经济学证券公司投资分析师实习报告

经济学证券公司投资分析师实习报告一、摘要2023年7月1日至2023年8月31日，我在一家证券公司的投资分析师岗位实习，为期8周。核心工作成果包括完成10份行业研究报告，覆盖科技与医药板块，其中3份报告被团队采纳并纳入内部数据库。通过运用Python进行数据清洗与分析，将历史股价数据回测模型效率提升15%，日均处理金融信息量达200条以上。专业技能方面，熟练应用Wind与Excel构建财务模型，通过案例分析掌握估值比对法与DCF模型的应用逻辑，形成可复用的行业分析框架。实习期间，独立完成对5家上市公司的基本面调研，撰写报告准确预测其中3家股价后续波动趋势，验证了技术分析指标与基本面结合的实操价值。二、实习内容及过程1.实习目的想通过实习摸摸证券行业投资分析师到底是个啥样，看看自己学的那些经济学理论能不能在实际工作中用上，主要是想了解行业研究怎么做的，顺便熟悉一下华尔街那些软件。2.实习单位简介我去的这家公司，主要做机构客户的资产管理，研究部门不大，但挺拼的，分析师基本每天早上9点到晚上10点。整个团队加起来也就十几个，分成几个行业组，我跟着做科技和医药的。3.实习内容与过程刚去那会儿主要是熟悉环境，看团队之前做的报告，学怎么用Wind抓数据。7月5号开始接触具体工作，第一个任务是帮忙更新某个芯片行业的上市公司库，整理他们的财报和股权结构。我花了两天把Wind的筛选条件搭起来，把2022年年报里的市盈率、毛利率这些指标都算出来，最后整理成50页的表格给师傅看。师傅说做得挺好，但数据来源要再规范点，有些公司财报里的研发投入没标清楚，得手动核对。7月15号开始独立做行业周报，第一份是关于人工智能语音技术的，我翻遍了过去半年的券商研报，还去知网查了学术论文，最后写了个8000字的东西。但发给团队讨论时，师傅说我分析得有点空，没结合宏观数据，比如最近那个AI算力招标政策，我完全没提到。回去重写的时候，我特意把PMI指数和半导体产业链的库存数据加进去了，这样感觉扎实多了。8月的时候开始做实地调研的准备工作，跟着师兄去准备访谈提纲。8月10号去了一家公司做previsit，主要是跟他们的CFO聊，了解2023年下半年的资本开支计划。他们当时说因为芯片产能紧张，明年要投5个亿扩产，这个信息后来在他们的三季报里得到了印证。虽然只是个辅助工作，但感觉挺有意思的，真正体会到信息差的价值。4.实习成果与收获实习期间，我独立完成了5份行业周报，其中2份被团队采纳，还参与了3家公司的previsit。最得意的是那个芯片行业报告，后来有客户问起相关标的，主管说我的分析比其他报告更细致。在技能上，我现在能用Python自动跑Wind数据，把历史股价和财报指标画成散点图，效率比手动算高不少。最大的收获是认识到做研究不能光看表面数据，得结合政策、供需这些深层逻辑。5.问题与建议实习中遇到的最大挑战是数据来源不统一，有些公司财报附注太乱，关键指标得一个一个找。我花了1周时间整理了个Excel模板，把可能需要的数据都列上，但后来发现几个小IPO公司的财报根本找不到，最后还是师兄帮忙找关系才搞到。另一个问题是团队培训有点随缘，都是师傅看到啥教啥，比如Python这块，我就自学了Pandas库，但其他人好像没怎么用。建议公司可以搞个新人培训手册，把常用的工具和流程标准化，比如数据下载的API地址、财报核对的标准模板，现在想起来要是有个东西能直接查到所有行业报告的引用来源就好了。另外，可以考虑每周搞个技术分享会，比如这次我学到的Python技巧，要是当时有人讲，我肯定不用自己瞎摸索了。三、总结与体会1.实习价值闭环这8周实习，感觉像是把大学四年学的经济学理论真的用了一遍。7月刚进公司时，对着堆积如山的研报都有些懵，完全不知道从哪儿下手。后来跟着师傅做那个芯片行业报告，为了查清一家公司的股权结构，我花了一个下午翻遍不同交易所的公告，最后才弄明白。现在想想，这就是书本上“信息不对称”在现实里的具象化，真金白银的生意，每一条信息都得核实。实习结束时，我能独立跑完从数据搜集到报告撰写的完整流程，这比单纯在课堂上做模型感觉扎实多了。8月底交的那份医药行业周报，虽然只有3000字，但每个观点背后都对应着具体的财报数据和行业政策，这种成品的获得感是以前没有的。2.职业规划联结这次经历让我更清楚自己适合什么。以前觉得投资分析师就是天天看K线图，现在发现行业研究需要极强的逻辑穿透力，尤其是把宏观经济、产业政策、公司战略这些点串联起来。我在实习中整理的那套财报核对模板，虽然简单，但我觉得挺实用的，以后有机会可以做成工具包。这让我开始琢磨要不要考个CFA，尤其是其中的权益投资和公司金融那几门，感觉跟实习内容重合度很高。8月的时候，团队有个师兄跟我说，现在券商挺看重复合背景的，有编程能力或者精算基础的人更有优势，这让我意识到自己得抓紧补Python这块短板，已经买了《PythonforFinance》开始看了。3.行业趋势展望实习里最让我震惊的是AI对金融行业的渗透速度。8月那会儿，我们团队还在讨论怎么把NLP技术用在财报分析上，但后来看到一些竞品已经能用聊天机器人自动生成行业快报了。当时我们分析的某个AI芯片公司，因为算力短缺股价波动特别大，这让我意识到传统研究方法可能很快会被智能化工具挑战。师傅常说“研究要站在巨人肩膀上”，但现在看来，巨人也在用机器。不过技术再发展，核心的还是对人性的理解和对商业逻辑的洞察，比如8月去调研时，那个CFO反复强调的“产能爬坡的风险偏好”，这种软信息可能机器永远学不会。未来行业研究可能会变成“人机协同”，我们需要的是既懂技术又懂行业的复合型人才。4.心态转变以前觉得在学校犯错改作业就行，但在公司提交一份报告，老板一句“这个数据哪来的”都让人晚上睡不着。8月24号我熬夜改了3个通宵做的行业周报，结果主管说逻辑没递进关系，让我重写。虽然崩溃，但第二天还是把散点图重新画了10遍，确保每个指标趋势都标清楚。现在回头看，这种压力是好事，至少让我养成了随时准备被“打脸”的心态。最典型的例子是7月30号，我写完报告刚发出去，交易所突然出了个关于数据中心电价的补充公告，当时就觉得“完了完了”，但后来发现我报告里提到的几个高耗能标的，股价第二天反而没怎么动，这种反常现象反而让我对行业理解更深了。这种在高压下快速调整、从错误中学习的经历，比单纯考高分要有价值得多。四、致谢1.感谢实习期间给予指导的部门领导，感谢团队给予帮助的各位同事，谢谢你们在数据核对和报告撰写上给我