金融科技金融科技公司金融科技实习生报告

金融科技金融科技公司金融科技实习生报告一、摘要

2023年7月1日至2023年8月31日，我在某金融科技公司担任金融科技实习生。期间，负责开发并优化了3个自动化交易模型，通过算法调整将模型交易准确率从65%提升至78%，日均处理交易数据约2万条，节省后台人工处理时间40%。运用Python和R语言进行数据清洗与可视化分析，处理了超过500GB的客户行为数据集。参与区块链技术应用于供应链金融的项目，设计并实现了智能合约的初步框架，验证了其交易效率较传统流程提升60%。总结了基于机器学习的异常交易检测方法论，可应用于同类金融风险控制场景，提升了模型的可复用性。

二、实习内容及过程

实习目的主要是想看看自己学的金融知识能不能在实际工作中用上，了解下金融科技公司到底是干什么的，顺便提升下自己的编程和数据分析能力。

实习单位是个做智能投顾和供应链金融的，具体业务我不细说，反正挺看重数据分析和算法模型的。我被分到了研发部门，跟着一个学长做项目。

第1到3周，主要是熟悉环境，学他们用的开发平台和数据库，跑了好多数据清洗的脚本，把一些脏数据整理得差不多。期间帮着做了一个客户画像的报表，用Python处理了大概300万条交易记录，画了几个热力图和折线图，老板说还可以，至少比他们以前自己导出来手动整理强。

第4到6周，开始接触核心项目，是开发一个基于机器学习的反欺诈模型。我们用他们的交易数据集，里面有标记好的欺诈样本，我负责用XGBoost跑实验。刚开始参数调来调去，效果都不好，准确率一直在70%多徘徊。后来学长教我用网格搜索加点交叉验证，又试了几个特征组合，最后模型AUC上了0.82，比之前的基准高了5个百分点。这个过程中踩了不少坑，比如欠采样导致模型泛化能力差，特征工程花了快两周时间。

最后2周，把模型部署到测试环境，看着每天有几千笔实时交易跑过，心里挺不真实的。还参与了区块链技术在供应链金融的方案设计，虽然只是画原型和写文档，但了解了不少智能合约的原理。期间遇到的最大挑战是数据接口不稳定，有时候请求会超时，导致实验数据不完整。我自学了Python的异步编程，写了个缓存机制，把数据先存起来等接口好了再处理，效率确实提上去了。

实习成果最明显的就是那个反欺诈模型，后来正式上线后，风控部门反馈说新发现的欺诈案例里，有60%是被模型标记出来的。这让我挺有成就感的。另外，我对特征工程和模型调参的理解确实深了，以前觉得调参数就是瞎试，现在知道每个参数背后代表什么了。

过程里最难受的是第5周，连续一周加三个班都没把模型跑通，早上起来头发都掉了好几把。不过第二天还是硬着头皮继续改，感觉这种时候要是怂了后面更难搞。现在想想，搞技术真的得有股狠劲儿，不撞南墙不回头。

最大的收获是认识到自己离真正的工程师还差得远，以前在学校做项目数据量小，现在这种百万级别的数据集处理，每一步都要小心翼翼。还有就是学会了怎么跟业务部门沟通，他们不懂技术，但你要能把复杂的东西用大白话讲清楚。

团队里有个问题，有时候需求变更太频繁，开发计划总是被打乱。我感觉他们项目管理的流程可以优化下，比如需求进来先评审一遍，而不是谁说改就改。另外培训方面，公司给新人的技术培训有点少，很多工具都是自己摸着石头过河学会的。我建议可以搞个内部知识库，把常用的脚本和问题都整理好，省得大家反复问。岗位匹配度上，我觉得我可以做的更好的是业务理解，有时候面对业务问题会有些懵，这得加强学习了。

三、总结与体会

这8周，从2023年7月1日到8月31日，在金融科技公司的经历，对我来说是个完整的价值闭环。刚来的时候，主要是想看看课堂上学的东西能用到哪，结果发现理论和实践差得有点远。但这段经历让我把很多模糊的概念给具体化了。

比如之前学机器学习，觉得调参数就是瞎试，现在通过反欺诈模型的案例，真刀真枪地跑了5000多组参数，才知道网格搜索加交叉验证不是花架子。模型最终AUC上到0.82，比学校里随便调调高了不少，这种成就感是做课程设计时体会不到的。这8周，我处理了超过200GB的交易数据，写脚本自动化的时间比在学校整个学期加起来还多，这种量级的数据处理，真的能让你对数据敏感度提升一大截。

对我职业规划的影响挺大的。以前觉得进投行或者咨询挺好，现在发现金融科技这块更对味。特别是看到他们用区块链做供应链金融，用机器学习做风险控制，觉得这才是未来。实习结束那天，主管跟我说下个月有个量化策略的岗位在招人，让我准备简历，虽然我还不敢确定，但心里确实有底了。这段经历让我知道，如果真想做量化或者风控，还得把Python和SQL练得更溜，打算下学期考个CFA，至少先把金融证书补上。

行业趋势这块，明显能感觉到AI和大数据在金融领域的渗透越来越深。刚开始的时候，他们内部系统对接不太顺畅，数据获取经常卡壳，后来团队搞了个联邦学习框架，虽然我还没深入研究，但听学长讲，这种技术未来能解决数据孤岛问题。我觉得这块值得继续跟踪，特别是模型可解释性这块，现在很多模型是黑箱，监管层面很关注，以后肯定有发展。

心态转变是最大的体会。以前做项目是完成就行，现在完全不一样，要考虑效率、稳定性，甚至成本。记得有一次模型跑崩了，凌晨3点还在排查，虽然只影响了不到1%的交易，但第二天还是被叫去挨批了。虽然有点委屈，但确实意识到责任大了。这种抗压能力，我觉得比学会什么新技能更重要。现在写代码会想得更多，怎么避免内存溢出，怎么写更健壮的异常处理，这种思维转变是以前没有的。

最大的遗憾是刚开始对业务理解太慢，经常要别人反复解释，浪费了不少时间。如果重新来过，会提前做更多功课，至少知道他们核心业务是怎么运转的。现在想想，技术再好，不懂业务也是空中楼阁。这块是我接下来要重点弥补的，打算多看些行业报告，争取下次实习能更快上手。总的来说，这段经历值了，虽然累，但成长是真的。

四、致谢

感谢公司提供这次实习机会，让我接触到