經(jīng)濟(jì)學(xué)證券投資公司金融分析師實習(xí)生實習(xí)報告一、摘要

2023年7月1日至2023年8月31日，我在一家知名證券投資公司擔(dān)任金融分析師實習(xí)生。核心工作成果包括完成50份行業(yè)研究報告，覆蓋科技、醫(yī)療、消費三大板塊，其中3份報告被團(tuán)隊采納并用于投資決策；協(xié)助構(gòu)建了2個量化選股模型，回測數(shù)據(jù)顯示模型在過去一年內(nèi)使虛擬投資組合收益率提升12%，年化波動率下降8%；獨立完成15個公司估值分析，運(yùn)用DCF、可比公司法兩種方法，誤差控制在5%以內(nèi)。專業(yè)技能應(yīng)用方面，熟練運(yùn)用Python進(jìn)行數(shù)據(jù)清洗與可視化，通過SAS軟件處理每日高頻交易數(shù)據(jù)，累計處理量達(dá)2GB。提煉出可復(fù)用的方法論：結(jié)合宏觀周期與行業(yè)趨勢的動態(tài)估值框架，以及基于機(jī)器學(xué)習(xí)的異常交易信號識別流程。

二、實習(xí)內(nèi)容及過程

1實習(xí)目的

希望通過實踐了解證券投資公司金融分析師的實際工作內(nèi)容，將課堂上學(xué)到的估值模型、行業(yè)分析框架應(yīng)用到真實案例中，提升數(shù)據(jù)處理能力和報告撰寫水平，為未來職業(yè)發(fā)展打下基礎(chǔ)。

2實習(xí)單位簡介

我所在的實習(xí)單位是業(yè)內(nèi)一家中等規(guī)模的證券投資公司，主要業(yè)務(wù)包括股票研究、自營投資和資產(chǎn)管理。團(tuán)隊氛圍比較務(wù)實，研究流程強(qiáng)調(diào)邏輯嚴(yán)謹(jǐn)和數(shù)據(jù)驅(qū)動。

3實習(xí)內(nèi)容與過程

第12周主要熟悉公司研究體系，學(xué)習(xí)使用Wind、Bloomberg終端，整理行業(yè)數(shù)據(jù)庫。第34周開始獨立覆蓋醫(yī)藥板塊，每周完成3家公司的基本面分析，包括財務(wù)三表重構(gòu)、估值指標(biāo)計算和競品對比。第56周參與新能源行業(yè)研究項目，需要跟蹤碳酸鋰價格波動對相關(guān)公司盈利能力的影響，用Python爬取上游原材料價格數(shù)據(jù)，建立簡單的盈利預(yù)測模型。第78周協(xié)助完成一份通信行業(yè)中期策略報告，重點分析5G設(shè)備商的估值合理性問題，運(yùn)用可比公司法時，我注意到同業(yè)公司中有3家近期被并購，價格明顯偏高，建議回調(diào)調(diào)整目標(biāo)價。

4實習(xí)成果與收獲

8周內(nèi)輸出6份深度報告，2個量化模型，其中回測的動量策略在模擬盤里跑出年化15%的收益，比基準(zhǔn)高4個百分點。最大的收獲是學(xué)會了怎么處理矛盾數(shù)據(jù)比如某家電企業(yè)財報顯示毛利率穩(wěn)定，但我的跟蹤發(fā)現(xiàn)原材料成本在半年內(nèi)漲了12%，后來通過訪談供應(yīng)鏈客戶確認(rèn)了價格傳導(dǎo)的滯后性。這種把定量分析和定性信息結(jié)合的思路，比單純看報表要扎實。

5問題與建議

遇到的第一個困難是高頻數(shù)據(jù)獲取，公司訂閱的Bloomberg終端沒有分鐘級交易數(shù)據(jù)，分析衍生品策略時非常不便。我自學(xué)了用Python連接交易所API，雖然速度慢但能勉強(qiáng)應(yīng)付。第二個問題是研究報告的迭代效率，有時領(lǐng)導(dǎo)突然要求補(bǔ)充某家公司的估值邏輯，手頭沒現(xiàn)成模型就得熬夜重做。建議公司可以開發(fā)一個標(biāo)準(zhǔn)化的模板庫，把常用的DCF參數(shù)設(shè)置、可比公司篩選模塊化，能省不少時間。另外培訓(xùn)方面，初級分析師的合規(guī)培訓(xùn)偏理論，希望能增加更多實戰(zhàn)案例。

三、總結(jié)與體會

2023年8月31日結(jié)束的這段實習(xí)，像給課本知識接上了地氣。最初覺得DCF估值就是個公式，現(xiàn)在明白參數(shù)敏感性測試時要考慮的宏觀變量，比如我做的那個醫(yī)藥案例，利率變動1%直接讓藥企的WACC差了20個基點，這差距絕不能忽略。50份報告里最讓我有成就感的是通信行業(yè)那篇，花了3天整理的設(shè)備商股權(quán)結(jié)構(gòu)數(shù)據(jù)，發(fā)現(xiàn)有幾家被低估的核心供應(yīng)商有被并購可能，最后報告里寫的“潛在整合機(jī)會”被團(tuán)隊采納了，看數(shù)據(jù)從紙面變成實際價值，挺有感覺的。

實習(xí)最大的改變是抗壓能力。記得第6周同時處理3個行業(yè)深度報告，有兩天凌晨三點還在改新能源那部分，因為上游價格數(shù)據(jù)總對不上，最后查到是某交易商的報價延遲了6小時?，F(xiàn)在想想，那種焦頭爛額反而挺鍛煉人。這種在壓力下把問題拆解、逐一解決的經(jīng)歷，比單純學(xué)知識更寶貴。

對職業(yè)規(guī)劃來說，這次經(jīng)歷讓我更清楚自己的短板。比如量化模型雖然寫了回測腳本，但對期權(quán)定價的公式推導(dǎo)還不夠熟，打算下學(xué)期系統(tǒng)補(bǔ)上BlackScholes模型。團(tuán)隊里高級分析師用到的行業(yè)數(shù)據(jù)庫分類法很細(xì)，比如把汽車零部件分成了12個子領(lǐng)域，這種知識體系化的能力我得趕緊學(xué)。行業(yè)趨勢上明顯感覺到AI賦能投研是大方向，公司內(nèi)部也在用Python做NLP分析財報，雖然我實習(xí)時沒參與，但知道后續(xù)肯定要學(xué)。

從學(xué)生到職場人的心態(tài)轉(zhuǎn)變挺明顯的。以前做作業(yè)可以想當(dāng)然，現(xiàn)在每個數(shù)字都要溯源，比如某家公司的銷售費用率下降，不能只看絕對值，得對比行業(yè)趨勢和公司渠道策略變化。這種對細(xì)節(jié)的敬畏心，是從每天面對真實業(yè)績壓力中悟出來的。下階段打算把實習(xí)里寫的3個行業(yè)報告框架再優(yōu)化下，爭取把其中醫(yī)療板塊的模型參數(shù)擬合度提到0.8以上，也算給這段經(jīng)歷交個滿意的答卷。

四、致謝

感謝實習(xí)期間給予指導(dǎo)的部門領(lǐng)導(dǎo)，讓我有機(jī)會接觸實際投資研究工作。特別感謝導(dǎo)師在行業(yè)分析方法上的點撥，那些關(guān)于如何處理矛盾數(shù)據(jù)的討論，讓我受益匪淺。和團(tuán)隊里幾位同事的交流也很有啟發(fā)，比如他們分享的P