经济学金融机构经济研究实习报告

经济学金融机构经济研究实习报告一、摘要

2023年7月1日至2023年8月31日，我在某金融机构经济研究部门担任实习分析师。核心工作成果包括完成5份行业深度报告，涵盖金融科技、绿色信贷领域，其中3份报告被部门采纳为内部决策参考。通过应用计量经济学模型，对过去两年行业数据（样本量1.2万条）进行回归分析，得出绿色信贷对中小企业融资成本降低约1.5%的量化结论，数据来源于中国人民银行2022年季度报告。专业技能方面，熟练运用Stata进行数据清洗与可视化，将Python脚本优化后用于自动化处理每日舆情数据（日均处理量500条），提高了30%的时效性。提炼出的可复用方法论包括基于事件研究法的行业情绪量化框架，该框架已应用于后续的房地产行业分析中。

二、实习内容及过程

1.实习目的

去8周，主要是想去金融机构经济研究部门看看，实际是怎么运作的，怎么把在学校学的那些模型和理论用到真刀真枪的研报里。想体验下，从零开始怎么做出一份能给别人参考的东西。

2.实习单位简介

我去的单位是某金融机构的研究部门，主要就是写行业报告、政策分析，给投资银行和资管部门做支撑。团队不大，但每个人都很忙，看得出是真在干研究，不是那种流程化的工位。他们挺看重数据和逻辑的，每天早上都会开短会，快速同步市场动态和报告进度。

3.实习内容与过程

前两周主要是熟悉环境和数据。他们用的是Wind，还有一些内部数据库，比如宏观数据库、企业财报库。我跟着师兄把过去两年的行业数据整理了一遍，金融科技这块，主要是整理了上市公司财报里的研发投入、营收数据。后来开始接触具体项目，第一个任务是做金融科技的深度报告。我花了两周时间，先看政策文件，比如银保监会2022年发的几个指导意见，再去看券商的研究报告，最后找数据。数据挺头疼的，有些是上市公司披露的，有些是行业协会统计的，口径不太一样，得手动对齐。比如我整理金融科技企业的融资数据，2022年整个行业的股权融资是1200亿，比2021年少了30%，这个结论后来报告里用了。

第二个项目是关于绿色信贷的，这个相对复杂一点。需要把环境、社会、治理（ESG）的数据和企业财报结合起来。我用了计量模型，对过去两年的数据做了回归分析，样本量大概1.2万条，数据来源于中国人民银行和银保监会发布的季度报告。结果发现，有绿色信贷标识的企业，融资成本确实低一些，平均低1.5个百分点。这个结论挺有意思的，后来师兄在给资管部门做路演时用了这个数据。

过程里遇到不少挑战。比如有一次做金融科技报告，需要分析某家独角兽企业的盈利能力，但这家企业没上市，公开数据特别少。我就去查它的工商注册信息、招投标信息，再结合同行业的估值水平，大概估算了一下，最后报告里用了“参考性数据”这种说法。还有一次是用Stata做回归，结果一直不对，后来发现是样本时间跨度过长了，把一些异常点也包含了进来。解决方法就是手动筛掉那些年份，重新跑模型，结果就好多了。这些经历让我意识到，做研究不能光靠模型，数据质量太重要了。

4.实习成果与收获

完成了5份深度报告，3份被部门采纳了。其中一份是关于绿色信贷的，另一份是关于金融科技的，还有一份是关于房地产政策影响的。最让我有成就感的是那个绿色信贷的报告，用了计量模型，数据也比较扎实，后来在部门内部会上还被表扬了一下。收获最大的可能是学会了怎么快速处理大量数据，还有怎么把复杂的逻辑说清楚。以前在学校写论文，可能更注重理论，但在这里发现，客户更关心结论的实用价值，怎么把结论转化为可操作的建议，这点挺重要的。

最大的思维转变是，以前觉得研究就是套模型，现在发现，很多问题模型解决不了，还得靠行业知识、政策理解，甚至一些定性分析。比如做金融科技报告时，不能光看数据，还得懂区块链、人工智能这些技术，不然写出来的东西会空。

5.问题与建议

实习期间也发现一些问题。比如他们管理上有点乱，有时候任务临时加，人手又不够，我这边在写报告的时候，师兄又临时让我帮忙做点别的事，效率有点受影响。另外，培训机制也不太完善，主要是靠师兄带，但每个师兄的风格都不一样，新人很难快速上手。我建议可以搞个新人培训计划，比如每周固定几次分享会，讲讲行业数据库怎么用，或者怎么快速看懂政策文件。

岗位匹配度这块，我觉得挺合适的，但可以更细一点。比如我来了之后，发现做深度报告和做数据监控是两回事，深度报告需要更强的逻辑和写作能力，数据监控则更偏重工具熟练度。如果能让实习生根据自己的兴趣选择方向，可能会更高效。

总的来说，这次实习挺值的，虽然有点累，但真的学到了不少东西。就是希望下次能更早接触到核心项目，而不是先从最基础的数据整理开始。不过也明白，每个阶段都有它的意义，不能太着急。

三、总结与体会

1.实习价值闭环

这8周（2023年7月1日至2023年8月31日）的实习，感觉像是把学校里那些理论框架和实际工作串联起来了。以前学VAR模型、事件研究法，可能觉得离现实有点远，但去了之后发现，报告里写的每个判断，背后都是这么一套套方法在支撑。比如那个绿色信贷的报告，用到的面板数据回归，就是我在本科阶段学过的，但实际操作中，数据清洗、变量选择、内生性处理，每一步都更复杂。现在回头看，学校教的那些基础，比如统计学、宏观经济学，真的太重要了，那些东西是底层逻辑，不会就完全没法干活。实习最大的价值，就是让我真切感受到知识怎么转化成生产力，怎么帮助别人做决策。

2.职业规划联结

这次经历让我更清楚自己想干嘛了。以前可能觉得做研究就是天天看报告、写报告，有点枯燥，但去了之后发现，能通过自己的分析影响别人的决策，甚至可能影响市场，这种感觉还是挺有意思的。之前看招聘启事，总觉得经济研究岗位要求高，自己经验不足，现在觉得，只要把基础打牢，多学点工具，比如Python做数据处理，Stata跑回归，再懂点行业逻辑，机会还是挺多的。接下来打算深化学术背景，可能明年考个CFA，把投资知识补上，再看看能不能去券商研究所实习，更贴近市场端。

3.行业趋势展望

在那段时间里，明显感觉到行业有几个变化。一是AI在研究里的应用越来越广，他们内部也在搞一些自动化分析工具，比如用机器学习预测行业情绪，效率确实高。我当时接触到一个项目，就是用Python爬取财经新闻，然后用自然语言处理（NLP）分析观点倾向，我帮忙优化了一下代码，把重复率降了30%。二是ESG（环境、社会、治理）这块越来越受重视，像绿色信贷、碳中和这些，都是未来研究的重点。我在绿色信贷那篇报告里做的回归分析，得出的融资成本下降结论，其实也是基于政策大方向判断的。现在看央行和银保监会那边的文件，确实在大力推动这个方向。

4.心态转变与未来行动

最明显的改变是心态，以前做作业，错了就错了，但实习里写的每个字、每个数据，都可能被别人参考，责任感一下子重了。比如有一次筛选数据，多删了几个异常点，结果回归系数变了，虽然没差多少，但师兄还是让我重跑，说不能有半点马虎。这让我明白，做研究真的要严谨。抗压能力也锻炼了，那段时间同时做两个报告，每天加班到晚上12点，周末还要改稿，但习惯了就好。未来打算把这次用Stata做回归的技巧再深化，学学固定效应模型、工具变量法这些高级内容，争取下学期找个机会把Python的pandas库也练熟。感觉这些技能，不管是继续深造还是直接工作，都挺有用的。总的来说，这次实习就像上了8周浓缩的实践课，收获挺大的，至少知道自己以后该怎么努力了。