金融学金信所金融分析师实习报告

金融学金信所金融分析师实习报告一、摘要2023年7月3日至2023年8月31日，我在金融学金信所担任金融分析师实习生，负责市场数据整理与分析工作。通过处理覆盖2022年全年的5000份行业报告及200余家上市公司财报，完成3份行业深度分析报告，其中1份被研究所采纳为内部参考。运用Python进行数据处理，将数据清洗效率提升40%；采用DCF模型对5家目标企业估值，误差控制在5%以内。掌握标准化财务模型搭建流程，熟练应用Excel高级函数及VBA自动化脚本。形成可复用的数据校验四步法：原始数据比对、逻辑校验、第三方平台交叉验证、样本抽样复核，确保分析结果准确率超95%。二、实习内容及过程2023年7月3日入职金融学金信所，担任金融分析师实习生。单位是做行业研究和投资分析的，主要服务机构客户，团队不大但氛围挺拼。实习目标很简单，就是学学怎么真的做研究，把学校学的理论用上。第12周主要是熟悉环境，整理2022年全年的市场数据，5000多份报告，200多家公司财报，全是手动筛选和录入。老板说基础工作得扎实，数据错了分析全白搭。我每天加班到9点，用Excel的VLOOKUP和INDEX/MATCH函数交叉核对，还学了Python的基础库pandas处理大文件，效率真的高不少。记得有个金融工具数据对不上，花了一天找原因，原来是一笔并购交易会计处理有差异，这下明白财报分析不能只看表面数字。第36周参与一个行业深度报告，是关于新能源储运的。需要做5家重点公司的DCF估值，用的市场无风险利率是3.5%，考虑了政策风险溢价1.2%。一开始算出来结果差别太大，后来发现没把折旧摊销分开处理，调整后误差缩小到5%以内。这个过程中被带我的老师骂了几次，说模型细节太粗糙，得把每一个假设都写清楚逻辑。最后报告交上去，虽然不是什么爆款，但团队内部反馈说数据比较全，比我预想的强。第78周尝试独立做一个行业周报，选了芯片设计。但碰上市场波动特别大，上下游价格一变估值模型直接崩。我花了3天重新梳理供需关系，把产业链分成10个环节，每个环节找3个关键指标，发现库存周期确实在影响定价。这个事让我意识到，研究不能只盯着财务报表，得结合产业逻辑。虽然报告没啥亮点，但自己把研究框架理顺了。实习最大的收获是明白金融分析不是简单的数数，得把经济周期、行业趋势、公司基本面都串起来。最大的困难是数据质量太差，有些上市公司财报披露滞后，得自己编表，这让我对会计准则的理解加深了。单位管理上吧，感觉人手太紧，培训机会不多，有时候任务堆起来也没时间系统学东西。建议可以搞个新人手册，把常用模型和数据处理流程写明白，别老让新人摸黑干。岗位匹配度上，我觉得自己性格还是偏研究，做交易可能压力会大，但这次经历确实让我更清楚想干嘛了。三、总结与体会这8周，从2023年7月3日到8月31日，在金融学金信所的经历，让我对金融分析有了实打实的认识。实习的价值闭环清晰得很，我当初想学的是怎么把课堂上的DCF模型、估值方法用在实际业务里，结果真做了个新能源行业的深度报告，五个公司的估值模型从最初的粗糙到后来能控制在5%误差以内，这个转变就是最好的闭环。通过处理5000多份报告和200多家公司的财报，我理解了数据不是越多越好，质量差会拖后腿，学会了用Python和Excel清洗数据，效率确实提升不少，也体会到财务分析得抠细节，比如折旧摊销的处理直接影响结果。这次经历直接影响了我的职业规划。我发现自己挺喜欢这种需要深度思考和逻辑推理的工作，而不是单纯看盘或者做纯交易。实习中做的芯片行业周报虽然没啥亮眼成绩，但自己梳理产业链10个环节、找关键指标的过程，让我意识到未来想进研究机构，得在产业理解上花大功夫。现在看招聘要求，明白了自己需要在财务建模上再下功夫，打算下学期把CFA一级考了，特别是权益投资和公司金融那几门，把基础打牢。对行业趋势的展望，实习里感受最深的是新能源和半导体这两个行业，政策驱动力特别强，但技术迭代快，研究不能只看财务数据，得结合技术路线图、供需周期这些。比如新能源储运那次，我就发现单纯用DCF估值不行，得看电池技术路线会不会变。这让我觉得，未来金融分析跟科技的结合会越来越紧密，光会算账不够，还得懂点技术逻辑。从学生到职场人的心态转变也挺明显的，以前觉得报告写得漂亮就行，现在明白责任感更重要，数据错一个数字都可能让整个报告白费，抗压能力也强了点，加班到9点成了常态，但感觉挺值的。这8周不是终点，是把学习从被动变主动的开始，后续的路该怎么走，心里有点谱了。四、致谢在金融学金信所的这8周实习，特别感谢带我的导师，给我机会接触实际研究工作，不怕我犯错，每次模型问题都能耐心指导。也谢谢团队里的同事，数据查找、模型