經(jīng)濟(jì)學(xué)經(jīng)濟(jì)咨詢公司經(jīng)濟(jì)研究實習(xí)生實習(xí)報告一、摘要

2023年6月5日至2023年8月3日，我在經(jīng)濟(jì)學(xué)經(jīng)濟(jì)咨詢公司擔(dān)任經(jīng)濟(jì)研究實習(xí)生。核心工作成果包括完成3份行業(yè)分析報告，涉及5個細(xì)分領(lǐng)域，數(shù)據(jù)模型處理量達(dá)2000+條，其中通過回歸分析預(yù)測的某行業(yè)增長趨勢誤差率低于5%。參與2次客戶會議，撰寫會議紀(jì)要并形成行動方案，涉及10+項關(guān)鍵數(shù)據(jù)指標(biāo)。專業(yè)技能應(yīng)用方面，熟練運(yùn)用Stata軟件進(jìn)行計量經(jīng)濟(jì)分析，通過構(gòu)建時間序列模型優(yōu)化了歷史數(shù)據(jù)擬合度至0.92；采用SWOT分析法梳理政策影響路徑，形成4份決策支持文件。提煉的可復(fù)用方法論包括基于貝葉斯定理的動態(tài)數(shù)據(jù)加權(quán)處理流程，以及分層抽樣方法在有限樣本分析中的誤差控制模型。

二、實習(xí)內(nèi)容及過程

實習(xí)目的主要是想把書本上的供需理論、彈性分析這些玩意兒跟實際項目掛上鉤，看看咨詢行業(yè)是怎么用經(jīng)濟(jì)模型解決真問題的。

實習(xí)單位是家挺注重量化分析的咨詢公司，主要幫企業(yè)做市場預(yù)測和政策影響評估，團(tuán)隊里挺多宏觀和產(chǎn)業(yè)經(jīng)濟(jì)的博士。

實習(xí)內(nèi)容跟經(jīng)濟(jì)研究掛鉤緊密。6月10號開始接觸第一個項目，是給一家新能源車企做動力電池供應(yīng)鏈風(fēng)險評估。我負(fù)責(zé)搜集國內(nèi)外鋰電池產(chǎn)能數(shù)據(jù)，整理了2022年到2023年Q1的50多家廠家的產(chǎn)能擴(kuò)張計劃，用線性回歸模型分析價格彈性，發(fā)現(xiàn)負(fù)相關(guān)系數(shù)達(dá)到了0.78，說明價格對產(chǎn)能決策影響挺大。后來跟著師兄做競品分析，用波特五力模型拆解行業(yè)壁壘，我還獨立做了個關(guān)于碳酸鋰價格波動的時序分析，用了ARIMA模型，擬合優(yōu)度到0.89，幫團(tuán)隊優(yōu)化了預(yù)測邏輯。7月15號參與了個區(qū)域性光伏發(fā)電政策影響評估項目，我負(fù)責(zé)梳理了8個省的補(bǔ)貼政策差異，用交叉影響矩陣分析政策變動對投資決策的敏感度，那會兒對協(xié)整檢驗這些還不太熟，師兄就帶著我一步步做，最后報告里用了VECM模型，解釋了政策傳導(dǎo)的短期和長期效應(yīng)。期間還幫忙整理過一些會議紀(jì)要，雖然主要是打輔助，但能接觸到不少行業(yè)專家的觀點。

困難主要是初期對咨詢項目的時間要求壓得挺緊，有一次做數(shù)據(jù)清洗到8月2號凌晨兩點，幾百張Excel表里還有不少口徑對不上，當(dāng)時就覺得壓力特別大。后來發(fā)現(xiàn)他們常用Python腳本批量處理數(shù)據(jù)，就抽空學(xué)了不少Pandas庫的操作，效率確實高不少。另一個挑戰(zhàn)是模型選擇，剛開始總想著用最復(fù)雜的模型，結(jié)果發(fā)現(xiàn)客戶更關(guān)心結(jié)論的可操作性，后面就學(xué)著根據(jù)問題性質(zhì)挑合適的工具，比如做短期預(yù)測就傾向用ARIMA，分析結(jié)構(gòu)性因素就多上結(jié)構(gòu)方程模型。

實習(xí)成果的話，獨立完成的報告有3份，涉及鋰電池、光伏發(fā)電和家電行業(yè)，里面用到的計量模型和產(chǎn)業(yè)分析框架，后來師兄還讓我給新來的實習(xí)生講過。最大的收獲是理解了經(jīng)濟(jì)模型怎么在實際場景里迭代優(yōu)化，比如那個碳酸鋰價格模型，第一版用了簡單的均值回歸，誤差太大，后面改成考慮季節(jié)性和供需沖擊的動態(tài)模型才準(zhǔn)。

這段經(jīng)歷讓我意識到，做經(jīng)濟(jì)研究不能光悶頭算模型，還得懂行業(yè)邏輯和政策細(xì)節(jié)，這點我以前差點忽略了。職業(yè)規(guī)劃上更清晰了，以后想往產(chǎn)業(yè)經(jīng)濟(jì)或者政策評估方向發(fā)展，感覺咨詢行業(yè)確實是個能快速成長的平臺。不過要說問題，那家公司培訓(xùn)機(jī)制確實一般，新人都是現(xiàn)學(xué)現(xiàn)賣，好多軟件工具都沒系統(tǒng)教，而且項目分工有時候也比較模糊，我接手過不屬于我負(fù)責(zé)模塊的工作，感覺效率有點打折扣。建議他們可以搞個標(biāo)準(zhǔn)化工具培訓(xùn)，比如Python和Stata的進(jìn)階操作，另外項目分配上能不能更明確點，或者增加新人導(dǎo)師的指導(dǎo)頻次？

三、總結(jié)與體會

這8周在咨詢公司的經(jīng)歷，感覺像是把書桌上的理論真正踩在了實地，實習(xí)的價值算是完整閉環(huán)了。6月5號剛進(jìn)公司時，面對真實世界的數(shù)據(jù)和緊迫的交付日期，確實有點懵，但到8月3號離開時，能獨立跑通整個研究流程，從搜集一手資料到用結(jié)構(gòu)方程模型解讀結(jié)果，心里踏實多了。那段日子，為了趕一份鋰電池行業(yè)的彈性分析報告，我熬了兩個通宵，把所有能找到的報價數(shù)據(jù)、產(chǎn)能公告都整理到Excel里，反復(fù)調(diào)試回歸參數(shù)，最后報告里預(yù)測的價格敏感度系數(shù)誤差率控制在5%以內(nèi)，得到了客戶那邊還算認(rèn)可的反饋。這種把想法變成可靠結(jié)論，再服務(wù)于實際決策的過程，是以前做課程論文完全體會不到的。

對我職業(yè)規(guī)劃的影響挺直接的。實習(xí)前想模糊地當(dāng)個經(jīng)濟(jì)學(xué)家，現(xiàn)在更清楚了自己想往產(chǎn)業(yè)政策方向鉆。這段經(jīng)歷讓我明白，經(jīng)濟(jì)研究不能懸浮，必須接地氣，要懂怎么在信息不完全的情況下做最優(yōu)推斷。未來打算系統(tǒng)補(bǔ)齊計量經(jīng)濟(jì)學(xué)這塊短板，計劃明年考個CFA的量化方向證書，把Python的數(shù)據(jù)處理能力再提升一層，感覺這些技能在咨詢行當(dāng)里特別實用。同時也在想，以后真要做這份工作，抗壓能力和跨部門溝通協(xié)調(diào)能力比單純會跑模型更重要，這點心態(tài)上得提前調(diào)整過來。

站在實習(xí)結(jié)束的節(jié)點回頭看，最大的體會是責(zé)任感這東西不是喊喊的，是實實在在壓在你肩上的。比如7月20號負(fù)責(zé)的那部分光伏補(bǔ)貼政策分析，數(shù)據(jù)錯漏會直接影響結(jié)論，后來我逐條核對了好幾遍，雖然過程痛苦，但成果出來時覺得值了。這種從學(xué)生思維到職場人思維轉(zhuǎn)變挺快的，學(xué)會了怎么在有限資源下解決問題，怎么平衡理想和現(xiàn)實。

8周時間很短，但確實看到了經(jīng)濟(jì)研究在商業(yè)世界的真實模樣。感覺現(xiàn)在經(jīng)濟(jì)形勢變化快，企業(yè)對政策解讀和行業(yè)預(yù)判的需求越來越大，咨詢行業(yè)里做經(jīng)濟(jì)研究的崗位應(yīng)該會越來越搶手。比如我接觸的那個新能源項目，里面用到的新能源配儲政策分析，當(dāng)時團(tuán)隊里好幾個資深顧問都在討論，感覺這塊未來會持續(xù)火。這次經(jīng)歷讓我對行業(yè)趨勢有了更直觀的認(rèn)識，也算是為后續(xù)學(xué)習(xí)找到了更明確的目標(biāo)。

四、致謝

在這段8周（2023年6月5日至2023年8月3日）的實習(xí)經(jīng)歷里，想謝謝幾家單位。謝謝實習(xí)單位提供的平臺，讓我有機(jī)會把學(xué)的供需理論、彈性分析這些玩意兒用到真項目上。跟著團(tuán)隊做鋰電池、光伏這些項目，感覺跟在學(xué)?？磾?shù)據(jù)完全不一樣，那種把復(fù)雜問題拆解，用模型一點點逼近答案的過程挺有意思的。

導(dǎo)師那邊，多虧了耐心帶著我，剛開始接手?jǐn)?shù)據(jù)清洗時手忙腳亂，他晚上還抽時間給我講過幾次Python腳本怎么用，效率高了不少。還有那個做產(chǎn)業(yè)分析的同事，給我分享了不少追蹤政策動態(tài)的渠道，讓我