金融服务金融服务公司金融服务实习报告

金融服务金融服务公司金融服务实习报告一、摘要

2023年7月1日至2023年8月31日，我在一家金融服务公司担任风险分析师实习生，负责信用风险评估模型的数据清洗与验证工作。通过处理超过5000份企业信用报告，识别并标记了23个关键风险指标，将模型预测准确率从82%提升至89%。运用Python进行数据清洗，使用SQL查询企业财务数据，并借助Excel构建可视化分析报告。核心工作成果包括完成5份风险评估报告，提出3项流程优化建议被部门采纳。专业技能应用上，将课堂学习的回归分析理论应用于实际模型调试，验证了机器学习算法在风险预测中的有效性。提炼出标准化数据清洗流程，以及动态指标监控体系，可复用于同类金融数据分析任务。

二、实习内容及过程

1实习目的

我去那家公司实习，主要是想看看真实的信贷风控是啥样，跟书本上讲的不一样在哪。想学点实际操作经验，特别是怎么把学到的数据分析知识用到风险模型里。

2实习单位简介

那是家做企业贷业务的金融服务公司，规模不大，但风控团队挺重视数据化。他们用的模型主要是传统逻辑回归加点机器学习特征，没搞得太复杂的深度学习。

3实习内容与过程

我跟着师傅做了仨月数据清洗。开始是处理几千家企业的财报数据，用Python去重和标准化，发现好多报表格式乱七八糟的。有家制造企业资产负债表直接手写的，数字还带单位，真是要命。最后整了套检查规则，错漏能自动标出来，师傅说比以前人工校对快一半。后来参与了个二级行业的风险监控项目，给医药行业做了个行业因子库，把毛利率、研发投入这些跟违约相关性强的指标都标了权重。还帮着做了个可视化看板，老板挺满意。

期间还接触了PD、LGD这些词，但真要算明白背后的逻辑，还是差得远。公司内部系统老出bug，有时候数据取出来不对，得绕好几个弯子才能搞出来。

4实习成果与收获

最大的成就是那个医药行业因子库，最后报告里提的几个指标，后来他们模型调参真就用上了。清洗的数据量从5000多降到4000出头，错误率降了8个百分点。虽然不多，但真是我亲手弄出来的。最大的收获是明白数据不是越多越好，质量太重要了。还有，做风控不能光靠模型，行业理解同样关键。那天和风控老哥聊，他说看一家企业，财报数字只是基础，得懂那个行业怎么赚钱，哪个环节最容易出问题。

遇到的困难是刚开始做数据清洗时，不知道哪些指标重要，全靠师傅带着。后来发现Python里Pandas库的groupby功能特别有用，用它分行业统计数据比一个个筛选省事多了。另一个是调参时，模型总过拟合，后来学了交叉验证，分训练集测试集，效果就好多了。

5问题与建议

公司培训机制确实一般，都是现用现教，没系统啥的。建议可以搞个新人手册，把数据处理的标准流程、常用函数都写清楚。还有就是岗位匹配度问题，我来了之后发现好多活儿其实Excel也能干，但公司就要求用Python，有点浪费。要是能灵活点，让我用啥顺手就用啥，效率可能更高。

三、总结与体会

1实习价值闭环

这八周实习像把理论装进了实践。刚来时觉得信用评分模型挺玄乎，到月底自己动手调参数、做因子分析，感觉就不一样了。比如那个医药行业因子库，一开始只觉得把数据搭起来就行，后来跟业务聊才知道，怎么选取指标、给权重，背后是对行业周期和监管政策的理解。这让我明白，做风控不能光敲代码，得懂商业逻辑。现在回头看，学到的每条SQL语句、每个Python包，都用在了具体项目上，这种获得感挺强的。

2职业规划联结

这段经历让我更想往量化风控方向发展。之前觉得模型开发遥不可及，现在觉得没那么神秘，关键是要把统计学知识用对地方。下学期打算系统补补机器学习课，顺便把CFA一级考了，希望能把知识体系搭得更完整。现在看招聘要求，好多岗位都写要熟悉逻辑回归、决策树，这不就是我实习在干的嘛。感觉实习把我的职业目标清晰了不少，以前模模糊糊，现在知道该往哪钻了。

3行业趋势展望

实习里感受到，现在风控越来越重数据治理。之前觉得模型是核心，后来发现数据质量差，模型再好也白搭。那家小公司就有次差点因为数据口径问题把一批正常客户标错，幸好师傅发现得早。这让我觉得，以后做金融科技，可能数据工程师的角色比算法工程师更重要。行业也在变，以前纯模型风控慢慢不行了，现在都讲“模型+规则+人工”三道防线。我观察到他们内部也在搞大模型试点，看来AI真的要渗透进风控里了。

4心态转变

八周前觉得实习就是打杂，现在知道每项任务都是历练。有回半夜查数据，把几千行企业财报翻了个遍，虽然枯燥但挺充实。遇到数据口径不一致，或者模型调不过去时，真的会焦虑。但每次解决问题后，那种成就感也挺上头。现在抗压能力确实强了点，以前遇到麻烦就想找老师，现在先自己查资料、找同事请教，感觉离职场人近了。这种责任感是书本教不来的。

5未来行动

接下来打算把实习里用到的Python库再系统学一遍，特别是那些没搞太懂的交叉验证、梯度下降，下学期找机会复现下他们用的模型。另外，想多看些监管政策，比如最新的《企业征信业务管理办法》，了解合规要求。感觉这些经历比单纯刷题有用多了。下个实习或者找工作，肯定要把这段经历往简历上好好写写，突出数据分析和业务理解这两块。

四、致谢

1

感谢那家金融服务公司给我实习机会，让我接触到了真实的风控业务。

2

特别感谢我的导师，在数据处理和模型理解上给了我很多指点，比如那次医药行业因子库的讨论，让我知道风控不只是