经济学投资银行金融分析师实习生实习报告

经济学投资银行金融分析师实习生实习报告一、摘要2023年6月5日至8月23日，我在一家国际投资银行担任金融分析师实习生。核心工作包括协助完成10个IPO项目的估值建模，其中3个项目涉及复杂财务杠杆分析，最终报告准确率达99%。参与撰写5份行业研究报告，覆盖科技与医疗板块，引用15篇权威数据源。应用Excel进行数据处理，平均每天处理超过5000条交易数据，提升模型效率30%。通过项目实践，掌握了DCF、LBO等估值方法的实操流程，并建立标准化分析模板，可复用于同类项目。二、实习内容及过程2023年6月5日入职，8周实习期里，跟着团队做发行人尽调，主要是给一家做企业服务的中型科技公司准备上市材料。每天早上先开会同步项目进度，我负责整理他们的财务报表，核对近三年的收入、毛利率、营运资本数据，发现一笔其他应付款科目波动太大，追查了半年前的销售合同，最后定位到是一笔渠道返利未及时入账，调整后利润预测下调了8%。6月12开始学做估值模型，导师给我一份医疗板块的靶标公司案例，要求用DCF和LBO两种方法做对比，我花了两周时间把折现率和TVPI参数敏感性测试做了十几次，结果发现税负率变动对LBO估值影响超DCF的50%，这个细节后来被组里引用在给大股东做沟通材料时。7月遇到个硬骨头，有个行业报告需要引用2022年Q4至今的成交数据，但彭博终端没权限调，我手动在Wind里扒了30家同业公司的周报，用Python脚本匹配交易对手和金额，整理成时间序列表，虽然耗了48小时，但最终报告里的行业定价趋势图直接用了我的数据。团队对历史沿革审核特别严，有一次核对客户提供的股权架构图，发现一家历史沿革中有个小股东比例对不上，来回邮件沟通了5轮才确认是2018年并购时尽职调查疏漏，这件事让我明白投行工作就是不断把细节抠透。偶尔会感觉培训跟不上节奏，比如6月15号学的Hyperion做三张报表联动，到8月才遇到一个模型需要用到，临时学总有些手忙脚乱。这8周最大的收获是掌握了做估值报告的标准流程，从找数据源到做假设，再到画图表，现在写PPT能直接套用之前做的生物科技行业模板，效率高不少。不过也发现团队协作时邮件沟通效率不高，有时候一个需求来回确认要半天，如果项目管理系统更规范些应该能省事。三、总结与体会这8周，从6月5日懵懵懂懂开始接触三张报表，到8月23日能独立完成一份IPO估值报告初稿，感觉像坐过山车。最值的是7月帮团队核对医疗科技行业数据时，发现某家靶标公司2022年财报里研发支出披露不规范，追查了其10家同业的审计报告，最后在8月8日项目会上提出调整估值敏感度分析的区间，直接影响了投资方的条款谈判，那一刻觉得之前熬夜整理的500+页行业数据真没白费。这份工作让我明白投行不是光会贴现率算就行，6月15日导师教我Hyperion建模时强调的"数据来源要交叉验证"原则，现在每次做假设前都会下意识多找三个维度去核对。7月负责那家科技公司尽调时，因为坚持要核实其三年前的一笔关联交易，差点被导师说太较真，但后来发现确实是历史沿革里隐藏的瑕疵，这种对专业细节的偏执反而帮团队避了坑。写这份报告时翻看6月30日第一次提交的估值模型，那会儿用的贴现率假设直接套用行业均值，现在回头看简直离谱。这段经历直接让我把后续学习重点锁定在WACC计算和LBO建模的实操上，10月打算去考CFA一级，把实习里用到的15个估值模型都做成思维导图，感觉比单纯看书有意思多了。团队8月20日复盘时聊到AI可能替代基础建模工作，当时挺焦虑的，但导师说"机器只会算数，会找数据、会做商业逻辑判断的才是核心"，这让我把关注点从"我会用什么软件"转向"我要挖掘什么有价值的洞察"，现在每天都会刻意去研究行业新闻里那些没被财报覆盖的变量。最明显的变化是8月15日深夜赶完那家医疗公司LBO模型后，发现再忙也不觉得烦躁了。以前觉得加班就是浪费时间，现在明白在估值模型里多花一小时核对着折旧范围，可能就帮客户省了500万的商誉减值风险。这种把个人努力和项目价值挂钩的感觉，比单纯刷题有用多了。下学期打算申请那家券商的暑期项目，但这次清楚知道要补哪些短板比如6月25日被导师批评过的可比公司分析里行业分类标准不统一的问题。四、致谢感谢在实习期间给予指导和帮助的团队，特别是导师在估值建模和行业研究上的耐心教诲。从6月5日第一次接触实际项目到8月23日结束，许多细节问题都得到了及时解答。