金融工程金融街分析师实习报告

金融工程金融街分析师实习报告一、摘要

2023年7月1日至2023年8月31日，我在金融街某证券公司担任金融工程分析师实习生。核心工作成果包括完成50份行业研究报告，覆盖科技与能源板块，其中3份报告被内部推荐至投资部门；运用Python量化模型分析沪深300指数波动，模型预测准确率达82%，为部门提供波动率定价参考。专业技能应用方面，熟练运用VBA自动化处理财务数据，将月度报表处理时间从4小时缩短至1小时；通过Matlab搭建期权定价模型，计算欧式期权Delta值误差控制在2%以内。提炼方法论：建立"数据清洗模型验证报告迭代"标准化流程，可复用于高频交易策略开发。

二、实习内容及过程

2023年7月1日到8月31日，我在金融街某证券公司做金融工程分析师实习。部门主要研究衍生品定价和量化策略，平时会用Python做回测，Matlab搭模型。刚开始时跟着师傅学，主要是整理行业数据，把上市公司财报和宏观数据导到Excel里分类。8月8号开始独立负责科技板块的日报，每天扒取10家公司的股价、成交量、波动率，用VBA自动生成图表。碰到的第一个坎是8月15号做的期权报告，需要计算欧式期权的Delta对冲成本，我直接用BlackScholes公式算，结果跟市场交易数据差15%。师傅说模型要考虑流动性折价，让我用ImpliedVolatility调整，重新跑完数据误差缩小到3%以内。后来把流程标准化，把数据清洗和模型计算分开，效率明显。期间还参与了股指期货的套利策略测试，用HedgeRatio控制风险，最终回测夏普比率0.68。最大的收获是认识到金融工程实际应用中，参数校准比模型本身更重要。缺点是部门培训偏重理论，实操设备老旧，希望以后能多接触业界主流的CoTune软件。这8周让我看清了想进量化岗，编程能力和市场敏感度缺一不可，打算下学期重点补C++和交易所接口知识。

三、总结与体会

2023年8月31日，结束在金融街的8周实习，感觉像经历了一场从校园到职场的快速迭代。这8周最值的是把课本里的随机过程、期权定价公式用到了实报实销的报告中。比如8月10号做的科技行业波动率报告，直接引用了我在学校用GARCH模型跑的结论，但实际应用中要考虑交易成本，把模型参数调了30%才符合市场情况。这种用数据说话的感觉太不一样了。职业规划上更清晰了，原来以为量化就是敲代码，现在知道好的策略需要懂市场，8月22号参与股指期货套利时，盯盘比写程序花的时间还多。行业趋势看，现在AI+金融是热点，但9月初看的一个内部案例显示，单纯靠机器学习预测方向胜率只有52%，还得靠人结合宏观判断，这让我下学期想冲CFA。心态转变挺明显的，以前做作业可以拖，实习时8月15号交的期权报告，为了对上师傅的预期，连续熬了两个通宵，结果算出来发现对冲成本比市场高，虽然挨了批评，但第二天主动把模型再调了波点参数，最后被翻出来表扬了。这种被逼着成长的感觉挺好的，现在知道做策略光会模型没用，得懂风控，所以打算下学期考个CFA，把宏观和会计补上。这段经历就像给我装了个行业雷达，以后找工作或者学东西，知道往哪儿使劲了。

四、致谢

感谢实习期间给予指导和帮助的部门领导，让我有机会接触真实的金融工程项目。特别感谢我的导师，在期权定价模型搭建上耐心指出我公式理解的偏差。感谢同期实习的同事们，尤其是在8月20号讨论股指期货对冲比例