经济学证券投资公司分析师实习生实习报告

经济学证券投资公司分析师实习生实习报告一、摘要

2023年6月5日至2023年8月12日，我在一家证券投资公司担任分析师实习生，负责宏观经济数据监测与行业分析报告撰写。通过8周实习，累计完成12份行业深度报告，其中3份被团队采纳为投资决策参考，涉及新能源、半导体等高增长领域。应用Python进行数据清洗与分析，提升报告时效性至平均2天内完成，较实习前缩短40%。掌握Wind数据库使用技巧，独立完成5次季度财报数据对比分析，准确预测2家上市公司股价变动趋势。提炼出“三步验证模型”用于行业赛道评估，通过历史数据回测验证其有效性，相关方法论已纳入部门知识库。

二、实习内容及过程

1实习目的

去2023年6月5日到8月12日那8周，我在一家证券投资公司当分析师实习生，主要想弄懂证券分析师是怎么工作的，特别是怎么把宏观经济数据转成能指导投资的建议。知道实习前自己光会背理论，真到用Wind、Bloomberg查数据，写报告还是手生。

2实习单位简介

我去的这家公司，主要做二级市场的股票投资，有专门的固定收益和权益研究团队，我跟着的是权益团队。团队不大，也就十来个人，但研究员都挺资深的，至少都在行业里混了七八年。他们最看重报告的深度和数据验证，要求引用的数据都得能追溯到原始出处，比如CPA审计的财报，或者统计局公布的宏观数据。

3实习内容与过程

初期主要是熟悉业务流程，2023年6月10号前，我花了两天时间把公司内部的资料库摸熟了，包括历史报告库、行业数据库还有分析师会议纪要。接着开始做辅助性工作，比如整理新能源汽车行业的产业链图谱，截止到7月2号，我整理了上下游20多家公司的业务模式和财务数据，研究员用了我的底稿做深度报告。

正式参与项目是在7月，当时团队在跟踪半导体行业的周期。2023年7月15号到8月5号，我负责跟踪国产光刻机设备的订单数据。那时候我还不懂，光刻机这种设备，数据都是分批次披露的，有的企业季度报才提，有的月度会报更新。我就跟研究员说数据不完整，研究员就教我“分层验证法”，先看行业协会的统计，再比对上市公司财报里的固定资产变动，最后盯券商的卖方报告，这样能补全缺失部分。比如阿斯麦的订单，季度报只提了60%，我就发现他们在二季度私下签了几个小合同，在卖方会议上提过，算下来其实完成了80%。

4实习成果与收获

8周里我写了12份行业周报初稿，3份被研究员修改后发到内部群，比如7月20号的《国产刻蚀设备产业链景气度跟踪》，团队后来在8月1号的策略会上引用了里面的几个观点。数据能力上，我学会了用Python自动化处理财报数据，之前手动做5家公司对比表要3小时，后来用pandas跑脚本，20分钟就出结果。

遇到的最大挑战是7月25号那会儿，我负责的医药生物行业，有家创新药企突然被立案调查。当时我完全懵，不知道从哪儿找线索。研究员就让我先看药监局公告原文，再查该公司招股书里有没有提过相关研发管线，最后看专利数据库有没有诉讼记录。我花了3天时间，才拼出大概情况原来他们在2022年12月提交的NMPA审评资料里提过这个适应症，但没说研发进度。这个事让我明白做研究不能只盯着财报，得看全生命周期的信息。

5问题与建议

实习单位管理上，团队内部沟通有时不太高效，比如8月10号有个行业会议纪要，我整理完放到共享盘，但研究员没及时看，导致第二天讨论时有人重复问了我提过的问题。我建议可以搞个每日站会，5分钟同步进度，避免信息堵在邮件或群里。

培训机制上，新人培训偏重工具，比如我花了两天时间才搞懂他们的估值模型模板，但没系统讲过怎么独立设计框架。我建议可以增加“案例复盘课”，比如让老员工讲讲2022年某行业误判的案例，分析是数据收集出了问题，还是逻辑推导有偏差。

岗位匹配度上，我发现我对卖方研究的兴趣更大，但实习里接触的主要是买方视角，比如怎么用估值模型给股票定价。如果学校能搞点卖方实习，比如去券商研究所帮忙整理会议纪要，可能更有针对性。

三、总结与体会

1实习价值闭环

这8周，2023年6月5日到8月12日，感觉像把书上的理论掰开了揉碎了用一遍。刚开始对着Excel数据头疼，比如7月15号那会儿整理新能源汽车产销数据，不同机构口径差异特别大，直接让我怀疑人生。后来跟着研究员用“分层验证法”核对，发现行业报告的统计样本量小，得结合上市公司财报里的产线利用率来推算，这才搞明白。现在回头看，这些花过的冤枉劲，都是把“知”和“行”连起来的过程。

最直观的感受是数据敏感度提升了，以前看财报只盯净利润，现在会下意识地翻到“分部收入”和“管理费用”的明细，因为7月22号分析半导体设备商财报时，发现其毛利率突然下滑，根源就在于某个零部件供应商涨价，这藏在附注里的信息，直接影响了股价走势。

2职业规划联结

这次经历让我更确定想走卖方研究这条路。实习最后那周，2023年8月5号到8月12号，我主动帮研究员写了份半导体行业的竞争格局分析初稿，虽然只用了公开数据，但研究员还夸我“框架搭得对”。这让我信心倍增，现在打算下学期把CFA一级考了，特别是Equity估值那几章，实习里反复用的DCF、可比公司法，现在知道怎么把理论套到具体案例里了。比如8月1号那场策略会，研究员引用了我做的国产光刻机设备渗透率表，虽然只是辅助材料，但感觉离目标更近了。

3行业趋势展望

在实习中，2023年7月和8月接触到的几个行业，给我挺直观的感受。比如新能源，现在看已经从“风口”变成“主航道”了，但内部赛道分化特别明显。我整理的8份周报里，就有5家电池技术路线不同的公司，景气度天差地别。这让我意识到，未来研究必须更精细化，光看行业龙头不够，得摸透产业链每个环节的供需关系。比如8月10号跟踪的特高压设备，当时发现上游晶片价格还在涨，但下游电网招标突然放缓，研究员就提示风险，后来9月行业确实回调了。这种“前瞻性”正是买方最看重的，也说明行业研究需要更强的宏观洞察力。

心态上最大的变化是抗压能力。刚来时，2023年6月8号被分配任务就慌，现在8周后，8月10号同时跟进3个行业也不会乱。比如7月25号医药行业那家创新药企出事，我凌晨3点还在查专利数据库，第二天直接累到趴在工位上。但第二天研究员跟我说“查得对”，那一刻觉得值了。这种“苦尽甘来”的体验，比单纯在教室听课来得深刻。

未来打算把实习里用的Python脚本再完善下，特别是8月8号用pandas处理300家上市公司财报时，感觉函数用得还不熟练，现在晚上会抽时间敲敲代码。感觉职场和学校不一样，知识必须“用进废退”，否则很快会生疏。这8周让我明白，真正的分析师不是靠堆砌概念，而是把数据变成真金白银的决策依据，这事儿挺有挑战，但想想也特带劲。

四、致谢

1实习单位

感谢公司提供这次实习机