金融科技金融科技公司分析師實(shí)習(xí)報(bào)告一、摘要2023年7月1日至2023年8月31日，我在一家金融科技公司擔(dān)任分析師實(shí)習(xí)生，負(fù)責(zé)數(shù)據(jù)建模與市場(chǎng)分析工作。通過(guò)運(yùn)用Python進(jìn)行數(shù)據(jù)處理，完成了對(duì)3000份用戶行為數(shù)據(jù)的清洗與歸檔，構(gòu)建了2個(gè)預(yù)測(cè)模型，準(zhǔn)確率分別達(dá)到85%和82%，為產(chǎn)品優(yōu)化提供了直接數(shù)據(jù)支持。參與撰寫(xiě)了5份行業(yè)分析報(bào)告，整合了10家競(jìng)品的API接口數(shù)據(jù)，提煉出3個(gè)可復(fù)用的模型優(yōu)化方法論：一是采用交叉驗(yàn)證提升模型泛化能力，二是通過(guò)特征工程降低數(shù)據(jù)維度，三是建立動(dòng)態(tài)調(diào)整機(jī)制應(yīng)對(duì)市場(chǎng)波動(dòng)。這些實(shí)踐強(qiáng)化了我在金融科技領(lǐng)域的量化分析能力，掌握了從數(shù)據(jù)采集到模型部署的全流程操作方法。二、實(shí)習(xí)內(nèi)容及過(guò)程2023年7月1日到8月31日，我在一家做智能投顧的金融科技公司當(dāng)分析師實(shí)習(xí)生。我的主要任務(wù)是幫團(tuán)隊(duì)準(zhǔn)備數(shù)據(jù)和做市場(chǎng)研究。開(kāi)始時(shí)，我負(fù)責(zé)整理用戶行為數(shù)據(jù)，每天要處理差不多500條記錄，用Python清洗異常值，發(fā)現(xiàn)數(shù)據(jù)缺失率超過(guò)10%，就提出用均值填充的方案，后來(lái)被導(dǎo)師調(diào)整為隨機(jī)抽樣補(bǔ)全，效果更好。8月10號(hào)左右，我參與了競(jìng)品分析項(xiàng)目，花了兩周時(shí)間扒取了6家公司的API接口，用Python爬取了他們的接口響應(yīng)數(shù)據(jù)，最后整理成對(duì)比表格，團(tuán)隊(duì)覺(jué)得挺有用，后來(lái)我寫(xiě)的報(bào)告里關(guān)于第三方支付接口的對(duì)比部分，被產(chǎn)品經(jīng)理拿去跟技術(shù)討論了。最大的挑戰(zhàn)是做預(yù)測(cè)模型時(shí)，初始準(zhǔn)確率只有70%，后來(lái)我學(xué)了交叉驗(yàn)證的方法，把數(shù)據(jù)分成8份輪流驗(yàn)證，準(zhǔn)確率提到了85%，這個(gè)過(guò)程讓我意識(shí)到模型調(diào)優(yōu)不能光看訓(xùn)練集表現(xiàn)。實(shí)習(xí)期間還發(fā)現(xiàn)公司培訓(xùn)有點(diǎn)跟不上節(jié)奏，比如Python的pandas庫(kù)我之前只會(huì)基礎(chǔ)操作，公司給的資料太泛，我就自己找網(wǎng)課補(bǔ)了3個(gè)星期的進(jìn)階教程。最大的收獲是學(xué)會(huì)了怎么把業(yè)務(wù)問(wèn)題轉(zhuǎn)化為數(shù)據(jù)問(wèn)題，比如有個(gè)次級(jí)債風(fēng)險(xiǎn)評(píng)估的需求，我先是找到行業(yè)白皮書(shū)，然后根據(jù)公式反推數(shù)據(jù)口徑，最后把計(jì)算邏輯寫(xiě)成腳本，雖然只是個(gè)小模塊，但挺有成就感。這段經(jīng)歷讓我更確定想往量化方向發(fā)展，不過(guò)也看到自己在機(jī)器學(xué)習(xí)理論這塊還差得遠(yuǎn)。公司管理上我覺(jué)得可以搞個(gè)定期技術(shù)分享會(huì)，讓新人少走彎路。崗位匹配度還行，就是有時(shí)候被安排做點(diǎn)跟技術(shù)關(guān)聯(lián)不大的活兒，比如幫運(yùn)營(yíng)做用戶畫(huà)像，感覺(jué)有點(diǎn)浪費(fèi)我的技術(shù)背景。三、總結(jié)與體會(huì)這8周實(shí)習(xí)，從7月1號(hào)到8月31號(hào)，像給我上了一堂生動(dòng)的實(shí)踐課。我不再是光在書(shū)本里琢磨金融模型的學(xué)生了，而是真正摸過(guò)數(shù)據(jù)、見(jiàn)過(guò)市場(chǎng)的分析師。價(jià)值閉環(huán)就在這里，我寫(xiě)的用戶行為分析報(bào)告，真的被產(chǎn)品那邊采納了，用他們的說(shuō)法，幫他們少走了不少?gòu)澛?。比如那個(gè)模型優(yōu)化項(xiàng)目，我起初調(diào)參調(diào)到懷疑人生，準(zhǔn)確率一直上不去，導(dǎo)師教我用交叉驗(yàn)證，那會(huì)兒感覺(jué)就像突然開(kāi)了盞燈，數(shù)據(jù)怎么驗(yàn)證效果才真實(shí)，怎么避免過(guò)擬合，這些以前只在論文里看到的詞，現(xiàn)在全成了我手邊的工具。這讓我真切感受到，做分析不是閉門(mén)造車(chē)，得和市場(chǎng)反饋、業(yè)務(wù)需求死磕。這段經(jīng)歷也讓我對(duì)職業(yè)規(guī)劃更清晰了。以前覺(jué)得量化分析師遙不可及，現(xiàn)在我知道了要往哪使勁。比如Python的pandas和numpy，我之前只會(huì)基礎(chǔ)，現(xiàn)在能寫(xiě)腳本處理幾十萬(wàn)條數(shù)據(jù)了，這就是實(shí)實(shí)在在的進(jìn)步。下學(xué)期我打算系統(tǒng)學(xué)學(xué)機(jī)器學(xué)習(xí)，順便把CFA一級(jí)的證書(shū)考了，就是想讓自己更硬核些。行業(yè)里現(xiàn)在都在談AIGC怎么賦能金融，那天我聽(tīng)技術(shù)大佬講，AI生成內(nèi)容在信用評(píng)估上能提高效率，這讓我覺(jué)得，以后分析師不光要懂?dāng)?shù)據(jù)，還得懂技術(shù)、懂業(yè)務(wù)，腦子得轉(zhuǎn)得快。心態(tài)轉(zhuǎn)變也挺明顯的。剛?cè)サ臅r(shí)候，面對(duì)3000多條數(shù)據(jù)就有點(diǎn)慌，現(xiàn)在再看同樣的量，反而覺(jué)得是挑戰(zhàn)。記得8月中旬有個(gè)項(xiàng)目截止日期很急，我連續(xù)加班兩天，最后交上去的時(shí)候雖然累，但挺有成就感的。這就是跟在學(xué)校不一樣，職場(chǎng)需要你扛得住壓，還得靠譜。未來(lái)我要是還想做金融科技，就得在數(shù)據(jù)分析這塊做得更深，爭(zhēng)取以后能獨(dú)立負(fù)責(zé)項(xiàng)目，不只是做執(zhí)行層。這8周沒(méi)白過(guò)，它讓我明白，學(xué)習(xí)永無(wú)止境，能把自己所學(xué)用到實(shí)際里，這感覺(jué)，值。四、致謝在公司實(shí)習(xí)的這8周，特別感謝我的直屬導(dǎo)師，他不僅在工作上給了我很多具體指導(dǎo)，比如怎么用交叉驗(yàn)證提升模型精度，還常常分享行業(yè)動(dòng)態(tài)，讓我對(duì)金融科技的理解更立體。團(tuán)隊(duì)里的幾位同事也幫了不少忙，特別是遇到技術(shù)難題時(shí)，他們總能耐心解釋，幫我搞定Python環(huán)境配置和API對(duì)接這些事兒，挺靠譜的。學(xué)校里的指導(dǎo)