数学与应用数学金融公司数据分析实习生实习报告_第1页
数学与应用数学金融公司数据分析实习生实习报告_第2页
数学与应用数学金融公司数据分析实习生实习报告_第3页
全文预览已结束

付费下载

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

数学与应用数学金融公司数据分析实习生实习报告一、摘要2023年7月1日至2023年8月31日，我在金融公司担任数据分析实习生。期间，负责处理日均约5000条交易数据，通过Python清洗数据，剔除异常值占比12%，构建3个风险预测模型，准确率均值达86.7%。运用SQL执行约200条复杂查询，支持部门决策。掌握数据清洗、特征工程及机器学习应用方法，形成标准化分析流程，可复用于同类业务场景。二、实习内容及过程2023年7月1日到8月31日，我在一家金融公司做数据分析实习生。主要目标是熟悉行业数据处理流程，把学校学的数学建模和编程知识用上。公司是做量化交易的，每天处理大量客户交易数据，分析市场波动。我跟着团队做数据清洗，用Python脚本处理过5000多条日交易记录，删掉了13%明显异常的值，这样后续分析才靠谱。8月10号左右负责一个项目，给交易策略组跑回测数据，用SQL从10张大表中提取了200多条关键指标，帮他们缩短了模型调优时间。遇到最大挑战是8月15号，数据口径不一致导致模型预测偏差，我花了两天研究公司旧文档，最后用逻辑回归加交叉验证解决了，学到了特征工程要考虑业务实际。收获是懂了金融风控里VIF检验怎么用，还有特征选择不能只看相关性。公司培训有点跟不上，很多业务术语得自己查，岗位需求也没完全匹配学校课程，比如需要更多SQL经验。建议他们搞点新人业务手册，或者多安排几次技术培训。这段经历让我看清了想进金融数据分析得补SQL和业务课，以后学习方向更明确了。三、总结与体会这8周实习，感觉像是从理论世界一头扎进现实。7月1号刚去的时候，面对真实业务场景的数据，心里挺打鼓的。到8月31号离开，能独立跑通整个分析流程，心里踏实多了。这段经历让我把课堂上学到的线性代数、概率统计还有Python编程，真真切切用在了给投资组合打分上，知道怎么算夏普比率，怎么用Pandas处理缺失值，感觉知识体系闭环了。最大的体会是数据不只是数字，背后是实实在在的业务决策。比如8月10号那次，帮风控组筛选潜在风险客户，用逻辑回归模型跑出来的86%准确率，能直接反馈给他们调整策略，那种成就感挺强的。也认清了自身短板，比如SQL查询效率有待提高，8月下旬处理几百G数据时，好几小时卡在一个JOIN语句里，最后请教了前辈才明白是索引没用好。这让我明确了后续要重点深化SQL技能，可能得去考个Oracle认证。行业里机器学习应用越来越广，像9月份看的一些报告，量化策略里深度学习模型开始试点了，感觉学校课程还得加把劲，特别是强化学习这块得补上。从学生到职场人的转变挺明显的，开始学着主动承担责任，比如8月20号因为数据源问题差点影响报告，连夜和IT沟通，最后找到症结，抗压能力确实强了点。接下来打算把实习中用的Python库再系统学一遍，特别是Scikitlearn，争取把几个核心模型都吃透，为下次实习或者秋招做准备。感觉这段经历，就是给我未来求职加了buff，知道了自己该往哪努力了。四、致谢感谢实习期间给予指导的导师，帮我理解

人人文库> 全部分类> 应用文书 > 工作计划

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论