數(shù)學(xué)金融投資公司分析師實(shí)習(xí)報(bào)告一、摘要

2023年6月5日至8月23日，我在一家數(shù)學(xué)金融投資公司擔(dān)任量化分析師實(shí)習(xí)生。核心工作成果包括完成5個(gè)高頻交易策略的回測(cè)框架搭建，其中基于隨機(jī)游走模型的策略在模擬數(shù)據(jù)中實(shí)現(xiàn)年化收益率12.3%，夏普比率達(dá)2.1；參與開發(fā)2個(gè)因子分析模塊，利用Python對(duì)過去3年市場數(shù)據(jù)進(jìn)行處理，提取出8個(gè)有效風(fēng)險(xiǎn)因子，相關(guān)系數(shù)矩陣的VarianceInflationFactor（VIF）均低于5。專業(yè)技能應(yīng)用方面，熟練運(yùn)用C++實(shí)現(xiàn)蒙特卡洛模擬定價(jià)模型，通過優(yōu)化算法將期權(quán)定價(jià)效率提升30%；采用機(jī)器學(xué)習(xí)中的Lasso回歸方法篩選交易信號(hào)，AUC值達(dá)到0.89。提煉出可復(fù)用的量化策略開發(fā)方法論：數(shù)據(jù)標(biāo)準(zhǔn)化處理需結(jié)合歷史波動(dòng)率窗口，策略有效性檢驗(yàn)必須通過雙重抽樣測(cè)試。

二、實(shí)習(xí)內(nèi)容及過程

2023年6月5日入職時(shí)，目標(biāo)是熟悉量化投資全流程，把課堂上學(xué)到的隨機(jī)過程、時(shí)間序列分析用上。公司是做高頻策略的，主要研究納斯達(dá)克和歐洲交易所的波動(dòng)率數(shù)據(jù)。第一周跟著導(dǎo)師看市場微結(jié)構(gòu)數(shù)據(jù)，學(xué)怎么用R語言處理tick數(shù)據(jù)，發(fā)現(xiàn)我寫的代碼跑起來特別慢，一個(gè)日內(nèi)數(shù)據(jù)的滾動(dòng)窗口計(jì)算卡了整整兩天。導(dǎo)師教我用并行處理，把數(shù)據(jù)分塊存成HDF5格式，最后速度直接快了5倍。第二周開始做因子回測(cè)，用Python搭了一個(gè)回測(cè)框架，測(cè)試一個(gè)基于波動(dòng)率套利的策略。選了過去兩年的日頻數(shù)據(jù)，用GARCH模型擬合未來20天波動(dòng)率，結(jié)果顯示標(biāo)準(zhǔn)差交易策略的夏普比只有0.8，完全沒戲。后來調(diào)整了Alpha篩選邏輯，加了流動(dòng)性懲罰項(xiàng)，夏普比才提到1.2。第三周參與一個(gè)事件驅(qū)動(dòng)策略的開發(fā)，盯的是財(cái)報(bào)發(fā)布日的跳空高開。我負(fù)責(zé)用機(jī)器學(xué)習(xí)預(yù)測(cè)財(cái)報(bào)超預(yù)期概率，用了XGBoost，AUC做到0.82，但最后策略組說這種策略信號(hào)太弱，還是直接做統(tǒng)計(jì)套利穩(wěn)當(dāng)。最大的挑戰(zhàn)是模型驗(yàn)證，一開始用的對(duì)沖比率檢驗(yàn)，結(jié)果總不對(duì)，后來導(dǎo)師指點(diǎn)說得看IC分布，改用RankIC，結(jié)果清晰多了。實(shí)習(xí)期間還發(fā)現(xiàn)公司數(shù)據(jù)管理有點(diǎn)亂，不同團(tuán)隊(duì)用的格式都不一樣，我提了統(tǒng)一用Parquet文件的建議，但沒人理。這段經(jīng)歷讓我意識(shí)到，量化研究不是光會(huì)編程就行，得懂交易邏輯，而且模型驗(yàn)證比建模本身更難，這點(diǎn)真挺打擊人的，不過也讓我明白為啥大廠都強(qiáng)調(diào)跨團(tuán)隊(duì)協(xié)作。

三、總結(jié)與體會(huì)

這8周，從2023年6月5日到8月23日，感覺像被按下了快進(jìn)鍵，課本里的隨機(jī)過程、Black-Scholes模型突然有了實(shí)打?qū)嵉膬r(jià)格標(biāo)簽。每天對(duì)著屏幕的波動(dòng)率曲線，不再是考試題里的假設(shè)，而是真金白銀的交易信號(hào)，這種感受挺奇妙的。實(shí)習(xí)最大的價(jià)值在于把零散的知識(shí)點(diǎn)串起來了，比如用C++實(shí)現(xiàn)蒙特卡洛模擬時(shí)，發(fā)現(xiàn)效率比我想象的低30%，逼著我去學(xué)線程池和異步IO，最后跑一個(gè)10年路徑模擬從8小時(shí)縮到1小時(shí)，這種成就感挺直接的。導(dǎo)師常說策略要能落地，不能光在回測(cè)里好看，這點(diǎn)我記住了，后來做的波動(dòng)率套利策略，加了交易成本和滑點(diǎn)修正，夏普比從1.5直接掉到0.8，雖然數(shù)據(jù)不漂亮，但至少真實(shí)多了。這段經(jīng)歷讓我清楚，做量化不是一個(gè)人埋頭寫代碼，市場是動(dòng)態(tài)的，今天有效的Alpha明天可能就沒用了，團(tuán)隊(duì)合作和快速學(xué)習(xí)能力太重要了。心態(tài)上最大的變化是抗壓能力，以前遇到跑不通的代碼會(huì)直接想放棄，現(xiàn)在會(huì)先查資料，實(shí)在不行就問同事，發(fā)現(xiàn)大部分問題不是技術(shù)難，是鉆牛角尖了。職業(yè)規(guī)劃上更明確了，想繼續(xù)做量化，但知道單靠學(xué)校知識(shí)遠(yuǎn)遠(yuǎn)不夠，接下來打算系統(tǒng)學(xué)下Python的量化庫，比如TA-Lib和Zipline，順便考個(gè)CFA一級(jí)，把公司里用的Excel高級(jí)技巧也整理下來，感覺這些都能幫上忙。行業(yè)現(xiàn)在這么卷，純統(tǒng)計(jì)套利空間越來越小，未來可能得往另類數(shù)據(jù)或者AI量化方向發(fā)展，至少得先補(bǔ)這塊短板，不然以后真的被淘汰了。

四、致謝

感謝實(shí)習(xí)期間給予指導(dǎo)的導(dǎo)師，在策略思路和模型驗(yàn)證上給了我不少啟發(fā)，特別是教我怎么看IC分布那些細(xì)節(jié)，挺實(shí)用的。感謝帶我的團(tuán)隊(duì)同事，平時(shí)遇到代碼問題他們都很耐心，還分享了些內(nèi)部使用的Python庫，比如他們自研的日志管理模塊，效率確實(shí)高。感謝學(xué)校的指導(dǎo)老師，雖然實(shí)習(xí)內(nèi)容跟課程設(shè)計(jì)