数学与应用数学金融投资公司投资分析师实习报告

数学与应用数学金融投资公司投资分析师实习报告一、摘要

2023年6月5日至8月22日，我在一家金融投资公司担任投资分析师实习生，负责协助团队完成市场数据整理、投资组合分析与风险评估工作。通过处理公司内部数据库中20182023年的全球股市高频数据，我运用Python对300支股票的日收益率进行波动率测算，计算得到样本标准差均值为4.2%，其中科技板块（纳斯达克100指数成分股）的波动率高达6.8%。参与撰写3份行业分析报告，重点运用因子模型（CAPM+行业Beta调整）为5只新入库基金测算预期收益率为12.5±2.1%。在导师指导下，我将蒙特卡洛模拟应用于QDII基金的风险对冲策略测试，通过10,000次路径模拟得出最大回撤控制在15.3%的概率为92%。实习期间开发的自动化数据清洗脚本将部门月度报告制作时间缩短40%，该方法可推广至同类机构高频数据预处理流程。

二、实习内容及过程

实习目的主要是想看看理论跟实际操作到底差多远，能不能把学校学的那些数学模型用上。6月5号开始实习，在一家做量化对冲的公司待了8周。公司规模不大，但交易系统挺先进的，主要做国内外的股票和债券市场策略。我被分到研究部门，跟着一位老分析师学习。

实习内容挺具体的。刚开始就是熟悉公司用的那套风控系统，主要是学习怎么调取历史交易数据和市场数据。7月10号前，我每天整理500多家公司的日度财务报表，用Excel做初步的清洗和分类，主要是给分析师做报告准备材料。后来开始接触一些实际项目。7月15号左右，部门接了个活儿，要分析新兴市场基金的配置策略。我就负责拉取过去两年的QDII基金净值数据，用Python写脚本计算它们的夏普比率，还做了个时序回归，看它们跟主要指数的相关性。那段时间挺忙的，每天下班前都要把当天的数据更新完。

遇到过两个坎儿。一个是7月20号那天，分析一个行业轮动模型时，发现计算出来的行业Beta系数特别不稳定，有时候波动幅度能到10%。后来发现是数据源出了问题，有些基金的持仓披露不及时。我就提议用交易所的成交数据做补充，导师也同意了，最后效果确实好多了，模型预测准确率提升了0.8%。另一个是8月初做压力测试时，我的蒙特卡洛模拟跑了三天都没结果，电脑内存根本不够用。我查了些资料，学了个分块处理的办法，把数据分批读入，最后两天就搞定了。导师说下次遇到这种问题可以直接用HPC资源，不用自己捣鼓。

实习成果的话，主要是参与写了3份报告，其中一份关于半导体行业的分析被团队采纳了，后来策略组真的按我们建议的几个点做了调整。我还开发了个自动化报告生成器，把财务数据整理和图表制作的时间从4小时砍到不到1小时。收获挺大的，最直观的就是学会怎么用Python处理金融数据，以前只会做简单的统计。现在看那些复杂的策略模型，也能大概明白每一步是怎么来的。最大的转变是意识到市场里没什么稳赚不赔的事儿，每个模型都有它的适用范围，关键得知道怎么用。

公司管理上吧，我觉得有点问题。比如8月初那个压力测试，要不是我自己去找解决方案，可能要等一周才能搞完。而且培训机制也不太完善，刚开始没人系统地讲过交易系统的操作，都是靠我自己在网上找教程。岗位匹配度方面，虽然学到了不少东西，但感觉跟学校里学的课程联系不太紧密，有些模型用得挺多，但理论深度上没怎么拓展。

我建议公司可以搞个新人培训计划，至少让刚来的学生知道系统怎么用，不用每次都耗老员工时间。另外，可以多组织些内部的技术分享会，比如让交易员讲讲实际操作中模型怎么调参，肯定比我光看论文有用。还有就是可以跟学校合作搞点项目，让学生提前接触行业真实需求，我们也能招到更匹配的人。

三、总结与体会

这8周，从2023年6月5号到8月22号，在公司的经历让我觉得跟在学校完全不一样。以前学东西，做完作业就完了，现在每天想着怎么把东西做得更扎实，那种责任感一下子就强了。最直接的感受是，理论知识得跟实际结合才能起作用。比如7月15号左右做的那个行业轮动分析，光靠书本上的因子模型公式不够，还得知道怎么处理那些不完整的持仓数据，怎么用成交数据做补充，最后那个0.8%的准确率提升，就是逼着自己学出来的。抗压能力也确实锻炼了，像8月初写压力测试报告那会儿，跑了三天没结果，白天还要做别的事，心里挺焦的，但最后硬是给解决了，那种成就感挺实在的。

这次实习让我更清楚自己想干嘛了。以前模模糊糊想进投行或者券商，现在发现做量化可能更适合自己，至少天天跟数据模型打交道，能发挥专业优势。接下来的学习，肯定会往这个方向靠，打算先把Python的pandas和numpy库练得更熟，再看看机器学习在量化里的应用，顺便考个CFA，虽然现在还早，但得提前准备。行业趋势吧，我感觉现在大家对AI和大数据的应用越来越重视，像8月底部门在讨论的那个基于深度学习的异常交易检测模型，效率确实高，而且能发现人眼看不到的模式。这让我觉得，以后不掌握这些新工具，真的会被淘汰。

实习最大的体会是，学校教的基础知识是根本，但怎么用这些知识解决实际问题，还得在实践里摸索。这段经历就像个闭环，学到的理论指导了实践，实践又暴露了自己的不足，然后回去就知道该补哪些课了。心态上最大的转变，就是从一个被动接受知识的学生，变成一个主动找问题、解决问题的“准职场人”。虽然才8周，但感觉自己成熟了不少，这比单纯拿到一个实习证明更有价值。以后不管是继续深造还是找工作，这种在压力下解决问题的能力和对专业的热情，肯定会是重要的加分项。

四、致谢

在这次为期8周，从2023年6月5号到8月22号的实习中，得到了不少人的帮助。

感谢实习单位的这个机会，让我能接触到真实的金融市场环境。

特别感谢我的导师，他在我遇到数据处理难题时给了我不少指点，比如7月15号那个行业轮动模型的Beta系数不稳定问题，是他建议我从交易所数据找