。这段经历的价值闭环就在于，我从一个只会套公式的学生，变成了能跟业务部门讲清楚模型局限性的初级分析师，责任感确实不一样了。

对我职业规划的影响挺直接的。之前模模糊糊想进银行或者券商，现在更倾向于搞信贷风控或者智能投顾，因为发现用技术解决金融痛点特别有成就感。实习期间看到团队用FICO模型和自研模型对比，发现传统模型在捕捉用户实时行为上不如自己这套，这让我觉得研究生阶段真得把深度学习这块补上，考虑要不要考个CFA或者FRM，特别是对数正态分布和信用违约互换这些工具，得学扎实了。

看着公司7月底上线的新产品，用户分层策略里就用上了我们优化后的模型，看着自己的名字出现在产品文档里，感觉挺奇妙的。这让我对行业趋势有了更直观的认识，现在金融科技公司都在卷模型效果和数据处理能力，像联邦学习、差分隐私这些隐私计算技术应该会越来越火，以后想留在这个领域，除了算法还得懂点数据安全和合规这块。这段经历让我心态转变挺大的，以前写报告都是追求完美，现在明白职场里快速迭代和接受不完美更重要，抗压能力确实比实习前强了不少。

四、致谢

感谢实习单位给我这个机会，让我接触到真实的金融产品开发流程。

特别感谢我的导师，在