金融工程金融谷投資顧問(wèn)實(shí)習(xí)報(bào)告一、摘要

2023年6月5日至8月23日，我在金融工程金融谷投資顧問(wèn)崗位實(shí)習(xí)，負(fù)責(zé)量化模型測(cè)試與投資組合優(yōu)化。核心工作成果包括完成10個(gè)策略回測(cè)，日均處理300+交易數(shù)據(jù)，優(yōu)化組合夏普比率提升12%，通過(guò)Python實(shí)現(xiàn)策略自動(dòng)化，覆蓋因子達(dá)0.85。專業(yè)技能應(yīng)用涵蓋Matlab進(jìn)行數(shù)據(jù)分析、Python構(gòu)建回測(cè)框架、VBA操作Excel批量處理。提煉出可復(fù)用的Alpha因子挖掘流程：1）采集高頻數(shù)據(jù)；2）構(gòu)建多維度指標(biāo)體系；3）使用機(jī)器學(xué)習(xí)聚類篩選；4）通過(guò)壓力測(cè)試驗(yàn)證。這些實(shí)踐驗(yàn)證了課堂學(xué)習(xí)的定價(jià)模型在實(shí)際場(chǎng)景的適用性。

二、實(shí)習(xí)內(nèi)容及過(guò)程

2023年6月5日入職金融工程金融谷投資顧問(wèn)崗位，原計(jì)劃8周熟悉行業(yè)但實(shí)際深度參與兩個(gè)項(xiàng)目。實(shí)習(xí)目的就是把課程里的隨機(jī)過(guò)程理論跟實(shí)盤策略對(duì)上號(hào)。單位是那種典型的quant聚集地，平時(shí)郵件往來(lái)全是Barra因子、Alpha模型、壓力測(cè)試這些詞，但實(shí)際操作起來(lái)數(shù)據(jù)清洗比建模更磨人。

6月10日接手第一個(gè)任務(wù)，用歷史日頻數(shù)據(jù)回測(cè)一個(gè)動(dòng)量策略，要求覆蓋2000支股票。手頭只有Python基礎(chǔ)，導(dǎo)師就帶著用Pandas處理文件，教我算超額收益和信息比率。數(shù)據(jù)量太大會(huì)卡死電腦，最后用Dask分布式計(jì)算分塊處理，單日跑完回測(cè)報(bào)告要花8小時(shí)。有個(gè)細(xì)節(jié)是得手動(dòng)剔除ST股，不然夏普比率會(huì)虛高，這個(gè)踩坑花了兩周才搞明白。

6月25日參與組合優(yōu)化項(xiàng)目，客戶要的是低波動(dòng)高收益。我用了分層抽樣做樣本，按市值分10組選行業(yè)因子，結(jié)果發(fā)現(xiàn)醫(yī)藥和消費(fèi)板塊相關(guān)性太高，調(diào)倉(cāng)后跟蹤誤差反而擴(kuò)大。導(dǎo)師就讓我用蒙特卡洛模擬看極端情況，最后調(diào)了20次參數(shù)才把組合的Sortino比率從0.75提到0.92。期間學(xué)了些新東西，比如用GARCH模型做波動(dòng)率預(yù)測(cè)，但發(fā)現(xiàn)實(shí)際交易中滑點(diǎn)問(wèn)題更頭疼。

7月15日遇到個(gè)硬骨頭，高頻數(shù)據(jù)同步總出錯(cuò)。早上發(fā)現(xiàn)回測(cè)系統(tǒng)用的是昨天的tick數(shù)據(jù)，耽誤了兩天重新跑。后來(lái)發(fā)現(xiàn)是VBA腳本讀取文件順序不對(duì)，改了循環(huán)邏輯才解決。這個(gè)事讓我意識(shí)到自己離真正的場(chǎng)外做市還差得遠(yuǎn)。

8月1日負(fù)責(zé)寫策略自動(dòng)發(fā)送郵件，用VBA嵌套Excel函數(shù)，把多因子模型的勝率、盈虧比這些指標(biāo)用條件格式標(biāo)出來(lái)。有個(gè)客戶特別要年化夏普，我就在附件里加了個(gè)Excel宏，輸入日期后自動(dòng)算區(qū)間數(shù)據(jù)，老板夸比他手算快。

實(shí)際操作中最大的挑戰(zhàn)是需求變更太頻繁。比如7月20日剛定好的因子篩選標(biāo)準(zhǔn)，8月2日就被要求換變量，最后策略表現(xiàn)自然受影響。這種情況下只能趕緊調(diào)整，學(xué)到了怎么用交叉驗(yàn)證做容錯(cuò)設(shè)計(jì)。

崗位匹配度75%，能接觸到不少風(fēng)控細(xì)節(jié)，但理論模型落地時(shí)總得妥協(xié)。比如要控制組合集中度，就得犧牲些潛在收益，這點(diǎn)課本里沒講過(guò)。單位培訓(xùn)機(jī)制也不咋地，新人得自己找資料學(xué)Python包，不過(guò)這種環(huán)境反而讓我主動(dòng)去啃了Numpy文檔。

遇到的問(wèn)題主要是管理混亂，比如下午開會(huì)時(shí)郵件會(huì)收到緊急需求，導(dǎo)致工作計(jì)劃全亂。建議可以搞個(gè)共享日歷標(biāo)記優(yōu)先級(jí)，或者至少給實(shí)習(xí)生配個(gè)專屬導(dǎo)師。另一個(gè)建議是崗位說(shuō)明書別寫得太理想化，可以提前透露下加班情況。

三、總結(jié)與體會(huì)

這8周，從2023年6月5日到8月23日，像在腦子里裝了個(gè)計(jì)算器，但真正用起來(lái)發(fā)現(xiàn)差遠(yuǎn)了。實(shí)習(xí)最大的價(jià)值是把課堂上的隨機(jī)過(guò)程、衍生品定價(jià)這些抽象概念，變成每天要算的Alpha因子、跟蹤誤差、壓力測(cè)試這些實(shí)打?qū)嵉闹笜?biāo)。比如6月回測(cè)那個(gè)動(dòng)量策略，理論上是正向的，但實(shí)際用Python跑完2000支股票的數(shù)據(jù)，發(fā)現(xiàn)高頻數(shù)據(jù)同步錯(cuò)誤導(dǎo)致結(jié)果偏差，這種教訓(xùn)比老師講一百遍都管用。

看著7月中旬做的組合優(yōu)化報(bào)告，從最初的Sortino比率0.65，通過(guò)調(diào)整行業(yè)因子權(quán)重和GARCH波動(dòng)率預(yù)測(cè)，最后提升到0.92，這種用公式把收益和風(fēng)險(xiǎn)捏成想要形狀的感覺，挺帶勁的。這段經(jīng)歷直接讓我把職業(yè)規(guī)劃往量化研究員方向調(diào)整了，現(xiàn)在天天琢磨怎么補(bǔ)CFA的衍生品那幾章，打算實(shí)習(xí)結(jié)束后直接考個(gè)FRM。

行業(yè)趨勢(shì)上，現(xiàn)在客戶特別要低波動(dòng)率的策略，但實(shí)際做下來(lái)發(fā)現(xiàn)純數(shù)學(xué)模型根本不管用，還得結(jié)合基本面和交易員經(jīng)驗(yàn)。8月負(fù)責(zé)自動(dòng)郵件發(fā)送時(shí)，老板說(shuō)他們用Python的機(jī)器學(xué)習(xí)做因子篩選，但模型預(yù)測(cè)勝率超過(guò)60%的才敢發(fā)客戶，這種踩雷經(jīng)驗(yàn)讓我意識(shí)到，金融工程不是造永動(dòng)機(jī)，得有風(fēng)險(xiǎn)對(duì)沖的思維。

最核心的體會(huì)是心態(tài)變了。以前覺得數(shù)學(xué)推導(dǎo)多牛就行，現(xiàn)在明白程序跑出錯(cuò)的每行日志，都關(guān)乎真金白銀。比如7月15日高頻數(shù)據(jù)同步那事，凌晨三點(diǎn)還在查VBA腳本，第二天跟導(dǎo)師匯報(bào)時(shí)臉通紅，但導(dǎo)師說(shuō)“至少你扛下來(lái)了”，這種責(zé)任感現(xiàn)在特清晰。未來(lái)學(xué)東西會(huì)帶著“怎么用”的視角，比如現(xiàn)在在啃Python的asyncio庫(kù)，就想趕緊學(xué)成用在并發(fā)處理數(shù)據(jù)上。

實(shí)習(xí)暴露出的問(wèn)題是，學(xué)校教的模型參數(shù)優(yōu)化，跟實(shí)盤里控制回測(cè)偏差完全是兩回事，這點(diǎn)得讓老師調(diào)整教學(xué)側(cè)重點(diǎn)。個(gè)人打算下學(xué)期直接報(bào)Python量化班，把回測(cè)框架搭熟，爭(zhēng)取實(shí)習(xí)回來(lái)能獨(dú)立做策略。這種從學(xué)生到準(zhǔn)職場(chǎng)人的轉(zhuǎn)變，比拿獎(jiǎng)學(xué)金還讓人興奮。

致謝

2023年6月5日至8月23日這段實(shí)習(xí)經(jīng)歷，離不開金融工程金融谷的接納。特別感謝導(dǎo)師在策略回測(cè)方法上的指導(dǎo)，比如6月25日那個(gè)組合優(yōu)化項(xiàng)目，您演示的蒙特卡洛模擬壓力測(cè)試流程，讓我明白理論模型如何應(yīng)對(duì)實(shí)盤極端情況。還有同事小張，教我7月15日解決高頻數(shù)據(jù)同步問(wèn)題時(shí)用的VBA技巧，那種直接教你怎么