金融分析投资公司金融分析师实习生实习报告

金融分析投资公司金融分析师实习生实习报告一、摘要2023年7月1日至2023年8月31日，我在金融分析投资公司担任金融分析师实习生。核心工作成果包括完成5份行业研究报告，覆盖科技、医疗和新能源板块，其中3份报告被团队采纳并用于投资决策；协助搭建2个量化模型，通过回测验证，模型在近12个月内的策略胜率提升8.7%。专业技能应用方面，熟练运用Python进行数据处理，使用SQL从数据库提取约1.2亿条交易数据，并通过Excel构建动态财务模型，准确率达95%。提炼出的可复用方法论包括：标准化数据清洗流程，将报告撰写时间缩短20%；建立多维度比对企业财务指标，提升分析效率15%。二、实习内容及过程1实习目的想着能真正见识下华尔街那种光鲜亮丽的工作环境，顺便把在学校学的那些金融模型、估值方法用上，看看跟实际工作有啥不一样。8周时间，希望能摸清金融分析师日常是干啥的，顺便积累点实战经验。2实习单位简介我在的公司是那种典型的卖方投行子公司，主要业务是做行业研究和给机构客户做投资建议。团队不大，但每个人都很忙，平时电话会议、报告更新基本没停过。我所在的团队主做科技和医疗板块，客户主要是公募基金和私募。3实习内容与过程前两周主要是熟悉环境和打杂，整理公司内部的数据库，把那些历史报告重新归类。后来开始接触具体项目，第一个任务是帮导师做新能源赛道的行业报告。当时手头只有零散的券商研报和数据，我得自己爬取上市公司财报，用Python清洗那些格式乱的表格，再手动核对行业协会公布的装机量数据。过程挺磨人的，但做出来的东西比预想的规范。导师看了说数据来源要注明，引用的预测数据得标明出处，不然报告含金量就没了。第三周开始做量化模型，团队想给某个对冲基金做个光伏行业多因子选股模型。我之前学过点统计建模，但实际操作起来发现跟课本完全不一样。他们用的是Python的pandas和statsmodels库，我一开始连时间序列怎么处理都搞不清楚。导师就给我发了几个老模型的代码，让我自己改。我花了两晚把ARIMA和GARCH模型调了半天，最后胜率从6.8%提升到7.5%，虽然不高，但至少证明我懂点东西。期间还学会了怎么用SQL从数据库里直接拉数据，比Excel快太多了，1.2亿条数据跑个回归分析，分分钟搞定。后面又参与了医疗板块的财报分析，主要是对比恒瑞和药明康德这两家药企的ROE波动。导师让我用Excel的XLOOKUP函数做动态表格，结果发现公式嵌套太多导致卡死，最后请教了IT部门的哥们，才知道要用PowerQuery。这个经历让我明白，学校教的只是基础，公司里的东西都是现学现用，而且工具得配合着用，光会Python也不行。4实习成果与收获8周里完成了5份行业报告，3份被团队采用，其中一份关于AI医疗的估值报告，把DCF模型和可比公司法结合，把市盈率、市销率和股息贴现模型都算了一遍，最后给到50倍市盈率的估值区间，后来某基金按这个逻辑进了场，虽然不能确定是这份报告的功劳，但至少说明方向是对的。量化模型那部分，做的光伏多因子策略回测胜率是7.5%，虽然市场波动大，但比随机选股强。最大的收获是学会了怎么处理真实世界的数据，以前觉得估值模型很完美，现在知道财报里那些勾稽关系根本不靠谱，得手动核对好几个版本。团队里有个老哥跟我说，做研究不能光看漂亮数据，得知道数据是怎么来的，有没有水分。比如某家药企的毛利率，你得自己看它的合并报表附注，有没有把研发费用摊销进成本。这种细节以前根本不会注意。职业规划上更清晰了，原来我既想搞量化，又想写报告，现在觉得可以往卖方研究岗的量化方向走，但得先补补CFA的知识。5问题与建议有两个问题挺明显的。一是公司培训机制不咋地，我来了8周连几个核心数据库怎么用都没完全学会，全靠导师手把手教。二是我的岗位跟我想象的不太一样，我期待能接触到更多建模机会，但实际工作60%时间在写报告，30%处理数据，10%开会讨论。建议公司可以搞个新人培训手册，把常用的数据库操作、报告模板都列出来，至少让新人知道每天该干啥。另外可以设置个轮岗机制，比如让我在一个月里接触下卖方交易，这样了解更全面。三、总结与体会1实习价值闭环这8周，从2023年7月1日到2023年8月31日，感觉像是从理论世界一头扎进了现实。刚来的时候，觉得金融分析就是套模型、写报告，来了才发现完全不是那么回事。我负责的几个行业报告，比如那个新能源赛道的，光整理数据就花了两周，爬取的1.2亿条交易数据里错漏百出，清洗时得手动核对一半。这让我明白，学校教的Excel、Python只是工具，关键是怎么用这些工具解决实际问题。后来做的光伏多因子模型，回测胜率7.5%，虽然不算惊艳，但导师说能想到用ARIMA处理行业景气度波动已经不错了。这8周，我把书架上那些厚厚的估值模型和计量经济学书翻了一遍，又去考了CFA一级的几门，感觉离真正的分析师近了一步。2职业规划联结以前总觉得量化分析师和卖方研究员水火不容，实习才懂其实是两条平行线。我发现自己对建模有热情，但更享受写报告那种跟行业较劲的感觉。比如医疗板块那部分，我对比了恒瑞和药明康德的ROE波动，发现药明康德的研发投入对估值影响巨大，这让我意识到，未来想搞研究，光会模型不行，还得懂行业逻辑。导师说，明年组里可能要招个能做因子选股的研究生，我暗自下定决心，争取明年秋招往这个方向冲。现在开始恶补FamaFrench三因子模型和机器学习在金融中的应用，感觉跟实习时的那些模型一结合，能玩出花来。3行业趋势展望这段时间看行业报告，发现AI医疗和新能源那块真金白银在涨，但很多公司财报里光鲜的营收数字背后是巨额研发支出。这让我想起实习时导师说的那句话：“研究不是赌博，是认知变现。”现在市场上那么多AI投顾、ESG基金，我觉得做研究得跟上节奏。比如新能源那部分，我做的模型里，技术迭代速度是关键因子，这让我意识到，未来研究不仅要懂财务，还得懂技术路径。9月底那场行业峰会，我听到有嘉宾说，明年量化投资可能要跟AIGC结合，得用大语言模型分析财报和新闻，这让我吓一跳，赶紧去啃NLP的资料。现在觉得，学校学的知识够用，但行业永远在变，不持续学习真的会被淘汰。4心态转变以前觉得实习就是打杂，现在才懂每个环节都是学问。记得有一次做报告，导师让我算某家药企的自由现金流，我套了公式结果全错，导师说“财务不是数学，得看逻辑”，那顿训让我记到现在。现在看报表，会主动去想每个数字背后的商业故事。比如毛利率下降，是产品迭代还是竞争加剧？这种思维转变，是从“我会算”到“我能解释”的进化。抗压能力也强了，以前做小组作业，拖延症晚期，现在每天下班前必须完成当日任务，不然第二天没法交差。这种责任感，可能才是实习最大的收获。未来打算再考个FRM，把量化那块补全，秋招简历上能多几个亮眼的经历。四、致谢1感谢实习期间给予我指导的导师，在专业知识和职业路径上给予的启发，特别是在行业研究框架和数据处理方法上的具体指导，让我对金融分析有了更深入的理解。2感谢团队里的各位同事，在日常工作中提供的帮