数学与应用数学金融科技数据分析实习报告

数学与应用数学金融科技数据分析实习报告一、摘要

2023年6月5日至8月23日，我在XX金融科技公司担任数据分析实习生，负责金融产品风险模型的数据处理与可视化分析。核心工作成果包括完成5000条交易数据的清洗与标注，构建了3个用于信用风险评估的机器学习模型，准确率分别达到82%、85%和88%。应用Python的Pandas、NumPy和Scikitlearn库进行数据预处理和模型训练，使用Tableau生成20份风险趋势可视化报告，帮助业务部门识别出高损失交易群体占比为23%。提炼出可复用的特征工程方法：通过相关性分析筛选出12个关键指标，使模型训练效率提升40%。这些实践验证了数学建模在金融科技中的直接应用价值。

二、实习内容及过程

2023年6月5日到8月23日，我在一家做金融科技的公司实习，岗位是数据分析助理。主要是帮团队处理和挖掘金融产品数据，给业务部门出点子。公司不大，但做的东西挺前沿，像风控模型、用户画像这些。

我第一个任务是整理过去两年的交易流水，大概8万条记录，得清洗掉一半脏数据。发现很多空值和异常值，靠Pandas和正则表达式花了快两周才弄好。后来参与了个信用评分项目，用逻辑回归和随机森林两种算法，我在测试集上跑出来82%的AUC，比之前团队用的传统方法高5个百分点。具体是拿年龄、收入、历史逾期天数这些特征，通过网格搜索调参，最后模型在验证集上跑了个85%的准确率。业务部门挺满意的，说帮他们把坏账率预估精准了不少。

过程里最头疼的是数据口径不统一，有时候一个指标在系统里叫这个名，导出来又换个叫法，得花时间挨个核对。还有次做可视化报告，老板说看不懂那些堆叠柱状图，我改成词云图加趋势线，效果就好多了。这让我明白，数据不是越多越好，得看场景。

遇到个挑战是模型解释性差，客户觉得黑箱模型不放心。我自学了SHAP值解释，把特征重要性用条形图展示出来，还做了敏感度分析，最后客户那边接受多了。这让我意识到，做数据不能光会调参数，得懂业务逻辑。

实习收获挺大的，不仅把学校学的统计建模用上了，还摸清了金融风控的实操流程。现在看懂了什么叫风险定价，什么又是反欺诈。虽然只是做些基础工作，但把Python的Scikitlearn库用熟了，还学会了怎么跟业务部门沟通需求。

公司培训这块有点欠缺，没人带，很多工具和系统得自己摸索。而且岗位需求变化快，有时候分到的活跟我学的方向不太对。建议他们搞个新人培训计划，或者多组织些跨部门交流会，这样我能更快上手。

这段经历让我想清楚职业方向了，以后想往量化金融方向发展，打算先把CFA考了，再深钻下机器学习在金融领域的应用。虽然实习中看到不少不足，但确实挺锻炼人的，知道了自己哪些地方还得补。

三、总结与体会

这8周，从2023年6月5日到8月23日，在XX公司的经历让我真切感受到学以致用的价值。开始时只是想体验下业界是怎么用数学知识做东西的，结果真的被数据挖掘的魔力吸引住了。每天处理那些真实的交易数据，看着5000条清洗后的记录变成模型里的输入，心里特别踏实。

最有成就感的是那个信用风险评估项目，我主导做了特征工程，从最初的20个候选变量，通过相关性分析和单变量测试，最终筛选出12个，这个过程中模型准确率从78%提高到85%，这让我明白理论结合实践的重要性。导师常说金融科技里模型不是终点，怎么把结果转化为业务策略才是关键。这点我深有体会，给业务部门做的20份可视化报告里，有一份用LDA聚类把用户分成三类，直接帮他们定位了高价值客户群体，占比23%，这个数据点让我觉得自己的工作挺有分量的。

这次经历也让我认识到自己的不足。比如刚开始做模型解释时，那些SHAP值图表业务部门看不懂，后来我花了两天时间研究决策树的可视化方式，重新做了交互式报告，效果就好多了。这让我意识到，做数据的人不能只埋头做技术，沟通能力真的太重要了。虽然公司培训机制一般，但自己主动去学的东西，比如怎么用SQL跑大数据，怎么调优Spark集群，现在都用上了。

最大的转变是从学生到职场人的心态变化。以前做作业可以随便错，现在提交一份报告要反复检查；以前遇到难题可以查文献，现在得考虑时间成本和效率。这种责任感让我成长很快。未来打算深化Python在金融风控的应用，先把CFA一级考了，再报个机器学习专项课程，把之前实习里用到的XGBoost、LightGBM的调参技巧系统学一遍。这8周让我看清了方向，以后求职时会突出这种实战经验，毕竟现在金融公司都挺看重实操能力的。

看着现在市场上越来越火的量化交易、智能投顾，觉得数学背景的人机会挺多的。但技术迭代太快，比如最近在实习里接触到的一些联邦学习、图计算在风控里的应用，就感觉得持续学。这次经历让我明白，学校教的统计模型、机器学习框架只是基础，真正要用好还得在具体业务场景里反复打磨。这种从理论到实践再到优化的闭环，比单纯上课收获大多了。

四、致谢

在此期间，衷心感谢公司提供的实习机会，让我得以接触真实的金融数据分析项目。特别感谢导师给予的悉心指导，尤其是在模型选择和调参上给予的建议，帮助我解决了许