数学与应用数学金融科技数据分析师实习报告

数学与应用数学金融科技数据分析师实习报告一、摘要

2023年7月1日至2023年8月31日，我在一家金融科技公司担任数据分析师实习生，负责金融产品风险评估与市场趋势分析。通过运用Python进行数据清洗与建模，结合机器学习算法优化预测模型，将模型准确率从72%提升至86%，累计处理超过200万条交易数据，识别出3组关键风险因子。期间，熟练应用Pandas、NumPy及Scikitlearn库，并采用A/B测试方法验证模型效果，得出优化策略可降低客户流失率约12%。工作成果验证了统计建模在金融场景的应用价值，提炼出“分层抽样结合交叉验证”的可复用方法论，为后续量化分析奠定实践基础。

二、实习内容及过程

1.实习目的

我去做数据分析实习，主要是想看看自己学的数学建模、编程这些玩意儿在金融科技里能干啥，能不能帮上忙。想真实环境里摸摸底，知道点实际操作的门道。

2.实习单位简介

那家公司做的是智能投顾，帮客户做资产配置，搞些算法推荐产品。技术部门挺重视数据，天天跟机器学习、量化分析打交道。

3.实习内容与过程

刚开始就是熟悉业务，了解他们那些个金融产品，还有系统怎么跑。后来跟着带我的学长做项目，主要是分析用户行为数据，看看怎么把产品推荐更准。我们那块儿数据挺杂的，有些是交易记录，有些是用户调研反馈。我天天用Python处理数据，画各种图表，比如用热力图看不同年龄段用户对啥产品感兴趣。遇到个坎儿是数据质量问题，有些记录是乱填的，得手动筛。我就学了Pandas的`dropna`和`fillna`，还用正则表达式补了一些缺失值。后来开始接触模型，他们用的是逻辑回归和决策树，但我觉得不准，就自学了XGBoost，跑了几次实验，调完参数后，模型准确率从78%提到85%。

4.实习成果与收获

最后做的那个项目是帮他们优化风险控制模型，我把历史用户的交易数据拉出来，分了十几个维度，比如交易频率、金额波动、持有时间这些。用聚类算法分了三类用户，发现其中一类违约率特别高。把这个结果跟业务部门沟通，他们那边就调整了风控策略，后来反馈说那类用户的逾期率真的降了差不多15%。这事儿让我明白，数据分析不光是跑模型，还得懂业务，会沟通。最大的收获是知道怎么把学的东西用上，比如怎么把统计知识套到实际场景里。

5.问题与建议

那段时间感觉公司培训有点跟不上，比如有些金融术语我完全搞不懂，问学长还得他慢慢解释。而且我们那组人手有点紧，我有时候得兼做别的活儿。建议他们可以搞点新人培训计划，比如每周搞个分享会，或者弄些内部文档啥的。另外，我觉得我们岗位跟业务部门的对接可以更紧密点，有时候需求来回改，效率有点低。如果能早介入需求讨论，肯定能做得更好。

三、总结与体会

1.实习价值闭环

这八周，从2023年7月1日到8月31日，感觉像是把书本里的概率论、回归分析还有编程技能串起来了。刚开始接手那个用户画像项目时，面对海量的用户行为日志，真有点懵。那些混杂着缺失值和异常值的交易数据，让我明白理论落地得多难。但硬着头皮用Python把它捋顺，画出来的用户分群热力图，跟业务那边一讨论，他们居然说“这帮年轻人真懂我们用户”。那一刻觉得，原来数学真的能帮上忙，而且不只是跑个代码那么简单。把统计模型跟业务场景结合，找到那个“最优解”，这感觉挺值的。

2.职业规划联结

这段经历让我更想往量化分析方向发展了。之前在学校觉得机器学习挺好玩的，现在发现金融科技里这些模型真能产生价值。比如我们最后用的XGBoost模型，准确率提升那点数据，在商业上可能就省下不少钱。这让我意识到，以后想干这行，光会模型可不够，还得懂金融，会跟人沟通。下学期打算报个CFA的科目，把金融知识补上。而且实习里发现，跟团队协作多重要，以后得多锻炼沟通能力。

3.行业趋势展望

这段时间看，整个行业越来越依赖数据驱动了。他们用的很多技术，像自然语言处理做舆情分析，还有强化学习做交易策略，都是前沿方向。虽然我们实习没深入接触，但感觉未来数据分析师的角色会越来越关键。技术迭代快，得持续学习，不然很快就被淘汰。学校里学的数理基础还是挺有用的，但像Python的某些高级库，还有特定领域的算法，还得自己课外补。现在金融科技发展这么快，感觉这行挺有前景的，但挑战也大，得有颗能扛事儿的心。

4.心态转变

以前做项目就是完成任务，现在完全不一样了。感觉肩上多了点责任，得考虑结果怎么用，能不能帮公司解决问题。比如调模型参数时，不光看准确率，还得想这改动实际有没有用。遇到数据质量差或者需求不明确的时候，不再像以前那样抱怨，而是想怎么解决。抗压能力确实强了点，至少现在熬夜搞个模型能睡得着了。这种从学生到准职场人的心态变化，挺宝贵的。

四、致谢

在这段2023年7月1日至8月31日的实习期间，得到了很多帮助。感谢那家金融科技公司提供了实践平台，让我接触到真实的金融数据分析工作。特别感谢我